โพสต์นี้ร่วมเขียนโดย Christopher Diaz, Sam Kinard, Jaime Hidalgo และ Daniel Suarez จาก CCC Intelligent Solutions
ในโพสต์นี้เราจะพูดถึงวิธีการ CCC โซลูชั่นอัจฉริยะ (ป.ป.ช.) รวมกัน อเมซอน SageMaker กับบริการอื่นๆ ของ AWS เพื่อสร้างโซลูชันแบบกำหนดเองที่สามารถโฮสต์ประเภทของโมเดลปัญญาประดิษฐ์ (AI) ที่ซับซ้อนตามที่จินตนาการไว้ CCC เป็นแพลตฟอร์มซอฟต์แวร์-as-a-service (SaaS) ชั้นนำสำหรับทรัพย์สินมูลค่าหลายล้านล้านดอลลาร์และการประกันวินาศภัยที่ขับเคลื่อนการดำเนินงานสำหรับผู้ประกัน ผู้ซ่อม ผู้ผลิตรถยนต์ ผู้จัดหาชิ้นส่วน ผู้ให้กู้ และอื่นๆ เทคโนโลยีคลาวด์ CCC เชื่อมต่อธุรกิจมากกว่า 30,000 แห่งโดยเปลี่ยนเวิร์กโฟลว์ที่มีความสำคัญต่อภารกิจ การค้า และประสบการณ์ของลูกค้าให้เป็นดิจิทัล ผู้นำที่เชื่อถือได้ในด้าน AI, Internet of Things (IoT), ประสบการณ์ของลูกค้า และเครือข่ายและการจัดการเวิร์กโฟลว์ CCC นำเสนอนวัตกรรมที่ช่วยให้ชีวิตของผู้คนก้าวไปข้างหน้าในเวลาที่สำคัญที่สุด
ความท้าทาย
CCC ประมวลผลธุรกรรมเรียกร้องมากกว่า 1 ล้านล้านดอลลาร์ต่อปี ในขณะที่บริษัทยังคงพัฒนาอย่างต่อเนื่องเพื่อรวม AI เข้ากับแคตตาล็อกผลิตภัณฑ์ที่มีอยู่และใหม่ สิ่งนี้ต้องการแนวทางที่ซับซ้อนในการฝึกอบรมและปรับใช้โมเดลชุดการเรียนรู้ของเครื่องแบบมัลติโมดอล (ML) เพื่อแก้ปัญหาความต้องการทางธุรกิจที่ซับซ้อน สิ่งเหล่านี้เป็นแบบจำลองระดับหนึ่งที่รวบรวมอัลกอริทึมที่เป็นกรรมสิทธิ์และความเชี่ยวชาญเฉพาะเรื่องที่ CCC ได้ฝึกฝนมาเป็นเวลาหลายปี โมเดลเหล่านี้ควรสามารถนำเข้าเลเยอร์ใหม่ของข้อมูลที่แตกต่างกันเล็กน้อยและกฎของลูกค้าเพื่อสร้างผลลัพธ์การคาดคะเนเดี่ยว ในบล็อกโพสต์นี้ เราจะเรียนรู้วิธีที่ CCC ใช้ประโยชน์จากการโฮสต์ Amazon SageMaker และบริการอื่นๆ ของ AWS เพื่อปรับใช้หรือโฮสต์โมเดลหลายโมดอลหลายตัวในไปป์ไลน์การอนุมานทั้งมวล
ดังที่แสดงในไดอะแกรมต่อไปนี้ ensemble คือชุดของโมเดลตั้งแต่สองโมเดลขึ้นไปที่ได้รับการจัดเตรียมให้ทำงานในลักษณะเชิงเส้นหรือไม่เชิงเส้นเพื่อสร้างการทำนายเดียว เมื่อวางซ้อนกันแบบเชิงเส้น แบบจำลองแต่ละแบบของทั้งมวลสามารถเรียกใช้ได้โดยตรงสำหรับการคาดการณ์และนำมารวมเข้าด้วยกันในภายหลัง ในบางครั้ง แบบจำลองทั้งมวลยังสามารถนำไปใช้เป็นไปป์ไลน์การอนุมานแบบอนุกรมได้อีกด้วย
สำหรับกรณีการใช้งานของเรา ท่อทั้งมวลนั้นไม่เชิงเส้นอย่างเคร่งครัด ดังที่อธิบายไว้ในแผนภาพต่อไปนี้ ไปป์ไลน์ทั้งมวลแบบไม่เชิงเส้นเป็นกราฟอะไซคลิกโดยตรงในทางทฤษฎี (DAG) สำหรับกรณีการใช้งานของเรา ไปป์ไลน์ DAG นี้มีทั้งโมเดลอิสระที่ทำงานพร้อมกัน (บริการ B, C) และโมเดลอื่นๆ ที่ใช้การคาดการณ์จากขั้นตอนก่อนหน้า (บริการ D)
แนวทางปฏิบัติที่มาจากวัฒนธรรมที่ขับเคลื่อนด้วยการวิจัยของ CCC คือการทบทวนเทคโนโลยีอย่างต่อเนื่องที่สามารถใช้ประโยชน์เพื่อเพิ่มมูลค่าให้กับลูกค้า เมื่อ CCC เผชิญกับความท้าทายทั้งมวลนี้ ผู้นำจึงเปิดตัวโครงการพิสูจน์แนวคิด (POC) เพื่อประเมินข้อเสนอจาก AWS อย่างละเอียด เพื่อค้นหาว่า Amazon SageMaker และเครื่องมือ AWS อื่นๆ สามารถจัดการการโฮสต์โมเดล AI แต่ละตัวที่ซับซ้อนและไม่เชิงเส้นได้หรือไม่ วงดนตรี
วงดนตรีอธิบายว่า: ในบริบทนี้ วงดนตรีคือกลุ่มของโมเดล AI 2 โมเดลขึ้นไปที่ทำงานร่วมกันเพื่อสร้างการคาดการณ์โดยรวม 1 รายการ
คำถามที่ขับเคลื่อนการวิจัย
สามารถใช้ Amazon SageMaker เพื่อโฮสต์โมเดล AI ที่ซับซ้อนซึ่งทำงานร่วมกันเพื่อให้การคาดการณ์โดยรวมเป็นหนึ่งเดียวได้หรือไม่ หากเป็นเช่นนั้น SageMaker สามารถนำเสนอประโยชน์อื่นๆ นอกกรอบ เช่น ระบบอัตโนมัติที่เพิ่มขึ้น ความน่าเชื่อถือ การตรวจสอบ การปรับขนาดอัตโนมัติ และการวัดผลที่ประหยัดต้นทุนได้หรือไม่
การค้นหาทางเลือกอื่นในการปรับใช้โมเดล AI ของ CCC โดยใช้ความก้าวหน้าทางเทคโนโลยีจากผู้ให้บริการระบบคลาวด์จะช่วยให้ CCC สามารถนำโซลูชัน AI ออกสู่ตลาดได้เร็วกว่าคู่แข่ง นอกจากนี้ การมีสถาปัตยกรรมการปรับใช้มากกว่าหนึ่งแบบยังให้ความยืดหยุ่นในการค้นหาความสมดุลระหว่างต้นทุนและประสิทธิภาพตามลำดับความสำคัญของธุรกิจ
ตามความต้องการของเรา เราได้สรุปรายการคุณลักษณะต่อไปนี้เป็นรายการตรวจสอบสำหรับสถาปัตยกรรมการปรับใช้ระดับการผลิต:
- รองรับวงดนตรีที่ซับซ้อน
- รับประกันเวลาทำงานสำหรับส่วนประกอบทั้งหมด
- การปรับขนาดอัตโนมัติที่ปรับแต่งได้สำหรับโมเดล AI ที่ปรับใช้
- การเก็บรักษาอินพุตและเอาต์พุตของโมเดล AI
- เมตริกการใช้งานและบันทึกสำหรับส่วนประกอบทั้งหมด
- กลไกการประหยัดต้นทุน
เนื่องจากโซลูชัน AI ของ CCC ส่วนใหญ่ใช้โมเดลการมองเห็นของคอมพิวเตอร์ จึงจำเป็นต้องมีสถาปัตยกรรมใหม่เพื่อรองรับไฟล์รูปภาพและวิดีโอที่มีความละเอียดเพิ่มขึ้นอย่างต่อเนื่อง มีความจำเป็นอย่างมากในการออกแบบและนำสถาปัตยกรรมนี้ไปใช้ในรูปแบบอะซิงโครนัส
หลังจากวัฏจักรของการวิจัยและความพยายามในการเทียบมาตรฐานขั้นต้น CCC พิจารณาว่า SageMaker เหมาะสมอย่างยิ่งที่จะตอบสนองความต้องการด้านการผลิตส่วนใหญ่ โดยเฉพาะอย่างยิ่งการรับประกันเวลาพร้อมใช้งานที่รับประกันว่า SageMaker จัดเตรียมไว้สำหรับส่วนประกอบการอนุมานส่วนใหญ่ คุณลักษณะเริ่มต้นของตำแหน่งข้อมูลการอนุมานแบบ Asynchronous ของ Amazon SageMaker การบันทึกอินพุต/เอาต์พุตใน Amazon S3 ช่วยลดความซับซ้อนของงานในการเก็บรักษาข้อมูลที่สร้างจากชุดคำสั่งที่ซับซ้อน นอกจากนี้ เมื่อแต่ละโมเดล AI ถูกโฮสต์โดยจุดสิ้นสุดของตัวเอง การจัดการนโยบายการปรับขนาดอัตโนมัติที่ระดับโมเดลหรือจุดสิ้นสุดจะง่ายขึ้น ด้วยการทำให้การจัดการง่ายขึ้น ประโยชน์ที่เป็นไปได้ในการประหยัดต้นทุนจากสิ่งนี้คือทีมพัฒนาสามารถจัดสรรเวลามากขึ้นในการปรับแต่งนโยบายการปรับสเกลเพื่อลดการจัดสรรทรัพยากรการประมวลผลมากเกินไป
หลังจากตัดสินใจใช้ SageMaker เป็นองค์ประกอบสำคัญของสถาปัตยกรรมแล้ว เรายังตระหนักว่า SageMaker สามารถเป็นส่วนหนึ่งของสถาปัตยกรรมที่ใหญ่ขึ้นได้ เสริมด้วยบริการที่จัดการโดย AWS แบบไร้เซิร์ฟเวอร์อื่นๆ อีกมากมาย ตัวเลือกนี้จำเป็นเพื่ออำนวยความสะดวกในการจัดลำดับขั้นสูงและความต้องการในการสังเกตของสถาปัตยกรรมที่ซับซ้อนนี้
ประการแรก เพื่อขจัดข้อจำกัดด้านขนาดของเพย์โหลดและลดความเสี่ยงของการหมดเวลาระหว่างสถานการณ์ที่มีการจราจรหนาแน่น CCC ได้นำสถาปัตยกรรมที่รันการคาดคะเนแบบอะซิงโครนัสไปใช้ จุดสิ้นสุดการอนุมานแบบอะซิงโครนัสของ SageMaker ร่วมกับบริการอื่นๆ ที่จัดการโดย AWS เป็นองค์ประกอบหลัก นอกจากนี้ ส่วนต่อประสานผู้ใช้สำหรับระบบยังเป็นไปตามรูปแบบการออกแบบที่ไม่ใช้แล้วลืม กล่าวอีกนัยหนึ่ง เมื่อผู้ใช้อัปโหลดอินพุตของตนไปยังระบบแล้ว ก็ไม่จำเป็นต้องทำอะไรอีก พวกเขาจะได้รับแจ้งเมื่อมีการทำนาย รูปภาพด้านล่างแสดงภาพรวมระดับสูงของสถาปัตยกรรมที่ขับเคลื่อนด้วยเหตุการณ์แบบอะซิงโครนัส ในส่วนถัดไป ให้เราดำดิ่งสู่ขั้นตอนการดำเนินงานของสถาปัตยกรรมที่ออกแบบ
วิธีแก้ปัญหาทีละขั้นตอน
ขั้นตอนที่ 1
ลูกค้าทำการร้องขอไปที่ เกตเวย์ AWS API จุดสิ้นสุด เนื้อหาของคำขอประกอบด้วยชื่อของบริการ AI ที่พวกเขาต้องการการคาดคะเนและวิธีการแจ้งเตือนที่ต้องการ
คำขอนี้ถูกส่งไปยัง แลมบ์ดา ฟังก์ชันที่เรียกว่า การทำนายใหม่ ซึ่งมีภารกิจหลักคือ:
- ตรวจสอบว่ามีบริการที่ลูกค้าร้องขอหรือไม่
- กำหนด ID การคาดคะเนที่ไม่ซ้ำให้กับคำขอ ผู้ใช้สามารถใช้ ID การคาดการณ์นี้เพื่อตรวจสอบสถานะของการคาดคะเนตลอดทั้งกระบวนการทั้งหมด
- สร้างและ Amazon S3 URL ที่ลงนามล่วงหน้าซึ่งผู้ใช้จะต้องใช้ในขั้นตอนถัดไปเพื่ออัปโหลดเนื้อหาอินพุตของคำขอการคาดคะเน
- สร้างรายการใน อเมซอน ไดนาโมดีบี พร้อมข้อมูลคำขอที่ได้รับ
จากนั้น ฟังก์ชัน Lambda จะส่งคืนการตอบกลับผ่านตำแหน่งข้อมูลเกตเวย์ API พร้อมข้อความที่มี ID การคาดคะเนที่กำหนดให้กับคำขอและ URL ที่ลงนามล่วงหน้าของ Amazon S3
ขั้นตอนที่ 2
ไคลเอนต์อัปโหลดเนื้อหาอินพุตการคาดคะเนอย่างปลอดภัยไปยังบัคเก็ต S3 โดยใช้ URL ที่ลงนามล่วงหน้าซึ่งสร้างในขั้นตอนก่อนหน้า เนื้อหาที่ป้อนขึ้นอยู่กับบริการ AI และสามารถประกอบด้วยรูปภาพ ข้อมูลแบบตาราง หรือทั้งสองอย่างรวมกัน
ขั้นตอนที่ 3
บัคเก็ต S3 ได้รับการกำหนดค่าให้ทริกเกอร์เหตุการณ์เมื่อผู้ใช้อัปโหลดเนื้อหาอินพุต การแจ้งเตือนนี้ถูกส่งไปยังคิว Amazon SQS และจัดการโดยฟังก์ชัน Lambda ที่เรียก ป้อนข้อมูลกระบวนการ. ป้อนข้อมูลกระบวนการ Lambda จะได้รับข้อมูลที่เกี่ยวข้องกับ ID การคาดคะเนนั้นจาก DynamoDB เพื่อรับชื่อของบริการที่จะร้องขอ
บริการนี้สามารถเป็นแบบ AI เดียว ซึ่งในกรณีนี้ ป้อนข้อมูลกระบวนการ Lambda จะส่งคำขอไปยังตำแหน่งข้อมูล SageMaker ที่โฮสต์โมเดลนั้น (ขั้นตอนที่ 3-A) หรืออาจเป็นบริการ AI แบบรวม ซึ่งในกรณีนี้ ป้อนข้อมูลกระบวนการ แลมบ์ดาจะส่งคำขอไปยังเครื่องสถานะของฟังก์ชันขั้นตอนที่โฮสต์ตรรกะทั้งมวล (ขั้นตอนที่ 3-B)
ในตัวเลือกใดตัวเลือกหนึ่ง (โมเดล AI เดี่ยวหรือบริการ AI ทั้งชุด) เมื่อการคาดการณ์ขั้นสุดท้ายพร้อม ระบบจะจัดเก็บไว้ในบัคเก็ต S3 ที่เหมาะสม และผู้โทรจะได้รับแจ้งผ่านวิธีการที่ระบุในขั้นตอนที่ 1 (รายละเอียดเพิ่มเติมเกี่ยวกับการแจ้งเตือนในขั้นตอนที่ 4).
ขั้นตอนที่ 3-A
หากรหัสการคาดการณ์เชื่อมโยงกับโมเดล AI เดียว ป้อนข้อมูลกระบวนการ Lambda จะส่งคำขอไปยังตำแหน่งข้อมูล SageMaker ที่ให้บริการโมเดล ในระบบนี้ รองรับตำแหน่งข้อมูล SageMaker สองประเภท:
- ไม่ตรงกัน: ป้อนข้อมูลกระบวนการ Lambda ทำการร้องขอไปยังจุดสิ้นสุดแบบอะซิงโครนัสของ SageMaker การตอบสนองทันทีรวมถึงตำแหน่ง S3 ที่ SageMaker จะบันทึกผลลัพธ์การคาดคะเน คำขอนี้เป็นแบบอะซิงโครนัส เป็นไปตามรูปแบบ fire-and-forget และไม่ได้ปิดกั้นโฟลว์การดำเนินการของฟังก์ชัน Lambda
- พร้อมกัน: ป้อนข้อมูลกระบวนการ Lambda ส่งคำขอไปยังปลายทางแบบซิงโครนัสของ SageMaker เนื่องจากเป็นคำขอแบบซิงโครนัส อินพุตกระบวนการจะรอการตอบกลับ และเมื่อได้รับแล้ว ก็จะจัดเก็บไว้ใน S3 ในรูปแบบอะนาล็อกที่ปลายทางแบบอะซิงโครนัสของ SageMaker จะทำ
ในทั้งสองกรณี (ปลายทางแบบซิงโครนัสหรืออะซิงโครนัส) การคาดคะเนจะได้รับการประมวลผลด้วยวิธีที่เทียบเท่ากัน โดยจัดเก็บเอาต์พุตไว้ในบัคเก็ต S3 เมื่อตำแหน่งข้อมูล SageMaker แบบอะซิงโครนัสเสร็จสิ้นการคาดคะเน เหตุการณ์ Amazon SNS จะถูกทริกเกอร์ ลักษณะการทำงานนี้ยังจำลองสำหรับจุดสิ้นสุดแบบซิงโครนัสด้วยตรรกะเพิ่มเติมในฟังก์ชัน Lambda
ขั้นตอนที่ 3-B
หาก ID การคาดคะเนเชื่อมโยงกับ AI ensemble ป้อนข้อมูลกระบวนการ แลมบ์ดาจะส่งคำขอไปยังฟังก์ชันขั้นตอนที่เกี่ยวข้องกับ AI Ensemble นั้น ตามที่กล่าวไว้ข้างต้น AI Ensemble เป็นสถาปัตยกรรมที่อิงตามกลุ่มของโมเดล AI ที่ทำงานร่วมกันเพื่อสร้างการคาดการณ์โดยรวมเดียว การประสานกันของชุด AI ทำได้ผ่านฟังก์ชันขั้นตอน
ฟังก์ชันขั้นตอนมีหนึ่งขั้นตอนต่อบริการ AI ที่ประกอบด้วยทั้งมวล แต่ละขั้นตอนจะเรียกใช้ฟังก์ชัน Lambda ที่จะเตรียมอินพุตของบริการ AI ที่สอดคล้องกันโดยใช้การผสมผสานเนื้อหาเอาต์พุตที่แตกต่างกันจากการเรียกบริการ AI ก่อนหน้าของขั้นตอนก่อนหน้า จากนั้นจะทำการเรียกไปยังบริการ AI แต่ละรายการ ซึ่งในบริบทนี้อาจเป็นโมเดล AI เดียวหรือกลุ่ม AI อื่นก็ได้
ฟังก์ชันแลมบ์ดาเดียวกันเรียกว่า GetTransformCall ใช้เพื่อจัดการกับการคาดการณ์ระดับกลางของ AI Ensemble จะใช้ตลอดทั้งฟังก์ชันขั้นตอน แต่มีพารามิเตอร์อินพุตที่แตกต่างกันสำหรับแต่ละขั้นตอน การป้อนข้อมูลนี้รวมถึงชื่อของบริการ AI ที่จะเรียก นอกจากนี้ยังรวมถึงข้อกำหนดการแมปเพื่อสร้างอินพุตสำหรับบริการ AI ที่ระบุ สิ่งนี้ทำได้โดยใช้ไวยากรณ์แบบกำหนดเองที่ Lambda สามารถถอดรหัสได้ ซึ่งโดยสรุปคือพจนานุกรม JSON ที่ควรแทนที่ค่าด้วยเนื้อหาจากการคาดคะเน AI ก่อนหน้านี้ Lambda จะดาวน์โหลดการคาดการณ์ก่อนหน้านี้จาก Amazon S3
ในแต่ละขั้นตอน GetTransformCall Lambda อ่านจาก Amazon S3 เอาต์พุตก่อนหน้าที่จำเป็นในการสร้างอินพุตของบริการ AI ที่ระบุ จากนั้นจะเรียกใช้ คำทำนายใหม่ โค้ดแลมบ์ดาที่ใช้ก่อนหน้านี้ในขั้นตอนที่ 1 และระบุชื่อบริการ วิธีการโทรกลับ (“ฟังก์ชันขั้นตอน”) และโทเค็นที่จำเป็นสำหรับการเรียกกลับในเพย์โหลดคำขอ ซึ่งจากนั้นจะบันทึกใน DynamoDB เป็นบันทึกการคาดการณ์ใหม่ นอกจากนี้ Lambda ยังจัดเก็บอินพุตที่สร้างขึ้นของสเตจนั้นไว้ในบัคเก็ต S3 ขึ้นอยู่กับว่าขั้นตอนนั้นเป็นโมเดล AI เดี่ยวหรือกลุ่ม AI Lambda จะส่งคำขอไปยังตำแหน่งข้อมูล SageMaker หรือฟังก์ชันขั้นตอนอื่นที่จัดการกลุ่ม AI ที่ขึ้นอยู่กับกลุ่มหลัก
เมื่อทำการร้องขอแล้ว ฟังก์ชัน step จะเข้าสู่สถานะรอดำเนินการจนกว่าจะได้รับโทเค็นการเรียกกลับซึ่งระบุว่าสามารถย้ายไปยังขั้นต่อไปได้ การส่งโทเค็นการโทรกลับดำเนินการโดยฟังก์ชันแลมบ์ดาที่เรียก การแจ้งเตือน (รายละเอียดเพิ่มเติมในขั้นตอนที่ 4) เมื่อการทำนายระดับกลางพร้อม กระบวนการนี้ซ้ำสำหรับแต่ละขั้นตอนที่กำหนดไว้ในฟังก์ชันขั้นตอนจนกว่าการทำนายขั้นสุดท้ายจะพร้อม
ขั้นตอนที่ 4
เมื่อการคาดการณ์พร้อมและจัดเก็บไว้ในบัคเก็ต S3 การแจ้งเตือน SNS จะเริ่มทำงาน เหตุการณ์นี้สามารถเรียกได้หลายวิธีขึ้นอยู่กับโฟลว์:
- โดยอัตโนมัติเมื่อปลายทางแบบอะซิงโครนัสของ SageMaker เสร็จสิ้นการคาดคะเน
- เป็นขั้นตอนสุดท้ายของฟังก์ชันขั้นตอน
- By ป้อนข้อมูลกระบวนการ or GetTransformCall Lambda เมื่อปลายทาง SageMaker แบบซิงโครนัสส่งคืนการคาดคะเน
สำหรับ B และ C เราสร้างข้อความ SNS ที่คล้ายกับที่ A ส่งโดยอัตโนมัติ
ฟังก์ชัน Lambda ที่เรียกว่าการแจ้งเตือนสมัครรับข้อมูลในหัวข้อ SNS นี้ การแจ้งเตือน Lambda จะได้รับข้อมูลที่เกี่ยวข้องกับรหัสการคาดการณ์จาก DynamoDB อัปเดตรายการด้วยค่าสถานะเป็น "เสร็จสมบูรณ์" หรือ "ข้อผิดพลาด" และดำเนินการที่จำเป็นโดยขึ้นอยู่กับโหมดการโทรกลับที่บันทึกไว้ในบันทึกฐานข้อมูล
หากการคาดคะเนนี้เป็นการคาดการณ์ระดับกลางของกลุ่ม AI ตามที่อธิบายไว้ในขั้นตอนที่ 3-B โหมดการเรียกกลับที่เกี่ยวข้องกับการคาดคะเนนี้จะเป็น "ฟังก์ชันขั้นตอน" และบันทึกฐานข้อมูลจะมีโทเค็นการเรียกกลับที่เกี่ยวข้องกับขั้นตอนเฉพาะใน ฟังก์ชั่นขั้นตอน การแจ้งเตือน Lambda จะทำการเรียก AWS Step Functions API โดยใช้วิธี “SendTaskSuccess” หรือ “SendTaskFailure” ซึ่งจะทำให้ฟังก์ชันขั้นตอนดำเนินการต่อไปยังขั้นตอนถัดไปหรือออก
หากการคาดคะเนเป็นผลลัพธ์สุดท้ายของ step function และโหมดการโทรกลับคือ "Webhook" [หรืออีเมล นายหน้าข้อความ (Kafka) ฯลฯ] การแจ้งเตือน Lambda จะแจ้งให้ลูกค้าทราบด้วยวิธีที่ระบุ ผู้ใช้สามารถขอสถานะการคาดคะเนของตนได้ทุกเมื่อ คำขอต้องมีรหัสการคาดการณ์ที่กำหนดในขั้นตอนที่ 1 และชี้ไปที่ URL ที่ถูกต้องภายในเกตเวย์ API เพื่อกำหนดเส้นทางคำขอไปยังฟังก์ชันแลมบ์ดาที่เรียกว่า ผล.
ผลลัพธ์ที่แลมบ์ดาจะส่งคำขอไปยัง DynamoDB เพื่อรับสถานะของคำขอและส่งคืนข้อมูลให้กับผู้ใช้ หากสถานะของการทำนายเป็น ความผิดพลาดจากนั้นรายละเอียดที่เกี่ยวข้องเกี่ยวกับความล้มเหลวจะรวมอยู่ในการตอบกลับ หากสถานะการทำนายเป็น ความสำเร็จจะมีการส่งคืน URL ที่ลงนามล่วงหน้า S3 เพื่อให้ผู้ใช้ดาวน์โหลดเนื้อหาการคาดคะเน
ผลลัพธ์
ผลการทดสอบประสิทธิภาพเบื้องต้นมีแนวโน้มที่ดีและสนับสนุนกรณีที่ CCC ขยายการใช้งานสถาปัตยกรรมการปรับใช้ใหม่นี้
ข้อสังเกตที่น่าสังเกต:
- การทดสอบแสดงให้เห็นถึงความแข็งแกร่งในการประมวลผลคำขอเป็นชุดหรือพร้อมกันด้วยปริมาณงานสูงและอัตราความล้มเหลว 0 เปอร์เซ็นต์ในระหว่างสถานการณ์การรับส่งข้อมูลสูง
- คิวข้อความให้ความเสถียรภายในระบบระหว่างการร้องขออย่างกะทันหันจนกว่าทริกเกอร์การปรับขนาดจะสามารถจัดเตรียมทรัพยากรการประมวลผลเพิ่มเติมได้ เมื่อเพิ่มทราฟฟิก 3 เท่า เวลาแฝงของคำขอโดยเฉลี่ยเพิ่มขึ้นเพียง 5 เปอร์เซ็นต์เท่านั้น
- ราคาของความเสถียรคือเวลาแฝงที่เพิ่มขึ้นเนื่องจากค่าใช้จ่ายในการสื่อสารระหว่างส่วนประกอบต่างๆ ของระบบ เมื่อการรับส่งข้อมูลของผู้ใช้สูงกว่าเกณฑ์พื้นฐาน เวลาแฝงที่เพิ่มสามารถลดลงได้บางส่วนโดยการจัดหาทรัพยากรการประมวลผลเพิ่มเติม หากประสิทธิภาพมีลำดับความสำคัญสูงกว่าค่าใช้จ่าย
- จุดสิ้นสุดการอนุมานแบบอะซิงโครนัสของ SageMaker ช่วยให้จำนวนอินสแตนซ์ถูกปรับขนาดเป็นศูนย์ในขณะที่ทำให้จุดสิ้นสุดทำงานเพื่อรับคำขอ ฟังก์ชันนี้ช่วยให้การปรับใช้ทำงานต่อไปได้โดยไม่มีค่าใช้จ่ายในการประมวลผล และเพิ่มขนาดจากศูนย์เมื่อจำเป็นในสองสถานการณ์: การปรับใช้บริการที่ใช้ในสภาพแวดล้อมการทดสอบที่ต่ำกว่า และสภาพแวดล้อมที่มีทราฟฟิกน้อยที่สุดโดยไม่ต้องมีการประมวลผลในทันที
สรุป
ตามที่สังเกตเห็นในระหว่างกระบวนการ POC การออกแบบเชิงนวัตกรรมที่สร้างสรรค์ร่วมกันโดย CCC และ AWS เป็นรากฐานที่มั่นคงสำหรับการใช้ Amazon SageMaker กับบริการที่มีการจัดการอื่นๆ ของ AWS เพื่อโฮสต์กลุ่ม AI แบบมัลติโมดอลที่ซับซ้อนและประสานไปป์ไลน์การอนุมานได้อย่างมีประสิทธิภาพและราบรื่น ด้วยการใช้ประโยชน์จากฟังก์ชันที่ใช้งานได้ทันทีของ Amazon SageMaker เช่น Asynchronous Inference ทำให้ CCC มีโอกาสมากขึ้นในการมุ่งเน้นไปที่งานเฉพาะที่สำคัญต่อธุรกิจ ด้วยจิตวิญญาณของวัฒนธรรมที่ขับเคลื่อนด้วยการวิจัยของ CCC สถาปัตยกรรมใหม่นี้จะยังคงพัฒนาต่อไปในขณะที่ CCC เป็นผู้นำไปข้างหน้า ควบคู่ไปกับ AWS ในการปลดปล่อยโซลูชัน AI ใหม่ที่ทรงพลังสำหรับลูกค้า
สำหรับขั้นตอนโดยละเอียดเกี่ยวกับวิธีสร้าง เรียกใช้ และมอนิเตอร์จุดสิ้นสุดการอนุมานแบบอะซิงโครนัส โปรดดูที่ เอกสารซึ่งประกอบด้วย a โน๊ตบุ๊คตัวอย่าง เพื่อช่วยให้คุณเริ่มต้น ดูข้อมูลราคาได้ที่ ราคา Amazon SageMaker.
สำหรับตัวอย่างการใช้การอนุมานแบบอะซิงโครนัสกับข้อมูลที่ไม่มีโครงสร้าง เช่น คอมพิวเตอร์วิทัศน์และการประมวลผลภาษาธรรมชาติ (NLP) โปรดดูที่ เรียกใช้การอนุมานการมองเห็นด้วยคอมพิวเตอร์บนวิดีโอขนาดใหญ่ด้วยจุดปลายอะซิงโครนัสของ Amazon SageMaker และ ปรับปรุงการวิจัยที่มีมูลค่าสูงด้วย Hugging Face และจุดสิ้นสุดการอนุมานแบบอะซิงโครนัสของ Amazon SageMakerตามลำดับ
เกี่ยวกับผู้เขียน
คริสโตเฟอร์ดิแอซ เป็นหัวหน้าวิศวกร R&D ที่ CCC Intelligent Solutions ในฐานะสมาชิกของทีม R&D เขาได้ทำงานในโครงการต่างๆ มากมาย ตั้งแต่การใช้เครื่องมือ ETL การพัฒนาเว็บแบ็กเอนด์ ร่วมมือกับนักวิจัยในการฝึกอบรมโมเดล AI บนระบบกระจาย และอำนวยความสะดวกในการส่งมอบบริการ AI ใหม่ระหว่างทีมวิจัยและทีมปฏิบัติการ ความสนใจล่าสุดของเขาอยู่ที่การวิจัยโซลูชันเครื่องมือบนคลาวด์เพื่อปรับปรุงแง่มุมต่างๆ ของวงจรการพัฒนาโมเดล AI ของบริษัท ในเวลาว่าง เขาสนุกกับการลองร้านอาหารใหม่ๆ ในชิคาโกบ้านเกิดของเขา และสะสมชุดเลโก้ให้ได้มากที่สุดเท่าที่บ้านของเขาจะใส่ได้ คริสโตเฟอร์สำเร็จการศึกษาวิทยาศาสตรบัณฑิตสาขาวิทยาการคอมพิวเตอร์จากมหาวิทยาลัยนอร์ธอีสเทิร์น อิลลินอยส์
ผู้ชนะรางวัลเอ็มมี่ แซม คินาร์ด เป็นผู้จัดการอาวุโสฝ่ายวิศวกรรมซอฟต์แวร์ของ CCC Intelligent Solutions ซึ่งตั้งอยู่ในเมืองออสติน รัฐเท็กซัส เขาทะเลาะกับทีม AI Runtime ซึ่งมีหน้าที่รับผิดชอบในการให้บริการผลิตภัณฑ์ AI ของ CCC ที่ความพร้อมใช้งานสูงและขนาดใหญ่ ในเวลาว่าง แซมชอบอดนอนเพราะลูกที่น่ารักสองคนของเขา แซมสำเร็จการศึกษาวิทยาศาสตรบัณฑิตสาขาวิทยาการคอมพิวเตอร์และวิทยาศาสตรบัณฑิตสาขาคณิตศาสตร์จากมหาวิทยาลัยเทกซัสออสติน
ไจ ฮิดัลโก เป็นวิศวกรระบบอาวุโสของ CCC Intelligent Solutions ก่อนเข้าร่วมทีมวิจัย AI เขาเป็นผู้นำการย้ายข้อมูลทั่วโลกของบริษัทไปยังสถาปัตยกรรม Microservices ออกแบบ สร้าง และทำให้โครงสร้างพื้นฐานเป็นอัตโนมัติใน AWS เพื่อรองรับการปรับใช้ผลิตภัณฑ์และบริการระบบคลาวด์ ปัจจุบัน เขาสร้างและสนับสนุนคลัสเตอร์ศูนย์ข้อมูลภายในองค์กรที่สร้างขึ้นสำหรับการฝึกอบรม AI และยังออกแบบและสร้างโซลูชันระบบคลาวด์สำหรับการวิจัยและการใช้งาน AI ในอนาคตของบริษัท
แดเนียลซัวเรซ เป็นวิศวกรด้านวิทยาศาสตร์ข้อมูลที่ CCC Intelligent Solutions ในฐานะสมาชิกของทีมวิศวกรรม AI เขาทำงานเกี่ยวกับระบบอัตโนมัติและการเตรียมโมเดล AI ในการผลิต การประเมิน และการตรวจสอบเมตริกและด้านอื่นๆ ของการดำเนินงาน ML Daniel สำเร็จการศึกษาระดับปริญญาโทด้านวิทยาการคอมพิวเตอร์จาก Illinois Institute of Technology และปริญญาโทและปริญญาตรีด้านวิศวกรรมโทรคมนาคมจาก Universidad Politecnica de Madrid
อรุณประศาสน์ เป็นสถาปนิกโซลูชันผู้เชี่ยวชาญด้าน AI/ML อาวุโสกับ AWS ซึ่งช่วยให้ลูกค้าทั่วโลกปรับขนาดโซลูชัน AI ของตนในระบบคลาวด์ได้อย่างมีประสิทธิภาพและประสิทธิผล ในเวลาว่าง อรุณชอบดูหนังไซไฟและฟังเพลงคลาสสิก
จัสติน แมคเวิร์ตเตอร์ เป็นผู้จัดการสถาปนิกโซลูชันที่ AWS เขาทำงานร่วมกับทีม Solutions Architects ที่น่าทึ่งซึ่งช่วยให้ลูกค้าได้รับประสบการณ์ที่ดีในขณะที่ใช้แพลตฟอร์ม AWS เมื่อไม่ได้ทำงาน จัสตินชอบเล่นวิดีโอเกมกับลูกชายสองคน เล่นฮ็อกกี้น้ำแข็ง และขี่รถจี๊ปขับรถออฟโรด
- เนื้อหาที่ขับเคลื่อนด้วย SEO และการเผยแพร่ประชาสัมพันธ์ รับการขยายวันนี้
- เพลโตบล็อคเชน Web3 Metaverse ข่าวกรอง ขยายความรู้. เข้าถึงได้ที่นี่.
- ที่มา: https://aws.amazon.com/blogs/machine-learning/how-ccc-intelligent-solutions-created-a-custom-approach-for-hosting-complex-ai-models-using-amazon-sagemaker/
- 000
- 1
- 100
- 7
- a
- สามารถ
- เกี่ยวกับเรา
- ข้างบน
- การกระทำ
- คล่องแคล่ว
- วัฏจักร
- ที่เพิ่ม
- เพิ่มเติม
- นอกจากนี้
- การนำ
- ความก้าวหน้า
- AI
- เอไอ เอ็นจิเนียริ่ง
- วิจัยไอ
- บริการ AI
- การฝึกอบรม AI
- AI / ML
- อัลกอริทึม
- ทั้งหมด
- คู่ขนาน
- ทางเลือก
- น่าอัศจรรย์
- อเมซอน
- อเมซอน SageMaker
- และ
- ทุกๆปี
- อื่น
- API
- เข้าใกล้
- วิธีการ
- เหมาะสม
- สถาปัตยกรรม
- เทียม
- ปัญญาประดิษฐ์
- ปัญญาประดิษฐ์ (AI)
- ด้าน
- ที่ได้รับมอบหมาย
- ที่เกี่ยวข้อง
- ผู้เขียน
- รถยนต์
- อัตโนมัติ
- อัตโนมัติ
- โดยอัตโนมัติ
- อัตโนมัติ
- ความพร้อมใช้งาน
- ใช้ได้
- เฉลี่ย
- รางวัล
- AWS
- ฟังก์ชันขั้นตอนของ AWS
- แบ็กเอนด์
- ยอดคงเหลือ
- ตาม
- baseline
- เพราะ
- จะกลายเป็น
- ก่อน
- กำลัง
- ด้านล่าง
- การเปรียบเทียบ
- ประโยชน์
- ประโยชน์ที่ได้รับ
- ระหว่าง
- ปิดกั้น
- Blocks
- บล็อก
- กล่อง
- นำมาซึ่ง
- โบรกเกอร์
- สร้าง
- การก่อสร้าง
- สร้าง
- สร้าง
- ธุรกิจ
- ธุรกิจ
- โทรศัพท์
- ที่เรียกว่า
- ผู้เรียก
- โทร
- สามารถ
- กรณี
- กรณี
- แค็ตตาล็อก
- CCC
- ศูนย์
- ท้าทาย
- ตรวจสอบ
- ชิคาโก
- เด็ก
- ทางเลือก
- คริส
- การเรียกร้อง
- ชั้น
- ไคลเอนต์
- ลูกค้า
- เมฆ
- เทคโนโลยีคลาวด์
- Cluster
- รหัส
- การทำงานร่วมกัน
- การเก็บรวบรวม
- ชุด
- การผสมผสาน
- รวม
- รวม
- พาณิชย์
- การสื่อสาร
- บริษัท
- บริษัท
- การแข่งขัน
- เสร็จสิ้น
- ซับซ้อน
- ส่วนประกอบ
- ส่วนประกอบ
- สงบ
- คำนวณ
- คอมพิวเตอร์
- วิทยาการคอมพิวเตอร์
- วิสัยทัศน์คอมพิวเตอร์
- พร้อมกัน
- เชื่อมต่อ
- สร้าง
- มี
- เนื้อหา
- สิ่งแวดล้อม
- ต่อ
- อย่างต่อเนื่อง
- ต่อเนื่องกัน
- แกน
- ตรงกัน
- ราคา
- ค่าใช้จ่าย
- ได้
- ควบคู่
- สร้าง
- ที่สร้างขึ้น
- วัฒนธรรม
- ขณะนี้
- ประเพณี
- ลูกค้า
- ประสบการณ์ของลูกค้า
- ลูกค้า
- รอบ
- DAG
- แดเนียล
- ข้อมูล
- ศูนย์ข้อมูล
- วิทยาศาสตร์ข้อมูล
- ฐานข้อมูล
- ตัดสินใจ
- ลึก
- ดำน้ำลึก
- ค่าเริ่มต้น
- มอบ
- การจัดส่ง
- การอยู่ที่
- ทั้งนี้ขึ้นอยู่กับ
- ขึ้นอยู่กับ
- ปรับใช้
- นำไปใช้
- การใช้งาน
- การใช้งาน
- อธิบาย
- ออกแบบ
- ได้รับการออกแบบ
- การออกแบบ
- การออกแบบ
- รายละเอียด
- รายละเอียด
- แน่นอน
- พัฒนาการ
- ต่าง
- การแปลงเป็นดิจิทัล
- โดยตรง
- ค้นพบ
- สนทนา
- กระจาย
- ระบบกระจาย
- โดเมน
- ดาวน์โหลด
- การขับขี่
- ในระหว่าง
- แต่ละ
- ที่ได้รับ
- ง่ายดาย
- เศรษฐกิจ
- มีประสิทธิภาพ
- อย่างมีประสิทธิภาพ
- ความพยายาม
- ทั้ง
- อีเมล
- ช่วยให้
- ปลายทาง
- วิศวกร
- ชั้นเยี่ยม
- รุก
- ทั้งหมด
- การเข้า
- สภาพแวดล้อม
- เท่ากัน
- โดยเฉพาะอย่างยิ่ง
- ฯลฯ
- การประเมินผล
- แม้
- เหตุการณ์
- คาย
- ตัวอย่าง
- การปฏิบัติ
- ที่มีอยู่
- ทางออก
- ประสบการณ์
- ประสบการณ์
- ความชำนาญ
- อธิบาย
- ขยายออก
- ใบหน้า
- ต้องเผชิญกับ
- อำนวยความสะดวก
- อำนวยความสะดวก
- ความล้มเหลว
- แฟชั่น
- เร็วขึ้น
- ลักษณะ
- คุณสมบัติ
- รูป
- ไฟล์
- สุดท้าย
- สรุป
- หา
- พอดี
- ความยืดหยุ่น
- ไหล
- โฟกัส
- ดังต่อไปนี้
- ดังต่อไปนี้
- ข้างหน้า
- รากฐาน
- ราคาเริ่มต้นที่
- ฟังก์ชัน
- ฟังก์ชันการทำงาน
- ฟังก์ชั่น
- ฟังก์ชั่น
- อนาคต
- เกม
- เกตเวย์
- สร้าง
- สร้าง
- ได้รับ
- เหตุการณ์ที่
- กราฟ
- อย่างมาก
- บัญชีกลุ่ม
- รับประกัน
- จัดการ
- มี
- ช่วย
- การช่วยเหลือ
- จุดสูง
- ระดับสูง
- สูงกว่า
- หน้าแรก
- เจ้าภาพ
- เป็นเจ้าภาพ
- โฮสติ้ง
- สรุป ความน่าเชื่อถือของ Olymp Trade?
- ทำอย่างไร
- HTML
- HTTPS
- ICE
- อิลลินอยส์
- ภาพ
- ภาพ
- ทันที
- การดำเนินการ
- การดำเนินงาน
- การดำเนินการ
- in
- ในอื่น ๆ
- ประกอบด้วย
- รวม
- รวมถึง
- เพิ่ม
- เพิ่มขึ้น
- ที่เพิ่มขึ้น
- อิสระ
- เป็นรายบุคคล
- ข้อมูล
- โครงสร้างพื้นฐาน
- แรกเริ่ม
- Initiative
- นวัตกรรม
- นวัตกรรม
- อินพุต
- ตัวอย่าง
- สถาบัน
- ประกัน
- รวบรวม
- Intelligence
- ฉลาด
- อินเตอร์เฟซ
- อินเทอร์เน็ต
- อินเทอร์เน็ตของสิ่งที่
- IOT
- IT
- การร่วม
- JSON
- จัสติน
- เก็บ
- การเก็บรักษา
- ภาษา
- ใหญ่
- ที่มีขนาดใหญ่
- ชื่อสกุล
- ความแอบแฝง
- เปิดตัว
- ชั้น
- นำ
- ผู้นำ
- ความเป็นผู้นำ
- ชั้นนำ
- นำไปสู่
- เรียนรู้
- การเรียนรู้
- นำ
- ผู้ให้กู้
- ชั้น
- การใช้ประโยชน์
- ข้อ จำกัด
- รายการ
- การฟัง
- ชีวิต
- ที่ตั้ง
- เครื่อง
- เรียนรู้เครื่อง
- ทำ
- หลัก
- ส่วนใหญ่
- ทำ
- ทำให้
- จัดการ
- การจัดการ
- การจัดการ
- ผู้จัดการ
- จัดการ
- การจัดการ
- หลาย
- การทำแผนที่
- ตลาด
- ปริญญาโท
- คณิตศาสตร์
- เรื่อง
- เรื่อง
- มาตรการ
- พบ
- สมาชิก
- กล่าวถึง
- ข่าวสาร
- วิธี
- ตัวชี้วัด
- microservices
- การโยกย้าย
- ต่ำสุด
- ML
- โหมด
- แบบ
- โมเดล
- การตรวจสอบ
- การตรวจสอบ
- ข้อมูลเพิ่มเติม
- มากที่สุด
- ย้าย
- Movies
- การย้าย
- หลาย
- ดนตรี
- ชื่อ
- โดยธรรมชาติ
- ประมวลผลภาษาธรรมชาติ
- จำเป็น
- จำเป็นต้อง
- ความต้องการ
- เครือข่าย
- ใหม่
- ผลิตภัณฑ์ใหม่
- ถัดไป
- NLP
- การประกาศ
- การแจ้งเตือน
- นวนิยาย
- ที่ได้รับ
- การได้รับ
- เสนอ
- การเสนอขาย
- ONE
- การดำเนินการ
- โอกาส
- ตัวเลือกเสริม (Option)
- ประสาน
- อื่นๆ
- ทั้งหมด
- ภาพรวม
- ของตนเอง
- Parallel
- พารามิเตอร์
- ส่วนหนึ่ง
- ผ่าน
- แบบแผน
- ของผู้คน
- เปอร์เซ็นต์
- สมบูรณ์
- ดำเนินการ
- การปฏิบัติ
- ท่อ
- เป็นจุดสำคัญ
- เวที
- เพลโต
- เพลโตดาต้าอินเทลลิเจนซ์
- เพลโตดาต้า
- เล่น
- PoC
- จุด
- นโยบาย
- บวก
- โพสต์
- ที่มีศักยภาพ
- ที่มีประสิทธิภาพ
- powering
- การปฏิบัติ
- คำทำนาย
- การคาดการณ์
- เตรียมการ
- ก่อน
- ก่อนหน้านี้
- ราคา
- การตั้งราคา
- ลำดับความสำคัญ
- กระบวนการ
- แปรรูปแล้ว
- กระบวนการ
- การประมวลผล
- ก่อ
- ผลิตภัณฑ์
- การผลิต
- ผลิตภัณฑ์
- โครงการ
- แวว
- คุณสมบัติ
- เป็นเจ้าของ
- ให้
- ผู้ให้บริการ
- ให้
- การให้
- บทบัญญัติ
- วิจัยและพัฒนา
- ตั้งแต่
- คะแนน
- พร้อม
- ตระหนัก
- รับ
- ที่ได้รับ
- ที่ได้รับ
- เมื่อเร็ว ๆ นี้
- ระเบียน
- ลด
- ที่เกี่ยวข้อง
- ตรงประเด็น
- ความเชื่อถือได้
- เอาออก
- ซ้ำแล้วซ้ำอีก
- แทนที่
- การจำลองแบบ
- ขอ
- การร้องขอ
- จำเป็นต้องใช้
- ความต้องการ
- ต้อง
- การวิจัย
- นักวิจัย
- ความละเอียด
- แหล่งข้อมูล
- คำตอบ
- รับผิดชอบ
- ร้านอาหาร
- ผลสอบ
- กลับ
- การคืน
- เปิดเผย
- ทบทวน
- ความเสี่ยง
- เส้นทาง
- กฎระเบียบ
- วิ่ง
- วิ่ง
- SaaS
- sagemaker
- แซม
- เดียวกัน
- ลด
- ประหยัด
- ขนาด
- ปรับ
- สถานการณ์
- Sci-Fi
- วิทยาศาสตร์
- ได้อย่างลงตัว
- Section
- อย่างปลอดภัย
- การส่ง
- ระดับอาวุโส
- อนุกรม
- serverless
- ให้บริการอาหาร
- บริการ
- บริการ
- การให้บริการ
- ชุดอุปกรณ์
- น่า
- แสดง
- คล้ายคลึงกัน
- ลดความซับซ้อน
- ตั้งแต่
- เดียว
- ขนาด
- นอนหลับ
- So
- ซอฟต์แวร์
- วิศวกรรมซอฟต์แวร์
- ของแข็ง
- ทางออก
- โซลูชัน
- การแก้
- ซับซ้อน
- ผู้เชี่ยวชาญ
- เฉพาะ
- โดยเฉพาะ
- เฉพาะ
- ที่ระบุไว้
- วิญญาณ
- Stability
- ซ้อนกัน
- ระยะ
- ข้อความที่เริ่ม
- สถานะ
- Status
- ขั้นตอน
- ขั้นตอน
- เก็บไว้
- ร้านค้า
- ความแข็งแรง
- แข็งแรง
- หรือ
- อย่างเช่น
- ฉับพลัน
- สรุป
- ซัพพลายเออร์
- สนับสนุน
- ที่สนับสนุน
- รองรับ
- วากยสัมพันธ์
- ระบบ
- ระบบ
- งาน
- งาน
- ทีม
- ทีม
- เทคโนโลยี
- เทคโนโลยี
- เทคโนโลยี
- การสื่อสารโทรคมนาคม
- ทดสอบ
- การทดสอบ
- เท็กซัส
- พื้นที่
- ข้อมูล
- รัฐ
- ของพวกเขา
- สิ่ง
- อย่างถี่ถ้วน
- ธรณีประตู
- ตลอด
- ตลอด
- ปริมาณงาน
- เวลา
- ครั้ง
- ไปยัง
- ร่วมกัน
- โทเค็น
- เครื่องมือ
- หัวข้อ
- ไปทาง
- การจราจร
- รถไฟ
- การฝึกอบรม
- การทำธุรกรรม
- เรียก
- ทริกเกอร์
- ล้านล้าน
- ที่เชื่อถือ
- ชนิด
- เป็นเอกลักษณ์
- มหาวิทยาลัย
- ที่กำลังมา
- บันทึก
- อัปโหลด
- uptime
- URL
- us
- ใช้
- ใช้กรณี
- ผู้ใช้งาน
- ส่วนติดต่อผู้ใช้
- ความคุ้มค่า
- ความคุ้มค่า
- ความหลากหลาย
- ต่างๆ
- ผ่านทาง
- วีดีโอ
- วิดีโอเกม
- วิดีโอ
- วิสัยทัศน์
- ชม
- วิธี
- เว็บ
- การพัฒนาเว็บ
- อะไร
- ว่า
- ที่
- ในขณะที่
- WHO
- จะ
- ภายใน
- ไม่มี
- ยอดเยี่ยม
- คำ
- งาน
- ทำงานด้วยกัน
- ทำงาน
- ขั้นตอนการทำงาน
- การทำงาน
- โรงงาน
- จะ
- ปี
- คุณ
- ลมทะเล
- เป็นศูนย์