IDP 架构完善的定制镜头 面向所有使用 AWS 运行智能文档处理 (IDP) 解决方案并正在寻求有关如何在 AWS 上构建安全、高效且可靠的 IDP 解决方案的指导的 AWS 客户。
在云中构建生产就绪的解决方案涉及资源、时间、客户期望和业务成果之间的一系列权衡。 这 AWS架构完善的框架 帮助您了解在 AWS 上构建工作负载时做出的决策的好处和风险。 通过使用该框架,您将学习在云中设计和操作可靠、安全、高效、经济高效且可持续的工作负载的操作和架构最佳实践。
IDP 项目通常结合光学字符识别 (OCR) 和自然语言处理 (NLP) 来阅读和理解文档并提取特定术语或单词。 IDP Well-Architected Custom Lens 概述了执行 AWS Well-Architected 审查的步骤,使您能够评估和识别 IDP 工作负载的技术风险。 它提供了解决我们在该领域遇到的常见挑战的指导,支持您根据最佳实践构建 IDP 工作负载。
本文重点介绍 IDP 解决方案的可靠性支柱。 从可靠性支柱和设计原则的介绍开始,我们深入研究解决方案的设计和实施,重点关注三个领域:基础、变更管理和故障管理。 通过阅读这篇文章,您将通过 IDP 案例研究了解架构完善的框架中的可靠性支柱。
设计原则
可靠性支柱包括 IDP 解决方案在预期时并根据定义的业务规则正确且一致地执行文档处理的能力。 这包括操作和测试完整 IDP 工作流程及其整个生命周期的能力。
有许多原则可以帮助您提高可靠性。 当我们讨论最佳实践时,请记住这些:
- 自动从故障中恢复 – 通过监控 IDP 工作流程的关键绩效指标 (KPI),您可以在违反阈值时运行自动化。 这使您可以跟踪并在发生任何故障时自动收到通知,并触发解决或修复故障的自动恢复流程。 根据 KPI 衡量标准,您还可以预测故障并在故障发生之前采取补救措施。
- 测试恢复程序 – 测试您的 IDP 工作流程如何失败,并验证恢复过程。 使用自动化来模拟不同的场景或重新创建之前导致失败的场景。
- 扩展和调整服务能力 – 监控 IDP 工作流程需求和使用情况,并自动调整 AWS 服务容量,以保持满足需求的最佳水平,而不会出现过度配置或不足的情况。 控制并了解 IDP 组件服务的服务配额、限制和约束,例如 亚马逊Textract 和 亚马逊领悟.
- 自动更改 – 在对 IDP 工作流程基础设施应用更改时使用自动化。 通过自动化管理变更,然后可以对其进行跟踪和审查。
重点领域
可靠性支柱的设计原则和最佳实践基于从我们的客户和 IDP 技术专家社区收集的见解。 将它们用作设计决策的指导和支持,并使它们与 IDP 解决方案的业务需求保持一致。 应用 IDP Well-Architected Lens 可帮助您验证 IDP 解决方案设计的弹性和效率,并提供建议来解决您可能发现的任何差距。
以下是云中 IDP 解决方案可靠性的最佳实践领域:
- Foundations – Amazon Textract 和 Amazon Comprehend 等 AWS AI 服务为不同的使用维度提供了一组软性和硬性限制。 请务必检查这些限制并确保您的 IDP 解决方案遵守任何软限制,同时不超过任何硬限制。
- 更换管理层 – 将您的 IDP 解决方案视为基础设施即代码 (IaC),使您能够自动进行监控和变更管理。 跨基础设施和 Amazon Comprehend 自定义模型等组件使用版本控制,并将更改跟踪回发布时间点。
- 故障管理 – 由于 IDP 工作流程是事件驱动的解决方案,因此您的应用程序必须能够灵活地处理已知和未知的错误。 架构良好的 IDP 解决方案能够通过使用日志记录和重试机制来防止故障并在发生故障时承受故障。 在 IDP 工作流程架构中设计弹性并规划灾难恢复非常重要。
Foundations
AWS AI 服务使用 Amazon Textract、Amazon Comprehend 和 Amazon Web Services 提供现成的智能,例如自动数据提取和分析。 亚马逊增强AI (Amazon A2I),适用于您的 IDP 工作流程。 这些服务存在服务限制(或配额),以避免过度配置并限制 API 操作的请求率,从而保护服务免遭滥用。
在规划和设计 IDP 解决方案架构时,请考虑以下最佳实践:
- 了解不可更改的 Amazon Textract 和 Amazon Comprehend 服务配额、限制和约束 – 接受的文件格式、大小和页数、语言、文档旋转和图像大小是 Amazon Textract 无法更改的硬限制的一些示例。
- 接受的文件格式包括 JPEG、PNG、PDF 和 TIFF 文件。 (支持 PDF 中的 JPEG 2000 编码图像)。 如果不支持文件格式(例如 Microsoft Word 或 Excel),则在使用 Amazon Textract 之前需要对文档进行预处理。 在这种情况下,您必须将不受支持的文档格式转换为 PDF 或图像格式。
- Amazon Comprehend 对于内置模型、自定义模型和飞轮有不同的配额。 确保您的使用案例与 Amazon Comprehend 配额保持一致。
- 调整 Amazon Textract 和 Amazon Comprehend 服务配额以满足您的需求 – Amazon Textract Service 配额计算器可以帮助您估算覆盖您的使用案例的配额值。 如果您计划在解决方案的账户或区域之间进行灾难恢复故障转移,则应管理跨账户或区域的服务配额。 请求增加 Amazon Textract 配额时,请务必遵循以下建议:
- 使用 Amazon Textract Service 配额计算器来估算您的最佳配额值。
- 请求的变化可能会导致网络流量激增,从而影响吞吐量。 使用排队无服务器架构或其他机制来平滑流量并充分利用分配的每秒事务数 (TPS)。
- 实施重试逻辑来处理受限制的调用和断开的连接。
- 配置指数退避和抖动以提高吞吐量。
更换管理层
必须预见并适应 IDP 工作流程或其环境的变化(例如需求激增或文档文件损坏),以实现解决方案的更高可靠性。 其中一些更改包含在上一节中描述的基础最佳实践中,但仅靠这些还不足以适应更改。 还必须考虑以下最佳实践:
- 使用 亚马逊CloudWatch 监控您的 IDP 工作流程组件,例如 Amazon Textract 和 Amazon Comprehend。 从 IDP 工作流程收集指标,自动响应警报,并根据您的工作流程和业务目标发送通知。
- 使用 IaC 自动化部署 IDP 工作流程解决方案和所有基础架构更改,例如 AWS云开发套件 (AWS CDK) 和预构建的 IDP AWS CDK 构造。 这消除了引入人为错误的可能性,并使您能够在更改到生产环境之前进行测试。
- 如果您的使用案例需要 Amazon Comprehend 自定义模型,请考虑使用飞轮来简化随着时间的推移改进自定义模型的过程。 飞轮协调与训练和评估新的自定义模型版本相关的任务。
- 如果您的使用案例需要,请通过训练和使用 Amazon Textract 基本模型的适配器来自定义 Amazon Textract 预训练查询功能的输出。 为适配器创建查询时请考虑以下最佳实践:
- 适配器配额定义了适配器训练的上述限制。 如果需要,请考虑这些限制并提出增加服务配额的请求:
- 最大适配器数量 – 允许的适配器数量(单个适配器下可以有多个适配器版本)。
- 每月创建的最大适配器版本数 – 每个 AWS 账户每月可以创建的成功适配器版本的数量。
- 最大正在进行的适配器版本 – 每个帐户正在进行的适配器版本(适配器培训)的数量。
- 确保使用一组代表您的用例的文档(至少五个培训文档和五个测试文档)。
- 提供尽可能多的培训文档(培训文档最多 2,500 页,测试文档最多 1,000 页)。
- 使用各种答案来注释查询。 例如,如果查询的答案是“是”或“否”,则带注释的样本应该同时出现“是”和“否”。
- 保持注释样式以及用空格注释字段时的一致性。
- 使用训练中使用的确切查询进行推理。
- 每轮适配器培训后,查看性能指标以确定是否需要进一步改进适配器以实现您的目标。 在开始新的训练以创建适配器的改进版本之前,上传新的训练文档集或查看准确度分数较低的文档注释。
- 使用
AutoUpdate
自定义适配器的功能。 如果出现以下情况,此功能会尝试自动重新训练:AutoUpdate
适配器上启用了标志。
- 适配器配额定义了适配器训练的上述限制。 如果需要,请考虑这些限制并提出增加服务配额的请求:
故障管理
设计 IDP 解决方案时,需要考虑的一个重要方面是其弹性,即如何处理可能发生的已知和未知错误。 IDP 解决方案应具有在 IDP 工作流程的不同阶段记录错误和重试失败操作的功能。 在本节中,我们将详细讨论如何设计 IDP 工作流程来处理故障。
准备您的 IDP 工作流程以管理和抵御故障
AWS 首席技术官 Werner Vogels 的一句名言是“一切都会失败”。 您的 IDP 解决方案与其他所有解决方案一样,最终都会失败。 问题是它如何能够承受故障而不影响您的 IDP 解决方案用户。 您的 IDP 架构设计必须意识到发生的故障,并采取措施避免对可用性产生影响。 这必须自动完成,并且不会影响用户。 考虑以下最佳实践:
- 使用 亚马逊简单存储服务 (Amazon S3) 作为 IDP 工作流程文档处理的可扩展数据存储。 Amazon S3 提供高度耐用的存储基础设施,专为关键任务和主要数据存储而设计。
- 根据您的业务需求备份所有 IDP 工作流程数据。 实施在数据丢失时恢复或重现数据的策略。 将此策略与定义的恢复点目标 (RPO) 和恢复时间目标 (RTO) 结合起来,以满足您的业务需求。
- 如果需要,跨 AWS 账户和区域规划并实施 IDP 解决方案的灾难恢复故障转移策略。
- 使用亚马逊 Textract
OutputConfig
功能和 Amazon ComprehendOutputDataConfig
用于将异步处理结果从 Amazon Textract 或 Amazon Comprehend 存储到指定的 S3 存储桶的功能。 这允许工作流程从该点继续,而不是重复 Amazon Textract 或 Amazon Comprehend 调用。 以下代码演示如何启动 Amazon Textract 异步 API 作业来分析文档并将加密的推理输出存储在定义的 S3 存储桶中。 有关更多信息,请参阅 Amazon Textract 客户端文档.
设计 IDP 工作流程以防止失败
工作负载的可靠性始于前期设计决策。 架构选择将影响您的工作负载行为及其弹性。 要提高 IDP 解决方案的可靠性,请遵循以下最佳实践。
首先,按照 IDP 工作流程设计您的架构。 尽管 IDP 工作流程中的阶段可能有所不同,并受到用例和业务需求的影响,但数据捕获、文档分类、文本提取、内容丰富、审查和验证以及消费阶段通常是 IDP 工作流程的一部分。 这些明确定义的阶段可用于分离功能并在发生故障时隔离它们。
您可以使用 Amazon Simple Queue服务 (Amazon SQS) 以解耦 IDP 工作流程阶段。 解耦模式有助于将架构组件的行为与依赖它的其他组件隔离,从而提高弹性和敏捷性。
其次,控制和限制重试调用。 如果超出分配的最大 TPS 数,Amazon Textract 等 AWS 服务可能会失败,从而导致服务限制您的应用程序或断开连接。
您应该通过自动重试操作(同步和异步操作)来管理限制和断开的连接。 但是,您还应该指定有限的重试次数,超过该次数后操作将失败并引发异常。 如果您在短时间内对 Amazon Textract 进行过多调用,它会限制您的调用并发送 ProvisionedThroughputExceededExceptionerror
在操作响应中。
此外,使用 指数退避和抖动 用于重试以提高吞吐量。 例如,使用 Amazon Textract,通过包含以下内容来指定重试次数 config
创建 Amazon Textract 客户端时的参数。 我们建议重试次数为五次。 在下面的示例代码中,我们使用 config
使用自适应模式自动重试操作的参数,最多重试五次:
利用 AWS 开发工具包,例如 适用于Python的AWS开发工具包(Boto3), 协助 重试客户端调用 AWS 服务,例如 Amazon Textract 和 Amazon Comprehend。 有三种 可用的重试模式:
- 旧版模式 – 重试要求限制数量的错误和异常,并包括以 2 为基数的指数退避。
- 标准模式 – 标准化重试逻辑和行为,与其他 AWS 开发工具包保持一致,并扩展了传统模式下的重试功能。 任何重试尝试都将包括以 2 为基本因子的指数退避,最大退避时间为 20 秒。
- 自适应模式 – 包括标准模式的所有功能,并通过使用令牌桶和每次重试尝试动态更新的速率限制变量引入了客户端速率限制。 它提供了客户端重试的灵活性,可适应来自 AWS 服务的错误或异常状态响应。 每次新的重试时,自适应模式都会根据 AWS 服务响应中出现的错误、异常或 HTTP 状态代码修改速率限制变量。 然后使用这些速率限制变量来计算客户端的新呼叫速率。 来自 AWS 服务的每个异常、错误或不成功的 HTTP 响应都会在重试时更新速率限制变量,直到成功、令牌桶耗尽或达到配置的最大尝试值。 异常、错误或不成功 HTTP 响应的示例:
结论
在这篇文章中,我们分享了 IDP 解决方案可靠性的设计原则、重点领域、基础和最佳实践。
AWS 致力于将 IDP Well-Architected Lens 作为一种生活工具。 随着 IDP 解决方案和相关 AWS AI 服务的发展以及新 AWS 服务的推出,我们将相应更新 IDP Lens Well-Architected。
如果您想了解有关 AWS Well-Architected Framework 的更多信息,请参阅 AWS 架构完善.
如果您需要其他专家指导,请联系您的 AWS 客户团队聘请 IDP 专家解决方案架构师。
作者简介
鲁伊·卡多佐 是 Amazon Web Services (AWS) 的合作伙伴解决方案架构师。 他专注于人工智能/机器学习和物联网。 他与 AWS 合作伙伴合作并支持他们在 AWS 中开发解决方案。 工作之余,他喜欢骑自行车、徒步旅行和学习新事物。
布里杰什·帕蒂 是 AWS 的企业解决方案架构师。 他的主要重点是帮助企业客户采用云技术来处理他们的工作负载。 他拥有应用程序开发和企业架构背景,曾与体育、金融、能源和专业服务等各个行业的客户合作。 他的兴趣包括无服务器架构和 AI/ML。
张米娅 是 Amazon Web Services 的 ML 专家解决方案架构师。 她与欧洲、中东和非洲地区的客户合作,并分享了利用她在应用数学、计算机科学和 AI/ML 方面的背景在云上运行 AI/ML 工作负载的最佳实践。 她专注于 NLP 特定的工作负载,并分享了她作为会议发言人和书籍作者的经验。 在空闲时间,她喜欢徒步旅行、棋盘游戏和冲泡咖啡。
蒂姆·康德罗 是 Amazon Web Services (AWS) 的高级人工智能 (AI) 和机器学习 (ML) 专家解决方案架构师。 他的研究重点是自然语言处理和计算机视觉。 Tim 喜欢吸收客户的想法并将其转化为可扩展的解决方案。
丁雪莉 是 Amazon Web Services (AWS) 的高级人工智能 (AI) 和机器学习 (ML) 专家解决方案架构师。 她在机器学习方面拥有丰富的经验,并拥有计算机科学博士学位。 她主要与公共部门客户合作解决各种 AI/ML 相关的业务挑战,帮助他们加快 AWS 云上的机器学习之旅。 当不帮助顾客时,她喜欢户外活动。
王素印 是 AWS 的 AI/ML 专家解决方案架构师。 她拥有机器学习、金融信息服务和经济学的跨学科教育背景,以及构建解决实际业务问题的数据科学和机器学习应用程序的多年经验。 她喜欢帮助客户识别正确的业务问题并构建正确的 AI/ML 解决方案。 业余时间,她喜欢唱歌和烹饪。
- :具有
- :是
- :不是
- $UP
- 000
- 1
- 100
- 15%
- 17
- 20
- 500
- 7
- a
- 对,能力--
- 关于
- 滥用
- 加快
- 公认
- 容纳
- 根据
- 因此
- 账号管理
- 账户
- 横过
- 操作
- 行动
- 活动
- 自适应
- 适应
- 增加
- 额外
- 附加信息
- 地址
- 采用
- 优点
- 影响
- 后
- AI
- 人工智能服务
- AI / ML
- 对齐
- 对齐的
- 所有类型
- 分配
- 允许
- 允许
- 允许
- 单
- 沿
- 还
- 尽管
- Amazon
- 亚马逊领悟
- 亚马逊Textract
- 亚马逊网络服务
- 亚马逊网络服务(AWS)
- 其中
- an
- 分析
- 分析
- 和
- 回答
- 答案
- 预料
- 预期
- 任何
- API
- 应用领域
- 应用程序开发
- 应用领域
- 应用的
- 使用
- 应用
- 建筑的
- 架构
- 保健
- 地区
- 围绕
- 人造的
- 人工智能
- 人工智能(AI)
- AS
- 方面
- 评估
- 协助
- 相关
- At
- 尝试
- 尝试
- 增强
- 作者
- 自动化
- 自动化
- 自动
- 自动化和干细胞工程
- 可用性
- 可使用
- 避免
- 察觉
- AWS
- 背部
- 背景
- 基地
- 基于
- BE
- 因为
- 成为
- before
- 行为
- 好处
- 最佳
- 最佳实践
- 之间
- 板
- 棋盘游戏
- 书
- 都
- 建立
- 建筑物
- 内建的
- 商业
- 但是
- by
- 计算
- 呼叫
- 呼叫
- CAN
- 能力
- 容量
- 捕获
- 案件
- 案例研究
- 原因
- 造成
- 挑战
- 更改
- 变
- 更改
- 改变
- 字符
- 字符识别
- 选择
- 分类
- 客户
- 云端技术
- 码
- 代码
- 咖啡
- 收集
- 结合
- 提交
- 相当常见
- 地区
- 组件
- 理解
- 一台
- 计算机科学
- 计算机视觉
- 研讨会 首页
- 配置
- 地都
- 连接
- 考虑
- 考虑
- 一贯
- 始终如一
- 约束
- 结构体
- 消费
- CONTACT
- 内容
- 继续
- 控制
- 兑换
- 正确地
- 已损坏
- 经济有效
- 外壳
- 覆盖
- 创建信息图
- 创建
- 创造
- 首席技术官
- 习俗
- 顾客
- 合作伙伴
- 定制
- data
- 数据丢失
- 数据科学
- 数据存储
- 决定
- 深
- 定义
- 定义
- 学位
- 需求
- 依赖
- 描述
- 设计
- 设计原则
- 指定
- 设计
- 设计
- 详情
- 确定
- 发展
- 研发支持
- 不同
- 尺寸
- 灾害
- 讨论
- 潜水
- 文件
- 文件
- 完成
- 下降
- 下降
- ,我们将参加
- 动态
- 每
- 经济学
- 教育
- 效率
- 高效
- 其他
- 欧洲与中东地区
- 启用
- 使
- 包含
- 加密
- 能源
- 从事
- 更多
- 丰富
- 确保
- 企业
- 环境
- 错误
- 故障
- 评估
- 评估
- 终于
- 一切
- 发展
- 例子
- 例子
- 突破
- 超额
- Excel
- 例外
- 期望
- 预期
- 体验
- 技术专家
- 指数
- 扩展
- 广泛
- 丰富的经验
- 提取
- 萃取
- 因素
- 失败
- 失败
- 失败
- 失败
- 失败
- 著名
- 专栏
- 特征
- 部分
- 字段
- 文件
- 档
- 金融
- 金融
- 财务信息
- 五
- 高度灵活
- 专注焦点
- 重点
- 聚焦
- 遵循
- 以下
- 针对
- 格式
- 形式
- 发现
- Foundations
- 骨架
- 自由的
- 止
- ,
- 功能
- 功能
- 进一步
- Games
- 差距
- 云集
- 得到
- 理想中
- 指导
- 处理
- 处理
- 硬
- 有
- he
- 帮助
- 帮助
- 帮助
- 这里
- 更高
- 高度
- 他的
- 创新中心
- How To
- 但是
- HTML
- HTTP
- HTTPS
- 人
- 思路
- 鉴定
- if
- 图片
- 图片
- 影响力故事
- 影响
- 实施
- 履行
- 进口
- 重要
- 重要方面
- 改善
- 改善
- 改善
- in
- 包括
- 包括
- 包含
- 增加
- 增加
- 指标
- 行业
- 影响
- 信息
- 基础设施
- 可行的洞见
- 房源搜索
- 智能化
- 智能文档处理
- 拟
- 利益
- 成
- 推出
- 介绍
- 介绍
- 物联网
- IT
- 它的
- 工作
- 旅程
- JPG
- 保持
- 键
- 已知
- 语言
- 语言
- 布局
- 学习用品
- 学习
- 导致
- 遗产
- Level
- 生命周期
- 喜欢
- 极限
- 有限
- 限制
- 范围
- 活的
- 记录
- 逻辑
- 离
- 爱
- 低
- 机
- 机器学习
- 主要
- 保持
- 使
- 管理
- 颠覆性技术
- 许多
- 数学
- 最多
- 可能..
- 措施
- 机制
- 机制
- 满足
- 指标
- 微软
- 可能
- 介意
- 最低限度
- ML
- 时尚
- 模型
- 模型
- 模式
- 显示器
- 监控
- 月
- 更多
- 最先进的
- 必须
- 姓名
- 自然
- 自然语言处理
- 需求
- 网络
- 网络流量
- 全新
- NLP
- 通知
- 数
- 目标
- 目标
- OCR
- of
- 优惠精选
- on
- 一
- 操作
- 操作
- 操作
- 操作
- 运营
- 光学字符识别
- 最佳
- or
- 其他名称
- 我们的
- 输出
- 成果
- 大纲
- 产量
- 超过
- 页
- 网页
- 参数
- 部分
- 合伙人
- 伙伴
- 部分
- 模式
- 为
- 演出
- 性能
- 执行
- 期间
- 博士学位
- 支柱
- 计划
- 规划行程
- 柏拉图
- 柏拉图数据智能
- 柏拉图数据
- 点
- 可能
- 帖子
- 潜力
- 在练习上
- 做法
- 呈现
- 防止
- 以前
- 小学
- 原则
- 问题
- 程序
- 过程
- 过程
- 处理
- 生产
- 所以专业
- 项目
- 保护
- 提供
- 提供
- 国家
- 蟒蛇
- 查询
- 题
- 有疑问吗?
- 报价
- 提高
- 率
- 价格表
- 宁
- 达到
- 阅读
- 阅读
- 真实的世界
- 承认
- 建议
- 建议
- 恢复
- 恢复
- 参考
- 地区
- 有关
- 释放
- 可靠性
- 可靠
- 移除了
- 修复
- 重复
- 代表
- 请求
- 要求
- 要求
- 必须
- 岗位要求
- 需要
- 弹性
- 弹性
- 资源
- 响应
- 回复
- 成果
- 检讨
- 审查
- 右
- 风险
- 圆
- 定位、竞价/采购和分析/优化数字媒体采购,但算法只不过是解决问题的操作和规则。
- 运行
- 运行
- 可扩展性
- 情景
- 科学
- SDK
- sdk
- 搜索
- 其次
- 秒
- 部分
- 扇形
- 安全
- 看到
- 提交
- 发送
- 前辈
- 分开
- 系列
- 无服务器
- 服务
- 特色服务
- 集
- 几个
- 共用的,
- 分享
- 她
- 短
- 应该
- 作品
- 签名
- 简易
- 简化
- 单
- 尺寸
- 慢一点
- 光滑
- 软
- 方案,
- 解决方案
- 一些
- 剩余名额
- 喇叭
- 专家
- 具体的
- 特别是
- 钉鞋
- 运动
- 实习
- 标准
- 开始
- 开始
- 启动
- 州/领地
- Status
- 步骤
- 存储
- 商店
- 策略
- 串
- 学习
- 样式
- 成功
- 成功
- 这样
- SUPPORT
- 支持
- 支持
- 肯定
- 可持续发展
- 滑车
- 采取
- 服用
- 任务
- 团队
- 文案
- 技术
- 条款
- test
- 测试
- 文本
- 比
- 这
- 其
- 他们
- 然后
- 那里。
- 博曼
- 他们
- 事
- Free Introduction
- 那些
- 三
- 门槛
- 通过
- 吞吐量
- Tim
- 次
- 至
- 象征
- 也有
- 工具
- 合计
- TPS
- 跟踪时
- 交通
- 产品培训
- 交易
- 治疗
- 触发
- 谈到
- 一般
- 下
- 理解
- 不明
- 直到
- 更新
- 更新
- 最新动态
- 用法
- 使用
- 用例
- 用过的
- 用户
- 用户
- 运用
- 平时
- 验证
- 验证
- 折扣值
- 价值观
- 各种
- 各个
- 版本
- 版本
- 愿景
- 想
- we
- 卷筒纸
- Web服务
- 定义明确
- ,尤其是
- 这
- 而
- WHO
- 将
- 中
- 也完全不需要
- Word
- 话
- 工作
- 工作
- 工作流程
- 工作流程
- 加工
- 合作
- 年
- 完全
- 您一站式解决方案
- 和风网