人工智能在大型组织中日益增长的影响力给管理人工智能平台带来了严峻的挑战。其中包括开发一个可扩展且运营高效的平台,遵守组织合规性和安全标准。 亚马逊SageMaker Studio 为机器学习 (ML) 从业者和数据科学家提供一套全面的功能。其中包括带有集成开发环境 (IDE) 的完全托管 AI 开发环境,简化了端到端 ML 工作流程。其协作功能(例如团队内的实时协同编辑和共享笔记本)可确保团队合作顺利,而可扩展性和高性能培训则可满足大型数据集的需求。具有内置的安全性、成本效益和一系列预构建工具,例如 亚马逊SageMaker自动驾驶仪, 亚马逊SageMaker JumpStart及 Amazon SageMaker 特征存储,SageMaker Studio 是一个强大的平台,可加速 AI 项目并为各个专业水平的数据科学家提供支持。
德国铁路 是德国领先的运输组织,收入达 56.3 亿欧元(2022 年),拥有 336,884 名员工(其中德国员工 221,343 名),业务遍及 130 个国家。他们提供广泛的服务,包括公共和区域交通、货运服务和铁路基础设施。通过交通和铁路基础设施的一体化运营,以及所有运输方式的经济和生态智能连接,德国铁路运送人员和货物。德国铁路公司一直走在采用人工智能的前沿,使用 SageMaker Studio 作为关键的人工智能平台。在德国铁路,专门的 AI 平台团队管理和运营 SageMaker Studio 平台,组织内的多个数据分析团队使用该平台来开发、训练和运行各种分析和机器学习活动。
AI 平台团队的主要目标是确保所有 Deutsche Bahn 团队和项目无缝访问 Workbench 服务和 SageMaker Studio,主要关注数据科学家和机器学习工程师。该平台帮助德国铁路公司实现一系列用例,包括铁路维护、预测和生成人工智能的未来应用。
该人工智能平台托管服务基于 SageMaker Studio 构建,与德国铁路集团范围内的平台战略无缝对接。它满足公司的合规性要求,通过配置 SageMaker 域使团队能够快速启动项目,并通过总体运营模型减少维护开销。主要优点包括服务的高可扩展性,这在很大程度上归功于自动化和自助服务模型,以及主要基于资源消耗的有吸引力的定价模型。
“SageMaker Studio 为我们提供了一个可扩展、安全合规的通用平台,可以满足数据库组织内多个数据分析团队的数据科学家的开发需求。 在此之前,每个团队都管理和运营自己的 JupyterLab 笔记本,效率不高,成本效益不高。在 8 周内,我们招募了 120 多名开发人员,配置了 25 个 SageMaker 域,并快速开始使用该平台。”
– Emmanuel Drosos,DB Systel 产品负责人。
在这篇文章中,我们探讨了德国铁路公司如何使用 SageMaker Studio 为多个团队扩展和运营其 AI 平台,同时确保强大的安全性和监督。
解决方案概述
德国铁路的架构由一个中央平台帐户组成,该帐户由负责管理 SageMaker Studio 基础设施和运营的平台团队管理。 SageMaker Studio 资源按以下分组: SageMaker 域,每个由一个相关联的 亚马逊弹性文件系统 (Amazon EFS) 卷、授权用户列表以及各种安全、应用程序、策略和 亚马逊虚拟私有云 (Amazon VPC) 配置。在德国铁路公司,来自不同团队的数据科学家使用 SageMaker 域进行 ML 活动;每个团队都有一个专用的 SageMaker 域,用于开发和测试 ML 模型,并使用笔记本共享等功能进行协作。
从基础设施的角度来看, VPC 下图所示的AI平台账户中配置的没有出站互联网连接,以确保安全性和合规性。为了实现高可用性,配置了多个相同的私有隔离子网。 SageMaker Studio 域以仅 VPC 模式部署,该模式创建弹性网络接口,用于 SageMaker 服务账户(AWS 服务账户)与平台账户的 VPC 之间的通信。 SageMaker API、SageMaker Studio 和 SageMaker Notebook 等终端节点可促进平台账户的 VPC 与 SageMaker 服务账户中由 AWS 管理的 SageMaker 域之间的安全可靠的通信。
每个数据分析团队都可以通过公司内部自助服务门户请求一个或多个 SageMaker 域。订购 SageMaker 域的过程是通过单独的工作流程(通过 AWS步骤功能)。在此编排流程中,将使用与域名对应的 AD 组名称来配置数据分析团队的 Azure Active Directory (AD) 组。编排导致持续集成和持续部署(CI/CD)管道部署 AWS云开发套件 (AWS CDK) 应用程序,包含各自团队的 SageMaker 域。
除了 SageMaker 域之外,还定制了 AWS身份和访问管理 (IAM) 角色(SageMaker-执行角色), 亚马逊简单存储服务 (Amazon S3) 存储桶 (data-bucket)、客户管理密钥 (CMK) 和其他 AWS 资源在部署过程中由 AWS CDK 应用程序预置,如下图所示。 AD 组包含需要访问其团队的 SageMaker 域的科学家。 AD 组名称与 SageMaker 域名相对应,主要在授权过程中使用。
客户端分离是通过使用 IAM 身份验证模式在 SageMaker 域级别实现的。特定于域的 IAM 角色 (SageMaker-execution-role) 附加到每个域,遵循最小权限原则,并由数据分析团队在登录过程中承担。此角色使团队中的数据科学家能够执行各种活动,例如运行处理作业、超参数调整作业、转换作业和实验以及创建模型。这些 ML 活动由 SageMaker 使用 IAM 传递角色权限代表用户运行。但是,出于安全、合规性和成本控制的原因,创建 S3 存储桶、修改 IAM 角色、更新 SageMaker 域和配置大型实例等某些操作受到限制。关联的 IAM 策略确保数据分析团队只能访问其授权域的相关 S3 存储桶和 CMK,如下图所示。此外,SageMaker-execution-role 角色允许团队成员从 SageMaker Studio 担任 Deutsche Bahn 组织内其他账户中的角色,为他们提供访问资源的灵活性,例如 亚马逊关系数据库服务 (Amazon S3)、其他 S3 存储桶,以及 亚马逊雅典娜。 IAM 策略使用 aws:RequestTag 和 aws:ResourceTag 在 SageMaker 活动(例如处理作业、训练作业和创建模型)期间进行细粒度访问控制。这些标签还有助于跟踪域的相关成本。欲了解更多信息,请参阅 Amazon SageMaker 的操作、资源和条件键.
CMK 对存储在 Amazon EFS 中的 SageMaker 域文件系统内容以及配置用于存储 SageMaker 处理和转换作业数据的 S3 存储桶(数据存储桶)的内容进行加密。此外,基于资源的策略(例如存储桶策略和 CMK 策略)提供了额外的安全层,限制了仅授权 AI 团队成员的访问以及对这些资源的允许操作。
AI团队没有 AWS管理控制台 访问AI平台团队的帐户。要访问 SageMaker Studio,如下图所示,数据分析团队的数据科学家通过身份验证使用生成的预签名 URL 亚马逊Cognito 基于自定义登录应用程序。用户登录此自定义应用程序后,他们会收到一个 OAuth 访问令牌,其中包含 AD 组名称等信息。登录到自定义应用程序后,用户通过触发 UI 请求 SageMaker 域访问 Amazon API网关 调用以生成预签名 URL。 API Gateway 调用 PreSignUrlGenerator AWS Lambda 函数并使用 Amazon Cognito 授权者 验证请求标头中的 OAuth 访问令牌。 PreSignUrlGenerator 函数通过将访问令牌中的 AD 名称与请求的 SageMaker 域进行比较,验证请求的 SageMaker 域的用户访问权限。成功授权后,PreSignUrlGenerator 函数会在首次登录时创建 SageMaker 用户配置文件并生成预签名 URL 响应。然后,自定义登录应用程序将用户重定向到请求的 SageMaker 域。
AWS CDK
德国铁路的解决方案使用 AWS CDK 作为基础设施即代码 (IaC) 来预置 SageMaker 域以及 S3 存储桶和 CMK 等资源。下图说明了用于 SageMaker 部署的堆栈和关联资源。基础设施堆栈负责设置必要的资源,例如 VPC、子网和多个 SageMaker 端点。 VPC、子网和服务控制策略 (SCP) 等资源由中央云团队通过不同的堆栈进行管理(但为了简单起见,此处显示)。 SageMakerStudioStack 主要负责配置 SageMaker 域、专用数据存储桶、CMK 和专用 IAM 角色 SageMaker-execution-role。值得注意的是,每个 SageMaker 域都是通过其单独的 SageMakerStudioStack 进行配置的。
该解决方案对 SageMaker 域资源使用专门构建的 L3 构造(SageMaker Studio 域),如下图所示。 SageMaker Studio 有一个 生命周期配置 该功能可在 JupyterLab 或 KernelGateway 应用程序启动期间启用特定初始化。
Deutsch Bahn 使用如下图所示的生命周期配置来自动检测并关闭 SageMaker 域中的空闲实例,减少不必要的成本。由于出站连接受限,数据分析团队使用内部托管的图像和来自公司内部工件的第三方库。 KernelGateway 的生命周期配置脚本配置 pip 和 conda 包管理器以将下载重定向到内部托管的工件位置。截至撰写本文时,尚无用于生命周期配置资源的 AWS CDK 构造;因此,他们使用自定义 CDK 资源来配置和管理 LifeCycleConfig 脚本。 AWS CDK 中的自定义资源提供了预置和管理 AWS CDK 不直接支持的资源的能力 AWS CloudFormation 或 AWS CDK 构造。
装置
示例 AWS CDK 应用程序演示了各种组件(包括 SageMaker 域、生命周期配置、Amazon Cognito 和具有最低权限的 IAM 角色)如何协同工作。在应用程序中,SagemakerStudioStack 类处理 SageMaker 域的预置、用户承担的 IAM 角色 (sagemaker-execution-role)、CMK、生命周期配置、SageMaker 用户配置文件、用于数据处理的 S3 存储桶以及 Amazon Cognito 用户组。演示 AWS CDK 应用程序提供了关键组件的简明概述,例如 SageMaker 域、生命周期配置、通过 Amazon Cognito 进行身份验证以及具有最低权限的 IAM 角色。另一方面,SagemakerLoginStack 负责部署 Amazon Cognito 用户池、Lambda 函数和 API 网关以生成预签名 URL。 CognitoUserStack 主要专注于在 Amazon Cognito 用户池中部署用户。
您可以运行以下命令来编译、综合和部署应用程序。您应该为您的应用程序调整示例代码中的帐户、用户和密码。密码长度应至少为 8 个字符,包含大写字符和数字。 user 参数是将由 Amazon Cognito 进行身份验证的 SageMaker 域用户。
- 从以下位置下载源代码 GitHub回购.
- 引导 AWS 帐户。在以下代码中,根据需要调整账号和地区:
- 安装软件包并编译代码:
- 综合 AWS CDK 应用程序:
- 将包含所有堆栈的应用程序部署到您选择的帐户和区域中:
- 下载 Postman 应用程序以进行 API 调用。
如果您没有 Postman 帐户,请使用您的电子邮件创建一个免费帐户。如果您已有帐户,请登录您的帐户。
- 点击 文件 菜单中选择 进口 并导入 Postman 环境 JSON 文件 包含在 GitHub 存储库中。
- 点击 环境 在 Postman 中的选项卡中,找到名为 SageMaker 的环境。
- 添加以下环境变量,您可以将其视为堆栈部署输出的一部分
SagemakerLoginStack
:
使用以下参数(在 cdk 部署期间从输出中获取值):
-
- 域名 – 你在cdk部署时传入的域名参数,例如team1
- 客户编号 – Amazon Cognito 客户端 ID
- 客户秘密 – Amazon Cognito 客户端密钥。
- SageMaker-预签名-api – AWS CDK 创建的 API 网关的 URL,它生成预签名 URL
- 认知登录端点 – Amazon Cognito 域的终端节点 URL,其中客户端应用程序(在本例中为 Postman)通过提供用户(演示用户)的凭证进行身份验证
下一步是生成 OAuth2 令牌。
-
- 点击 授权 选项卡,选择 SageMaker 环境并选择 生成新的访问令牌.
应预先填写此选项卡上的所有值。
-
- 更新环境变量并选择 获取新的访问令牌.
- 在打开的弹出窗口中,使用您之前使用的用户名 (demo-user) 和密码登录 Amazon Cognito。
身份验证成功后,将生成新的访问令牌。
- 使用代币.
-
GeneratePresignedUrlDemo
在 Postman SageMaker 集合中并选择 提交. - 确保您在下拉列表中选择了正确的环境 (SageMaker)。
这会对 API Gateway 进行 REST API 调用并生成预签名 URL 以访问 SageMaker 域。您可以在响应正文中看到此 URL。
- 复制此 URL 并将其输入到浏览器窗口中。
将使用您的用户配置文件启动新的 SageMaker 域。
该演示应用程序支持 SageMaker 功能,例如训练作业、处理作业和模型端点。请注意,像这样的功能 亚马逊 SageMaker 画布、SageMaker JumpStart 和 SageMaker Feature Store 未激活。
清理
完成以下步骤以清理您的资源:
- 在SageMaker控制台的导航窗格中,选择 域名, 用户资料及 应用.
- 从此解决方案中删除所有正在运行的应用程序(KernelGateway 或 JupyterLab)。
- 删除您在登录步骤中创建的所有 SageMaker 用户配置文件。
- 在 Amazon EFS 控制台上, 删除EFS文件系统 为这篇文章创建的。
- 运行以下命令删除使用 AWS CDK 创建的资源:
结论
该帖子强调了德国铁路公司如何有效地使用 SageMaker Studio 改造其 AI 平台,从而形成可扩展、自动化且可管理的解决方案来支持其多元化的数据分析团队。该架构具有中央平台账户、自助域订购流程以及使用 AWS CDK 的基础设施配置。部署过程包含 CI/CD 管道,确保 SageMaker 域的顺利交付。
总体而言,SageMaker Studio 带来的转型使 Deutsche Bahn 能够为其 AI 计划构建强大的平台,满足 100 多名开发人员的需求,并在单个 AWS 账户中管理 20 个 SageMaker 域。
最后,我们向 Nico Seegert (d-fine) 和 Philipp Vollmer (Deutsche Bahn) 致以诚挚的谢意,他们为塑造这一架构做出了宝贵的贡献。
如需进一步阅读,请参阅以下资源:
___________________________________________________________________________________________
关于作者
普拉萨纳·图拉达尔 是位于德国慕尼黑的 AWS Professional Services 的云基础设施架构师。他专注于云基础设施、工作负载迁移和 AWS 平台上的开发运营,帮助客户实现其业务目标。工作之余,他喜欢慢跑、徒步旅行以及与家人共度美好时光。
伊曼纽尔·德罗索斯 是德国铁路 (DB) 子公司 DBSystel 人工智能平台的产品负责人。凭借对创新和技术的热情,Emmanuel 率先发起了旨在利用云的力量来驱动 DB(德国铁路)人工智能平台的举措。 AI.Platform是DB集团范围内的开发平台之一。它包括用于开发人工智能(机器学习)模型的人工智能服务和工具以及直接可用的人工智能服务。简单、集成且可扩展。他与其他 DB 客户密切合作,释放 AI 平台的全部潜力,使他们能够高效、有效地实现其业务目标。在职业活动之外,伊曼纽尔还喜欢旅行,并且是一位热情的自然和徒步爱好者。
维什瓦纳巴特 是位于德国的 AWS Professional Services 的开发运营架构师。他帮助客户充分利用云并利用 AWS 云实现其业务目标。工作之余,他喜欢去高山湖泊游泳、徒步旅行、读书或踢足球。
库穆丹·切拉拉詹 是位于瑞士的 AWS Professional Services 的开发运营顾问。他热衷于帮助客户采用可提高云之旅效率的流程和服务。不工作时,他喜欢打板球和音乐。
- SEO 支持的内容和 PR 分发。 今天得到放大。
- PlatoData.Network 垂直生成人工智能。 赋予自己力量。 访问这里。
- 柏拉图爱流。 Web3 智能。 知识放大。 访问这里。
- 柏拉图ESG。 碳, 清洁科技, 能源, 环境, 太阳能, 废物管理。 访问这里。
- 柏拉图健康。 生物技术和临床试验情报。 访问这里。
- Sumber: https://aws.amazon.com/blogs/machine-learning/supercharge-your-ai-team-with-amazon-sagemaker-studio-a-comprehensive-view-of-deutsche-bahns-ai-platform-transformation/
- :具有
- :是
- :不是
- :在哪里
- $UP
- 10
- 100
- 11
- 12
- 120
- 13
- 130
- 16
- 20
- 2022
- 237
- 25
- 350
- 7
- 8
- a
- 对,能力--
- Able
- 关于
- 加速
- ACCESS
- 账号管理
- 账户
- 行动
- 要积极。
- 活动
- Ad
- 增加
- 另外
- 地址
- 采用
- 采用
- 后
- 驳
- AI
- 人工智能平台
- 人工智能服务
- 针对
- 对齐
- 所有类型
- 允许
- 沿
- 已经
- 还
- Amazon
- 亚马逊Cognito
- 亚马逊SageMaker
- 亚马逊SageMaker Studio
- 亚马逊网络服务
- an
- 分析
- 和
- 和基础设施
- API
- 应用
- 应用领域
- 应用领域
- 升值
- 应用
- 架构
- 保健
- AS
- 相关
- 承担
- 假定
- At
- 吸引力
- AUTH
- 认证
- 认证
- 认证
- 授权
- 授权
- 自动化
- 自动
- 自动化
- 可用性
- AWS
- AWS专业服务
- Azure
- 基于
- BE
- 很
- 代表
- 得益
- 好处
- 之间
- 亿
- 身体
- 引导
- 都
- 带来
- 带
- 浏览器
- 建
- 内建的
- 商业
- 但是
- by
- 呼叫
- 被称为
- CAN
- 能力
- 关心
- 案件
- 例
- 餐饮
- 迎合
- 中央
- 一定
- 挑战
- 字符
- 选择
- 程
- 清洁
- 客户
- 密切
- 云端技术
- 云基础设施
- 码
- 合作
- 共同
- 收藏
- 相当常见
- 沟通
- 公司的
- 比较
- 符合
- 兼容
- 组件
- 全面
- 简洁
- 流程条件
- 配置
- 地都
- 连接方式
- 组成
- 由
- 安慰
- 建设
- 结构体
- 顾问
- 消费
- 包含
- Contents
- 连续
- 捐款
- 控制
- 相应
- 对应
- 价格
- 经济有效
- 成本
- 国家
- 创建信息图
- 创建
- 创建
- 创造
- 资历
- 板球
- 关键
- 习俗
- 顾客
- 合作伙伴
- 定制
- data
- 数据分析
- 数据处理
- 数据库
- 数据集
- 专用
- 交货
- 演示
- 演示
- 描绘
- 部署
- 部署
- 部署
- 部署
- 摧毁
- 检测
- 开发
- 开发
- 发展
- 研发支持
- 不同
- 直接
- 目录
- 不同
- 不
- 域
- 域名
- 域名
- 别
- 向下
- 下载
- 驾驶
- 两
- ,我们将参加
- 每
- 此前
- 只
- 效率
- 高效
- 有效
- 邮箱地址
- 员工
- 自主性的
- 授权
- 如虎添翼
- 使
- 使
- 端至端
- 端点
- 工程师
- 确保
- 确保
- 保证
- 输入
- 热心
- 环境
- 必要
- 欧元
- 所有的
- 例子
- 实验
- 专门知识
- 探索
- 延长
- 额外
- 促进
- 家庭
- 专栏
- 特征
- 数字
- 文件
- 姓氏:
- 高度灵活
- 流
- 专注焦点
- 重点
- 以下
- 如下
- 足球
- 针对
- 第一线
- Free
- 止
- ,
- 充分
- 功能
- 进一步
- 未来
- 网关
- 生成
- 产生
- 产生
- 发电
- 生成的
- 生成式人工智能
- 德国
- 得到
- GitHub上
- Go
- 理想中
- 货
- 得到了
- 补助金
- 团队
- 成长
- 手
- 手柄
- 有
- he
- 帮助
- 帮助
- 帮助
- 此处
- 高
- 高性能
- 突出
- 他的
- 托管
- 创新中心
- 但是
- HTML
- HTTP
- HTTPS
- 超参数调整
- 相同
- 身分
- 空闲
- if
- 说明
- 图片
- 实施
- 进口
- in
- 其他
- 包括
- 包括
- 包括
- 包含
- 合并
- 增加
- 个人
- 影响
- 信息
- 基础设施
- 引发
- 项目
- 創新
- 安装
- 仪器的
- 集成
- 积分
- 智能化
- 接口
- 内部
- 内部
- 网络
- 成
- 无价
- 所调用
- 孤立
- IT
- 它的
- 工作机会
- 旅程
- JPG
- JSON
- 键
- 键
- 湖泊
- 大
- 推出
- 层
- 领导
- 信息
- 学习
- 最少
- Level
- 借力
- 库
- 生命周期
- 喜欢
- 喜欢
- 清单
- 圖書分館的位置
- 日志
- 登录
- 机
- 机器学习
- 保养
- 主要
- 使
- 制作
- 管理
- 管理
- 管理
- 颠覆性技术
- 经理
- 管理
- 管理的
- 会见
- 成员
- 移民
- ML
- 时尚
- 模型
- 模型
- 模式
- 更多
- 移动
- 多
- 音乐
- 姓名
- 自然
- 旅游导航
- 打印车票
- 需要
- 网络
- 全新
- 新访问
- 下页
- 没有
- 特别是
- 注意
- 笔记本
- 数
- 数字
- OAuth的
- 目标
- 目标
- of
- 提供
- 优惠精选
- on
- 一
- 仅由
- 打开
- 操作
- 运营
- 操作
- 操作
- 运营
- or
- 精心策划
- 管弦乐编曲
- 组织
- 组织
- 组织
- 其他名称
- 我们的
- 产量
- 学校以外
- 超过
- 总体
- 开销
- 疏忽
- 简介
- 己
- 业主
- 包
- 包
- 面包
- 参数
- 参数
- 部分
- 通过
- 通过
- 情
- 多情
- 密码
- 员工
- 演出
- 允许
- 权限
- 透视
- 管道
- 平台
- 平台
- 柏拉图
- 柏拉图数据智能
- 柏拉图数据
- 播放
- 政策
- 政策
- 池
- 弹出式
- 门户网站
- 帖子
- 潜力
- 功率
- 强大
- 价格
- 定价模型
- 主要
- 小学
- 原理
- 私立
- 特权
- 权限
- 过程
- 处理
- 产品
- 所以专业
- 本人简介
- 简介
- 项目
- 项目
- 提供
- 提供
- 提供
- 优
- 规定
- 国家
- 质量
- 很快
- 轨道镶
- 铁路
- 范围
- 范围
- 阅读
- 实时的
- 实现
- 原因
- 接收
- 重定向
- 减少
- 减少
- 参考
- 地区
- 区域性
- 相应
- 可靠
- 请求
- 要求
- 岗位要求
- 资源
- 资源
- 那些
- 响应
- 提供品牌战略规划
- REST的
- 受限
- 限制
- 导致
- 收入
- 右
- 健壮
- 角色
- 角色
- 运行
- 运行
- sagemaker
- 样品
- 可扩展性
- 可扩展性
- 缩放
- 科学家
- 脚本
- 无缝的
- 无缝
- 秘密
- 安全
- 保安
- 看到
- 选
- 自助服务
- 分开
- 服务
- 特色服务
- 集
- 设置
- 成型
- 共享
- 应该
- 如图
- 关闭
- 关闭
- 签署
- 简易
- 简单
- 简化
- 单
- 光滑
- 方案,
- 来源
- 源代码
- 张力
- 专业
- 具体的
- 光谱
- 堆
- 堆栈
- 标准
- 开始
- 启动
- 步
- 步骤
- 存储
- 商店
- 存储
- 策略
- 工作室
- 子网
- 副
- 成功
- 这样
- 过份给与
- SUPPORT
- 支持
- 支持
- 肯定
- SWIFT的
- 瑞士
- 综合
- 系统
- 需要
- 团队
- 团队成员
- 队
- 合作
- 专业技术
- 测试
- 这
- 其
- 他们
- 然后
- 那里。
- 因此
- 博曼
- 他们
- 第三方
- Free Introduction
- 通过
- 次
- 至
- 一起
- 象征
- 工具
- 跟踪时
- 交通
- 培训
- 产品培训
- 转型
- 运输
- 交通运输或是
- 旅游
- 触发
- 调音
- ui
- 开锁
- 不必要
- 更新
- 上
- 网址
- us
- 可用
- 使用
- 用过的
- 用户
- 用户
- 使用
- 运用
- 验证
- 价值观
- 各种
- 各个
- 通过
- 查看
- 在线会议
- 体积
- 是
- we
- 卷筒纸
- Web服务
- 周
- 井
- 为
- ,尤其是
- 这
- 而
- WHO
- 谁的
- 宽
- 大范围
- 将
- 窗口
- 中
- 工作
- 工作流程
- 劳动力
- 加工
- 合作
- 写作
- 完全
- 您一站式解决方案
- 和风网