Python与云 ——AWS的Python原生应用浅析 张孝峰 亚马逊AWS资深解决方案架构师 Python 30周年 Python发展时间线 2019/10 v3.8 v2.7.17 开始实现 1989/12 v0.9.0 1991/2 v1.0.0 1994/1 v2.0 2000/10 v2.5 2006/9 v2.6 2008/10 v3.0 2008/12 AWS同样功能丰富 AWS向客户提供超过165项功能全面的服务 涵盖计算、存储、数据库、联网、分析、机器人、 机器学习与人工智能、物联网、移动、安全、混 合云、虚拟现实与增强现实、媒体，以及应用开 发、部署与管理等方面。 如何管理和使用海量的云API Amazon Athena Amazon Redshift 超过165项服务 数千个不同的API AWS Tools and SDKs • Python www.mydomain.com ECS Cluster 应用负载均衡器 OAuth Task Weather Task Portal Task 12要素应用宣言 尽可能利用现代化的云平台 • 无需猜测容量 • 快速创新，低风险试错 • 摆脱无差异化的工作 • 数分钟全球化部署 Infrastructure as Code AWS CloudFormation 这个样例

/ Evangelist 7 年 Windows/ Internet/ Cloud @ 3 年 iOS/ Mobile App @ 1.5 年 Cloud Computing @ 技术关注： 云计算：架构、大数据、计算优化 机器学习：深度学习、自然语言处理 语言：Python、Go、Scala、Lua Web：爬虫 2016的目标：Web爬虫＋深度学习＋自然语言处理 ＝ ？ Microso� 数据中自动分析获得规律，并利用规律对未知数据进行预 测的算法 机器学习 计算机能够分辨出来他／她是谁吗？ 机器学习 机器学习 基于过去的事实和数据，用来发现趋势和模式 机器学习模型提供了对于结果的洞察力，机器学习帮助 揭示未来的一个结果的概 率而不仅仅是过去发生的事情 历史的数据和统计建模被用于概率进行预测 传统的数据分析旨在回答关于过去的事实，机器学习的目 的是回答关于未来事件的可能性的问题

ARM 芯片的 Python + AI 算力优化 主讲人： 朱宏林 – 阿里云程序语言与编译器团队 简介 • 当今开发者们大量使用 Python 语言编写的 AI 程序。过去这些程序总跑在 GPU 或者 x86 架构的 CPU 上。然而综合考虑到功耗、成本、性能等因素，云厂商们开始建设 ARM 架构的服务平台，如 何整合 Python + AI 的相关软件并使其在该平台上发挥最高的性能成为了工程师们关注的焦点。 提升明显。目前，该成果已经被集成进 OpenBLAS 和 PyTorch 中。 • 本次演讲，将向大家介绍我们在倚天 710 ARM 芯片上开展的 Python + AI 优化工作，以及在 ARM 云平台上部署 Python + AI 任务的最佳实践。 深度学习 • 广泛使用的深度学习框架 • TensorFlow、PyTorch • 结合硬件（ARM 服务端芯片） • 倚天 710 • ("BF16") 性能测试 • OpenBLAS 矩阵乘法测试 • 阿里云 ECS g8y（倚天 710）单线程 FP32 vs BF16 • MNK：2000, 2000, 2000 • GFLOPS • 每秒浮点数计算次数，G（十亿次） • 2MNK / Times 性能测试 • 平台 • 阿里云 ECS g8y vs g7（Ice Lake） • 8vCPUs • TensorFlow

开源AIOps数据中台搭建与 Python的作⽤用 丁来强 关于我 • ⼯工作10+年年，熟悉⼤大数据分析、ITOps、SecOps等领域 • 阿⾥里里云⽇日志服务上海海负责⼈人，之前在Splunk上海海 • ⾃自从2015年年，在4届PyCon上，累计分享7+不不同议题 • 云栖⼤大会或社区累计分享13+个⼤大数据系统或Python相关议题 往届视频与PPT ⽇日志服务钉钉群 如下机器器学习框架 • ⾃自动化：Ansible、Puppet等 • AI增强 - 降噪去重与模式识别 • 对海海量量⽇日志进⾏行行模式聚类（例例如从65万条⽇日志，聚类出50条⽇日志模式） 阿⾥里里云⽇日志服务 Sumologic Splunk 消除告警疲劳 • 传统阈值⽅方式的告警并不不能解决问题： • 阈值难以合理理，或会⾮非常复杂 • 有效阈值维护成本较⾼高 • 过滤后的告警数量量依然较多 以历史数据作为基准，对周期性或断层数据异常进⾏行行识别 阿⾥里里云⽇日志服务 ElasticSearch ML (X-Pack) Splunk AI增强 - 预测 • 对周期性趋势性数据进⾏行行预测 阿⾥里里云⽇日志服务 ElasticSearch ML (X-Pack) Splunk AI增强 - 根因分析 • 关联事件上下⽂文与相关链路路指标，提供根因辅助 阿⾥里里云⽇日志服务 ElasticSearch ML

都可以访问到。 Web 程序通常有两种部署方式：传统部署和云部署。传统部署指的是在使用物理主 机或虚拟主机上部署程序，你通常需要在一个 Linux 系统上完成所有的部署操作； 云部署则是使用其他公司提供的云平台，这些平台为你设置好了底层服务，包括 Web 服务器、数据库等等，你只需要上传代码并进行一些简单设置即可完成部署。 这一章我们会介绍使用云平台 PythonAnywhere 来部署程序。 部署前的准备 部分显示了你的程序访问流量情况，Security 部分可以为 你的程序程序开启强制启用 HTTPS 和密码保护。 如果你是《Flask Web 开发实战》的读者，第 14 章详细介绍了部署 Flask 程 序的两种方式，传统部署和云部署。 第 11 章：部署上线 124 小挑战 经过本书的学习，你应该有能力独立开发一个简单的 Web 程序了。所以这里有一 个小挑战：为你的 Watchlist 添加一个留言板功能，效果类似

Python 启动加速 探索及实践 主讲人： 严懿宸 – 阿里云 严懿宸 曾于 Oracle Labs 参与 GraalVM 开发 毕业后加入阿里云 – 编译器 目前负责 Python / Node.js 的 Runtime 优化 Content • Python 启动速度简析 • PyCDS 设计与实现 • 更多讨论 Python startup time Python startup

Python Profiling 原理深入探索与实践 主讲人： 羿莉（萧羿） – 阿里云SLS Python Profiling 大纲 l背景概述 lPython Profiling的场景与技术原理 Ø场景：即时 vs 持续 Ø技术原理 确定剖析 vs 采样剖析 函数粒度vs 行粒度 物理时间vs CPU 时间 技术全景概览 技术细节探索 lPython Profiling的工具链和解决方案 息为手段研究动态的程序行 为的分析方法。其分析对象是程序的空间或时间复杂度、特定指令的使用 情形、函数调用的频率以及执行的时间等等。 • 步骤：数据采集、统计分析、可视化、推理导出 • 目的：云计算背景下 • 代码优化=提升效率 • 资源优化=降低成本 背景概述 !"#$%&'()*+,-.$/0,.$1234- Profiling56789:;<=> 背景概述 Resolve Endpoint

目录 CONTENTS IoT 项目组成 典型 IoT 项目剖析 Python 各个击破 IoT 技术栈 Python + IoT 开发实践 IoT 项目组成 •IoT 项目组成 • 云 即云端，它负责真实世界数 据的存储、展示、分析，是物 联网的最上层，它是中枢和大 脑，也是连接人和物的纽带； • 管 即管道，它是物联网的网络 核心，一切数据和指令均靠管 道来传输，它是物联网的中间 支持多种网络库：requests、hbmqtt…. • 性能敏感的模块采用C/C++编写库，供 Python应用程序调用 •Python 各个击破 IoT 技术栈 -- Python 开发 IoT 服务端 • 第三方IoT云平台提供Python编程接口，编写少量代码即可实现IoT项目云端程序 • 利用Python丰富的Web框架( Django、Flask...)构建物联网云端程序 • 数据可视化 • AI/ML/大数据等开源库支持

Python的优势：易学习、大量不断更新的各领域库、尤其适合完成机器学习相关任务。 Python机器学习相关库介绍： Sklearn机器学习地图 Azure是什么？ Azure 是一个不断扩展的云计算服务集合。通过 Azure，公司和组织可以加快发展步伐，提高工作 效率，节省运营成本。 Azure网站：https://azure.microsoft.com/zh-cn/ Azure行业解决方案

Anywhere 未来就在眼前 • Cloud-Hosted Development Environments • Web 版 VS Code (Visual Studio Online) 依托云的开发工具更强大 • 协作开发 • 远程开发 • 无需繁杂的安装与配置 Cloud-Hosted Development Environments Web 版 VS Code (Visual Studio