Development-Themen auf der AWS Re:invent 2023 Amazon Q unterstützt Software-Entwicklung

Anbieter zum Thema

Windhoff Group

Auf der Anwenderkonferenz Re:invent 2023 hat Amazon zahlreiche Neuerungen vorgestellt, vor allem für SageMaker und CodeWhisperer. Der neue Rockstar unter den Tools ist der KI-Assistent Amazon Q.

Amazon Q ist in Amazon CodeCatalyst integriert und soll Entwicklern unter die Arme greifen, wenn sie Code schreiben. Die Unterstützung reicht laut Amazon von der Idee bis zum vollständig getesteten Ausführungscode, wobei der neue Assistent aufs Wort hört. Er fügt Kommentare und README-Dateien hinzu, verfeinert Beschreibungen, generiert kleine Klassen und Unit-Tests, außerdem aktualisiert er Workflows in CodeCatalyst. Dies sind lauter kleine, lästige, aber notwendige Arbeiten, die den Entwickler entlasten.

Ein weiteres Nützliches Feature von Q ist die Umwandlung von Code mithilfe von Amazon Q Code Transformation (liegt erst als Preview vor). Das Tool modernisiert vorerst ausschließlich Java-Applikationen von den Java-Versionen 8 und 11 auf 17 (LTS).

Bildergalerie

Bildergalerie mit 7 Bildern

Schon bald soll das Tool allerdings dazu in der Lage sein, Windows-basierte NET-Framework-Applikation auf Cross-Platform-NET zu migrieren. Diese Transformation soll nicht mehr Tage pro Anwendung dauern, sondern nur noch Minuten. Einem Amazon-Team gelang es, 1.000 Produktivanwendungen von Java 8 auf 17 in nur zwei Tagen zu migrieren. Durchschnittlich waren nur zehn Minuten nötig, die längste Transformation dauerte weniger als eine Stunde.

In Amazon CodeCatalyst werden individuell angepasste Blueprints und eine neue Enterprise-Ebene eingeführt. Die Custom Blueprints sollen Entwicklern helfen, ein Projekt binnen Minuten aufzusetzen, inklusive einer vollständigen CI/CD-Pipeline. Die Anpassung kann mithilfe von Best Practices erfolgen, je nach Projekttyp. Tools wie GitHub lassen sich integrieren, um weitere Ressourcen zu nutzen.

Die Möglichkeit, Infrastruktur as a Code (IaC) flott mithilfe einer KI zu erzeugen und zu speichern, steht nun im Amazon Application Composer und in Amazon CodeWhisperer zur Verfügung. Bei Amazon CodeWhisperer handelt es sich um einen Service, der Entwicklern Code-Empfehlungen auf der Grundlage ihrer Kommentare in natürlicher Sprache und des Codes in der integrierten Entwicklungsumgebung (IDE) generiert. Der Amazon CodeWhisperer ist für alle Entwickler und Entwicklerinnen kostenlos verfügbar.

Die Enterprise-Ebene stellt in Amazon CodeCatalyst ein neues Preissegment dar, das 20 USD pro Benutzer und Monat kostet, wobei jede Enterprise Tier Space 1.500 Rechenminuten, 160 „Dev Environment“-Stunden sowie 64 Gigabyte (GB) „Dev Environment Storage“ pro Nutzer erhält. Es umfasst besagte Custom Blueprints mitsamt konfigurierter Infrastruktur sowie Project Lifecycle Management.

Amazon SageMaker

Das Framework Amazon SageMaker, das mit zahlreichen Funktionen und Tools die die Entwicklung, Optimierung und Prüfung von Machine Learning-Modellen unterstützt, wurde im Hinblick auf Bedienfreundlichkeit und Effizienz optimiert. Zu Amazon SageMaker Studio ist eine schnell ladende Web-basierte Benutzeroberfläche hinzugefügt worden, die einheitlichen Zugriff auf die jeweilige IDE (JupyterLabs, R Studio, Visual Studio) und den Code Editor erlaubt.

Mit dem Code Editor haben Entwickler Zugriff auf VS-Code- und Code-OSS-kompatible Erweiterungen aus der OpenVSX Registry und dem vorkonfigurierten AWS Toolkit für Visual Studio Code, um Applikationen auf AWS zu entwickeln und bereitzustellen. Programmierer können auch den KI-Assistenten Q auf Amazon CodeWhisperer nutzen und mit Amazon CodeGuru die Sicherheitsmerkmale ihres Codes verbessern.

Im Hinblick auf kostengünstige Bereitstellung von Funktionsmodellen (FM) und geringe Latenzzeiten sind in Amazon SageMaker neue Inferenzfunktionen integriert worden. Damit können KI-Developer ein oder mehrere FMs am gleichen SageMaker-Endpunkt bereitstellen und steuern, wie viele Akzelleratoren (GPUs, FPGAs usw.) und wieviel Memory pro FM reserviert werden sollen.

Um auch Trainingsvorgänge zu beschleunigen, die viel zeitaufwändiger sind als Inferenz, führt AWS nun den Amazon HyperPod ein, eine für diesen Zweck gebaute Infrastruktur für das hoch skalierende, verteilte Training von Modellen. Damit sollen sich große FMs wochen- oder monatelang trainieren lassen, während Amazon SageMaker das Verhalten des Clusters überwacht und automatisch die Resilienz von Nodes und Aufgaben steuert.

(ID:49850167)