[Subtítulo de SEO]
Esta orientación lo ayuda a facilitar la migración de sus activos digitales a la nube, lo que le permite aprovechar al máximo los últimos avances en la administración de activos y preparar el contenido para su distribución a los consumidores multimedia. Configura los flujos de trabajo de ingesta y el análisis sin servidores para mover los recursos de video y los metadatos asociados a la nube de AWS. Durante la migración, esta orientación analiza y extrae los metadatos de machine learning del video. También cuenta con una interfaz web para que pueda empezar a ingerir y analizar el contenido de inmediato.
Tenga en cuenta lo siguiente: [Descargo de responsabilidad]
Diagrama de la arquitectura
[Descripción del diagrama de arquitectura]
Paso 1
Un grupo de usuarios de Amazon Cognito para proporcionar un directorio de usuarios.
Paso 2
Un punto de conexión API RESTful de Amazon API Gateway configurado para utilizar la autenticación de AWS Identity and Access Management (IAM).
Paso 3
Una distribución de Amazon CloudFront que aloja los artefactos de las aplicaciones web, como los archivos JavaScript minimizados y los gráficos almacenados en el bucket web.
Paso 4
Una máquina de estados principales de AWS Step Functions que sirve como punto de entrada a los flujos de trabajo de la ingesta y el análisis del backend.
Paso 5
Una máquina de subestados de ingesta de Step Functions que orquesta el proceso de ingesta por tipo de archivo multimedia y genera proxy para los elementos multimedia ingeridos. Usa AWS Elemental MediaConvert para los archivos de video y audio, y herramientas de código abierto para los archivos de imágenes y documentos.
Paso 6
Una máquina de subestados de análisis de Step Functions responsable del proceso de análisis. Consta de Step Functions, el cual ejecuta trabajos de análisis con Amazon Rekognition, Amazon Transcribe, Amazon Comprehend y Amazon Textract.
Paso 7
Tablas de Amazon DynamoDB para almacenar los artefactos generados durante los procesos de ingesta y análisis, como el estado general, los punteros en los que se almacenan los archivos intermedios y los tokens de ejecución de la máquina de estado.
Paso 8
Un clúster de Amazon OpenSearch Service, el cual almacena los atributos de la ingesta y los metadatos de machine learning, y facilita las necesidades de búsqueda y detección.
Paso 9
Cuatro buckets de Amazon Simple Storage Service (Amazon S3) que almacenan el contenido cargado, los proxy de archivos que la orientación genera durante la ingesta, los artefactos estáticos de las aplicaciones web y los registros de acceso a los servicios utilizados.
Paso 10
Reglas de eventos de Amazon CloudWatch que se registran cuando las tareas específicas sufren cambios de estado.
Paso 11
Amazon EventBridge utilizado por un sistema interno de administración de colas en el que el sistema de trabajos pendientes notifica a los flujos de trabajo (máquinas de estado) cuando se ha procesado una solicitud de inteligencia artificial o machine learning (IA/ML) en cola.
Paso 12
Un tema de AWS IoT Core que permite que los flujos de trabajo de ingesta y análisis se comuniquen con la aplicación web frontend de manera asíncrona mediante la mensajería MQTT de publicación o suscripción.
Paso 13
Temas de Amazon Simple Notification Service (Amazon SNS) para permitir a Amazon Rekognition publicar el estado del trabajo en el flujo de trabajo de análisis de video y para admitir la integración personalizada con el sistema.
Paso 1
Un grupo de usuarios de Amazon Cognito para proporcionar un directorio de usuarios.
Paso 2
Un punto de conexión API RESTful de Amazon API Gateway configurado para utilizar la autenticación de AWS Identity and Access Management (IAM).
Paso 3
Una distribución de Amazon CloudFront que aloja los artefactos de las aplicaciones web, como los archivos JavaScript minimizados y los gráficos almacenados en el bucket web.
Paso 4
Una máquina de estados principales de AWS Step Functions que sirve como punto de entrada a los flujos de trabajo de la ingesta y el análisis del backend.
Paso 5
Una máquina de subestados de ingesta de Step Functions que orquesta el proceso de ingesta por tipo de archivo multimedia y genera proxy para los elementos multimedia ingeridos. Usa AWS Elemental MediaConvert para los archivos de video y audio, y herramientas de código abierto para los archivos de imágenes y documentos.
Paso 6
Una máquina de subestados de análisis de Step Functions responsable del proceso de análisis. Consta de Step Functions, el cual ejecuta trabajos de análisis con Amazon Rekognition, Amazon Transcribe, Amazon Comprehend y Amazon Textract.
Paso 7
Tablas de Amazon DynamoDB para almacenar los artefactos generados durante los procesos de ingesta y análisis, como el estado general, los punteros en los que se almacenan los archivos intermedios y los tokens de ejecución de la máquina de estado.
Paso 8
Un clúster de Amazon OpenSearch Service, el cual almacena los atributos de la ingesta y los metadatos de machine learning, y facilita las necesidades de búsqueda y detección.
Paso 9
Cuatro buckets de Amazon Simple Storage Service (Amazon S3) que almacenan el contenido cargado, los proxy de archivos que la orientación genera durante la ingesta, los artefactos estáticos de las aplicaciones web y los registros de acceso a los servicios utilizados.
Paso 10
Reglas de eventos de Amazon CloudWatch que se registran cuando las tareas específicas sufren cambios de estado.
Paso 11
Amazon EventBridge utilizado por un sistema interno de administración de colas en el que el sistema de trabajos pendientes notifica a los flujos de trabajo (máquinas de estado) cuando se ha procesado una solicitud de inteligencia artificial o machine learning (IA/ML) en cola.
Paso 12
Un tema de AWS IoT Core que permite que los flujos de trabajo de ingesta y análisis se comuniquen con la aplicación web frontend de manera asíncrona mediante la mensajería MQTT de publicación o suscripción.
Paso 13
Temas de Amazon Simple Notification Service (Amazon SNS) para permitir a Amazon Rekognition publicar el estado del trabajo en el flujo de trabajo de análisis de video y para admitir la integración personalizada con el sistema.
Pilares de Well-Architected
AWS Well-Architected Framework le permite comprender las ventajas y desventajas de las decisiones que tome durante la creación de sistemas en la nube. Los seis pilares de este marco permiten aprender las prácticas recomendadas arquitectónicas para diseñar y explotar sistemas confiables, seguros, eficientes, rentables y sostenibles. Con la Herramienta de AWS Well-Architected, que se encuentra disponible gratuitamente en la Consola de administración de AWS, puede revisar sus cargas de trabajo con respecto a estas prácticas recomendadas al responder a un conjunto de preguntas para cada pilar.
El diagrama de arquitectura mencionado es un ejemplo de una solución que se creó teniendo en cuenta las prácticas recomendadas de una buena arquitectura. Para tener completamente una buena arquitectura, debe seguir todas las prácticas recomendadas de buena arquitectura posibles.
-
Excelencia operativaLea el documento técnico sobre excelencia operativa
Esta orientación envía las métricas a CloudWatch en varias etapas para brindar observabilidad de la estructura, como las funciones de AWS Lambda, los servicios de IA y los buckets de Amazon S3.
-
SeguridadLea el documento técnico sobre seguridad
Le recomendamos que cifre los datos confidenciales en tránsito y en reposo. Esta orientación cifra automáticamente los archivos multimedia y los metadatos en reposo con el cifrado del servidor de Amazon S3 (SSE-S3). Los temas de Amazon SNS y las tablas de DynamoDB de la orientación también se cifran en reposo con el SSE-S3. Además, los documentos indexados en el clúster de OpenSearch Service se cifran en reposo junto con la comunicación de nodo a nodo dentro del clúster.
Esta orientación implementa un sitio web estático alojado en un bucket de Amazon S3. Para ayudar a reducir la latencia y mejorar la seguridad, esta orientación incluye una distribución de CloudFront con una identidad de acceso de origen, la cual es un usuario especial de CloudFront que ayuda a restringir el acceso al contenido del bucket del sitio web. Para obtener más información, consulte Restricción del acceso a un origen de Amazon S3.
-
FiabilidadLea el documento técnico sobre fiabilidad
La orientación para Media2Cloud en AWS utiliza los servicios sin servidor de AWS siempre que es posible (como Lambda, API Gateway, Amazon S3 y DynamoDB) a fin de garantizar una alta disponibilidad y una recuperación rápida en caso de un error en el servicio.
-
Eficiencia en el rendimientoLea el documento técnico sobre eficacia del rendimiento
Puede crear flujos de trabajo con la plantilla prediseñada de AWS CloudFormation. Dado a que esta orientación es un proyecto de código abierto publicado en GitHub, puede personalizarla y compilar desde el código fuente. El archivo “README” brinda una guía paso a paso para crear y personalizar esta orientación, junto con un minitutorial y una explicación detallada de cada componente y del diseño general.
-
Optimización de costosLea el documento técnico sobre optimización de costos
Como esta orientación utiliza una arquitectura sin servidor y basada en eventos, solo se le cobrará por lo que utilice. Su diseño le permite configurar y adaptar sus propios flujos de trabajo multimedia y utilizar únicamente los servicios de AWS que necesite. Además, permite almacenar los activos de forma rentable con Amazon S3 con políticas de ciclo de vida para almacenar y archivar el contenido, los proxy y los metadatos ingeridos.
-
SostenibilidadLea el documento técnico sobre sostenibilidad
Un componente fundamental para la sostenibilidad es maximizar el uso de los servicios de IA de AWS para minimizar el impacto ambiental de los servicios de backend. Además, el diseño sin servidor de esta orientación está pensado para reducir su huella de carbono en comparación con la huella de los servidores en las instalaciones que funcionan sin parar.
Recursos de implementación
Se proporciona una guía detallada para experimentar y utilizar dentro de su cuenta de AWS. Se examina cada etapa de la creación de la guía, incluida la implementación, el uso y la limpieza, con el fin de prepararla para su implementación.
El código de muestra es un punto de partida. Está validado por el sector, es prescriptivo pero no definitivo, y le permite profundizar en su funcionamiento para que le sea más fácil empezar.
Contenido relacionado
Presentación de las soluciones de AWS Media Intelligence
Innovación con éxito para ESSENCE gracias a la ayuda de Starchive y AWS para organizar el ESSENCE Festival of Culture de 2020
Contenido relacionado
[Título]
Descargo de responsabilidad
El código de muestra; las bibliotecas de software; las herramientas de línea de comandos; las pruebas de concepto; las plantillas; o cualquier otra tecnología relacionada (incluida cualquiera de las anteriores que proporcione nuestro personal) se brinda como contenido de AWS bajo el Contrato de cliente de AWS, o el contrato escrito pertinente entre usted y AWS (lo que sea aplicable). No debe utilizar este contenido de AWS en sus cuentas de producción, ni en producción ni en otros datos críticos. Es responsable de probar, proteger y optimizar el contenido de AWS, como el código de muestra, según corresponda para el uso de grado de producción en función de sus prácticas y estándares de control de calidad específicos. La implementación de contenido de AWS puede incurrir en cargos de AWS por crear o utilizar recursos con cargo de AWS, como ejecutar instancias de Amazon EC2 o utilizar el almacenamiento de Amazon S3.
Las referencias a servicios u organizaciones de terceros en esta Guía no implican un respaldo, patrocinio o afiliación entre Amazon o AWS y el tercero. La orientación de AWS es un punto de partida técnico, y puede personalizar su integración con servicios de terceros al implementar la arquitectura.