回顧系列
- 場次 01:開發人員的代理架構設計路線圖
- 場次 02:Amazon Bedrock 數據自動化
- 場次 03:AgentCore 上的多代理
- 場次 04:實務建置代理式 AI:Nova Act 與 Strands Agents
- 場次 04:運用規格驅動開發,以 Kiro 加速移轉專案
- 場次 06:從「比對」到「理解」:由 AgentCore Memory 驅動的個人化 AI 搜尋實踐
- 場次 07:從觀察到最佳化:從 LLM 可觀測性邁向 AIOps,將即時洞察轉化為智慧自動化
- 場次 08:部署 TEAM 並打造最佳工程團隊
- 場次 09:五年來所謂無伺服器資料庫帶來的五個慘痛教訓
- 場次 14:如果 AI 替我工作會怎樣:Q Developer CLI 與 Kiro 如何改變我的日常工作
- 場次 16:兼顧速度與警覺:Amazon Bedrock Agent 開發的安全要點
- 場次 26:在單張 H100 上執行 OSS LLM:更聰明、更便宜、更快速
- 場次 28:現代化統一中繼資料架構:打破資料孤島的新方法
- 場次 29:無伺服器 MediaOps:運用 Amazon Web Services 上的 AI 自動化影片工作流程
- 場次 30:透過大規模效能測試建構兼具效率與可靠性的架構
- 場次 31:透過開放原始碼連結世界:技術、社群與全球開發者關係的實踐歷程
- 場次 33:建置串流 Iceberg 資料表以進行即時物流分析
- 場次 34:加速大規模機器人策略訓練:以 Kiro、Trainium 與 EKS 為基礎的自動化閉環架構
- 場次 35:透過規格驅動開發,從 Vibe 走向可行方案
- 場次 36:讓雲端成本分析更智慧:使用 Strands 與 AgentCore 建置 FinOps 智慧 Agent
- 場次 37:使用 CNCF Kagent、K8sGPT 與 Nova Sonic,轉型 K8s 對話式 Agentic AIOps
場次筆記
測試類別:
- 程式碼測試:程式碼分析、單元測試
- 整合與介面:契約測試、介面測試
- 功能性測試:使用者驗收、迴歸測試
- 非功能性測試:效能測試、混沌工程
- 端對端測試:涵蓋各層面的全面測試:效能指標:
- 負載:預期使用量下的系統效能
- 壓力:評估極端負載條件下的系統行為
- 耐久性:透過持續負載測試找出長期問題
- 可擴展性:衡量使用者/交易量成長時的效能
- 突增:快速增加或降低負載,以評估韌性與行為
- 容量:評估處理大量資料所造成的影響:衡量標準:
- 百分位數:50th、90th、95th、99th、99.9th、100th
- 計數與平均值:交易總數、成功、失敗、回應時間、延遲、連線時間、頻寬
- 錯誤:所有錯誤,優先處理重大錯誤
- 資源:CPU 使用率、記憶體用量、磁碟 I/O、網路流量:測試策略:
- 提早:在開發生命週期早期納入測試
- 之後:基礎設施變更後進行測試
- 持續:在整個開發流程中持續測試
- 開發:將測試整合至開發工作流程
- 基礎設施變更:在任何基礎設施修改後進行測試
- 預備環境:正式上線前在預備環境進行測試
- 重大事件:在重大系統事件前進行測試
- 正式上線後:部署後效能驗證
- 里程碑:在特定專案里程碑進行測試:效益:
- 效率:改善系統效率
- 可靠性:提升系統可靠性
- 更佳的使用者體驗:透過最佳化效能提供更優質的使用者體驗
- 可擴展性:改善系統可擴展性
- 成本最佳化:透過最佳化資源使用率降低成本:Amazon Web Services 解決方案:
- 1M+ 次部署:豐富的部署經驗
- 經過審核並提供支援:經過完整審核且具備專業支援的解決方案
- 解決方案程式庫:完整收錄經審核解決方案的程式庫
- 按用量付費:依使用量計費的彈性定價模式
- 單一租戶:專為單一租戶環境設計的解決方案
- 100% 開放原始碼:對開放原始碼解決方案的承諾
