GS Caltex 用 SageMaker Canvas+Pipelines 把模型部署从一周缩到几小时
AWS ML Blog · rss · 2026-11-14
AWS ML Blog 发布 GS Caltex 生产级 MLOps 实践（Part 1）：韩国能源化工公司用 SageMaker Canvas 让工艺工程师无代码建模，ML 工程师负责用 SageMaker Pipelines 做部署与调度推理，打通两者交接后模型部署从约一周缩短到几小时，每 30 分钟批量推理一次并显著降低推理成本。
- 架构：Canvas 产出的 Data Wrangler 预处理流程与模型经 S3 / Model Registry 交接，EventBridge 定时触发 Pipelines，跑预处理 + Batch Transform 后结果写入 S3。
- 关键踩坑点：.flow 文件里的 S3 输入 URI 不会因上传新数据自动更新；容器镜像要固定版本；输出 ID 须严格匹配 {nodeid}.{outputname} 格式；训练学到的缩放/编码参数不能在推理时重新拟合。
- 训练 vs 推理输入差异：目标列在推理数据中缺失，需 PrepareInput 步骤先补占位值、预处理后再删除。
- 参考实现代码开源在 GitHub。
「Infra」频道最新
- Airtel 董事长盛赞 Starlink V3：单次发射 1Tbps 挑战物理极限 — elonmusk · 2026-11-14
- 开发者因 Cloudflare 的 MCP 体验全面迁移域名、存储与邮件服务 — ritakozlov · 2026-11-14
- Brave Leo 用 TEE 实现可验证加密推理，直指 ZDR 只是空头承诺 — gnukeith · 2026-11-14
- 实测 2050 亿 token 账单：缓存读取占 97% 用量、缓存写入吞三成成本 — Nitjsefnie · 2026-11-14
- Cloudflare workerd 集群落地 KV、Queues 与 Workflows，首发版本临近 — irvinebroque · 2026-11-14
- humans& 开源硬件原生 NVFP4 全 4-bit RL 训练配方 — gharik · 2026-11-14