ssmjp 201712 はたのさん祭での「運用現場におけるSRE本の「正しい」読み方」発表資料です。 詳細: https://www.opslab.jp/publish/20171212-ssmjp-sre.html (運用設計ラボ合同会社 波田野裕一)
![運用現場におけるSRE本の「正しい」読み方](https://cdn-ak-scissors.b.st-hatena.com/image/square/4d88c5c96ecfac3039eacc78489f6473c4c3e8b9/height=288;version=1;width=512/https%3A%2F%2Ffiles.speakerdeck.com%2Fpresentations%2Fb1d0a3ade55740d886b8b86f65db084e%2Fslide_0.jpg%3F9197916)
This document discusses building an image classification model using Amazon SageMaker and deploying it via an API Gateway and Lambda function. Key steps include: 1. Developing a Python Lambda function to preprocess images from API requests and call a SageMaker endpoint for predictions. 2. Creating an IAM role for the Lambda function to access SageMaker. 3. Building and deploying the SageMaker mode
ここから、DevとOpsが協力すればより効率的になる=DevOps、という言葉が生まれました。 当時は大企業においてはDevとOpsが分かれていることが当たり前だったのです。そして、大企業における当たり前が、当たり前ではないことに気付き始め、DevOpsを実現するためのツールができ始めたころでもあります。 ではなぜ、大企業ではDevとOpsが分かれているのが当たり前だったのでしょうか? ハードウェアの時代その昔、産業の主役はハードウェアでした。 そのため、多くの企業はハードウェアを作ることに対して最適化が行われました。 ハードウェアには研究開発、製造、運用サポートといった大きな区分けが存在します。そして、それぞれの仕事において要求する人材レベルは異なります。 加えて、大量生産された製品の運用サポート(設置作業員、サポートセンタ)には、大量の人員が必要になってきます。 したがって、組織を研究
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く