Acelere la evaluación de la cartera de migración utilizando Amazon Bedrock

Realizar evaluaciones de carteras de aplicaciones que deben migrarse a la aglomeración puede ser una tarea larga. A pesar de la existencia de Servicio de descubrimiento de aplicaciones de AWS o la presencia de alguna forma de configuración colchoneta de datos de dirección (CMDB), los clientes todavía enfrentan muchos desafíos. Estos incluyen el tiempo necesario para las discusiones de seguimiento con los equipos de aplicaciones para revisar los resultados y comprender las dependencias (aproximadamente 2 horas por aplicación), los ciclos necesarios para crear un diseño de cimentación de aglomeración que cumpla con los requisitos de seguridad y cumplimiento, y el esfuerzo necesario para proporcionar estimaciones de costos por elegir los servicios y configuraciones de AWS adecuados para un rendimiento espléndido de las aplicaciones en la aglomeración. Normalmente, se necesitan entre 6 y 8 semanas para realizar estas tareas antaño de que comiencen las migraciones reales de aplicaciones.

En esta publicación de blog, aprovecharemos el poder de IA generativa y Roca Amazónica para ayudar a las organizaciones a simplificar, acelerar y resquilar las evaluaciones de migración. Amazon Bedrock es un servicio totalmente administrado que ofrece una selección de modelos básicos (FM) de detención rendimiento de empresas líderes en inteligencia fabricado como AI21 Labs, Anthropic, Cohere, Meta, Stability AI y Amazon a través de una única API, próximo con un amplio conjunto de capacidades que necesita para crear aplicaciones de IA generativa con seguridad, privacidad e IA responsable. Al usar Agentes de Amazon Bedrock, grupos de entusiasmoy Bases de conocimiento de Amazon Bedrockdemostramos cómo crear una aplicación de asistente de migración que genere rápidamente planes de migración, disposiciones R y estimaciones de costos para aplicaciones que migran a AWS. Este enfoque le permite resquilar el descubrimiento de su cartera de aplicaciones y acelerar significativamente su escalón de planificación.

Requisitos generales para un asistente de migración

Los siguientes son algunos requisitos esencia que debe considerar al crear un asistente de migración.

Precisión y consistencia

¿Su aplicación de asistente de migración es capaz de desear respuestas precisas y consistentes?

Consejero: Para respaldar respuestas precisas y coherentes de su asistente de migración, implemente las bases de conocimientos de Amazon Bedrock. La colchoneta de conocimientos debe contener información contextual basada en las fuentes de datos privados de su empresa. Esto permite que el asistente de migración utilice Recuperación-Engendramiento Aumentada (RAG)lo que restablecimiento la precisión y coherencia de las respuestas. Su colchoneta de conocimientos debe comprender múltiples fuentes de datos, que incluyen:

Manejar las alucinaciones

¿Cómo reduce las alucinaciones del maniquí de estilo ilustre (LLM) para su aplicación de asistente de migración?

Consejero: Resumir las alucinaciones en los LLM implica la implementación de varias estrategias esencia. Implementar indicaciones personalizadas en función de sus requisitos e incorpore técnicas de indicaciones avanzadas para enfilar el razonamiento del maniquí y proporcionar ejemplos para respuestas más precisas. Estas técnicas incluyen condena de pensamientos, indicaciones de disparo cero, indicaciones multidisparo, indicaciones de pocos disparosy pautas de ingeniería rápidas específicas del maniquí (consulte Claude antrópico en las pautas de ingeniería rápidas de Amazon Bedrock). RAG combina la recuperación de información con capacidades generativas para mejorar la relevancia contextual y acortar las alucinaciones. Finalmente, un ciclo de feedback o una intervención humana al ajustar los LLM en conjuntos de datos específicos ayudará a alinear las respuestas con información precisa y relevante, mitigando errores y contenido desactualizado.

Diseño modular

¿El diseño de su asistente de migración es modular?

Consejero: Creación de una aplicación de asistente de migración utilizando Grupos de entusiasmo de Amazon Bedrockque tienen un diseño modular, ofrecen tres beneficios esencia.

• Personalización y adaptabilidad: Los grupos de acciones permiten a los usuarios personalizar los flujos de trabajo de migración para adaptarlos a entornos y requisitos específicos de AWS. Por ejemplo, si un becario está migrando una aplicación web a AWS, puede personalizar el flujo de trabajo de migración para incluir acciones específicas adaptadas a la configuración del servidor web, la migración de la colchoneta de datos y la configuración de la red. Esta personalización garantiza que el proceso de migración se alinee con las evacuación únicas de la aplicación que se está migrando.
• Mantenimiento y posibilidad de problemas: Simplifica las tareas de mantenimiento y resolución de problemas al aislar los problemas en componentes individuales. Por ejemplo, si hay un problema con la entusiasmo de migración de la colchoneta de datos internamente del flujo de trabajo de migración, se puede solucionar de forma independiente sin afectar a otros componentes. Este aislamiento agiliza el proceso de resolución de problemas y minimiza el impacto en la operación de migración caudillo, lo que garantiza una migración más fluida y una resolución de problemas más rápida.
• Escalabilidad y reutilización: Promover la escalabilidad y la reutilización en diferentes proyectos de migración de AWS. Por ejemplo, si un becario migra con éxito una aplicación a AWS utilizando un conjunto de grupos de acciones modulares, puede reutilizar esos mismos grupos de acciones para portar otras aplicaciones con requisitos similares. Esta reutilización ahorra tiempo y esfuerzo al desarrollar nuevos flujos de trabajo de migración y garantiza la coherencia entre múltiples proyectos de migración. Encima, el diseño modular facilita la escalabilidad al permitir a los usuarios aumentar o acortar la operación de migración según las demandas de la carga de trabajo. Por ejemplo, si necesitan portar una aplicación más ilustre con mayores requisitos de bienes, pueden ampliar fácilmente el flujo de trabajo de migración agregando más instancias de grupos de acciones relevantes, sin condición de rediseñar todo el flujo de trabajo desde cero.

Descripción caudillo de la posibilidad

Antiguamente de profundizar en la implementación, repasemos los pasos esencia de la cimentación que se establecerá, como se muestra en la Figura 1.

1. Los usuarios interactúan con el asistente de migración a través de la consola de chat de Amazon Bedrock para ingresar sus solicitudes. Por ejemplo, un becario podría solicitar Gestar disposición R con estimaciones de costos o Gestar plan de migración para ID de aplicaciones específicas (por ejemplo, A1-CRM o A2-CMDB).
2. El asistente de migración, que utiliza agentes de Amazon Bedrock, está configurado con instrucciones, grupos de acciones y bases de conocimiento. Al procesar la solicitud del becario, el asistente de migración invoca grupos de acciones relevantes como Disposiciones R y Plan de Migraciónque a su vez invocan AWS Lambda
3. Las funciones Lambda procesan la solicitud utilizando RAG para producir el resultado requerido.
4. Los documentos de salida resultantes (R-Disposiciones con estimaciones de costos y Plan de Migración) luego se cargan en un sitio designado Servicio de almacenamiento simple de Amazon (Amazon S3)

La próximo imagen es una captura de pantalla de una muestra de interacción del becario con el asistente de migración.

Requisitos previos

Deberías tener lo próximo:

Pasos de implementación

1. Configurar una colchoneta de conocimientos:
   • Caleta la Consola de distribución de AWS para Amazon Bedrock y navegue hasta Bases de conocimiento de Amazon Bedrock.
   • Nominar Crear colchoneta de conocimientos e ingrese un nombre y una descripción opcional.
   • Seleccione la colchoneta de datos vectorial (por ejemplo, Amazon OpenSearch sin servidor).
   • Seleccione el maniquí de incrustación (por ejemplo, Amazon Titan Embedding G1 – Texto).
   • Asociar fuentes de datos:
     • Para Amazon S3: especifique el depósito y el prefijo de S3, los tipos de archivos y la configuración de fragmentación.
     • Para datos personalizados: utilice la API para ingerir datos mediante programación.
   • Revisar y crear la colchoneta de conocimientos.
2. Configurar agentes de Amazon Bedrock:
   • En la consola de Amazon Bedrock, vaya a Agentes sección y eligió Crear agente.
   • Introduzca un nombre y una descripción opcional para el agente.
   • Seleccione el maniquí de colchoneta (por ejemplo, Anthropic Claude V3).
   • Configurar el agente Gobierno de paso e identidad de AWS (IAM) rol para otorgar los permisos necesarios.
   • Asociar instrucciones para enfilar el comportamiento del agente.
   • Opcionalmente, agregue la colchoneta de conocimientos de Amazon Bedrock creada previamente para mejorar las respuestas del agente.
   • Configure ajustes adicionales como tokens máximos y temperatura.
   • Revisar y crear el agente.
3. Configure grupos de acciones para el agente:
   • En la página de configuración del agente, navegue hasta la Grupos de entusiasmo
   • Nominar Asociar clan de acciones para cada clan requerido (por ejemplo, Crear evaluación de disposición R y Crear plan de migración).
   • Para cada clan de entusiasmo:
   • A posteriori de ampliar todos los grupos de acciones, revise toda la configuración del agente e implemente el agente.

Fregar

Para evitar cargos innecesarios, elimine los bienes creados durante las pruebas. Utilice los siguientes pasos para suprimir los bienes:

1. Eliminar la colchoneta de conocimientos de Amazon Bedrock: Abre el Consola Amazon Bedrock.
   Elimine la colchoneta de conocimientos de cualquier agente con el que esté asociada.
   • En el panel de navegación izquierdo, elija Agentes.
   • Seleccione el Nombre del agente del que desea eliminar la colchoneta de conocimientos.
   • Aparece una pancarta roja para advertirle que elimine del agente la remisión a la colchoneta de conocimientos, que ya no existe.
   • Seleccione el brote de opción próximo a la colchoneta de conocimientos que desea eliminar. Nominar Más y luego nominar Borrar.
   • En el panel de navegación izquierdo, elija colchoneta de conocimientos.
   • Para eliminar una fuente, elija el brote de opción próximo a la fuente y seleccione Borrar o seleccione el Nombre de la fuente y luego elija Borrar en la cima superior derecha de la página de detalles.
   • Revise las advertencias para eliminar una colchoneta de conocimientos. Si acepta estas condiciones, ingrese eliminar en el cuadro de entrada y elija Borrar para confirmar.
2. Eliminar el agente
   • En la consola de Amazon Bedrock, elija Agentes desde el panel de navegación izquierdo.
   • Seleccione el brote de opción próximo al agente que desea eliminar.
   • Aparece un modal advirtiéndole sobre las consecuencias de la matanza. Ingrese eliminar en el cuadro de entrada y elija Borrar para confirmar.
   • Aparece un banner celeste para informarle que se está eliminando el agente. Cuando se completa la matanza, aparece un cartel verde de éxito.
3. Eliminar todos los demás bienes incluidas las funciones Lambda y cualquier servicio de AWS utilizado para la personalización de la cuenta.

Conclusión

Realizar evaluaciones de carteras de aplicaciones para la migración a la aglomeración de AWS puede ser un proceso que requiere mucho tiempo y que implica analizar datos de diversas fuentes, discusiones sobre descubrimiento y diseño para desarrollar un diseño de cimentación de aglomeración de AWS y estimaciones de costos.

En esta publicación de blog, demostramos cómo se pueden simplificar, acelerar y resquilar las evaluaciones de migración mediante el uso de IA generativa y Amazon Bedrock. Mostramos el uso de agentes de Amazon Bedrock, grupos de entusiasmo y bases de conocimientos de Amazon Bedrock para una aplicación de asistente de migración que presenta planes de migración, disposiciones R y estimaciones de costos. Este enfoque reduce significativamente el tiempo y el esfuerzo necesarios para las evaluaciones de cartera, lo que ayuda a las organizaciones a resquilar y acelerar su delirio en dirección a la aglomeración de AWS.

¿Ligero para mejorar su proceso de migración a la aglomeración con IA generativa en Amazon Bedrock? Comience explorando el Consejero del becario de Amazon Bedrock para comprender cómo puede optimizar el delirio a la aglomeración de su ordenamiento. Para obtener más ayuda y experiencia, considere utilizar Servicios profesionales de AWS (contacto ventas) para ayudarlo a optimizar su proceso de migración a la aglomeración y maximizar los beneficios de Amazon Bedrock.

---

Acerca de los autores

Thomas Ebbey es arquitecto senior de la aglomeración en AWS, con un robusto enfoque en disfrutar la IA generativa para mejorar la automatización de la infraestructura de la aglomeración y acelerar las migraciones. En su función en AWS Professional Services, Ebbey diseña e implementa soluciones que mejoran la velocidad y la eficiencia de la asimilación de la aglomeración y, al mismo tiempo, garantizan operaciones seguras y escalables para los usuarios de AWS. Es conocido por resolver desafíos complejos en la aglomeración e impulsar resultados tangibles para los clientes. Ebbey tiene una doctorado en ingeniería informática y una pericia en sistemas de información de la Universidad de Syracuse.

Shiva Vaidyanathan es arquitecto principal de la aglomeración en AWS. Proporciona orientación técnica, diseño y lidera proyectos de implementación a los clientes, garantizando su éxito en AWS. Trabaja para que las redes en la aglomeración sean más sencillas para todos. Antiguamente de unirse a AWS, trabajó en varias iniciativas de investigación financiadas por NSF sobre cómo realizar computación segura en infraestructuras de aglomeración pública. Tiene una pericia en Ciencias de la Computación de la Universidad de Rutgers y una pericia en Ingeniería Eléctrica de la Universidad de Nueva York.