世界今日讯！亚马逊Prime Day期间通过机器学习模型预测超1亿笔交易的拣货所需时间

(资料图)

【TechWeb】8月30日消息，近期，属于美国人民的“双十一”——亚马逊Prime Day落下帷幕。在今年的Prime Day活动中，亚马逊会员购买了超过3亿件商品，销售额达到119亿美元。

每年的Prime Day是消费者的购物盛宴，也是亚马逊网站浏览量最高的时期，更是对全平台技术的全面考验。今年，亚马逊云科技一如既往为Prime Day提供关键技术支持，保障Prime Day的顺利进行。

据亚马逊云科技方面披露的数据，Prime Day期间，Amazon Aurora处理了2880亿个事务，Amazon Simple Queue Service (Amazon SQS) 在高峰时段每秒处理的消息达7050万条，Amazon DynamoDB调用次数多达数万亿次及请求峰值达每秒1.052亿次。

此次Prime Day期间，弹性计算服务Amazon Elastic Compute Cloud (Amazon EC2) 标准化实例（计算能力的内部衡量标准）总数增加了12% ，得益于基于Amazon Graviton 2处理器的实例，整体服务器的能效和2021年黑五相比仅增长7%。

在消费者端，此为了让消费者更好地了解购物情况并确认订单，会员日期间Amazon Simple Email Service (Amazon SES) 每秒发送电子邮件的峰值高达33000封。

物流方面，在北美Prime Day流量最高的一天，包裹规划系统执行了6000万次Amazon Lambda无服务器服务调用，在Amazon Simple Storage Service (Amazon S3)处理了17TB的压缩数据，Amazon DynamoDB和Amazon ElastiCache存储了6400万个条目，Amazon Kinesis处理了2亿个事件，以及5000万个Amazon SQS事件。

在亚马逊内部，数千亚马逊员工使用Amazon QuickSight查看Prime Day各种指标，获得可视化结果，并通过提问Amazon QuickSight Q。Prime Day期间，Amazon QuickSight服务了数百万次商业智能查询，每个数据集每分钟最多可处理500个查询。

值得注意得是，Amazon Robotics Pick Time Estimator使用Amazon SageMaker训练机器学习模型，预测未来拣货操作所需的时间，Prime Day期间处理了超过1亿笔交易。