我个人第一次使用亚马逊的云服务产品还是在2016年，在武汉的公司做海外项目时使用的，那时候使用的都是AWS一些比较常见的服务EC2、S3、SNS、SMS等
2022年5月，机缘巧合，我参加了AWS BuildOn的在线实验活动，这次活动的主题是 图数据库 Amazon Neptune，自己对机器学习还是比较感兴趣的（虽然我平时还是做Web相关开发的- -！但是一个技术一定要对各个新的技术有热情，这样才不至于被时代的潮流、技术的潮流淘汰掉）
好了废话不多讲，直接进入本次实验的主题内容

首先介绍一下本次活动所用的一些服务

CloudFormation： 可以通过它将基础设施视为代码来建模、预置和管理 AWS 和第三方资源。
Amazon S3：云存储
Amazon SageMaker：通过完全托管的基础设施、工具和工作流程为任何用例构建、训练和部署机器学习 (ML) 模型。
Amazon Neptune：完全托管式图数据库服务。
还有一些就不做一一介绍了，有兴趣的可以看我博客下面的官方实验手册链接，里面有详细的介绍和详细的动手实验过程。

接下来介绍一下实验的主体大的流程和实验后的心得：

一、搭建实验环境

登录了账号后直接在控制台界面搜索CloudShell（我们将在CloudShell中直接利用专家们准备好的API json 创建Cloudformation）

这里我们要在CloudShell中创建2个服务

1.1、S3存储桶

aws s3api create-bucket --region us-east-1 --bucket 自己的桶名

S3创建的返回值

1.2、创建Cloudformation

aws cloudformation create-stack --stack-name get-started-neptune-ml --template-url https://s3.amazonaws.com/ee-assets-prod-us-east-1/modules/4f0f18a83e6148e895b10d87d4d89068/v1/gcr-buildon-selfpace/gcr-buildon-neptune-ml-nested-stack.json --capabilities CAPABILITY_IAM --region us-east-1 --disable-rollback

Cloudformation创建的返回值

1.3、进入Cloudformation

创建Cloudformation的时间大概需等待25-30分钟才能进行下一步。

等到最下面一个节点如果状态绿色了，说明就是创建好了，可以进行下一步了

二、进入Neptune打开notebook实验环境

搜索Neptune

搜索栏输入neptune，点击进入，导航栏选择notebook，点击aws-neptune-get-test，点击open notebook

注：倘若没有notebook，需确定地区是否选择正确，默认为美国东部，其次确认后台服务是否都启动完成

到这里，实验的环境就搭建好了，接下来就是做动手实验一和二了，这里我就不做过多的描述了，因为实际操作除了填写S3需要自己手动填写以外，其他都基本上是一路往下点的，但是一定要看实验中具体在干什么，利用了哪些技术点，这样才能让自己有更多的收获

实验一：根据某一个用户和电影的推荐数据，预测了排名前十的电影以及预测出的评分。

实验二：预测最有可能评价某部电影的前十位用户

整体下来就是感觉，提前准备好了数据集和模型，可以让不懂机器学习的人也调用机器学习的服务，当然需要自己提供自己具有特殊场景的 数据集和模型。

同时本人也趁着这个契机，了解了一下最近不少 AWS的新产品，感觉着实不错，很牛X的服务，等有空真的好想体验试试。

官方手册地址：https://aws.amazon.com/cn/getting-started/hands-on/neptune-tutorial-details/?trk=3e0d7019-0601-4b37-97c5-50556674f67e&sc_channel=el