Realizar evaluaciones de carteras de aplicaciones que deben migrarse a la nube puede ser una tarea larga. A pesar de la existencia de AWS Application Discovery Service o la presencia de algún tipo de base de datos de administración de configuración (CMDB), los clientes aún 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 generar un diseño de arquitectura de nube que cumpla con los requisitos de seguridad y cumplimiento, y el esfuerzo necesario para proporcionar estimaciones de costos por seleccionar los servicios y configuraciones de AWS adecuados para un rendimiento óptimo de las aplicaciones en la nube. Normalmente, se necesitan entre 6 y 8 semanas para realizar estas tareas antes de que comiencen las migraciones reales de aplicaciones.
En esta publicación de blog, aprovecharemos el poder de la IA generativa y amazon Bedrock para ayudar a las organizaciones a simplificar, acelerar y escalar las evaluaciones de migración. amazon Bedrock es un servicio totalmente administrado que ofrece una selección de modelos básicos (FM) de alto rendimiento de empresas líderes en inteligencia artificial como AI21 Labs, Anthropic, Cohere, Meta, Stability ai y amazon a través de una única API, junto con un amplio conjunto de capacidades que necesita para crear aplicaciones de IA generativa con seguridad, privacidad e IA responsable. Mediante el uso de agentes de amazon Bedrock, grupos de acción y bases de conocimiento de amazon Bedrock, demostramos cómo crear una aplicación de asistente de migración que genera rápidamente planes de migración, disposiciones R y estimaciones de costos para aplicaciones que migran a AWS. Este enfoque le permite escalar el descubrimiento de su cartera de aplicaciones y acelerar significativamente su fase de planificación.
Requisitos generales para un asistente de migración
Los siguientes son algunos requisitos clave que debe considerar al crear un asistente de migración.
Precisión y consistencia
¿Su aplicación de asistente de migración es capaz de brindar respuestas precisas y consistentes?
Guía: Para garantizar respuestas precisas y coherentes de su asistente de migración, implemente las bases de conocimientos de amazon Bedrock. La base de conocimientos debe contener información contextual basada en las fuentes de datos privados de su empresa. Esto permite que el asistente de migración utilice la generación aumentada de recuperación (RAG), que mejora la precisión y coherencia de las respuestas. Su base de conocimientos debe comprender múltiples fuentes de datos, que incluyen:
Manejar las alucinaciones
¿Cómo reduce las alucinaciones del modelo de lenguaje grande (LLM) para su aplicación de asistente de migración?
Guía: Reducir las alucinaciones en los LLM implica la implementación de varias estrategias clave. Implemente indicaciones personalizadas según sus requisitos e incorpore técnicas de indicaciones avanzadas para guiar el razonamiento del modelo y proporcionar ejemplos para respuestas más precisas. Estas técnicas incluyen ai/techniques/cot” target=”_blank” rel=”noopener”>cadena de pensamientos, ai/techniques/zeroshot” target=”_blank” rel=”noopener”>indicaciones de disparo cero, indicaciones multidisparo, ai/techniques/fewshot” target=”_blank” rel=”noopener”>indicaciones de pocos disparosy pautas de ingeniería rápidas específicas del modelo (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 reducir las alucinaciones. Finalmente, un ciclo de retroalimentación 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?
Guía: La creación de una aplicación de asistente de migración utilizando grupos de acción de amazon Bedrock, que tienen un diseño modular, ofrece tres beneficios clave.
- 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 usuario 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 base de datos y la configuración de la red. Esta personalización garantiza que el proceso de migración se alinee con las necesidades únicas de la aplicación que se está migrando.
- Mantenimiento y solución 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 acción de migración de la base de datos dentro 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 general, 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 usuario migra con éxito una aplicación a AWS utilizando un conjunto de grupos de acciones modulares, puede reutilizar esos mismos grupos de acciones para migrar 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. Además, el diseño modular facilita la escalabilidad al permitir a los usuarios aumentar o reducir la operación de migración según las demandas de la carga de trabajo. Por ejemplo, si necesitan migrar una aplicación más grande con mayores requisitos de recursos, pueden ampliar fácilmente el flujo de trabajo de migración agregando más instancias de grupos de acciones relevantes, sin necesidad de rediseñar todo el flujo de trabajo desde cero.
Descripción general de la solución
Antes de profundizar en la implementación, repasemos los pasos clave de la arquitectura que se establecerá, como se muestra en la Figura 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 usuario podría solicitar Generar disposición R con estimaciones de costos o Generar plan de migración para ID de aplicaciones específicas (por ejemplo, A1-CRM o A2-CMDB).
- 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 usuario, el asistente de migración invoca grupos de acciones relevantes como Disposiciones R y Plan de Migraciónque a su vez invocan AWS Lambda específicos
- Las funciones Lambda procesan la solicitud utilizando RAG para producir el resultado requerido.
- Los documentos de salida resultantes (R-Disposiciones con estimaciones de costos y Plan de Migración) luego se cargan en un servicio de almacenamiento simple de amazon designado (amazon S3)
La siguiente imagen es una captura de pantalla de una muestra de interacción del usuario con el asistente de migración.
Requisitos previos
Deberías tener lo siguiente:
Pasos de implementación
- Configurar una base de conocimientos:
- Abra la Consola de administración de AWS para amazon Bedrock y navegue hasta Bases de conocimiento de amazon Bedrock.
- Elegir Crear base de conocimientos e ingrese un nombre y una descripción opcional.
- Seleccione la base de datos vectorial (por ejemplo, amazon OpenSearch Serverless).
- Seleccione el modelo de incrustación (por ejemplo, amazon Titan Embedding G1 – Texto).
- Agregar 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 base de conocimientos.
- Configurar agentes de amazon Bedrock:
- En la consola de amazon Bedrock, vaya a Agentes y eligió Crear agente.
- Introduzca un nombre y una descripción opcional para el agente.
- Seleccione el modelo de base (por ejemplo, Anthropic Claude V3).
- Configure el rol de AWS Identity and Access Management (IAM) del agente para otorgar los permisos necesarios.
- Agregue instrucciones para guiar el comportamiento del agente.
- Opcionalmente, agregue la base 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.
- Configure grupos de acciones para el agente:
- En la página de configuración del agente, navegue hasta la Grupos de acción
- Elija Agregar grupo de acciones para cada grupo requerido (por ejemplo, Crear evaluación de disposición R y Crear plan de migración).
- Para cada grupo de acción:
- Después de agregar todos los grupos de acciones, revise toda la configuración del agente e implemente el agente.
Limpiar
Para evitar cargos innecesarios, elimine los recursos creados durante las pruebas. Utilice los siguientes pasos para limpiar los recursos:
- Eliminar la base de conocimientos de amazon Bedrock: Abra la consola de amazon Bedrock.
Elimine la base 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 base de conocimientos.
- Aparece una pancarta roja para advertirle que elimine del agente la referencia a la base de conocimientos, que ya no existe.
- Seleccione el botón de opción junto a la base de conocimientos que desea eliminar. Elegir Más y luego elegir Borrar.
- En el panel de navegación izquierdo, elija base de conocimientos.
- Para eliminar una fuente, elija el botón de opción junto a la fuente y seleccione Borrar o seleccione el Nombre de la fuente y luego elija Borrar en la esquina superior derecha de la página de detalles.
- Revise las advertencias para eliminar una base de conocimientos. Si acepta estas condiciones, ingrese eliminar en el cuadro de entrada y elija Borrar para confirmar.
- Eliminar el agente
- En la consola de amazon Bedrock, elija Agentes desde el panel de navegación izquierdo.
- Seleccione el botón de opción junto al agente que desea eliminar.
- Aparece un modal advirtiéndole sobre las consecuencias de la eliminación. Ingrese eliminar en el cuadro de entrada y elija Borrar para confirmar.
- Aparece un banner azul para informarle que se está eliminando el agente. Cuando se completa la eliminación, aparece un cartel verde de éxito.
- Eliminar todos los demás recursos 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 nube 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 arquitectura de nube de AWS y estimaciones de costos.
En esta publicación de blog, demostramos cómo se pueden simplificar, acelerar y escalar las evaluaciones de migración mediante el uso de IA generativa y amazon Bedrock. Mostramos el uso de agentes de amazon Bedrock, grupos de acción 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 escalar y acelerar su viaje hacia la nube de AWS.
¿Listo para mejorar su proceso de migración a la nube con IA generativa en amazon Bedrock? Comience explorando la Guía del usuario de amazon Bedrock para comprender cómo puede optimizar el viaje a la nube de su organización. Para obtener más ayuda y experiencia, considere utilizar los servicios profesionales de AWS (contacto ventas) para ayudarlo a optimizar su proceso de migración a la nube y maximizar los beneficios de amazon Bedrock.
Acerca de los autores
Thomas Ebbey es arquitecto senior de la nube en AWS, con un fuerte enfoque en aprovechar la IA generativa para mejorar la automatización de la infraestructura de la nube 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 adopción de la nube y, al mismo tiempo, garantizan operaciones seguras y escalables para los usuarios de AWS. Es conocido por resolver desafíos complejos en la nube e impulsar resultados tangibles para los clientes. Ebbey tiene una licenciatura en ingeniería informática y una maestría en sistemas de información de la Universidad de Syracuse.
Shiva Vaidyanathan es arquitecto principal de la nube 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 nube sean más sencillas para todos. Antes de unirse a AWS, trabajó en varias iniciativas de investigación financiadas por NSF sobre cómo realizar computación segura en infraestructuras de nube pública. Tiene una maestría en Ciencias de la Computación de la Universidad de Rutgers y una maestría en Ingeniería Eléctrica de la Universidad de Nueva York.
