← Financial Cloud Cloud Cloud Club · AWS Re:cap

極點宏觀|Financial Cloud Cloud · AWS Re:cap

AWS Re:cap 08: FSI Meetup 2025 Q4 - 擴展韌性

講者: Gregory St. Cyr

場次: 08

場次
Summit Dev Lounge2026 Re:cap
01 把架構寫成 Steering,引導 AI Agent
02 Agent Harness 才是真正的工程護城河
03 用白話詢問可觀測性資料
04 以 Bedrock AgentCore 打造 Serverless AR 遊戲
05 AgentCore 上的多 Agent 量化回測
06 三分鐘用 Kiro 把部落格變簡報
AWS Community Day Hong Kong 2025 Re:cap
02 使用 Terraform 實現 AWS 合規
03 從新手到開發者:一段精彩的 AWS 雲端旅程
04 以團隊為優先:使用 Laravel 與 Bref 進行無伺服器工程
05 活動開幕
06 Agent-to-Agent:在 AWS 上打造可互通的 AI
07 運用另一種遙測資料,透過 AI Agent 加速改善
08 告別 Vibe Coding:運用 Kiro 實踐規格驅動開發(Spec-Driven Development)
09 運用 MCP 與 AI 代理進行自動化測試
10 以 ML 驅動的方法實現電信安全現代化
11 重新思考 GenAI Agent:RAG 與 MCP
12 運用 TAK 與 AWS 進行災害及緊急應變
13 從測試角度重新思考 Serverless 應用程式工作流程
14 運用實務 AWS FinOps 邁向雲端成功
15 運用 AWS 打造 AI 驅動的全球 Pure-Alpha 宏觀交易:革新風險調整後資產報酬
FSI Recap
01 現代交易生命週期:從交易到結算
02 Goldman Sachs:透過 Fast Track 將應用程式移至雲端 - AWS Re:cap Q1/2023
03 Zurich Insurance Group:在 AWS 上建置有效的日誌管理解決方案
04 FSI Meetup 2025 Q4 - Brex 資料庫災難復原
05 FSI Meetup 2025 Q4 - Graviton 遷移成功案例
06 FSI Meetup 2025 Q4 - Stifel 現代化資料平台
07 FSI Meetup 2025 Q4 - PayPal 金融交易資料對帳器
08 FSI Meetup 2025 Q4 - 擴展韌性
09 最大化 AI 推論成本效益:策略性採用 AWS GPU 執行個體
10 進階代理式 AI 設計模式
11 在 AWS 上建置全新現代化應用程式
AWS re:Invent 2025
01 Coinbase re:Invent 回顧 (IND3312)
02 利用 AI 和 AWS 構建未來交易平臺
03 交易創新:Jefferies 在 Amazon Bedrock 上的 AI 助理 (IND3315)
04 FSI 如何運用代理式 AI 徹底改造 HFT 分析 (GBL302)
05 透過 Amazon Time Sync 改善分散式系統,Nasdaq 專題分享
06 Amazon Aurora HA 與 DR 的全球韌性設計模式 (DAT442)
07 建構代理式 AI:Amazon Nova Act 與 Strands Agents 實務應用 (DEV327)
08 深入探討 Amazon Aurora 及其創新 (DAT441)
09 深入探討 Amazon S3 (STG407)
10 Nasdaq:為全球金融服務打造具彈性的基礎設施(HMC327)
11 AWS Lambda 的最新功能 (CNS376)
12 使用 Kiro 進行規格驅動開發 (DEV314)
13 Amazon 的 FinOps:全球電子商務巨擘的雲端成本經驗 (AMZ308)
14 AWS 上的 Tick-to-trade 延遲交易平台
政務資料
01 The AI Era: The Boundary Between Development and Design Is Disappearing
02 裝置端多模態 AI 與智慧城市實踐
03 大模型能力評測與 AI 專案落地方法論
04 基於雲端代理的政府開發全鏈路受控自動化
05 從多智能體看 Agent 時代軟體新生態
06 AI 驅動的宏觀量化研究與智慧治理
07 公共數據授權營運與智慧政務實踐
08 数据资产化落地实践:确权合规、工程治理与数字政府案例
09 AI技術賦能心理健康公益:可信平台的治理、架構與實踐
Amarathon 2025 回顧
01 開發人員的代理架構設計路線圖
02 Amazon Bedrock 資料自動化
03 AgentCore 上的多代理
04 實務建置代理式 AI:Nova Act 與 Strands Agents
04 運用規格驅動開發,以 Kiro 加速移轉專案
06 從「比對」到「理解」:由 AgentCore Memory 驅動的個人化 AI 搜尋實踐
07 從觀察到最佳化:從 LLM 可觀測性邁向 AIOps,將即時洞察轉化為智慧自動化
08 部署 TEAM 並打造最佳工程團隊
09 五年來所謂無伺服器資料庫帶來的五個慘痛教訓
14 如果 AI 替我工作會怎樣:Q Developer CLI 與 Kiro 如何改變我的日常工作
16 兼顧速度與警覺:Amazon Bedrock Agent 開發的安全要點
26 在單張 H100 上執行 OSS LLM:更聰明、更便宜、更快速
28 現代化統一中繼資料架構:打破資料孤島的新方法
29 無伺服器 MediaOps:運用 Amazon Web Services 上的 AI 自動化影片工作流程
30 透過大規模效能測試建構兼具效率與可靠性的架構
31 透過開放原始碼連結世界:技術、社群與全球開發者關係的實踐歷程
33 建置串流 Iceberg 資料表以進行即時物流分析
34 加速大規模機器人策略訓練:以 Kiro、Trainium 與 EKS 為基礎的自動化閉環架構
35 透過規格驅動開發,從 Vibe 走向可行方案
36 讓雲端成本分析更智慧:使用 Strands 與 AgentCore 建置 FinOps 智慧 Agent
37 使用 CNCF Kagent、K8sGPT 與 Nova Sonic,轉型 K8s 對話式 Agentic AIOps

USAA 是什麼?

● USAA 是一家金融服務公司。

● 提供銀行、保險、財富管理等領域的多元產品。

● 將客戶服務視為核心產品。

● 為 1,400 萬名會員提供服務,主要客群為軍職人員及其家屬。

● 因應會員的獨特需求,著重於可用性與韌性。

USAA 的雲端旅程

● 於 2019 年開始部署至雲端,最初部署在 US East 1。

● 接下來幾年,雲端流量與發展動能逐步增加。

● 截至 2023 年 6 月,已有數十項部署。

● 採取「絕不浪費任何一次服務中斷」的思維。

● 發生服務中斷時並未將工作負載遷回自有環境,而是將其視為提升平台成熟度的機會。

● 透過將應用程式部署至 US West 2,啟用次要區域。

● 截至 2024 年,已有數百個應用程式部署至 AWS,另有數十個部署至 US West 2。

● 將 10 月的服務中斷視為另一次學習與成長的機會。

多區域部署策略

● 決定採用多區域部署策略。

● 著重三種容錯移轉模式:備份與還原、引導環境,以及暖待命。

● 備份與還原至關重要,尤其攸關資料可用性。

● 若資料無法使用,就無法容錯移轉至次要區域。

● 必須具備將資料傳送至次要區域的流程,即使這需要從快照復原。

● 高重要性與關鍵應用程式採用引導環境和暖待命。

● 目標是改善復原時間目標(RTO)與復原點目標(RPO)。

● 旨在提升韌性,以及軍職會員的客戶體驗。


應用程式韌性的三個階段:

架構設計:

● 評估每個應用程式並識別相依項目。

● 瞭解讓應用程式具備韌性所需採取的行動。

● 考量關鍵路徑中的下游相依項目。

● 著重即時回應與復原需求。

● 定義必要的復原時間目標(RTO)。

● 將 RTO 納入架構設計需求。

● 為使用案例選擇適當的容錯移轉模式(備份與還原、引導環境、暖待命)。

營運準備:

● 設定部署所需的組態。

● 制定操作手冊與監控工具。

● 確保資源可用,以符合 RTO、復原點目標(RPO)指標及服務水準目標(SLO)。

測試與回饋:

● 進行韌性測試並規劃服務中斷情境。

● 從服務中斷中學習,並持續收集回饋。

● 進行事後分析,確保達成 RTO 和 RPO 的 SLO。

● 透過持續學習與調整來提升平台成熟度。


流程與工具:

集中式韌性:

● 組織並集中管理韌性標準與架構。

● 確保整個組織採用一套共同標準。

分散式 DevOps 平台:

● 建置符合應用程式工程師工作方式的 DevOps 平台。

● 確保所有開發團隊的一致性。

● 提供提升 DevOps 成熟度所需的工具與支援。

自動化:

● 尋找將韌性流程自動化的機會。

● 實作整合至 SDLC 流程中的自助式藍圖。

● 提供基礎設施即程式碼範本與快速入門指南。

● 確保應用程式團隊能快速開始開發,並內建韌性需求。


USAA 韌性流程的具體範例

客製化 Well-Architected Review:

● 從 Well-Architected Framework 開始,並將其套用至所有 USAA 應用程式。

● 由於公司的架構(集中化、DevOps 平台),發現各應用程式具有一致的元素。

● 在 Well-Architected Review 之上建置客製化評估標準,以提供更有意義的自動化評分。

● 識別並突顯各應用程式可自行掌控、用來改善韌性的元件。

左移:

● 「左移」是軟體開發和 IT 服務管理中的一項策略,意指將測試、安全性及品質保證等關鍵活動移至開發或支援生命週期的較早階段。此方法旨在更早發現並修正問題,從而降低成本、提升品質並加快交付速度。

● 及早驗證 RTO,以減少應用程式建置過程中的反覆修改並提升韌性。

● 確保在規劃業務使用案例的解決方案時,對韌性的理解至關重要。

CI/CD 管線中的工具整合:

● 在 CI/CD 管線中使用 GitLab。

● 整合 AWS Resilience Hub 與 Resource Groups 以取得洞察。

● 應用程式團隊會在管線執行期間立即收到評估回饋。

● 在正式環境實作前,提供以證據為基礎的即時韌性報告。

● 較低階的環境階段也會提供回饋。

金絲雀部署策略:

● 逐步將一小部分使用者流量移至新版本,以推出新版軟體。

● 透過管線自動執行金絲雀部署。

● 對無伺服器和容器型應用程式特別實用。

● 使用加權路由逐步推出變更並測試韌性。

● 在向會員推出變更時,可從變更中學習並瞭解應用程式的韌性。


模式程式庫元件

快速入門指南:

● 讓開發人員快速開始,同時確保 USAA 開發實務的一致性。

● 包含與韌性相關的非功能性需求。

無伺服器模式:

● 範例包括非同步 API、搭配 event bridge 的編排模式,以及使用 Step Functions 進行協調的即時 API。

● 提供無伺服器應用程式的快速入門資源。

容器模式:

● 使用 Helm charts(在 Kubernetes 中定義、安裝及升級應用程式的套件)作為範本,根據特定需求部署容器型應用程式。

封存資料模式:

● 將非使用中資料從使用中的系統移至成本較低的長期儲存空間,以改善效能並降低成本;使用內部部署、雲端或混合模式等分層儲存,並實作資料分割等策略以有效率地移動資料。

● 包含將資料從應用程式 VPC 移至資料 VPC 進行封存的模式。

● 提供自動化快照,以及從封存資料 VPC 或本機快照進行復原的還原模式。

● 根據應用程式需求,確保區域內或跨區域的資料移動安全且具備韌性。

選擇準則:

● 用於根據可靠性、效能、延遲與敏感度,識別最適合使用案例的模式。

● 有助於確保應用程式的一致性,並選擇最佳韌性架構。


範例:存款應用程式的開戶系統

概觀:

● USAA 用來開立新存款帳戶(支票、儲蓄)的關鍵系統。

● 新會員加入流程的一部分。

● 仰賴下游系統的複雜多服務架構。

實作多區域韌性之前:

● 評估顯示其災難復原、耐久性與可觀測性的表現不佳。

● 韌性或可用性不足,無法滿足會員需求。

實作暖待命模式之後:

● RTO 從 4 小時縮短至 30 分鐘。

● RPO 從 1 小時縮短至 5 分鐘。

● 在 US East 1 服務中斷期間,能於 30 分鐘內完成容錯移轉,確保會員體驗不受影響。

● 改善復原與資料處理能力,帶來顯著的業務影響。

架構設計:

● 平台帳戶負責處理網路流量與路由。

● 應用程式部署在 US East 1 和 US West 2 VPC(暖待命實作)。

● 使用 DynamoDB global tables 將資料近乎即時複寫至次要區域。


多區域部署的其他考量

等冪性:

● 關注一筆交易能否重複過帳,而不會造成不利影響。

● 在銀行業中至關重要,因為金錢交易不得重複。

● 從區域內韌性的角度加以考量。

重試與交易 ID:

● 必須管理重試,並在 DynamoDB 中維護交易 ID。

● 對管理 Step Functions 內的狀態不可或缺。

容錯移轉期間的狀態管理:

● 在 Step Function 執行期間進行容錯移轉時,維持狀態是一項挑戰。

● 移至次要區域時,不會保留狀態。

● 必須在設計中因應此項考量,確保容錯移轉期間的韌性。

架構設計(第一階段):

● 納入等冪性和狀態管理等考量。

● 確保容錯移轉程序在設計時就具備韌性。

營運操作手冊(第二階段):

● 說明營運韌性的程序與考量事項。

● 包含重試、交易 ID 及狀態管理的處理方式。

測試與持續回饋(第三階段):

● 從測試和真實情境中的錯誤與差異學習。

● 處理等冪性、效能降低、冷啟動,以及次要區域快取預熱等問題。

建置韌性系統的關鍵:

● 在設計中充分理解並納入相關考量。

● 不僅確保單一區域內的韌性,也確保跨多個區域的韌性。

● 對向 USAA 會員提供具韌性的服務至關重要。


USAA 的韌性架構與成功因素

100% 的新應用程式皆採用韌性架構:

● USAA 的所有新應用程式現在都會經過韌性架構。

● 重新評估已部署至 AWS 的現有應用程式,確保其符合韌性需求。

轉向保守的多區域策略:

● 根據所學到的最佳實務,將更多應用程式移至多區域架構。

● 範例:大幅改善開戶系統的 RTO 和 RPO。

改善韌性與架構審查:

● 隨著學習與回饋增加,韌性審查和架構審查已變得更快速。

● 對取捨的理解加快了整個流程。

● 在近期服務中斷期間,韌性相關事件減少了 66%。


組織實現韌性的成功因素

文化:

● 技術人員、IT 團隊與業務合作夥伴共同承擔責任。

● 瞭解韌性的意義並定義服務水準目標(SLO)。

架構領導力:

● 由高階主管支持,並將韌性列為主要目標,提供專項經費。

● 以會員需求作為使命,推動對韌性的投資。

方法:

● 從單一應用程式的多區域部署開始,小規模起步。

● 從初期部署中學習,並透過短回饋迴圈擴展規模。

● 提升平台成熟度,以及韌性實作的一致性。

工具:

● 投資自動化與自助服務功能。

● 在 SDLC 中提供藍圖,以及基礎設施即程式碼(IaC)範本。

● 確保開發人員能實作韌性實務,無須反覆修改或進行繁瑣工作。

● 這是達成業務目標並提供優質會員服務的關鍵。


本場分享的重點摘要

標準化可加速採用:

● 使用藍圖和範本降低複雜度。

● 讓開發人員和業務關係人都能更容易理解韌性。

左移:

● 在專案構想的更早階段納入韌性考量。

● 與業務合作夥伴建立夥伴關係,使韌性策略與業務需求保持一致。

持續測試:

● 測試必須持續並反覆進行。

● 從服務中斷與韌性測試中學習;不要浪費任何學習機會。

● 透過持續測試與回饋建立信心。

文化與技術必須共同演進:

● 在整個組織中採取韌性思維。

● 運用這種思維影響技術開發。

● 確保文化與技術相輔相成,以維持長期成功。