不知道有多少人是自己先注册了亚马逊云服务（AWS），然后也推荐别人使用的。我身边有几个朋友在我介绍了为期一年的Free Tier之后注册了AWS，然后，就一发不可收的变成了AWS的用户。
他们给我的反馈是，AWS的产品在介绍页里说到的就能做到，而且能真正用起来。在我的认识里，AWS从不画大饼，从不发Roadmap，只说自己当下能做到什么，这点务实的精神没什么可说的，就是觉得，挺难能可贵的。
最近的一次采访中，我见到了同样是自己用了AWS后，也推荐别人用AWS的人，他就是德比软件副总裁夏卫。2011年，夏卫加入德比软件后就建议德比软件也使用AWS，那时候就认识AWS的人应该还不算多，能推荐德比软件用AWS的人就更少了。
那么，德比软件是谁呢？
德比软件是专业从事旅游产品网络营销系统设计和旅游产品分销的技术服务公司，拥有超过全球22万家酒店数据,每月处理超过1000万间夜的订单，与之合作的酒店及酒店供应商既有国际性的大型酒店集团，也有许多单体酒店等，同时还有分销渠道、在线旅行社、垂直搜索引擎、批发商以及众多大型旅游经销商，是行业里的头部玩家。
说简单点，就是开发了一套对接酒店系统的系统，它可以从酒店系统里读取房间数量和房屋价格等数据后生成缓存，然后，将缓存提供给OTA（Online Travel Agency）和在线旅游服务平台使用，常见的OTA比如有携程，常见的在线旅游服务平台比如有去哪儿网，总之是能在线订酒店的系统，这里统称为在线平台。
为什么这些在线平台不直接访问酒店预订系统？
从夏卫的介绍中了解到，这是因为大多数酒店预订系统的架构太过古老，很多都根本承受不起在线平台的频繁实时访问，所以只能提供一套缓存，由于酒店系统本身的延迟造成数据的实时性比较差，访问次数多了酒店系统也会做限流，总之问题很多。
解决的办法是尽量减少访问酒店系统的次数，让这些访问都找德比软件的缓存去。最后下单的时候，系统会走另外一套接口最终确认信息完成下单，下单之前的数据查询全靠德比软件的缓存，如果能让缓存的数据接近于真实数据，那么，订单成功率就会更高。
有朋友会想到，为什么携程这样的OTA不直接从酒店对数据呢？
事实上携程也确实这么做过，但这一做法会有许多隐形成本，比如运维和维护与多个酒店对接的这套系统的成本，如果出问题带来的损失也会非常大，不如索性直接对接德比这样的平台，专业的人做专业的事儿。
同理，对于酒店来说也是一样，对接多个独立的平台意味着自身系统承载了额外的负担，大部分酒店只需将数据对接到德比的平台，由德比软件负责对接各种外部渠道，包括携程这样的OTA，也包括许多分销渠道、在线旅行社、垂直搜索引擎、旅游批发商，这就是德比软件数据的价值。
德比软件在此类服务中的地位属于全球范围内的佼佼者，在大型连锁酒店集团，全球前十大甚至前几十大酒店集团当中都在用德比的服务，行业聚集效应明显，强者愈强，因为对各个渠道来说，只对接德比这一个平台的话，更能保证数据的一致性。
All-in On AWS
德比软件的这套系统架起了酒店系统到在线平台的桥梁，首先要求这座桥梁要非常的稳定，要能承载着大量的访问流量，而且由于酒店预订流量有互联网业务那样的周期性流量高峰特点，所以，对于架构灵活性的要求也非常高。
所以，德比软件接受夏卫的建议采用AWS云就是非常明智的选择了，云计算天生就是用来干这个事儿的。
考虑到2011年开始就陆续使用AWS，德比软件还是挺超前的。提起这段往事，夏卫表示，那时候也没什么太多的云可供选择，在2011年之前，夏卫就接触并使用过AWS。于是，才有了这个现在看来有点冒险的推荐。
原来，夏卫不只是推荐德比软件上AWS，当年洲际酒店集团刚进入中国，需要做一个大型网站，洲际酒店集团希望用一个云计算的平台，夏卫推荐的也是AWS，后来，很多德比软件的客户，特别是一些海外客户，在跟德比软件做项目对接的时候，也是一步步放到了AWS上。
AWS的全球布局使得德比更容易开展全球性业务，使用AWS首先省去了自建机房的麻烦，不仅系统整体可用性提升，而且，由于AWS本身有很多合规性的设计，无须投入成本来进行合规认证。最后，夏卫还表示暂不考虑使用除AWS以外的云服务，他想的更多是怎么把AWS利用好。
德比软件在AWS上的业务有很多年了，大概从2017年起，德比软件开始All-in On AWS，把所有业务都放到了AWS上，每天承受大量的在线访问，算下来有大约200TB的数据，这些数据也都存在Amazon S3上或者是成本更低的S3 Glacier上。
基于Amazon SageMaker打造的智能缓存（AI Cache）
All-in On AWS之后，德比软件用AWS用的越来越大胆，用的服务也越来越高级，从2019年年底开始，德比软件开始使用AWS的云上机器学习服务Amazon SageMaker来优化缓存系统，让缓存变得更智能，更准确，以前的这套缓存更新的做法都是人为设定的规则，效率和准确度不可同日而语。
通过收集历史数据，并使用SageMaker来训练模型，结合当下最新数据来预测一小时后的酒店房间的(ARI)信息，包括可用房间数量、房间状态等，把这些数据给到在线平台，让展示的数据尽可能与实际数据相近，从而提升订单的成功率，提升效益。
所以，模型预测的准确率直接关系酒店的订单量，对于德比软件平台上的数据规模而言，提升一点点精准度带来的收益都是非常明显的，据夏卫介绍说，模型的精准度与订单成功率有直接关系，按照德比软件目前的订单量，而每提高1%的订单成功率就能为客户带来上亿美金的额外订单收入。
与想象不同的是，德比软件创新实验室的数据工程师团队并不大，只有四个人，但在AWS上海人工智能实验室的机器学习解决方案实验室与德比软件的共同努力下，最后设计的算法在初步测试中将库存准确率的预测提升了20%，带来订单成功率的提升。
德比软件的商业模式是从成功的订单中收取服务费，成功的订单量增多意味着收获更多的服务费用，夏卫还特别强调说，德比软件的收费其实非常低。
据夏卫介绍说，在实际订票系统中，中国用户80%的订单都是在当天通过手机预订的，在美国，大部分的订单也是在入住前一周之内生成的，所以，模型的即时性也非常重要。这一过程中，训练模型的过程需要时刻进行，每过几小时就训练一次，模型是在不断变化的，如果训练的慢了，模型就可能会过期，云上充足的计算能力能让德比软件在计划的时间内完成训练。
SageMaker的一大优势就是能直接降低机器学习方案的成本，德比软件夏卫表示，与传统方案相比，使用Amazon SageMaker，以及Code Builder/Pipeline，CDK架构之后，使用了许多流程自动化的工具，可以自动化的进行训练，自动化的调参，自动化的部署模型，自动化的终结一些实例，不仅资源利用率提升，而且运维成本也大大降低，最终使得成本大约降低了70%到90%左右，差异还是非常明显的。
写在最后
像夏卫这样，自己了解AWS，然后推荐AWS的人其实我也认识好几个，大多是本着务实的态度去解决具体的问题。
谈到使用AWS AI服务的未来规划时，夏卫表示，除了SageMaker以外，还在尝试在新的场景中使用AWS的AI服务，比如把Alexa智能音箱放到酒店的场景里，他认为人工智能在酒店行业的应用空间还是很大的。
