Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
Strategia serverless per prezzi dinamici
Data di pubblicazione: 28 giugno 2021 () Storia del diagramma
Questa architettura mostra una strategia serverless per la determinazione dinamica dei prezzi. Per le prenotazioni basate su intervalli di date, puoi creare prezzi in parallelo e calcolarli dinamicamente in base a fattori quali data, durata e numero di persone. Quindi visualizzi prodotti comparabili ordinati con tempi di risposta inferiori al secondo e aggiorni i prezzi in base alle attuali condizioni di mercato.
Strategia serverless per prezzi dinamici
I passaggi seguenti descrivono l'architettura:
-
Fornisci l'input di ricerca per ottenere un elenco ordinato di prodotti filtrato per prezzo e altri attributi. I dati vengono inviati tramite Amazon API Gateway che richiama più AWS Lambda funzioni per elaborare le richieste di prezzo in parallelo per la ricerca dei prezzi in tempo reale.
-
Le funzioni Lambda del processore parallelo batch richiamano la funzione di calcolo delle regole per ottenere le ultime regole di prodotto da Amazon DynamoDB. Il prodotto viene calcolato in base all'ID di ricerca e archiviato in Amazon. ElastiCache Una volta completate le funzioni batch, tutti i risultati per l'ID di ricerca vengono restituiti dalla cache.
-
I dati storici del motore di prenotazione e i dati di mercato esterni forniscono informazioni in modo che il motore dei prezzi disponga di dati sufficienti per aggiornare i prezzi in tempo reale.
-
Gli eventi del motore di prenotazione vengono acquisiti e monitorati su Amazon Kinesis. Amazon Kinesis Data Analytics interroga il flusso di dati e attiva la funzione Lambda per la valutazione dei prezzi se viene rilevata una modifica. Gli eventi vengono archiviati in Amazon Simple Storage Service con supporto dei dati batch storici.
-
Un modello Amazon SageMaker AI Train utilizza i dati storici delle prenotazioni e i dati storici aumentati per addestrare il modello e formulare raccomandazioni sui prezzi.
-
Utilizzando un modello di raccomandazione inferenziale basato sull' SageMaker intelligenza artificiale, il motore dei prezzi ottiene nuovi consigli sui prezzi in base alle condizioni di mercato.
Approfondimenti
Per ulteriori informazioni, consulta le seguenti risorse:
Storia del diagramma
Per ricevere notifiche sugli aggiornamenti di questo diagramma di architettura di riferimento, iscriviti al feed RSS.
| Modifica | Descrizione | Data |
|---|---|---|
Pubblicazione iniziale | Diagramma dell'architettura di riferimento pubblicato per la prima volta. | 28 giugno 2021 |
Nota
Per iscriverti agli aggiornamenti RSS, devi avere un plugin RSS abilitato per il browser che stai utilizzando.
