本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。
下表描述了亚马逊 SNS 如何与 AWS 机器学习服务（例如亚马逊、Amazon DevOps Guru、A CodeGuru mazon Lookout for Metrics、Amazon Rekognition 和 Amazon AI）集成，以提供异常通知、运营见解和 SageMaker 数据标签活动。
借助这些集成，您可以监控应用程序性能，接收数据异常警报，并通过实时更新简化机器学习模型的部署。
| AWS 服务 | 与 Amazon SNS 一起使用的益处 |
|---|---|
|
Amazon CodeGuru — 从您的实时应用程序收集运行时性能数据，并提供建议，以帮助您微调应用程序性能。 |
在发生异常时接收通知。有关更多信息，请参阅 A mazon CodeGuru 用户指南中的处理异常和建议报告。 |
|
Amazon DevOps Guru — 使用机器学习生成运营见解，以帮助您提高运营应用程序的性能。 |
转发洞察和确认。有关更多信息，请参阅AWS
管理与治理博客上的 “与 PagerDuty Amazon DevOps Guru 一起向待命团队提供基于机器学习的运营见解 |
|
Amazon Lookout for Metrics – 查找数据中的异常情况，确定其根本原因，并使您能够快速采取措施。 |
接收异常通知。有关更多信息，请参阅 Amazon Lookout for Metrics 开发人员指南中的结合使用 Amazon SNS 与 Lookout for Metrics。 |
|
Amazon Rekognition – 让您能够将图像和视频分析添加到您的应用程序 |
接收请求结果通知。有关更多信息，请参阅 Amazon Rekognition 开发人员指南中的参考：视频分析结果通知。 |
|
Amazon SageMaker AI — 使数据科学家和开发人员能够构建和训练机器学习模型，然后将其直接部署到生产就绪的托管环境中。 |
在标记数据对象时接收通知。有关更多信息，请参阅 Amazon A SageMaker I 开发者指南中的创建流式标签任务。 |
