Las estrategias de multi-cuenta son fundamentales para operar de manera segura y a gran escala en Amazon Web Services (AWS). La división estratégica de las cargas de trabajo en múltiples cuentas de AWS permite aplicar diferentes controles, hacer un seguimiento de costos y uso, y reducir la complejidad de gestionar múltiples nubes privadas virtuales (VPC) y accesos de identidades. Este enfoque permite que diferentes equipos accedan a cuentas específicas adaptadas a sus necesidades, asegurando a su vez la gobernanza y la seguridad.
En la primera parte de esta serie, se discutieron las mejores prácticas para operar y gobernar cargas de trabajo de machine learning (ML) y análisis a escala en AWS utilizando Amazon SageMaker. Ahora, se ofrece una guía para implementar una arquitectura de base multi-cuenta que puede ayudar a organizar, construir y gobernar módulos clave como fundamentos del data lake, servicios de plataforma ML, desarrollo de casos de uso de ML, operaciones de ML, almacenes de características centralizados, registro y observabilidad, y costos y reportes. Implementar la estructura de cuentas y unidades organizacionales (OU) recomendada proporciona aislamiento de recursos de AWS y visibilidad de costos para los equipos de ML y análisis. Utilizando AWS Control Tower, se puede crear una zona de aterrizaje base para soportar la escalabilidad y gobernanza de las cargas de trabajo de datos y ML. Además, la referencia de arquitectura de seguridad de AWS propor...