随着业务的不断发展，北京四中网校的教学资源越来越丰富，数据也不断增多，但在最初采用的云平台上的数据访问，出现过几次较大的问题，不仅大规模数据存取速度较慢，而且传输不稳定，北京四中网校亟需一个可弹性扩展且稳定可靠的平台。
作为一支自驱力极强、自我迭代速度极快的IT技术团队，北京四中网校一直在对各种平台和技术进行测试，以更好地实现技术赋能业务。经过多轮测试，北京四中网校发现，在支持数据处理业务上，亚马逊云科技云的计算、存储和传输能力都远优于原有平台，尽管大数据迁移是块硬骨头，北京四中网校毅然决定，将数据处理业务跨云平台迁移至亚马逊云科技上。
经过数月的调研，知识储备，方案设计与测试，北京四中网校在之后的一个月内完成了所有大数据业务向Amazon Elastic MapReduce (Amazon EMR) 和Amazon Simple Storage Service (Amazon S3) 的迁移。Amazon EMR将计算与存储分离，使用户能够独立扩展每层并结合使用 Amazon S3的分层存储，大大提升了数据I/O性能。北京四中网校技术总监林春郁说，“迁移至亚马逊云科技后，在数据清洗时，原来数亿条数据读取可能需要十分钟，现在只需1分钟甚至更短的时间就能完成。“
同时，结合使用Amazon EC2 Auto Scaling，北京四中网校可自动扩缩实例数量，服务弹性、灵活性和可用性大幅增强。基于Amazon EMR的大数据平台，能够即时弹性扩展计算资源，支撑数据的快速存取，并帮助教师分析批改作业，不会因作业并发布置和提交产生性能和业务处理缓慢拥塞的问题。
有了稳定的大数据分析托管服务后，北京四中网校可以有更多的时间进行业务的探索和创新。利用亚马逊云科技大数据平台，优化了现有教学平台的个性化学习能力，基于已有知识图谱进行题目画像，实现了自主推题功能。该个性化学习模块可以通过学生对某题的答案，分析学生对相关知识点的掌握情况，在此基础上智能搜索出知识点、难易度更贴合这名学生学习现状的题目，实现个性化推题，让学生更好地了解自己对知识点的掌握程度。同时，还可以基于不同班级、不同学习组，帮助教师为学生布置学习任务或课后作业，从而大大提升了教学效率。

大数据平台迁移至亚马逊云科技之后，北京四中网校再次下定决心，着手整体业务的迁移工作，并在2019年底完成了部分准备工作，并计划于2020年9月实施全部业务迁移。但是突如其来的新冠疫情打乱了北京四中网校原有计划。
疫情期间，为了确保个人安全健康，学生与教师都隔离在家，在线教学平台用户量激增，日活用户峰值是之前平时的10倍之多，导致本地IDC架构从硬件、网络到带宽都难以支撑爆发式增长的用户规模，即便IT技术人员日夜奔走，增加服务器的速度也赶不上用户增长的速度，无法满足快速增长的用户需求。
为了获得云计算的大规模资源弹性扩展能力，北京四中网校紧急决定将云迁移计划提前至2月。在亚马逊云科技帮助下，将预计两个月内才能完成的迁移工作，缩短至两周，完成了包括爱学、爱学派、酷蒙等核心业务模块的平滑迁移，而且迁移期间，终端用户毫无影响。基于亚马逊云科技的云架构 ，即使用户峰值期间，亚马逊云科技云也能确保教学平台的稳定运行，真正实现了疫情期间学校的“停课不停学”目标。
同时，北京四中网校通过利用Amazon Elastic Kubernetes Service (Amazon EKS) 服务，实现了基础架构的容器化改造，解决了北京四中网校之前使用开源Kubernetes时，经常遇到的运维门槛高，扩展不够灵活的问题，降低了大量的人工复杂操作，手动配置、更新失误造成的宕机风险，降低了IT人员的学习成本，提升了运维人员对容器管理的便捷性、可用性和可维护性，更重要的是面临突发情况的灵活扩展能力，也让北京四中网校能为广大师生提供高稳定、高效能的在线教学平台。

北京四中网校研发总监刘英伟表示，企业成功实现跨云迁移所面临的挑战，除了数据的同步迁移问题外，最重要的是内部技术人员思想的转变。最初，北京四中网校的IT团队已经习惯了原有平台的运行模式，并不十分赞同数据业务的迁移。但是，经过亚马逊云科技的培训后，IT人员不仅看到了亚马逊云科技提供多样化的创新工具和强大的计算存储能力，更感受到了亚马逊云科技云的人性化，使他们深受亚马逊云科技吸引，最终快速完成了北京四中网校的核心数据和全部业务向亚马逊云科技的迁移。
基于亚马逊云科技云的弹性扩展、自动化管理等功能，IT团队的运维管理负担大大降低，使得北京四中网校可以更集中精力于以业务为核心的技术创新。未来，北京四中网校将利用亚马逊云科技的相关AI服务，持续探索AI在教学场景上的更多应用，提高AI辅助教学的智能化水平。