Amazon Web Services ブログ

AWS Japan Staff

Author: AWS Japan Staff

re:Invent 2018 11月26日 アップデートのまとめ

みなさん、こんにちは。アマゾン ウェブ サービス ジャパン、プロダクトマーケティング エバンジェリストの亀田です。 re:Invent2018初日はMidnightMadnessでの発表に加え多くのアップデートが発表されましたので纏めたいと思います。 AWS RoboMaker が 発表になりました。 ロボットの開発、シミュレート、テスト、およびデプロイの手助けをするサービスになります。クラウドベースの開発環境でコードを開発し、Gazeboシミュレーションでテストし、完成したコードを1つまたは複数のロボットの群に展開することができます。最も広く使用されているオープンソースのロボティクスソフトウェアフレームワークであるRobot Operating System(ROS)をクラウドサービスへの接続性で拡張したサービスとなります。 AWS Transfer for SFTPが発表になりました。 Secure Shell(SSH)ファイル転送プロトコルとも呼ばれるSFTP(Secure File Transfer Protocol)を使用して、Amazon S3の内外にファイルを直接転送できるマネージドサービスになります。既存の認証システムと統合し、Amazon Route 53でDNSルーティングを提供することにより、ファイル転送ワークフローをSFTPのためのAWS転送にシームレスに移行できるようにします。SFTP用サーバの管理は不要で、SFTPエンドポイントは、1日24時間、年中無休、年中無休で利用できるように設計されています。 AWS DataSyncが発表になりました。 AWSとオンプレミスの間のデータ転送が最大10倍となる、オンプレミスストレージとAmazon S3またはAmazon Elastic File System(Amazon EFS)間のデータの移動を自動化するためのデータ転送サービスです。オンプレミスのソフトウェアエージェントを使用して、ネットワークファイルシステム(NFS)プロトコルを使用して既存のストレージまたはファイルシステムに接続するため、アプリケーションの変更が不要となります。 Amazon EBS のProvisioned IOPS (io1)のパフォーマンスが強化されました。 ピークパフォーマンスは、32,000 IOPSから64,000 IOPSに、また500Mbpsから1,000MB /秒のスループットを、NitroシステムEC2インスタンスに接続すると、最大2倍の向上を実現できます。 AWS SnowballEdge のコンピュート最適化インスタンスがGAになりました。 物理的に過酷な場所やオフラインの場所でコンピューティングを集中的に使用するアプリケーション用に、52のvCPU、208GBのメモリ、7.68TBのNVMe SSD、および42TBのS3互換ストレージを提供します。また、接続が難しい場合にフルモーションビデオ処理などのシナリオにNVIDIA TESLA V100 GPUを追加するオプションもあります。米国東部(バージニア州)、米国西部(オレゴン州)、米国西部(カリフォルニア北部)、GovCloud(米国西部)、およびEU(アイルランド)のみ発送可能です。 Amazon S3 がオブジェクト管理のバッチ処理機能をリリースしました。(Preview) Amazon S3に格納されている数十億のオブジェクトを、単一のAPI要求またはS3管理コンソールで数回クリックするだけで簡単に管理できる新しい機能になります。S3オブジェクトの一括処理に必要なAPIアクションを実行するために、カスタムアプリケーションソフトウェアを作成するために必要な開発時間とリソースを最大3か月間節約できます。また、この機能を使用して、数十億(数十億)のS3オブジェクトのカスタムAWSラムダ機能を実行して、データの処理やイメージファイルのトランスコードなど、より複雑なタスクを実行することもできます。 […]

Read More

re:Invent 2018 Midnight Madness/ AWS Transfer for SFTP

みなさん、こんにちは。アマゾン ウェブ サービス ジャパン、プロダクトマーケティング エバンジェリストの亀田です。 re:Invent 2018 ミッドナイトマッドネス中に、AWS Transfer for SFTPという新サービスサイレントアナウンスで発表されました。 AWS Transfer for SFTP AWS Transfer for SFTPは、Secure Shell(SSH)ファイル転送プロトコルとも呼ばれるSFTP(Secure File Transfer Protocol)を使用して、Amazon S3の内外にファイルを直接転送できるマネージドサービスになります。既存の認証システムと統合し、Amazon Route 53でDNSルーティングを提供することにより、ファイル転送ワークフローをSFTPのためのAWS転送にシームレスに移行できるようにします。SFTP用サーバの管理は不要になります。SFTPエンドポイントは、1日24時間、年中無休、年中無休で利用できるように設計されています。AWSリージョン内の複数のアベイラビリティゾーンにわたって完全な冗長性を実現し、AWS SFTPは、Microsoft Active DirectoryやLightweight Directory Access Protocol(LDAP)などの一般的なユーザ認証システムをサポートしています。 SFTPとS3がシームレスに連携することにより、サードパーティを含めたデータ共有の運用がよい簡単になります。 料金はこちらにまとまっています。 チュートリアルを兼ねたステップバイステップガイドが用意されています。 速報をお届けしましたが、日本語ブログが出たらまたご案内したいと思います。 東京リージョン他、N.Virginia、Ohio、Oregon、N.California、Canada、Ireland、Paris、Frankfurt、London、Singapore、Sydney、Seoulでご利用いただくことができます。 – プロダクトマーケティング エバンジェリスト 亀田

Read More

AWS RoboMaker-インテリジェントなロボットアプリケーションの開発、テスト、デプロイと管理

私は何十年もの間ロボットをつくりたいと思っていましたが、今、私にはチャンスができました!私にとって、常時接続で相互に影響する部品の数が非常に多いということが課題でした。複雑なハードウェア、ソフトウェア、センサー、通信システム、および「ロボットの脳」は、ロボットが必要に応じて機能するために、すべて一緒に機能する必要があります。 これから、AWS RoboMakerについてお話しようと思います。この新しいサービスは、あなたの夢であるロボットの開発、シミュレート、テスト、およびデプロイの手助けをするサービスになります。クラウドベースの開発環境でコードを開発し、Gazeboシミュレーションでテストし、完成したコードを1つまたは複数のロボットの群に展開することができます。 コードをデプロイしたら、いくつかのクリックで、アップデートやバグ修正をあなたのフリートに適用することができます。 あなたのコードは、Amazon Lex、Polly、Amazon Rekognition、Amazon Kinesis Video Streams、Amazon CloudWatchなどのAWSサービスを利用して、洗練されたロボットの脳を構築し、ROS(Robotic Operating System)のパッケージとしてアクセスできます。 また、Amazon SageMakerモデルを構築してトレーニングして、ロボットの脳内で機械学習を利用することもできます。 RoboMakerは、さまざまな物理環境(ホームワークショップ、工場フロア、教室、レストラン、ホテル、または別の惑星)、さまざまな形状とサイズのロボットで動作するように設計されています。 それでは見てみましょう

Read More

re:Invent 2018 Midnight Madness/ AWS DataSync

みなさん、こんにちは。アマゾン ウェブ サービス ジャパン、プロダクトマーケティング エバンジェリストの亀田です。 re:Invent 2018 ミッドナイトマッドネス中にAWS DataSyncという新サービスがサイレントアナウンスにて発表されました。 AWS DataSync AWS DataSyncをご利用いただくことで、AWSとの間のデータ転送が最大10倍となります。オンプレミスストレージとAmazon S3またはAmazon Elastic File System(Amazon EFS)間のデータの移動を自動化するためのデータ転送サービスです。DataSyncは、独自のインスタンスの実行、暗号化の処理、スクリプトの管理、ネットワークの最適化、データ整合性の検証など、移行を遅らせる原因になることや、IT運用に負担をかけるデータ転送に関連する多くのタスクを自動的に処理します。オンプレミスのソフトウェアエージェントを使用して、ネットワークファイルシステム(NFS)プロトコルを使用して既存のストレージまたはファイルシステムに接続するため、アプリケーションの変更が不要となります。 DataSyncエージェントを構内に配置し、ファイルシステムまたはストレージアレイに接続し、Amazon EFSまたはS3をAWSストレージとして選択し、データの移動を開始します料金はコピーしたデータに対してのみ発生します。 データセンターの移行、ハイブリッドワークロードにおけるデータ共有、DRを目的としたデータ保護など多くのユースケースでご利用いただけます。 すべてのデータは、トランスポートレイヤセキュリティ(TLS)で暗号化され、保存されたデータはAWS Key Management Service(AWS KMS)と統合されているため、AWSで安全にデータを暗号化できます。データが正常に到着することを保証し、転送ごとに、転送中と処理完了の両方で整合性チェックを実行します。これらのチェックでは、宛先に書き込まれたデータがソースから読み取られたデータと一致し、一貫性が確認されます。 こちらにチュートリアルとしてステップバイステップガイドがあります。 サービスリリース時点から東京リージョンに対応し、こちらに料金及びその他対応リージョンがまとまっています。 速報をお届けしましたが、日本語ブログが出たらまたご案内したいと思います。 – プロダクトマーケティング エバンジェリスト 亀田

Read More

re:Invent 2018 Midnight Madness/ AWS RoboMaker

みなさん、こんにちは。アマゾン ウェブ サービス ジャパン、プロダクトマーケティング エバンジェリストの亀田です。 re:Invent 2018 ミッドナイトマッドネスでAWS RoboMakerという新サービスが発表されました。 AWS RoboMaker https://aws.amazon.com/robomaker/ インテリジェントロボットアプリケーションの開発、テスト、および展開を容易にするサービスです。RoboMakerは、最も広く使用されているオープンソースのロボティクスソフトウェアフレームワークであるRobot Operating System(ROS)をクラウドサービスへの接続性で拡張します。これには、ロボットがデータをストリーミングし、ナビゲートし、コミュニケーションし、理解し、学ぶことを可能にするAWSの機械学習サービス、監視サービス、および分析サービスが含まれます。RoboMakerは、アプリケーション開発のためのロボティクス開発環境、アプリケーションテストを加速するロボティクスシミュレーションサービス、およびリモートアプリケーションの展開、更新、および管理のためのサービスを提供します。 AWS RoboMakerは、インテリジェントロボットアプリケーションの開発、テスト、および展開のための4つのコア機能を提供します。 ROS用クラウド拡張 Robot Operating System(ROS)は、ロボットアプリケーションの構築に役立つソフトウェアライブラリを提供する、最も広く使用されているオープンソースのロボットソフトウェアフレームワークです。AWS RoboMakerは、ROSのクラウド拡張機能を提供しているため、インテリジェントなロボティクスアプリケーションに必要な、よりリソース集約型のコンピューティングプロセスをクラウドにオフロードし、ローカルのコンピューティングリソースを解放することができます。これらの拡張機能により、ビデオストリーミング用のAmazon Kinesis Video Streams、画像およびビデオ分析用のAmazon Referencing、音声認識用のAmazon Lex、音声生成用のAmazon Polly、ロギングおよび監視用のAmazon CloudWatchなどのAWSサービスとの統合が容易になります。RoboMakerはこれらのクラウドサービス拡張をオープンソースのROSパッケージとして提供しているため、クラウドAPIを活用してロボットに機能を構築することができます。 開発環境 AWS RoboMakerは、ロボットアプリケーションの構築と編集を行うためのロボット開発環境を提供します。RoboMaker開発環境はAWS Cloud9をベースにしているため、ロボティクスアプリケーションコードを編集、実行、デバッグするための専用ワークスペースを起動できます。RoboMakerの開発環境には、オペレーティングシステム、開発ソフトウェア、ROSが自動的にダウンロード、コンパイル、設定されます。さらに、RoboMakerクラウドエクステンションとサンプルロボティクスアプリケーションは環境にあらかじめ統合されているため、数分で起動することができます。 シミュレーション シミュレーションは、ロボットアプリケーションが複雑な環境や変化する環境でどのように動作するかを理解するために使用されるため、高価なハードウェアに投資したり、物理的なテスト環境を設定する必要はありません。代わりに、物理的なハードウェアに展開する前に、ロボットアプリケーションのテストや微調整にシミュレーションを使用できます。AWS RoboMakerは、大規模および並列シミュレーションをサポートし、シミュレーションの複雑さに基づいて基盤となるインフラストラクチャを自動的に拡張する、完全に管理されたロボティクスシミュレーションサービスを提供します。RoboMakerは、屋内の部屋、小売店、レーストラックなどの事前構築された仮想3Dワールドを提供しているため、シミュレーションでこれらのワールドをダウンロード、変更、使用することができ、迅速かつ簡単に始めることができます。 フリート管理 アプリケーションが開発または変更されたら、アプリケーションをロボットに安全に展開し、後でロボットが使用されている間にアプリケーションを更新するOTA(Over-The-Air)システムを構築します。AWS RoboMakerは、ロボットレジストリ、セキュリティ、フォールトトレランス機能を備えた車両管理サービスを提供しています。これにより、ロボットのライフサイクル全体にわたって、OTAアップデートを展開し、ロボットアプリケーションを管理することができます。RoboMakerのフリート管理を使用して、ロボットをグループ化し、それに応じてバグ修正や新機能を更新することができます。 また日本語ブログでAWS RoboMakerの記事が出たら詳細をお知らせしたいと思います。 ROSのAWS RoboMakerクラウド拡張は、Apache Software License 2.0にて無料で提供されます。ROSアプリケーションがこれらのクラウド拡張を介してAWSサービスを利用する場合にのみ、標準のAWSサービス料金が発生します。 GitHubにサンプルアプリケーションがありますので合わせてご参考ください。 https://github.com/aws-robotics/aws-robomaker-sample-application-helloworld https://github.com/aws-robotics/aws-robomaker-sample-application-persondetection https://github.com/aws-robotics/aws-robomaker-sample-application-voiceinteraction https://github.com/aws-robotics/aws-robomaker-sample-application-cloudwatch Amazon RoboMaker はUS East […]

Read More

re:Invent 2018 AWS CloudFormation セッションガイド

re:Invent2018 開幕まであとわずかになりました。例年のように、 AWS CloudFormation が提供するインフラストラクチャデプロイの舞台裏やフロントエンドを語り尽くす、ブレークアウトセッション、ワークショップ、チョークトーク(ホワイトボードによる講義)などが予定されています。 ここではセッションカタログからいくつかのハイライトをピックアップし、続いてCloudFormationにフォーカスしたセッションやワークショップの一覧を示します。 re:Invent 2018 参加者の方はもちろん、会場にお越しでない方もイベント後の情報収集のためにご利用ください。

Read More

re:Invent 2018に向けて 2018年11月後半アップデートのまとめ 第三弾

みなさん、こんにちは。アマゾン ウェブ サービス ジャパン、プロダクトマーケティング エバンジェリストの亀田です。ラスベガスではいよいよre:Invent 2018の開催に向けて準備が本格化してきております。日本からいらっしゃる皆さんも今日到着される方が多いようです。お待ちしております。 それでは、第一弾、第二弾に続き、アップデートのまとめをお届けいたします。 AWS Resource Access Manager が発表されました。 AWS アカウント間でのリソース共有を容易にします。リソースは、組織、組織単位 (OU)、AWS アカウントで共有することができます。また、組織外のアカウントを特定のリソース共有に追加できるかどうかをコントロールすることもできます。日本語ブログをご参照ください。 Amazon Rekognition が、顔の検出、分析、認識機能の更新を発表 これらの更新により、画像からより多くの顔を検出し、より正確な顔のマッチングを実行し、画像内の顔から年齢、性別、感情の属性を取得する能力が向上します。最新の更新により、以前は見逃されていた顔の 40% を検出できるようになりました。同時に、誤検出の割合は 50% 削減されています。こちらの日本語ブログに新たに検知が可能となった画像のサンプルが掲載されています。 AWS Application AutoScaling がAmazon Kinesis Data Streams のスケーリングに対応しました。 シャードを自動的に追加・削除するスケーリングポリシーを定義できるようになりました。 Amazon CloudWatch メトリクスに基づいて Amazon Kinesis Data Streams に Auto Scaling ソリューションをデプロイすることができます。こちらの日本語ブログに、環境を自動的に設定する AWS CloudFormation テンプレートと、Lambda 関数に関連するコードも記載されています。 AWS Database Migration Service が Amazon Elasticsearch Service を移行ターゲットとしてサポートしました。 AWS DMSはデータ移行の自動化を実行を可能とし、サポートされているソースからAmazon ESターゲットへのデータの連続複製の実行が可能です。これらのソースには、関連データベース(OracleやAmazon Aurora等)、NoSQLデータベース(MongoDB)、またはAmazon […]

Read More

re:Invent 2018に向けて 2018年11月後半アップデートのまとめ 第二弾

みなさん、こんにちは。アマゾン ウェブ サービス ジャパン、プロダクトマーケティング エバンジェリストの亀田です。 サンフランシスコの空港に到着し、ラスベガス行きの飛行機を待っています。ラスベガスでは空港でre:Invent2018へのチェックインができるようになっています。会場でもできますので、ご無理なさらず皆さんのご都合の良い場所でチェックインをしてくださいね。 さて、第一弾に続き、2018年11月後半アップデートのまとめをお届けします。 Amazon SageMaker が Object2Vec と IP Insight の組み込みアルゴリズムをサポートするようになりました。 Object2Vecは、類似の単語、フレーズ、および文章があるアプリケーションで使用される教師付き学習アルゴリズムです。例えば、文書分類システムの構築、ユーザーの格付けが紐づく映画推薦システムなどで使われます。 IP Insightsは、リクエストのIPアドレスを分析して不審なオンライン動作を識別する新しい教師なし学習アルゴリズムです。アルゴリズムは統計モデリングとニューラルネットワークを使用して、例えば、銀行のアカウントへのユーザーのアクセス履歴からIPv4アドレスを識別し攻撃の検知等に用いられます。 AWS CodePipeline の実行速度が向上し、かつステージごとにより多くのパイプラインアクションをサポートしました。 パイプラインアクション間の遷移時間を短縮し、パイプラインの実行時間が短縮され、ビルドとテストの結果がすぐに得られ、機能をより迅速に反復することができるようになりました。すべてのアクションタイプに対してステージあたりのアクションのデフォルト制限が最大20から50になりました。 AWS CloudTrail が AWS Organizations をサポートしました。 組織全体でAWS CloudTrailを1つのアカウントから作成、管理、展開することができるよになり、組織内の各メンバーアカウントに自動的に適用される統一イベントロギング戦略を定義できるようになりました。 Amazon EMR が Jupyter Notebook をベースとしたマネージド分析環境である、EMRノートブックをリリースしました。 EMRノートブックはSpark用に事前設定されており、Sparkのマジックカーネルをサポートしているため、PySpark、Spark SQL、Spark R、Scalaなどの言語で書かれたEMRクラスタ上でSparkジョブを対話的に実行することができます。これらのライブラリをインポートしてデータを操作し、豊富なグラフィカルなプロットで計算結果を視覚化することを可能にするCondaのオープンソースライブラリがノートブックに付属しています。さらに、各ノートブックにはSparkの監視機能が組み込まれており、ジョブの進行状況を監視し、ノートブックから直接コードをデバッグすることができます。 Amazon Connect が コンタクトフローの設定に、Loop (ループ)ブロックをサポートしました。 ループブロックを使用すると、コンタクトフローのセグメントを繰り返すことができ、例えば、クレジットカード、口座番号、社会保障番号などの難しい入力を、顧客が簡単に入力できるようになります。また、悪天候のために会社が閉鎖されていることを知らせる際など、指定した回数だけ電話をかける処理ができるようになります。 Amazon Transcribe が リアルタイムの文字書き起こし(トランスクリプション)に対応しました。 ライブ・オーディオ・ストリームからテキスト・トランスクリプトをリアルタイムで受信できる機能が加わり、リアルタイムトランスクリプションが可能となりました。 AWS Lambda が Python 3.7 […]

Read More

re:Invent 2018に向けて 2018年11月後半アップデートのまとめ 第一弾

みなさん、こんにちは。アマゾン ウェブ サービス ジャパン、プロダクトマーケティング エバンジェリストの亀田です。 いよいよ明後日からre:Invent2018が米国ラスベガスで開催されます。毎年re:Inventの開催に先立ち多くの機能リリースが行われます。今年は例年以上のボリュームで多くの機能リリースが11月後半に発表されました。量が多くまとめるのが大変というお声をいただき、以下にその内容を纏めたいと思います。 Cloud Frontが10周年を迎え6つのエッジロケーションが新たにオープンしました。 シカゴ、ニューアーク、アシュバーン、ミュンヘン、東京、リオデジャネイロ。世界65都市、29カ国、150拠点となりました。 CloudFrontがオリジンのフェイルオーバー機能をサポートしました。 プライマリオリジンが利用できないことをCloudFrontが検出した場合に、セカンダリオリジンからコンテンツが提供されるようにプライマリとセカンダリの2つのディストリビューションを設定できるようになり、サービスの継続性が向上します。 CloudFrontがWebSocketをサポートしました。 デフォルトで有効となり、設定変更は不要です。そして追加料金も発生しません。 Amazon Neptune がHTTPSの暗号化通信に対応しました。 Transport Layer Security(TLS)1.2プロトコルを介してNeptuneのGremlinサーバーとSPARQL 1.1プロトコルRESTエンドポイントに接続できるようになりました。SSL用証明書は自動で設定され管理の必要はありません。 Amazon SageMakerがAmazon CloudWatchと連携しトレーニングジョブの監視、視覚化に対応しました。 ClouldWatchコンソールでメトリックを視覚化し、SageMaker APIとCloudWatch APIの両方を使用してメトリックを照会することができます。組み込みアルゴリズムとカスタムアルゴリズムの両方でサポートされました。 Amazon SageMaker が Apache Airflowに対応しました。 Apache Airflowは、クラウドやオンプレミスに導入できるワークフローをプログラムで作成、スケジュール、および監視するためのオープンソースのプラットフォームであり、モデルトレーニング、ハイパーパラメータチューニング、モデル展開、バッチ変換などの管理でご利用いただけます。 Amazon SageMakerがTensorflow 及び Chainer のサポートで機能拡張されました。 TensorFlowおよびChainerスクリプトの実行が容易になり、高性能アルゴリズムのライブラリ、自動モデルチューニング、ワンクリック展開、マネージドホスティングによる管理および分散トレーニングなどでご利用いただけます。 Amazon CloudWatch が Automatic Dashboard という機能をリリースしました。 自動ダッシュボードには、AWSサービス推奨のベストプラクティスがあらかじめ組み込まれており、リソースを認識したままで動的に更新され、重要なパフォーマンスメトリックの最新の状態が反映されます。すべてのAWSリソースの正常性とパフォーマンスの集計ビューを取得できるようになり、モニタリングを迅速に開始し、メトリックとアラームのアカウントとリソースベースのビューを調べ、ドリルダウンしてパフォーマンスの問題の根本原因を探ることができます。 AWS Batch が EC2 AMD インスタンスをサポートしました。 AMDベースのEC2インスタンスである R5a 及び […]

Read More

Amazon SageMaker と Amazon Redshift を利用した、高速・柔軟・セキュアな機械学習基盤の構築

データウェアハウス環境として、 Amazon Redshift に販売データ・ログデータ・センシングデータ等を蓄積し、これらのデータを用いて機械学習の活用を検討されるケースは多いと思います。高速にクエリを実行できる Redshift と、Amazon SageMaker による Jupyter Notebook を用いた対話的なデータ分析と機械学習を活用し、需要予測・レコメンド・異常検知などを行うことが可能です。 本稿では、 Redshift から Amazon VPC 内でセキュアにデータを取得し、SageMaker を利用した分析・機械学習パイプラインを構築する方法をご紹介します。前半では、アーキテクチャの概要を説明します。後半では、そのアーキテクチャのサンプルを構築し 、SageMaker から SQL クエリを実行して、データを分析する方法について説明します。環境を簡単に構築できるよう、 AWS CloudFormation のテンプレートを用意しているので、実際に試しながら読み進めることができます。SageMaker や Redshift の概要については末尾に記載した参考記事をご覧下さい。 アーキテクチャ概要 大規模データに対し、高速・柔軟・セキュアにデータ分析を行うための、Redshift と SageMaker を組み合わせたアーキテクチャを以下に示します。     AWS を利用した分析・機械学習パイプラインとしては様々なアーキテクチャが考えられますが、ここでは Redshift に対して SageMaker の Jupyter Notebook 上から SQL クエリを実行し、必要なデータのみを取得して分析・可視化・機械学習を行うことを想定します。Redshift のサンプルデータが Amazon S3 にあるため事前にそれを読み込んでいます。 それでは、具体的にアーキテクチャの詳細を確認していきましょう。 速度と分析の柔軟さの両立 データの分析・可視化・機械学習を行う場合、ブラウザ上で動作する対話型データ分析ツールである Jupyter Notebook […]

Read More