Amazon Web Services ブログ
Category: Analytics
Amazon S3 Tables による Amazon Redshift システムテーブルの長期保持
Amazon Redshift システムテーブルと Amazon S3 Tables の統合により、システムテーブルのログデータを Apache Iceberg 形式で自動的に保存し、7 日間の上限を超えて保持期間を設定できます。独自の ETL パイプラインやクラスターリソースを使わずに、長期的なコンプライアンス対応、監査、ウェアハウス横断の可観測性を実現します。本記事では、機能の仕組み、セットアップ手順、代表的なユースケースを解説します。
AWS Weekly Roundup: EC2 アプリケーションステータスチェック、IAM ロールマネージャー、OpenAI Daybreak on Bedrock など (2026 年 8 月 17 日)
2026 年8 月 10 日週、OpenSearch と Valkey のチームはソウルを訪問し、Open S […]
Agentic AI でつなぐモノ・サービスの改善サイクル 〜 蓄積する運用フェーズのデータを Amazon Quick で次の開発に活用する方法を学ぼう
モノやサービスが生まれる現場では、開発から運用に至るさまざまなフェーズで、日々多くのデータが生まれています。か […]
【開催報告】AWS Summit Japan 2026 レポート:SUMCO が挑む、Amazon Redshift × 生成 AI による半導体ウェーハ製造 DX
本記事は 2026 年 6 月 25 日から 26 日に幕張メッセで開催された AWS Summit Japan 2026 の開催報告です。AWS for Industries Zone に出展した株式会社 SUMCO のブース展示 「Amazon Redshift × 生成 AI で挑む 半導体ウェーハメーカーの DX」 の内容を、SUMCO と AWS が共同で振り返ります。
Amazon Aurora MySQL から Amazon S3 Tables に Apache Iceberg 形式でデータを抽出する
Amazon Aurora MySQL Serverless v2 のデータを AWS Glue 5.0 で Amazon S3 Tables に Apache Iceberg 形式で抽出する方法を紹介します。CloudFormation テンプレートによるインフラの自動プロビジョニングからデータ移行、Amazon Athena でのクエリまでの手順を解説します。
【開催報告】Amazon Quick ではじめるデータドリブン実践ワークショップ in 大阪
こんにちは。アマゾン ウェブ サービス ジャパン合同会社 ソリューションアーキテクトの辻林です。2026 年 7 月 29 日に、大阪オフィスにて「AWS Business Innovation Series – West Japan」の第 3 回を開催いたしました。本シリーズは、西日本のお客様のデジタル変革を加速することを目的に、生成 AI を活用した実践的なプログラムを約 3 ヶ月に 1 回のペースでお届けしているものです。ご参加いただいた皆様に、改めて御礼申し上げます。
本ブログでは、イベントの背景や当日の様子、参加者の皆様からいただいた声をお届けいたします。
Amazon OpenSearch Service が GPU アクセラレーションで 10 億規模のベクトルインデックスを構築する仕組み
GPU アクセラレーションによるベクトルインデックス作成が Amazon OpenSearch Service と OpenSearch Serverless で利用できるようになり、10 億規模のベクトルインデックスを数日ではなく数時間で構築できます。本記事では、GPU ワーカーへ処理をオフロードする分離型アーキテクチャや、NVIDIA cuVS で構築した CAGRA グラフを CPU で検索可能な HNSW に品質を落とさず変換する仕組みを解説します。あわせて、10 億件の 1024 次元ベクトルによるベンチマーク結果と、運用のベストプラクティスも紹介します。
どの AI ツールをどの FinOps ユースケースに使うか?
現在、FinOps プラクティショナーは増え続ける AI ツール群を利用できるようになりました。しかし、それぞ […]
【開催報告】AWS Summit Japan 2026 — 物流異常を Amazon Quick が自動解決:配送在庫の異常検知〜問合せまで一気通貫
物流の現場では、基幹・受発注・在庫・配送など複数のシステムにデータが分散しています。今回の展示では、Amazon Quick がこれらの課題をどのように解決するかを、実際の業務シナリオに沿ってデモでお見せしました。皆さまの物流現場でも、こんな課題はありませんか?
ナレッジグラフと IoT データによる生産ラインのボトルネック分析 〜AI エージェントのための製造データの構造化〜
はじめに こんにちは、IoT Specialist ソリューションアーキテクトの新澤です。2026 年 6 月 […]






