Amazon Web Services ブログ

Category: Amazon OpenSearch Service

Amazon OpenSearch Service でマルチテナントのヘルスケアシステムを構築する

ヘルスケアシステムは、規制遵守、セキュリティ、パフォーマンスを維持しながら膨大なデータを管理する必要があります。本記事では、Amazon OpenSearch Service を使用してマルチテナントのヘルスケアシステムを構築する方法を解説します。テナント分離モデル、セキュリティフレームワーク、データライフサイクル管理、コスト最適化など、多様なヘルスケアテナントの要件に対応するための具体的なソリューションを紹介します。

IAM Identity Center を使用した Amazon OpenSearch Service の信頼されたアイデンティティ伝播

この記事では、IAM Identity Center の信頼されたアイデンティティ伝播を使用して Amazon OpenSearch Service のデータに安全にアクセスする方法を説明します。この新しいアクセス方法により、SAML ベースのアプローチと比較して認証フローが簡素化され、OpenSearch UI を通じたシームレスなデータアクセスと堅牢なロールベースのアクセス制御を実現できます。

JWT を使用した Amazon Bedrock と Amazon OpenSearch Service による SaaS 向けマルチテナント RAG 実装

本ブログでは、RAG 実装で使用される Vector DB の一つである Amazon OpenSearch Service を例に、JSON Web Token（JWT）と FGAC を組み合わせたテナント分離パターンとテナントリソースへのルーティング方法を紹介します。

Amazon S3 Vectors と Amazon OpenSearch Service によるベクトル検索の最適化

ベクトル埋め込みと類似度検索機能の進歩に伴い、データの保存と検索方法が急速に進化しています。ベクトル検索は、生成 AI やエージェント AI などの最新のアプリケーションにとって不可欠なものとなっています。しかし、大規模なベクトルデータを管理することは大きな課題があります。組織は、数百万または数十億ものベクトル埋め込みを保存して検索する際、レイテンシー、コスト、精度のトレードオフに悩まされることが多くあります。従来のソリューションでは、大規模なインフラストラクチャの管理が必要になるか、データ量が増えるにつれて非常に高額なコストがかかります。

私たちは、Amazon Simple Storage Service (Amazon S3) Vectors と Amazon OpenSearch Service の 2 つの統合機能のパブリックプレビューを公開しました。これにより、ベクトル埋め込みをより柔軟に格納および検索することができるようになります。

OpenSearch ベースのマルチテナント集中ログプラットフォームにおけるワークロード管理

この記事では、OpenSearch ベースのマルチテナント集中ログプラットフォームにおけるワークロード管理について説明します。ルールベースのプロキシと OpenSearch ワークロード管理を使用した多層フレームワークにより、多様なテナントワークロードに対する効率的なリソース割り当てとパフォーマンス分離を実現する方法を紹介します。

Amazon OpenSearch Service で TLS 1.3 と Perfect Forward Secrecy を使用してセキュリティとパフォーマンスを強化する

Amazon OpenSearch Service は、TLS 1.3 と Perfect Forward Secrecy (PFS) をサポートする新しい TLS ポリシー Policy-Min-TLS-1-2-PFS-2023-10 を導入しました。この記事では、この新しいポリシーの利点と AWS CLI を使用した有効化方法について説明します。

Amazon Bedrock in SageMaker Unified Studio を使用した生成 AI アプリケーションの迅速な構築

このポストでは、社内の誰もが Amazon SageMaker Unified Studio で Amazon Bedrock を使用して、販売実績データを分析する生成 AI チャットエージェントアプリケーションを素早く作成する方法をご紹介します。ビジネスチームは、このチャットエージェントとの簡単な会話を通じて、コードを書いたり複雑なデータパイプラインを管理したりすることなく、構造化データと非構造化データの両方から価値のあるインサイトを引き出すことができます。次の図は、Amazon SageMaker Unified Studio in Amazon Bedrock を使用した AI アシスタントの概念アーキテクチャを示しています。

ファーストパーティデータによる D2C (Direct-to-Consumer) マーケティングの実現：生成 AI によるパーソナライズされた体験の提供

消費財 (Consumer Packaged Goods) 企業が長期的な成功を収めるためには、考慮すべき点がたくさんあります。とりわけ、ブランドコントロールを維持し、利益率を改善し、顧客との良い関係を築く新しい方法を見つける必要があります。幸いなことに、生成 AI の出現により、消費財企業がこれらすべての課題に対処できるようになりました。。ただし、これは万能のアプローチではありません。AI を組織に導入するだけでは、最大のメリットは得られません。ビジネス目標に沿った戦略的アプリケーションを採用する必要があります。

← Older posts
Newer posts →