Category: General

今回はクラウドにおける安全なデータの廃棄において取り上げた安全なデータ廃棄をどのように実践するかをお伝えします。

みなさん、こんにちは。セキュリティ ソリューション アーキテクトの中島です。先日(2020年10月23日)にオープンソースで公開した SIEM on Amazon Elasticsearch Service (Amazon ES) をご紹介します。SIEM on Amazon ES は、セキュリティインシデントを調査するためのソリューションです。AWS のマルチアカウント環境下で、複数種類のログを収集し、ログの相関分析や可視化をすることができます。 SIEM on Amazon ES とは SIEM は Security Information and Event Management の略で、セキュリティ機器、ネットワーク機器、その他のあらゆる機器のデータを収集及び一元管理をして、相関分析によって脅威検出とインシデントレスポンスをサポートするためのソリューションです。Amazon ES は、オープンソースの Elasticsearch と Kibana を大規模かつ簡単でコスト効率の良い方法を使用してデプロイ、保護、実行する完全マネージド型サービスです。Amazon ES の環境に SIEM として必要な機能を実装したのが SIEM on Amazon ES です。

こんにちは！AWS Webinar チームです。 2020 年の残すところあと 11 月と 12 月ですね。 11 月は「霜月」といって霜が降る月ですが、もうそんな季節なんですね。 少しづつ寒くなる 11 月の Black Belt では 4 本のアジェンダを配信予定です！ 興味のあるトピックはぜひご登録ください。 視聴方法: オンラインセミナー登録ページよりお申し込みください 11 月のスケジュール AWS CodeStar & AWS CodePipeline 2020 年 11 月 11 日 (水) | 18:00 – 19:00 | IT 知識レベル:★★☆☆☆ | AWS 知識レベル:★★☆☆☆ AWS には素早い市場の変化に追従できるように、迅速に開発および構築をサポートするサービスがあります。今回はその中より、頻繁なアプリケーションアップデートを支える継続的デリバリーサービスの AWS CodePipeline、ならびに継続的デリバリーやコードリリースの環境構築をサポートする AWS CodeStar の機能紹介とユースケースについて解説します。 対象者 AWS […]

本投稿は AWS サーバーレス アプリケーションのシニアデベロッパーアドボケートである Benjamin Smith による寄稿です。 本シリーズの他のパートは以下のリンクからアクセスできます。また、関連するサンプルコードはこちらの GitHub リポジトリにあります。 パート1：サーバーレス LAMP スタックの紹介 パート2：リレーショナルデータベース パート3：Webサーバーの置き換え パート4：サーバーレス Laravel アプリの構築 パート5：CDK コンストラクトライブラリ この投稿では、マイクロサービスを使用してサーバーレス PHP アプリケーションを構築する方法をご理解いただけます。これまでご紹介してきた MVC フレームワークを利用した単一の Lambda 関数によるスケーラブルな Web ホスティングから、分離されたマイクロサービスモデルに移行する方法を示します。なお、このブログ投稿に付随するコード例は、この GitHub リポジトリにあります。 MVC アーキテクチャパターン 従来の LAMP スタックでは、多くの場合、Model-View-Controller（MVC）アーキテクチャを使って実装しています。これは、アプリケーションロジックをモデル、ビュー、およびコントローラの3つの部分に分離して実装する、確立された手法です。 モデル：この部分はアプリケーションのデータを管理する役割を果たします。その役割は、データベースから生データを取得したり、コントローラからユーザー入力を受け取ることです。 ビュー：このコンポーネントは表示に焦点を当てています。モデルから受け取ったデータをユーザーに提示します。ユーザーからの応答が認識され、コントローラコンポーネントに送信されます。 コントローラ：この部分はアプリケーションロジックを担当します。ユーザー入力に応答し、データモデルオブジェクトに対して相互作用を実行します。 データ、ロジック、およびプレゼンテーション層を分離するという MVC の原則により、1つの層での変更が他の層に与える影響を最小限に抑えることが可能です。これにより、開発プロセスがスピードアップし、レイアウトの更新、ビジネスルールの変更、および新機能の追加が容易になります。コンポーネント化によって、再利用とリファクタリングの適用性があがり、同時/並行開発がしやすくなります。 サーバーレス LAMP スタック サーバーレス LAMP スタックアーキテクチャについては、この投稿で説明しています。そこでは Webアプリケーションが 2つのコンポーネントに分割されています。アプリケーションにおける MVC フレームワークの役割をはたす単一の AWS Lambda 関数と、各応答を同期的に返す […]

みなさん、こんにちは。ソリューションアーキテクトの下佐粉です。 今週も週刊AWSをお届けします。 今回紹介するアップデートにはAWS Graviton2 (Armベース)プロセッサ関連のアップデートが2つあるのですが、そのGraviton2の解説や事例を紹介するオンラインセミナーが10/22(木)に開催されます。オンライン開催でどこからでもご参加いただけますので、Graviton2にご興味がある方はぜひご参加ください。申し込みはこちらです。 それでは、先週の主なアップデートについて振り返っていきましょう。

こんにちは。IoT ソリューションアーキテクトの嶺です。 9月16日に開催された IoT@Loft 第14回目のテーマは、「IoTにおけるAI/機械学習活用の取り組み」でした。 各LTのダイジェストを、参加者の皆様から寄せられた質問への回答と共にお送りします。

はじめに 新聞・出版業界のお客様による AWS の活用は大変活発になっています。お客様は、自社の豊富なメディアデータやインサイトを生かし、ビジネスの課題を解決するため、様々なアプローチでクラウドを活用されています。 ぜひとも、皆様のご参考になる事例を紹介させていただきたいと考え、10 月 1 日に「新聞・出版業界における AWS 事例オンラインセミナー」と題して、アマゾン ウェブ サービス ジャパン初となる新聞・出版業界に特化した、オンラインイベントを開催させていただきました。国内のお客様による事例紹介が中心となりますが、ワールドワイドでこの業界向けのビジネスを統括している Dominika Rybakowska（ドミニカ・リバコフスカ）より海外の事例をご紹介しました。   「新聞業界AWS活用Overview」 アマゾンウェブサービスジャパン株式会社 ソリューションアーキテクト 八木 達也から、新聞業界におけるAWS活用の 3 つの傾向についてご説明しました。 ・テジタル配信基盤は既に AWS がデファクトスタンダードとなっている ・コンテンツ制作・管理システムへの活用も活発化 ・分析、AI サービスによる新たな付加価値の創造が進んでいる 上記を事例の紹介と、それらの事例において AWS を選択いただいた理由について考察をお話しました。 なお 以下の表は、各国の AWS Summit に登壇いただいたり、Keynote で紹介させていただいたり、事例をインターネットに公開いただいたお客様のロゴを、年代別にプロットしたものとなります。この年からAWSを利用開始したことを示すものではございません、予めご了承ください。 また、コンテンツ制作・管理システムにおいては、映像、音声、画像やテキストデータを機械学習サービスと連携して、制作・編集作業の自動化や効率化推進はもちろん、履歴データを活用したサービスの離反防止、レコメンデーションといった機能を短期間に実現されるケースが増えてきています。 登壇資料: [Slide]   お客様事例紹介 「中日新聞社のクラウドジャーニー」 ~全社的クラウド活用に向けたCCoE立ち上げ及びガイドライン策定~ 中日新聞社 技術局 局次長 兼 ネットワーク部長の近藤 祐司様より、AWS をベースとした統合クラウド基盤を構築したお話とプロフェッショナルサービスを活用された事例について紹介いただきました。新聞社にとって新聞制作システムが稼働する IT インフラは事業の重要基盤。しかし、二重三重の冗長性担保が当然の高コストな状況から変化が訪れており、費用対効果が求められる時代になってきているとのことです。当初 Web […]

こんにちは、AWSソリューションアーキテクトの小林です。 涼しくなったなぁ、過ごしやすくていいなぁ、と思っていたら先週末の東京は肌寒いような気候でした。ここまでひんやりしてくると、やはり美味しいのは鍋物ですね（若干気が早い気もしますが）。鍋物はだいたい何でも好きなのですが、個人的なナンバーワンはシンプルな鶏肉と野菜の鍋にちょっといいポン酢をつけて食べるやつですね。博多の水炊きに近い気もするのですが、一度も実物を食べたことがないので果たしてどれくらい似ているのかが今ひとつわかりません。いつか本場で水炊きを食べるチャンスがあるといいなぁと思うのですが、なかなか果たせず……。 それでは、先週の主なアップデートについて振り返っていきましょう。

こんにちは！アマゾンウェブサービスジャパン株式会社 ソリューションアーキテクトの秋田です。 ISV/SaaS事業社向けAWS研修の第3弾「AWS『中級』ハンズオンセミナー～スケーラビリティ&可用性編～」を開催しました！こちらの開催報告と合わせてセミナーの内容の紹介や、今後開催される予定の研修内容について紹介したいと思います。 第1弾「今日から一緒にはじめよう！IT基礎知識 & AWS超入門セミナー」の開催報告こちら 第2弾「今日から一緒にはじめよう！AWS『初級』ハンズオン セミナー」の開催報告はこちら ISV/SaaS事業社向けAWS研修とは？ 「SaaSと言えばAWS!」をスローガンに、複数回に渡ってISV/SaaS事業者様に向けてのAWS研修を実施します。 AWSでSaaSとして事業を展開されているお客様、これから構築を検討されているお客様が「SaaS on AWS」でさらに価値のあるサービスを提供できるようにサポートしていきます！ 第3弾は「可用性」と「スケーラビリティ」を学ぶ中級ハンズオン 初級編に引き続き、AWS上にチャットアプリケーションを作成することを通して、可用性が高く、負荷に応じて自動的にスケールするアプリケーションの構築を学びます。AWSを使ったことがないエンジニアの方でも、基本的なところから説明しますので、問題なくご参加いただける内容となっています。 初級編ではチャットアプリケーションを構築しましたが、データベースがクラッシュした場合にはサービス全体が停止してしまうなど可用性に課題があるアプリケーションでした。また、アプリケーションに人気がでてアクセス数が急増した際に対応できない（スケールしない）という課題もありました。実際のWebサービス運用ではこれらの課題を常に考えていかなければなりません。中級ハンズオン「可用性&スケーラビリティ編」では、これらについて最も基本的な対応策をご紹介し、実際に構築していきます。 具体的には、リレーショナルデータベースサービスであるAmazon RDSや、仮想サーバサービスであるAmazon EC2を冗長化し、これらのリソースやAvailabilityZoneに障害があってもサービス全体の可用性が損なわれないようにします。また、AWS AutoScalingにより、ロードバランサへのリクエスト数に応じてEC2の台数を自動的に起動/終了する仕組みを導入することで、サービスのスケーラビリティを確保する方法を学びます。 10月に計2回このハンズオンセミナーを実施しました。当日はオンラインでの開催にも関わらずたくさんの質問をいただき、参加者の皆さまが真剣に取り組まれている様子が伺えました。今後のセミナーをよりよいものにするためにも、お気付きの点などありましたらぜひフィードバックをいただければと思います。 11月は中級ハンズオン「コンテナ編」 2020年11月以降は中級ハンズオン「コンテナ編」の実施予定です。これ以降、SaaSのサービス開発でよく使われる要素技術や典型的なアーキテクチャそれぞれについて、AWS上での構築方法を学ぶためのハンズオンを提供していきたいと思いますので、ぜひご参加いただければと思います。こちらも完全無料でご参加いただけます。   このブログの著者 秋田 仁雅(Akita, Yoshinori) AWSのソリューションアーキテクトとして、主にISV/SaaS事業者のお客様に対する技術支援を担当。最近はElastiCacheが好きです。   上原 誠（Uehara, Makoto） AWSのソリューションアーキテクトとして、主にISV/SaaSのお客様に対する技術支援を担当。技術的な得意/興味領域としては、アナリティクス系テクノロジー、広告系ソリューションなど。

多くの機械学習デベロッパーの方々が、AWS 上でさまざまなアルゴリズムの開発やモデルの構築を行なっています。中でも自然言語処理を行う際には、対象言語の特性に即した形で前処理を行う必要があります。日本語の自然言語処理を実施する際には、形態素解析と呼ばれる文章の分解処理を前位処理として一般的に行います。日本語形態素解析を行うためには、日本語の語彙データが必要となりますが、このデータは通常 GB 以上のサイズに及ぶ大きなサイズとなります。またこれらを用いた計算の際にも大量の GPU および CPU を必要とするため、従来こうしたモデルを構築する際には常にストレージおよびコンピューティングのリソースの調達が問題となってきました。AWS 上で自然言語処理モデルの開発を行う際には、Amazon Sagemaker を用いて学習に必要なリソースを確保することで、ALBERT のような最新の言語モデルを利用することが可能です。 今回、AWS の Open Dataset に新しく、日本語自然言語処理で定番の形態素解析器である MeCab を、ラッパーライブラリである fugashi 経由で Python で使用する際の語彙データが加わりました。以下で詳しく説明します。 MeCab MeCab はオープンソースの形態素解析器で、日本語の形態素解析において幅広く使用されています。言語、辞書、コーパスに依存しない汎用的な設計を 基本方針としており、高速に動作します。 fugashi fugashi は MeCab を Python から使用する際のラッパーライブラリです。unidic-py と連携することにより、下記の UniDic を簡単に読み込んで使用することができます。 UniDic UniDic は国立国語研究所により構築された、日本語テキストを単語に分割し、形態論情報を付与するための電子化辞書です。 このデータは S3 上でホストされているため、AWS で日本語自然言語処理モデルの開発を行う際に、素早くデータをダウンロードして利用することができます。例えば UniDic のデータをダウンロードするのであれば、AWS CLI から以下のコマンドを打つだけです（AWS CLI のインストールについては、こちらをご覧ください。）！ aws s3 cp s3://cotonoha-dic/unidic.zip ./ […]