Category: General

本日より、アプリケーション ロードバランサー (ALB)はAWS Lambda functionをターゲットにすることをサポートします。ウェブサイトの構築やウェブアプリケーションをAWS Lambdaを使いサーバレスなコードとして作成、管理し、ウェブブラウザやクライアントからのリクエストに簡単なHTTP(S)フロントエンドを提供するように設定できます。

2015年、私たちはAWS Well-Architected フレームワークを発表し、私は”Are you Well-Architected?“と問いかけをしました。このフレームワークには、クラウドでのシステム設計する際の、5つの柱について設計原則とベストプラクティスが含まれています。

Werner VogelsのKeynoteで、AWS LambdaのアップデートやServerless関連のアップデートが発表されました。 Rubyサポート 従来のJava, Go, PowerShell, Node.js, C#, Pythonに加えて Ruby がサポートされました。 Custome Runtime Linuxで動作するあらゆる言語のランタイムを利用することができるようになりました。 Nested Applications using Serverless Application Repository ネストされたアプリケーションを使用すると、小さなアプリケーションコンポーネントからアプリケーションをまとめて、これらのネストされたアプリケーションを展開することができます。 敏捷性を向上させるために、コンポーネント、モジュール、および完全なアプリケーションをチームと共有することができます。 ALB Support for Lambda LambdaがALBとの連携をサポートしました。 LambdaをALBのターゲットとして登録できるようになり、これにより、既存のアーキテクチャをLambdaに簡単に移行することができます。 EC2、Fargate、およびLambdaを一括して使用するなど、ニーズに基づいてコンピューティングバックエンドを混在させることも可能となります。 Step Functions service integrations AWSの各サービスサーと連携するワークフローをコードの記述なしで作成することができるようになります。 Web Socket support for API Gateway API GatewayのWeb Socket対応予定が発表されました。 LambdaとAPI Gatewayで実行されるリアルタイムの双方向通信アプリケーションを構築することができるようになります。    

Amazon Managed Streaming for Kafka(MSK)のプレビューが発表になりました。 Amazon MSK ストリーミングデータを処理するApache Kafkaは、リアルタイムのストリーミングデータパイプラインとアプリケーションを構築するためのオープンソースのプラットフォームです。Amazon MSKは、Apache Kafka APIを使用してデータ・レイクを作成したり、データベースとの間で変更をストリーミングしたり、マシンの学習および分析アプリケーションを強化することができるフルマネージドサービスです。 Apache Kafkaクラスターは、実動環境でセットアップ、スケール、および管理が難しく、、サーバーのプロビジョニング、手動によるApache Kafkaの構成、障害が発生したサーバーの置き換え、サーバーのパッチとアップグレードの調整、高可用性のためのクラスターの設計、データの永続的な保管と保護、負荷変動をサポートするスケーリングイベントの計画などが必要になります。 KafkaのAmazon Managed Streamingは、Apache Kafkaのインフラストラクチャ管理の専門知識を必要とせずに、Apache Kafkaで本番アプリケーションを構築して実行することを容易にします。つまり、インフラストラクチャの管理に要する時間を短縮し、アプリケーションを構築する時間を短縮できます。 Amazon MSKは、ネットワーク分離、Amazon VPC、コントロールプレーンAPI認証用のAWS IAM、および残りの暗号化など、Apache Kafkaクラスターの複数レベルのセキュリティーを提供します。Amazon MSKの暗号化サポートは、AWS Key Management Service  （KMS）と統合されてい  ます。 – プロダクトマーケティング エバンジェリスト 亀田  

機械学習（Machine Learning: ML）は、トレーニングと推論という2つの異なるフェーズに分かれています。 トレーニングは、モデルを構築すること、すなわち、意味のあるパターンを識別するためにデータセット上で ML アルゴリズムを実行することを扱います。これには大量のストレージとコンピューティングパワーが必要なことが多く、クラウドは Amazon SageMaker や AWS Deep Learning AMI などのサービスで ML ジョブをトレーニングするためのうってつけな場所になります。 推論は、モデルの使用、すなわちモデルが一度も見たことがないデータサンプルの結果を予測することを扱います。ここでは、要件が異なります。開発者は通常、待ち時間（1回の予測でどれくらい時間がかかるか）とスループット（並列で実行できる予測の数）を最適化することに関心があります。 もちろん、リソースが制約されているデバイスを扱う場合は、予測環境のハードウェアアーキテクチャがこのようなメトリックに非常に大きな影響を与えます。Raspberry Pi の愛好家として、私はしばしば、若い仲間が私の推論コードをスピードアップするためにもう少し誘導して欲しいと思っています。 特定のハードウェアアーキテクチャーのモデルをチューニングすることは可能ですが、ツールの欠如が原因でエラーが発生しやすく時間がかかります。ML フレームワークやモデル自体にマイナーな変更を加えると、通常、ユーザーは再び最初からやり直す必要があります。残念なことに、ほとんどの ML 開発者は、基礎となるハードウェアにかかわらずどこでも同じモデルを展開する必要があり、パフォーマンスは大幅に向上しません。

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。 今日はAndy Jassy のKeynoteでの多くの発表を中心として、多くの発表がありました。その纏めをお届けします。 Glacier Deep Archiveが発表されました。（Pre Announce） S3 Glacier ディープアーカイブは Amazon S3 の最も低コストのストレージクラスであり、定期的にアクセスされないデータの長期保存とデジタル保存をサポートします。保存されたすべてのオブジェクトは、地理的に分散した 3 つ以上のアベイラビリティーゾーンにレプリケートおよび保存され、99.999999999% の耐久性によって保護され、12 時間以内に復元できます。 Amazon FSx for Windows File Serverが発表されました。 完全マネージド型の Windows ファイルサーバーに裏付けられたネイティブ Windows ファイルサーバーに、広く採用されている SMB (Server Message Block) プロトコルを介してアクセスできます。SSD ストレージで構築されている Amazon FSx for Windows ファイルサーバーは、一貫したミリ秒未満のパフォーマンスを提供します。 Amazon FSx for Lustreが発表されました。 オープンソースプロジェクトであるLustreをベースにした高並列なファイルシステムであり、ペタバイトスケールのファイルシステムに対するミリ秒以下でのアクセスをサポートします。数千のクライアント（EC2インスタンスやオンプレミスサーバー）による同時アクセスにより、数百万IOPS（Input/Output Operation per Second）や数百GB/secものデータ転送を行うことが可能です。各ファイルシステムはNVMe SSDストレージにより構成されており、3.6 TiB単位でプロビジョンされ、1 TiBごとに200 […]

みなさん、こんにちは。アマゾン ウェブ サービス ジャパン、エバンジェリストの亀田です。 AWS App Meshが発表されました。 AWS App Mesh App Meshは、マイクロサービスの通信方法を標準化し、エンドツーエンドの可視性を提供し、アプリケーションの高可用性を確保することで、AWS で実行されているマイクロサービスのモニタリングと制御を容易にします。 アプリケーション内のすべてのマイクロサービスに一貫した可視性とネットワークトラフィック制御を提供することで、マイクロサービスを簡単に実行できます。 App Mesh を使用すると、アプリケーションコードを更新して、監視データの収集方法やマイクロサービス間のトラフィックのルーティング方法を変更する必要がなくなり、監視データをエクスポートするように各マイクロサービスを構成し、アプリケーション全体で一貫した通信制御ロジックを実装します。 これにより、エラーの正確な場所をすばやく特定し、障害が発生した場合やコード変更を展開する必要がある場合にネットワークトラフィックを自動的に再ルーティングすることが容易になります。 Amazon ECS および Amazon EKS でApp Meshを使用すると、コンテナー化されたマイクロサービスを大規模に実行できます。 App Mesh はオープンソースの Envoy プロキシを使用しているため、マイクロサービスを監視するための幅広い AWS パートナーおよびオープンソースツールと互換性があります。 App Meshは、すべてのマイクロサービスからメトリック、ログ、トレースを一貫してキャプチャします。 このデータを組み合わせて Amazon CloudWatch、AWS X-Ray、および互換性のある AWS パートナーおよびコミュニティツールにエクスポートし、モニタリングとトレースを行うことができます。 これにより、マイクロサービスに関する問題をすばやく特定して切り分け、アプリケーション全体を最適化できます。 – プロダクトマーケティング エバンジェリスト 亀田

ご存知のようにAWSでは、必要なタイミングで必要なだけのEC2インスタンスを起動し、スケール自在なシステムを容易に構築することができます。このときインスタンス自体は数秒で起動するものの、OSとその上で稼働するアプリケーションの起動には一定の時間が掛かります。またキャッシュアプリケーションなど、大量のメモリを用いるアプリケーションを起動し、必要なデータをメモリに展開するのにも時間が必要であり、時には10分以上要することがあります。こういった背景があることから、キャパシティを迅速に増加させられるようにインスタンスを前もって起動しておく方法が採られますが、この場合つい起動し過ぎてしまうということがあります。 EC2インスタンスの休止（ハイバネーション） 本日私たちは、起動したEC2インスタンスを希望したようにセットアップしたのちに、そのEC2インスタンスを休止させ、また再開できる機能を発表します。休止プロセスはそのインスタンスのメモリ状態を保管し、また休止したタイミングで設定されていたプライベートIPアドレスとEIPを保持します。

Amazon Web Services (AWS) は、Amazon FreeRTOS BLEのベータ版を発表しました。本機能により組み込み開発者が、Bluetooth Low Energy (BLE) を使用するAmazon FreeRTOSデバイスをAndroidまたはiOS端末を通して安全にAWS IoTと接続することができます。Amazon FreeRTOSのBLEサポートにより、Wi-Fiを含む他の接続方法よりも低消費電力が必要なデバイス向けの新しいアプリケーション開発が可能になります。 Amazon FreeRTOSのBLEサポートにより、汎用的なAPI経由で標準のGeneric Access Profile (GAP)やGeneric Attributes (GATT)プロファイルを利用することで、Amazon FreeRTOS対応デバイス間で移植可能なBLEアプリケーションの作成や、AndroidやiOS SDKsを利用してAWS IoT機能と統合することが可能です。BLEの仕様によると、GAPはBLEデバイスがどのようにブロードキャストを有効にし、相互接続するかを定義している。GATTは、コネクションが接続されるとどのようにデータが転送されるかを記述している。

未来を予見する能力は、信じられないほどのスーパーパワーとなります。AWSは、あなたにその力を与えることはできませんが、機械学習において、数ステップで時系列の予測を行うお手伝いができます。 時系列予測のゴールは、毎週の売上、1日の在庫レベル、1時間ごとのウェブサイトトラフィックなどの時間依存データの将来の値を予測することです。 今日の企業は、シンプルなスプレッドシートから複雑な財務計画ソフトウェアまであらゆるものを使用して、製品需要、リソースニーズ、財務パフォーマンスなどの将来のビジネス成果を正確に予測しようとしています。 これらのツールは、時系列データと呼ばれる一連の履歴データを見て予測を作成します。例えば、そのようなツールは、レインコートの将来の売上を、過去の売上データと、未来が過去によって決定されるという前提をもとにして、単に予測しようとする場合があります。 このアプローチは、不規則な傾向を持つ大量のデータセットに対して正確な予測を生成するのに苦労する可能性があります。 また、時間とともに変化するデータ系列（価格、割引、ウェブトラフィックなど）を、製品の機能や店舗の場所などの関連する独立変数と簡単に組み合わせることもできません。