Category: General

2021/09/15 にメディア業界のお客様向けに AWS 勉強会を開催いたしました。第七回では AWS でシステム設計を行う方に向けて、AWS 自身がサービス開発において重要視しているシステムアーキテクチャにおける「静的安定性」を高める工夫について、お客様にも応用頂きたくご紹介する内容を前半で、後半では、AWS におけるマルチリージョン構成の考え方を説明しました。講師を勤めたソリューションアーキテクトの八木の経験として、お客様との議論の中で、システム安定性の議論を行う際、シングルリージョン内での取りうる手段について熟考した上でマルチリージョン構成の議論を行う方が有益だと感じるシーンが多かったため、今回はそれら2つのテーマでご説明させて頂きました。 資料のダウンロードおよび動画の視聴は下記のリンクから無料でご利用頂けますので、合わせてご確認ください。 資料のダウンロード及び動画の視聴リンク それではここから当日のセッションの内容について簡単にご紹介させていただきます。

みなさん、こんにちは。AWSソリューションアーキテクトの小林です。 先週はNetwork Load Balancer(NLB)のターゲットグループにApplication Load Balancer(ALB)を設定できるようになるアップデートが発表されました。この機能は多くのお客様からご要望を頂いていた、「ALBを使ったシステムに固定IPアドレスでアクセスしたい」という要件に対応することができます。ALBのIPアドレス自体を固定するわけではありませんが、ALBの前にIPアドレスの固定が可能なNLBをおけるようにすることで、クライアントから見たときに常に同じIPアドレスでALB配下のシステムにリクエストしているように見せることが可能です。ブログの翻訳も終わっていますので、ぜひこちらもご覧ください。 それでは、9月27日週のアップデートを振り返ってみましょう。

パブリックセクター事業開発マネージャー（教育・研究担当）澤です。この記事では今年で2年目の取り組みとなる岐阜大学データサイエンティスト育成事業の一環で行ったAWSを活用したハンズオントレーニングを含む集中講義について、具体的にどのように講義の行ったかについて詳細をご紹介します。 実践データサイエンティスト育成事業とは 超スマート社会のデータサイエンティストに必要な3要素（実世界データ知識，ツールの活⽤スキル，異分野との協業マインド）の育成を⽬的として2019年度に開設されたプログラムで，企業などから提供されるデータを⽤いて実社会の課題をグループワークで解決する「実世界データ演習」を実施することを目標とされています。この育成事業の中の集中講義「高度プログラミング」を2年度にわたりAWSが担当しました。

みなさん、こんにちは。ソリューションアーキテクト、コンテナスペシャリストの荒木です。 AWS Black Belt オンラインセミナーのオンデマンドビデオ化に伴って、コンテナサービスシリーズは6月からリニューアルしました。ひとつのビデオあたりのトピックを小さく絞ってお届けしています。 その結果、今日までの3ヶ月で18の コンテナに関するAWS Black Belt オンラインセミナーをお届けしました。他にも本 Blog を通じて AWS でのコンテナに関する数多くのアップデートをお届けしています。 アプリケーションエンジニアの方や、すでに AWS でのコンテナを活用されている技術者の方はもちろん、コンテナに興味のある多くの方に活用いただきました。そんな方々から、もっと簡単に見られるものはないのかというフィードバックをいただきました。 そこで、ここまでに公開したシリーズコンテンツを一覧で紹介します。 AWS Black Belt オンライン AWS コンテナサービスシリーズの YouTube の再生リストとあわせてご利用ください。 お知らせ 2021年10月27日（水曜日）には AWS Innovate – Modern Applications Edition が予定されています。 コンテナをはじめとするクラウドネイティブアプリケーション開発に特化した、無料のオンラインイベントです。 コンテナ、サーバレス、モダナイズの3トラック構成でおとどけします。 ご自身の課題、興味にあったセッションをぜひお探しください。今すぐ登録ください。

Amazon SageMaker Studio は、すべての機械学習開発ステップを実行できる、統合された Web ベースのビジュアルインターフェイスを提供し、データサイエンスチームの生産性を最大 10 倍にします。Studio では、モデルの構築、トレーニング、デプロイに必要な各ステップへの完全なアクセス、制御、可視性を提供します。Studio ノートブックは、コンピューティングインスタンスとファイルストレージを事前に設定する必要がなく、すばやく起動できるコラボレーションノートブックです。Amazon SageMaker は、インフラストラクチャ管理を抽象化する機能を提供するフルマネージド型サービスで、さまざまな機能と従量課金制の料金モデルを備えた大規模な機械学習ワークロードに必要な俊敏性とスケーラビリティを提供します。 このブログでは、下記の実現方法について紹介します。 Studio のコストを削減するために、自動シャットダウン拡張機能を利用しStudio 内のアイドル状態のリソースを検出してシャットダウンする Studio ドメイン内のすべてユーザーが自動シャットダウン拡張機能を利用するために、自動でユーザープロファイルを追跡し管理者へ通知する 課金が見落とされがちな Amazon SageMaker Data Wrangler のコストを管理するために、自動シャットダウン拡張機能を利用する

この記事は Application Load Balancer-type Target Group for Network Load Balancer(記事公開日: 2021 年 09 月 28 日) を翻訳したものです。 Application Load Balancer（ALB）は、受信したトラフィックをAmazon EC2インスタンスなどの複数のターゲットにロードバランスする、フルマネージドなレイヤ7ロードバランサーサービスです。ALBは、HTTPヘッダやメソッド、クエリ文字列、ホスト、パスベースのルーティングなどのパラメータに基づく、高度なリクエストルーティング機能をサポートしています。また、ALBは、TLSターミネーション、HTTP/2、AWS Web Application Firewall（WAF）の統合など、重要な機能をオフロードします。 Network Load Balancer（NLB）は、TCPとUDPの両方のトラフィックをロードバランスするレイヤ4のロードバランサーサービスです。AWS PrivateLinkをサポートし、ロードバランサーのフロントエンドIPアドレスとして固定IPアドレスをAZごとに提供します。Network Load Blancerは、非常に低い遅延値を維持しながら毎秒数百万のリクエストを処理することができます。 ALBが自動的にスケールアップするのに伴い、ロードバランサーのIPアドレスは動的に変わります。以前、NLBを利用してPrivateLinkの統合やALBのIPアドレスを固定するための方法を提案するブログを公開しました。このソリューションを使用すると、お客様はAWS Lambda関数を活用してALBのIPアドレスをNLBのターゲットとして登録することができます。このソリューションでは、IPアドレスが変更されるとNLBのターゲットIPを更新して、更新されたALB IPアドレスに設定します。この回避策は有効ですが、お客様が管理するコードやサービスが増えてしまいます。 新機能：Network Load Balancerのターゲットグループに、Application Load Balancerを設定できるようになりました 本日、このプロセスを簡素化するために、NLBのターゲットとしてALBを設定できるようになりました。この新機能により、お客様はALBをNLBのターゲットとして直接登録することができ、ALBのIPアドレスの変更を管理する必要がなくなります。これは、新たに導入されたALB型のNLBのターゲットグループを利用することで実現しています。これにより、PrivateLinkとの連携やAZ毎の固定IPアドレス設定などのNLBのメリットと、ALBが提供する高度なルーティングを簡単に組み合わせて、アプリケーションへのトラフィックを負荷分散することが可能になります。

こんにちは。IoT スペシャリストソリューションアーキテクトの嶺です。 本記事では、AWS IoT Deep Dive セミナーシリーズの第5回の開催内容と資料、当日いただいたご質問とその回答をまとめております。

この記事は、「Automating Wind Farm Maintenance Using Drones and AI」を翻訳したものです。 はじめに 風力タービンのメンテナンスは、高額でハイリスクな作業です。ニュースサイトの最近の分析によると、風力発電所のオーナーは、10年間で400億ドル以上を運用・保守に費やすと予想されています。また、別の最近の研究  では、従来のロープを使った検査の代わりにドローンを使った検査を行うことで、運用コストを70％削減し、さらにダウンタイムによる収益の損失を最大90％減少させることができるとしています。 このブログ記事では、ドローン、機械学習（ML）、モノのインターネット（IoT）をエッジとクラウドで活用することで、タービンのメンテナンスをより安全に、よりコストを抑えて行う方法を紹介します。まず、機械学習モデルをクラウド上で学習させ、タービンブレード上の腐食、摩耗、アイシングなどの危険を検出しました。機械学習部分の詳細は、前回のブログ記事でご紹介しています。このモデルをエッジに展開することで、より安全で迅速な検査を実現します。また、クラウドへの継続的な接続を必要とせず、オフラインでも動作します。ユニークなのは、Amazon Augmented AI を通じて、カスタムアラートや条件に基づいて調査結果に関与できる既存のメンテナンスチームを組み込むことができることです。この方法では、専門家があなたから指定された通りにレビューを行うというように、機械学習モデルを継続的な学習プロセスの中に組み込むことができます。このブログ記事は、re:Invent 2020 のビルダー・フェア・プロジェクト「Automating Wind Turbine Maintenance Using Drones and AI」の続きになります。

Operating Lambda シリーズでは、AWS Lambda ベースのアプリケーションを管理している開発者、アーキテクト、およびシステム管理者向けの重要なトピックを取り上げます。この 3 部構成のシリーズでは、Lambda ベースのアプリケーションのパフォーマンスの最適化について説明します。 Part 1 では、Lambda 実行環境のライフサイクルについて説明し、コールドスタートを定義、測定、改善する方法について説明しました。Part 2 では、メモリ構成が Lambda パフォーマンスに及ぼす影響と、静的初期化コードを最適化する方法について説明しました。このブログでは、Lambda 関数のパフォーマンス向上に役立つ関数のアーキテクチャとベストプラクティスについて説明します。

Operating Lambda シリーズでは、AWS Lambda ベースのアプリケーションを管理している開発者、アーキテクト、およびシステム管理者向けの重要なトピックを取り上げます。この 3 部構成のシリーズでは、Lambda ベースのアプリケーションのパフォーマンスの最適化について説明します。 パート１では、Lambda 実行環境のライフサイクルについて説明し、コールドスタートを定義、測定、改善する方法について説明しました。このブログでは、メモリ構成が Lambda のパフォーマンスに及ぼす影響と、静的初期化コードを最適化する方法について説明します。