Amazon Web Services ブログ

Category: General

EC2 スポットインスタンスでワークロードの停止と再開が可能に

EC2 スポットインスタンスは EC2 のコンピューティング容量をオンデマンドレートの 90% オフまで許可することができます。特定のサイズのインスタンス数をリクエストできるようにしてから、スポットフリートと自動スケーリングスポットフリートをサポートすることでスポットインスタンスをより便利そして柔軟にし、ユーザーが希望するレベルのコンピューティング容量を維持できるようにしました。 EC2 ユーザーはこれまでも EBS ボリュームをアタッチした状態を維持しながら実行中のインスタンスを停止させることができ、インスタンスの実行が再開すると停止した所から自動的に始めるアプリケーションの使用を可能にしていました。 スポットワークロードの停止と再開 そして本日、こうした 2 つの重要な機能を組み合わせ、容量が利用不可能になった場合または入札価格以下になった場合にインスタンスを停止 (終了する代わりに) することで、スポット入札やスポットフリートをセットアップできるようにしました。停止状態のインスタンスにアタッチしている EBS ボリュームは EBS-backed ルートボリュームと同様にそのまま維持されます。キャパシティが利用可能になるとインスタンスが開始し、アプリケーションのプロビジョニングや EBS ボリュームのセットアップ、データのダウンロード、ネットワークドメインへの参加などに時間を費やす必要なく引き続き実行することができます。 AWS をご利用されている多くのお客様がアプリケーションを強化してチェックポイントの作成と活用を行い、EC2 プロセスでの開始/停止の機能を利用することで耐障害性を向上させています。そうしたお客様はこのようなアプリケーションをスポットインスタンスで実行できるようになり、平均 70%-90% の節約を実現できます。 インスタンスが停止している間、EBS 最適化、ユーザーデータ、Ramdisk ID、Delete on Termination の属性を変更することができます。停止状態にあるスポットインスタンスはコンピューティング時間に対して料金を請求することはありませんが、アタッチ済みの EBS ボリュームの容量には通常料金が適用されます。 スポット入札またはスポットフリートの作成や停止/開始の使用を特定する方法については次をご覧ください。 主要事項 この機能はスポットインスタンスが利用可能なすべての AWS リージョンで今すぐご利用いただけます。これは新しい EC2 インスタンスと EBS ボリュームの秒単位による請求で上手く機能するように設計されており、スポットインスタンスが提供する以上のコスト節約の方法としても可能性があります。 EBS ボリュームは常に特定のアベイラビリティーゾーン (AZ) 内にあります。そのため、スポットとスポットフリートは特定の AZ が常にその AZ で再起動するようにリクエストします。 幅広く様々なインスタンスタイプが含まれている可能性のあるスポットフリートとこの機能を組み合わせる場合はご注意ください。フリートの構成は時間が経過するに連れて変更することもあるので、アカウントの IP アドレスや […]

Read More

EC2 インスタンスと EBS ボリュームで 1 秒あたりによる請求が可能に

以前は処理能力へのアクセスが必要になるとサーバーを購入またはリースしなければなりませんでした。そのため、2006 年に EC2 をリリースした当時、インスタンスを 1 時間だけ使用し、使用した時間の分だけ支払えるようになったことは大きなニュースでした。この従量制モデルにより、お客様は様々なタイプのアプリケーションを開発したり実行するための新しい方法を考えるようになりました。 そして現在、AWS Lambda は短時間で大くの有用な作業を行えることを明らかに示しています。多くのお客様が、場合によっては数分という短時間で大量なインスタンスを活用できる EC2 インスタンスのアプリケーション構築を検討しています。 EC2 と EBS の秒単位による請求 10 月 2 日より、オンデマンド、リザーブド、スポット形式で起動した Linux インスタンスの使用は 1 秒単位で請求されるようになります。同様に、EBS ボリュームのプロビジョニング済みストレージも 1 秒単位で請求されるようになります。 また、1 秒単位による請求は Amazon EMR と AWS Batch でも適用されます。 Amazon EMR – より素早く結果を得るために、当社のお客様は独自の EMR クラスターに容量を追加しています。クラスターにおける EC2 インスタンスの 1 秒単位による請求で、今まで以上にコスト効率良くノードを追加できるようになりました。 AWS Batch – お客様が実行するバッチの多くは 1 時間内に完了されています。AWS Batch はすでにスポットインスタンスを起動し終了しており、1 秒単位のバッチ処理はさらに経済的になるでしょう。 より高度な知識を備えているお客様は、ゲーム、テクノロジー、3D レンダリングフリートを管理している際に、最も有益なターゲットインスタンスを戦略的に選ぶことで […]

Read More

10 月の AWS Black Belt オンラインセミナーのご案内

こんにちは。ソリューションアーキテクトの焼尾です。AWS Black Belt オンラインセミナー10月の配信についてご案内させて頂きます。10月はソリューションカット、サービスカット共に、実践的なネットワークや認証といった内容や、データレイクを支える新サービス AWS Glue の紹介があります。また、企業様の上層部向けの AWS 解説も行います。 10月の開催予定 サービスカット 10/4(水) 18:00-19:00 Amazon GameLift 10/11(水) 18:00-19:00 Amazon Kinesis 10/18(水) 18:00-19:00 AWS Glue 10/25(水) 18:00-19:00 AWS Key Management Service ソリューションカット 10/3(火) 12:00-13:00 AWSへのネットワーク接続とAWS上のネットワーク内部設計 10/10(火) 12:00-13:00 AWSにおけるアプリ認証パターンのご紹介 10/24(火) 12:00-13:00 エグゼクティブ向けAWS紹介 お申し込みは、それぞれ上記のリンクより行って頂けます。キャンセルの際も連絡不要ですので是非お早めにご登録ください。Speaker、Staff 一同みなさまのご参加をお待ちしております。

Read More

Amazon Redshift の CA 証明書更新についてのおしらせ

2017/09/26 更新: sslMode 設定が require の場合も,CA 証明書更新を行なっていただく必要がある旨を追記しました Amazon Redshift は現在 CA 証明書の更新作業を行なっており、新しい証明書は AWS Certificate Manager (ACM) が発行したものとなります。これに伴い、現在 Amazon Redshift をご利用中の多くのお客さまにつきまして、Amazon Redshift クライアントの CA 証明書更新作業をお願いすることとなりました。該当するお客様に対しては、すでに Action Required: Amazon Redshift – SSL certificate expiring on October 23rd 2017 という題名のメールが届いているかと思います。 今回の更新作業の対象となるお客様は、以下の条件のすべてに当てはまる方々です。 Amazon Redshift クラスターに対して SSL で接続しており、sslMode 設定で require,verify-ca または verify-full を指定されている方 GovCloud(米国)、中国(北京)、中国(寧夏)以外のリージョンで Amazon Redshift を利用されている方 上記に該当するお客さまにつきましては、こちらを参考に、CA 証明書の更新を行なってください。対応期限は 2017/10/23 となりますので、早めの対応をお願いいたします。 […]

Read More

大阪Cloud Road Showが開幕します。

いよいよ、AWS Cloud Roadshow 2017 powered by Intel®が始まります。 AWS Cloud Roadshow 2017 powered by Intel® は、広島、大阪、名古屋、福岡の 4 都市を巡る無料クラウドカンファレンスです。 明日第二弾大阪を開催いたします。 本イベントでは、各地域で活躍を拡げる著名企業様によるクラウド導入事例セッションや AWS クラウドの最新テクノロジートレンドをご紹介するテクニカルセッションなどを通して、AWS が提供する様々なサービスのベストプラクティスを知ることができます。 見どころのセッションをご紹介します。まずは、基調講演と導入事例トラックの2つです。 基調講演ではIoT GreengrassのServiceTeamよりSatyen Yadavが今後のロードマップについて発表をさせていただきます。 AWSのイベントは学習型イベントであることをかかげていますが、その中でもお客様から直接AWSを使った感想をお話いただくことを重視しています。そのセッションの中でも 「2017/9/21 16:20 ~ 17:00 導入事例トラック 【パネルセッション】関西企業事例に学ぶ AWS で実現するデータベースマイグレーション」 は実際にAWSへデータベースをマイグレーションいただいたお客様にご登壇いただくパネルディスカッションとなっています。弊社西日本担当の柳生がモデレータを務めさせていただきます。 AWSでは多くのマイグレーション系のツールをご準備しています。その纏めのスライドを以下に転載しますので合わせて読んでみていただくとより理解が深ると思います。 なぜマイグレーション系のツールが必要となるのでしょうか。システムは立ち上げ当初はそのすべてが管理者により正しく管理され、全てが把握されています。しかし、時間の経過とともに、パッチが適応され、アプリケーションはバージョンアップを繰り返します。システムマイグレーションでは、まず最初のステップとしてシステムの全容の把握が必須となりますが、これがかなり大変な作業となります。AWSの各マイグレーション系のツールはこれらの作業をより簡便にするための機能を備えています。 Migration to aws as of 20170920 from Kameda Harunobu 例えばDMS(Database Migration Service)では、機械的に移設可能なデータベースのテーブルやスキーマなどを洗い出し、手作業が必要な部分を洗い出してくれます。また異なるデータベースエンジン間の移行をサポートすることにより、たとえば商用データベースからクラウド上のOSSベースのデータベースへの移設プロジェクトや同データベースエンジンにおける異なるバージョン間の移設プロジェクトをサポートします。 SMS(Server Migration Service)は2種類の使い方が可能となっています。メインのサーバ移行を行う場合と、AWS上にDRを構築する場合です。メインサーバの移設であれば、vCenter経由で仮想化されたサーバの移設が機械的に可能です。一方DR用途でマイグレーションを行う場合、日々変動するデータなどの差分移行が必要となります。従来のVM Import/Exportツールと異なり、差分移行をサポートしているのがSMSの大きな特徴です。 それらの使い勝手などお客様の声を是非直接聞いてみてください。 またサーバレスを中心としたお客様事例もあります。 そして最後はJAWS […]

Read More

ディープラーニングネットワーク (GAN と Siamese) を組み合わせハイクオリティでリアルなイメージを生成

ディープラーニングはトレーニングに使用するデータの量と質に依存するため、企業は優れたイメージデータを得ようと多額の費用を投資をしています。通常、そうした企業はコストの掛かる人間による注釈を使ったり、製品や人物の写真を撮るなど、多大な作業を要しています。けれども、このアプローチはコストが掛かる上に拡張性もありません。コンピュータをトレーニングしてハイクオリティなイメージを生成すれば、コストを大幅に削減しビジネスの成長を促進することができます。 このブログ記事では、Amazon の私の同僚数人がまとめた「Semantically Decomposing the Latent Spaces of Generative Adversarial Networks」という学術論文で取り上げられているコンセプトを分かりやすく説明します。この論文は、Semantically Decomposed GANs (SD-GANs) の使用を可能にするため、Generative Adversarial Networks (GANs) と Siamese Networks (SNs) を実際に適用する場合について説明しています。 GANs と SNs は比較的高度なディープラーニングシンボルで、現実的な問題を解決するために各自または他のディープラーニングシンボルと組み合わせて使用することができます。こうしたシンボルを組み合わせると、AI アプリケーションは難しく複雑なビジネス上の問題をより多く解決できるようになります。たとえば、AI の主なチャレンジの 1 つは注釈やタグ付けしたデータの欠如です。ハイクオリティな注釈データには多大なコストが掛かるため、これを利用できるのは大規模で経済的に余裕のある企業に限られています。この論文で説明されているようなディープラーニングの方法を使うと、より多くの企業が質の高いデータを少ないサンプルから生成することが可能になります。 リアルなイメージを分析するために作成者が GANs や SNs そして SD-GANs をどのように使用し、同じ人物やオブジェクトのコントロールしたバリエーションで「偽」のイメージを生成する方法を説明します。パラメータやあなたが設定した「監視プロパティ」により、偽のイメージを別の視点から作成したものに見せたり、別の照明や、より良質な解像度を使用、もしくはそれに似たようなバリエーションを使用したかのように見せることができます。この論分で説明されているイメージ分析を使用すると、プロがフォトショップで加工したもの、または 3D モデルを使用して作成したかのように、実にリアルなイメージを作成することができます。 図 1: 論文で説明されている方法を使用して生成したサンプル各行は同じ顔のバリエーションを示しています。各列は同じ監視プロパティを使用しています。 Generative Adversarial Networks とは? Generative Adversarial Networks (GANs) は、ニューラルネットワークの比較的新しいディープラーニングアーキテクチャです。これは 2014 年にカナダのモントリオール大学の Ian […]

Read More

Apache MXNet と Apple Core ML を使用して iOS に Machine Learning を導入

Apple が Core ML を WWDC 2017 でリリースしたことにより、iOS、macOS、watchOS、tvOS の開発者が Machine Learning とアプリを容易に統合できるようになりました。開発者は数行のコードでインテリジェントな新機能を取り入れることができます。Core ML により、モバイル開発者が Machine Learning を使いやすくなります。さらにラピッドプロトタイピングと別のセンサー (カメラ、GPS など) の使用も有効にし、今まで以上によりパワフルなアプリを構築することができます。 MXNet コミュニティのメンバーと Apple や Amazon ウェブ サービス (AWS) からの協力者により、MXNet を使用して構築した Machine Learning モデルを Core ML 形式に変換するツールが作成されました。このツールにより、開発者は Apple デバイス対象の Machine Learning を使用するアプリを構築しやすくなりました。この変換ツールを使うと、ディープラーニングを有効にしたアプリケーションで高速パイプラインを利用できます。Apple デバイスでの推測のランタイムを高速にするために MXNet を使用し、AWS クラウドで効率的な分散モデルトレーニングにスケーラブルから移動することができます。 このコンバーターツールのリリースをサポートするため、優れた iOS アプリを構築しました。イメージの場所を推定する LocationNet モデルを紹介した AWS AI ブログの記事「AWS EC2 で […]

Read More

Apple Core ML と Keras が Apache MXNet をサポート

Apache MXNet バージョン 0.11 が利用可能になりました。このリリースでは MXNet がコミュニティ開発と Apache プロジェクトを生み出す上で大きな節目を迎えています。今回のリリースのコードは Apple、Samsung、Microsoft の開発者を含む協力者により実現されました。このプロジェクトには現在の時点で 400 人以上の協力者が参加しています。このプロジェクトのコードベースは完全に Apache への移行を完了し、インキュベーティングプロジェクトとして公式にリリースされた第一弾です。このリリースの重要ないくつかの機能については過去のブログでご紹介しました。このブログ記事ではハイライトを再びご説明します。 MXNet モデルを使用して iOS、macOS、watchOS、tvOS 対象のアプリで Machine Learning を構築 Apple の Core ML が WWDC 2017 でリリースされたことにより、開発者は独自のアプリに Machine Learning を簡単に統合できるようになり、いくつかのコードでユーザーにインテリジェントな新機能を提供することができます。すでに、拡張現実といった我々が環境を経験する方法において変化をもたらしています。高速に進化している AI 機能がさらに拡大していくに連れ、開発者は私達のエクスペリエンスを強化する新機能を利用可能にする新たな Machine Learning モデルにアクセスできるようになります。 Apple はアプリ開発者が最新技術のモデルを利用できるようにするため、Apache MXNet プロジェクトにコードを提供しています。MXNet は MXNet を使ってクラウドで Machine Learning モデルを構築しトレーニングを可能にする Core ML を開発者が利用できるようにしました。Xcode に直接インポートすることも可能になり、独自のアプリでインテリジェントな新機能を簡単に構築できます。様々なアプリケーションや独自で構築するモデルに、トレーニング済みモデルの MXNet Model Zoo から選択することができます。このリリースは MXNet モデルを […]

Read More

Amazon Lex ボットのスキーマを Alexa Skills Kit にエクスポート

Alexa スキルの作成プロセスをシンプルにするため、Amazon Lex チャットボットのスキーマを Alexa Skills Kit にエクスポートできるようになりました。 Amazon Lex が Amazon Lex チャットボットの定義を Alexa Skills Kit (ASK) に追加できる JSON ファイルとしてエクスポートできるようになりました。ASK にボットのスキーマファイルを追加すると、Amazon Echo、Amazon Dot、Amazon Look、Amazon Tap、Amazon Echo Show、Alexa を有効にしたサードパーティ製のデバイスで使用する Alexa スキルを構築できます。JSON 設定ファイルには発話、スロット、プロンプト、スロットタイプを含む Amazon Lex チャットボットの構造が含まれています。エクスポート機能は Amazon Lex チャットボットで Alexa スキルの作成プロセスをシンプルにすることができます。 Alexa スキルを作成するには、次のステップを実行して ASK ポータルにある Amazon Lex ボットの定義ファイルを使用できます。手順については次をご覧ください。 Amazon Lex コンソールから ボットの作成、構築、発行が完了したら開発したボットリストを含むページに戻ります。 ラジオボタンを使ってエクスポートしたいボットを選択します。ボットを選択するとページ上部の [Actions] タブが有効になります。 [Actions] タブのドロップダウンメニューの項目から […]

Read More

Apache MXNetとApple Core MLを使った機械学習をiOSアプリケーションに組み込む

AppleのWWDC2017で発表されたCore MLを使えば、iOSやmacOS、watchOS、tvOSの開発者は、 自分のアプリケーションに機械学習モデルを簡単に統合することができるようになります。Core MLによって、開発者はほんの数行のコードを追加するだけで、インテリジェントな新しい機能をユーザに提供できるようになります。Core MLを使えば、モバイルアプリケーションの開発者が機械学習を簡単に利用出来るようになり、プロトタイプを素早く構築することが出来ますし、これまでのアプリよりもパワフルなアプリを開発するために、カメラやGPSなどの様々なセンサーを使用できるようにもなります。 MXNetコミュニティーのメンバー達(AppleやAWSの社員もcontributorとして活動しています)は、MXNetを使って作られた機械学習モデルをCore MLのフォーマットに変換するためのツールを作りました。このツールを使えば、 Appleのデバイス向けのアプリに機械学習を簡単に組み込むことが 出来ますし 、Deep Learningを組み込んだアプリケーションのための高速なパイプラインを手にすることになります。つまり、AWSクラウド上で スケーラブルかつ効率的に、MXNetを使用した分散モデルトレーニングを行なった結果を用いて,Apple デバイス上で高速な推論処理を行うことが可能となります。 この変換ツールのリリースをサポートするために、我々はcoolなiOSアプリケーションを構築することにしました。本アプリは、以前のAWS AI Blogの「AWS EC2上でのMXNetと Multimedia Commonsデータセットを用いた 画像の場所の推測」という投稿を参考にしています。この投稿では、LocationNetモデルを使って写真がどこで撮影されたのかを予測しています。 本記事では、MXNetのモデルからCore MLに変換するための環境の構築方法および、既存のモデルの変換方法 、変換したモデルをSwiftで開発したiOSアプリケーションにimportする方法について説明します。このアプリケーションは、写真の撮影場所を予測するモデルに写真を入力し、撮影場所をマップ上に表示します。実行環境としては、iOS 11 betaがインストールされたiPhoneなどの物理iOSデバイスをおすすめします。シミュレータを使う場合にはXCode 9.0 beta付属のシミュレータで試してみてください。 本記事の執筆時点では、Xcode9、iOS11、Core MLはまだbeta版のため、XcodeやiOSのダウンロードのためにはApple Developer Programアカウントが必要となります。2017年中にはすべてリリースされる予定なので、リリース後であれば、MacのApp StoreやiOSデバイスのSoftware UpdateからXcode9やiOS11を入手できるようになります。 MXNetと変換ツールのインストール 変換ツールはmacOS High Sierra 10.13 beta 8にインストールして動かしてみました。Core ML Modelを使った推論をせずに、変換ツールを動かすだけならmacOS El Capitan (10.11)以上であれば大丈夫です。 変換ツールを利用するにはPython2.7のインストールが必要です。 MXNet frameworkおよびmxnet-to-coreml toolをインストールするためには下記のコマンドを実行します。 pip install mxnet-to-coreml MXNetモデルの変換 LocationNetモデルはp2.16xlargeのAmazon EC2インスタンス1台と、AWS […]

Read More