Category: *Post Types

この記事は Amazon Elastic Container Service (ECS) Auto Scaling using custom metrics (記事公開日: 2022 年 5 月 23 日) の翻訳記事です。 導入 Amazon ECS を使用することで、クラスター管理のための独自のインフラストラクチャをインストール、運用、スケールする必要がなくなります。 お客様は、Amazon ECS 上で動作するマイクロサービスアプリケーションのデプロイとスケーリングに、水平スケーラビリティを採用しています。これは、Application Auto Scaling サービスを用いて、メトリクスデータに基づいて自動でスケールすることで実現できます。

この記事は Write Your Own Code with AWS Amplify Studio を翻訳したものです。 AWS Amplify Studio により、開発者は Figma デザインから容易に React コンポーネントを生成することができます。そして、開発者向けに構築されているため、コードは最も重要な部分の 1 つです。この投稿では、Amplify Studio で生成されたコンポーネントと組み合わせて独自のコードを作成する方法について説明します。 Amplify Studioを初めて使用する場合は、まずこのチュートリアルを読んでください！

この記事は AWS Proton Self-Managed Provisioning (記事公開日: 2022 年 3 月 23 日) を翻訳したものです。 この記事は、本リリースに関する 2 つの記事のうちの後編です。この記事では、最近ローンチされた機能のうち、2 つ目の機能である、AWS Proton と自己管理型プロビジョニングワークフローの接続について説明します。HashiCorp Configuration Language (HCL) と Terraform を使って AWS Proton テンプレート を作成する方法については、AWS Proton Terraform テンプレート を参照してください。また、AWS Proton に慣れていない方は、製品全体の概要を説明する AWS Proton テンプレート (前編の記事) を読むことをお勧めします。

この記事は AWS Proton Terraform Templates (記事公開日: 2022 年 3 月 23 日) を翻訳したものです。 re:Invent 2020 において、AWS はサーバーレスおよびコンテナベースのアプリケーションのインフラプロビジョニングとコードデプロイメントの自動化と管理を目的とした新サービス AWS Proton をローンチしました。ローンチ当初は AWS Proton を使ったインフラストラクチャをプロビジョニングするための唯一のオプションとして AWS CloudFormation が、お客様に提供されました。HashiCorp Terraform のサポートは、現在公開されているロードマップの中で最も投票された項目のため、ローンチ後の優先事項としてすぐに決まりました。 2021 年、AWS Proton は 2 つの新機能のサポートを開始しました。 HCL (HashiCorp Configuration Language) で記述された AWS Proton のテンプレートを登録する機能 お客様所有の Git リポジトリへのプルリクエストによる自己管理型プロビジョニングのワークフロー 今回は、このリリースに関する 2 つの記事のうちの 1 つをご紹介します。この記事では、上記の最初の機能である、 Terraform を使った AWS Proton テンプレートの作成について取り上げます。

この記事は “ Getting started with a healthcare data lake ” を翻訳したものです。 ヘルスケアに関連するデータは、量と種類の両面において驚異的な拡大を続けています。International Data Corporation (IDC)¹ によると、2018 年時点の世界のヘルスケアデータは 1,218 exabytes (エクサバイト) と推定され、年平均成長率 (CAGR) についても 36％ と、今後も急速に急増していくことが予想されています。さらに Hong et al² は、このデータの管理は、技術的な不均一性から適切なレベルのセキュリティとプライバシーの維持の難しさに至るまで、無数の課題があるため、ヘルスケア業界に大きな障壁をもたらすと指摘しています。しかし、これらは乗り越えなければならない障壁です。Amazon とその他の企業が共同で発表した Cloud Healthcare Pledge にあるように「適切な許可と制御を伴ったヘルスケアデータのスムーズな交換は、ヘルスエコシステム全体において、より良い患者ケア、より高いユーザー満足度、さらなるコスト削減につながる」のです。

AWS Content Analysis ソリューションは、コンテンツベースの完全に自動化された動画検索エンジンです。AWS の画像認識と音声解析の AI サービスを使用して動画コンテンツを定量化し、その後、ユーザーが指定した検索条件に従って動画コレクションを閲覧できるように動画をカタログ化します。このソリューションは、検索用に動画アーカイブをカタログ化するために必要な人間の関与を劇的に減らすことができる自動化を提供します。

AWS は、動画、画像、音声、テキストを分析し変換するための強力なサービスを提供しています。しかし、これらのサービスを利用するには、AWS Lambda、AWS Step Functions、Amazon S3 などの汎用 AWS API をビルディングブロックとして使用する必要があります。私たちは、マルチメディアアプリケーション開発者にはマルチメディア専用に構築された API の方が有益であると考え、それを開発しました。このブログでは、そのフレームワークである Media Insights Engine について説明します。このフレームワークは、開発者が地道な作業よりも、アプリケーションをインパクトのあるものに集中できるようにすることを目的としています。

昨年、当社は、Amazon EC2 M6i インスタンスと C6i インスタンスの提供を開始しました。これは、第 3 世代のインテル Xeon スケーラブルプロセッサを含む、第 6 世代の製品です。 2022 年 5 月 26 日（米国時間）、ホストサーバーに物理的に接続された NVMe ベースの SSD ブロックレベルインスタンスストレージを利用して、Amazon EC2 M6id および C6id インスタンスを拡張しています。これらのインスタンスは、3.5 GHz のオールコアターボ周波数を備えたインテル Xeon スケーラブルプロセッサ (Ice Lake) と、最大 7.6 TB のローカル NVMe ベースの SSD ブロックレベルストレージを搭載し、前世代のインスタンスと比較して最大 15% 優れたコストパフォーマンスを提供します。

このブログは 2022 年 5 月 25 日に Rodney Underkoffler (Solutions Architect) と Aidan Keane (Senior Specialist Solutions Architect) によって執筆された内容を日本語化した物です。原文はこちらを参照して下さい。 企業が複数のデータセンターや、ストレージ、クラウドプロバイダーにデータを置くことは珍しくありません。たとえデータが単一のクラウドに存在する場合でも、異なるロケーションで動作するワークロードでは、低遅延のデータ分析、災害復旧バージョンの維持、送信元ロケーションの容量確保のためのコールドデータのアーカイブ、新しいロケーションへのデータ移行などの理由から、データのコピーが必要になる場合があります。ファイルデータは企業内で一般的なデータ型であり、異なるストレージシステムやプロトコル間でファイルデータを転送することは困難な場合があります。多くの場合は、カスタムスクリプトやユーティリティを使用することで実現されます。これらの大量データを移動させるスクリプトの作成や、保守、監視、トラブルシューティングは IT 運用の負担となり、データ移行プロジェクトが遅延する可能性があります。 このブログでは、AWS DataSync を使用して Azure Files の Server Message Block（SMB）共有から、AWS ストレージサービスにファイルデータを定期的にコピーする方法について説明します。この記事の執筆時点（2022 年 5 月 25 日）では、Azure で利用可能なネイティブの DataSync エージェントは存在しておりません。そのため、既存の Hyper-V DataSync エージェントを使用して Azure Files から AWS へのデータ移行を高速化する方法を紹介します。ファイルデータは Amazon Simple Storage Service（S3） や、Amazon Elastic File […]

この記事は Building machine learning pipelines with Amazon Kinesis Video Streams を翻訳したものです。 はじめに Amazon Kinesis Video Streams (KVS) は、コネクテッドデバイスから AWS にビデオを安全にストリーミングし、分析、機械学習 (ML) 、再生、その他の処理を簡単に行うことができるようにします。KVS は、数百万台のデバイスからストリーミングビデオデータを取り込むために必要なすべてのインフラを自動的に準備し、柔軟にスケールします。KVS は、ストリームのビデオデータを耐久性をもって保存、暗号化、インデックス化し、使いやすい API を通じてデータにアクセスできます。KVS は、ライブやオンデマンドでのビデオ再生、コンピュータビジョンやビデオ解析を活用したアプリケーションの迅速な構築を可能にします。2022年5月4日、KVS は、ビデオデータを分析し、顧客に実用的な洞察を提供するためのスケーラブルな機械学習パイプラインを容易に構築する新機能を発表しました。このブログ記事では、KVS に保存されているビデオデータを ML 処理に適した画像形式に変換するために必要なコンポーネントを設定する手順を説明します。