Amazon Web Services ブログ

Category: Technical How-to

AWS Backup を使用して Amazon S3 のオブジェクトをリストアするときに、最終更新日時のタイムスタンプを保持する

Amazon S3 オブジェクトを AWS Backup でリストアする際に最終更新日時のタイムスタンプを保存する方法

通常、規制の厳しい業界のお客様は、データの整合性を維持し、ライフタイム全体を通じて利用できるよう義務付けられた規則に従っています。整合性要件を満たすためには、関連する任意の監査証跡やオブジェクト作成日時、最終更新日時、タグなどのメタデータ情報と共にデータはリストア可能でなければなりません。

AWS DataSync を使用して Azure Blob Storage から Amazon S3 へ移行する

AWS サービス間のデータ転送、オンプレミスから AWS へのデータ移動、他のパブリッククラウドやストレージメディア間のデータ移行など、さまざまなデータ移行要件について、私たちは日々お客様とお話ししています。これらのリクエストに共通するテーマの 1 つは、AWS ネイティブでシンプルかつ費用対効果の高いデータ転送方法が必要だということです。お客様は、単にデータを別の場所に移動するためだけの、独自のスクリプト、スケジューリングツール、および監視ソリューションを作成して維持することを望んでいません。

Amazon Location Service を利用した効率的なトラックルーティング

トラックは毎日、何百万トンもの物資を全国に輸送しています。その効率的なルーティングは、物流企業の収益だけでなく、経済全体にも大きな影響を与えます。効率的なトラックルーティングは、輸送・物流業界にとって不可欠な要素であり、トラックにとって最も効率的なルートを戦略的に計画し、物資を輸送することにつながります。その主な目的は、タイムリーな配送と資源の最大活用を確保しながら、移動距離を減らすことです。トラックのルートを最適化することで、物流会社は業務の効率性と収益性を大幅に向上させることができます。本記事では、Amazon Location Service のトラックルーティング機能についてご紹介します。この機能は、HERE Technologies の提供する正確で新鮮かつ堅牢なデータを活用し、物流企業の目標達成を支援します。

Amplify カスタムリソースを用いた AWS Step Functions と AWS Amplify の連携

AWS Amplify では、amplify add custom コマンドと AWS Cloud Development Kit (AWS CDK) または AWS CloudFormation を使用して、Amplify で作成したバックエンドにカスタム AWS リソースを追加することが可能です。これによって開発者は Amplify のビルトインユースケースを超える AWS リソースをプロジェクトに簡単に追加・管理することができます。
本記事では、Amplify カスタムリソースを使用して AWS Step Functions ワークフローを Amplify プロジェクトに追加します。

Amazon Connect エージェントワークスペースのステップバイステップガイドを始める

コンタクトセンターにおいて、エージェントのトレーニングは時間がかかる作業です。そこで、Amazon Connect ステップバイステップガイドを利用することで、エージェントはすぐに優れたカスタマーサービスを提供することができます。この記事では Amazon Connect ステップバイステップガイドの概要、どのようにセットアップするのか、どのようにカスタマイズするのかを順を追って説明します。

Amazon VPC Lattice と AWS Gateway API コントローラーのご紹介:Kubernetes Gateway API の実装

AWS は Amazon Virtual Private Cloud (Amazon VPC) の新機能である Amazon VPC Lattice の一般提供を発表しました。サービス間通信の接続、保護、監視をおこなう一貫した方法が提供されます。Amazon VPC Lattice の提供の一環として、Kubernetes Gateway API の実装である AWS Gateway API コントローラー を紹介します。

Amazon S3 File Gateway による大規模データ移行とコスト削減

データをクラウドに移行するには、さまざまなタイプのデータ移行経験や、ソースデータ構造やメタデータを保持する仕組みが必要です。お客様はオンプレミスのファイルデータを従来のファイルサーバーに格納する際、データライフサイクル管理等の理由でデータ作成時のタイムスタンプを併せて保持することが多くあります。一方でお客様は、データ構造やメタデータを保持しハイブリッドクラウド構成をサポートするような、クラウドへの移行方法を悩まれているのではないでしょうか。その結果として、お客様はコストやパフォーマンス、スケールなど、クラウドストレージのメリットを最大限享受できなくなります。

AWS Step Functionsを使用してオンプレミスの機械学習コードを Amazon SageMaker に取り込む

この記事では、オンプレミス環境で作成された機械学習コードを、最小限のリファクタリングで AWS 環境に移行し、またAWS内の機械学習サービス Amazon SageMaker の機能を最大限活用する方法について解説します。
非効率であることは分かりつつも修正の時間を取ることができないようなケースにおいて、Amazon SageMaker と AWS Step Functions を用いてデータサイエンティストと MLOps エンジニアという 2 人の開発者がどのようにリフトアンドシフトするのかを説明していきます。

AWS CDK Pipelines を用いたマルチブランチ管理とインフラのデプロイ

この記事では、AWS Cloud Development Kit (AWS CDK) を用いて GitFlow モデルに従って開発するための AWS CDK Pipelines モジュール の利用方法について説明します。ソフトウェア開発チームはソリューション開発のライフサイクルの中で厳格なブランチ戦略に従うことがよくあります。GitFlow モデルによるインフラのプロビジョニングにより、開発者はアプリケーションの同じスタック内であっても互いに独立して同時並行的に作業することができます。