Amazon Web Services ブログ

こちらはIoT SiteWiseのシニアプロダクトマネージャー Saras Kaul、AWS Professional Service の IoT Global Specialty Practice に所属するシニアデータアーキテクト Asim Kumar Sasmal、シニアコンサルタント Mark Gilbertによる投稿になります。 産業に関するお客様は、安全で費用効果が高く、信頼性の高い、次のようなフィールドからクラウドへのソリューションを求めています。 数万のPLCとセンサーを持つ数百の産業現場からすべてのデータを取り込む デバイス、プロセス、および機器の主要な測定値およびメトリクスをニアリアルタイムで可視化 状態監視を有効にし、必要に応じてアクションを実行するために、ニアリアルタイムで通知とアラートを送信 レポートのためヒストリカルデータによるビジネスインテリジェンス（BI）を有効にする この複数パートに及ぶ投稿では、AWS IoTが顧客がこれらの主要な課題を解決するのをどのように支援するかの例を紹介します。 パート1(このブログ)で、あなたは次の方法を学びます : AWS IoT SiteWiseを使用して、産業アセットの仮想表現を作成する 産業現場にしまい込まれたデータを収集し、AWS IoT SiteWiseに取り込む この記事では、データをサブスクライブするためにAWS IoT SiteWise の OPC-UAサーバとしてKepwareのKEPServerEXと、付属のSimulator Driver を利用します。ただし、それ以外の任意のOPC-UAサーバも使用できます。 パート2で、あなたは次の方法を学びます : AWS IoT SiteWiseの新機能であるSiteWise Monitorを使用してアセットの主要な運用パラメータとパフォーマンスメトリクスを監視し、必要に応じてニアリアルタイムで必要なアクションを実行する パート3で、あなたは次の方法を学びます : モデル化された機器データをAWS IoT SiteWiseからリアルタイムでストリーミングして、AWS IoT Coreのルールエンジンを介してカスタムアプリケーションで使用する 状態のモニタリングを有効にし、AWS IoT Eventsを使用してニアリアルタイムで通知またはアラートを送信する […]

本日、グラフニューラルネットワークを簡単に実装できるオープンソースのライブラリ Deep Graph Library が Amazon SageMaker で使用できる機能が発表されました。 近年では、手書き文字・画像・動画などの複雑なデータから、精巧なパターンを抽出できる優れた能力によって、深層学習が世の中を席巻しています。しかしながら、このようなカテゴリーに分類されないデータは多く存在しており、こうしたデータはグラフを使うことでより適切に表現可能な場合があります。直感的にも、畳み込みニューラルネットワークや回帰型ニューラルネットワークのような従来のニューラルネットワークは、このようなデータに対して適切ではないことがわかりますし、新たなアプローチが必要と言えます。 グラフニューラルネットワークとは グラフニューラルネットワーク(GNN)は最近開発された機械学習に関連した技術の中で最もわくわくするものの一つで、これらの参考文献を読むことで、まずは概要を理解できます。 GNNは次のようなデータセットに対する予測モデルを作成するために使用されます。 ソーシャルネットワーク: 人同士の関係性を示すグラフ 推薦システム: カスタマーと商品の関係性を示すグラフ 化学構造解析: 化合物が原子やそれらの結合としてモデル化されているグラフ サイバーセキュリティ: ソースとデスティネーション IP アドレスの関係性を示すグラフ 多くの場合、これらのデータセットは非常に大きく、その一部にしかレベル付けがなされていません。例えば、詐欺行為の検出を目的として、特定の人物が詐欺を働く確率を予測するために、詐欺を過去に働いたことがある既知の人物との関係性を解析するシナリオを考えます。これは、グラフの一部のみが詐欺師または善良な人物としてラベルづけされている半教師あり学習のタスクになります。そして、人手でラベル付けした大規模なデータセットを用意して、データを「linearize」し、従来の機械学習アルゴリズムを適用するよりも良いソリューションであると言えます。 このような問題へ取り組むにあたって、それぞれの業界知識 (小売、金融、化学など) 、コンピュータサイエンスの知識 (Python, 深層学習, オープンソースのツール) 、IT インフラの知識 (モデルのトレーニング、デプロイ、スケールリングの方法) が必要になります。全てのスキルを習得できる方はごく少数でしかないため、Deep Graph LibraryやAmazon SageMakerのようなツールが必要とされています。 Deep Graph Libraryの紹介 Github上で2018年 12月にリリースされたDeep Graph Library (DGL) とは、研究者や科学者が自分たちのデータセットを対象に、GNNのすばやい開発・学習・評価を補助してくれるPythonのオープンソースライブラリです。 DGLは PyTorch や Apache MXNet のようなポピュラーなディープラーニングフレームワークの上で動作するようになっています。これらのフレームワークに関する知識がある場合は、初心者でも安心な実装例を通して簡単に使い始めることができます。GTC 2019 で開催されたワークショップの資料も非常に参考になります。実装例を試したあと、DGL で実装された最先端のモデルをここから試すことも可能です。例えば、Graph Convolution Network (GCN) と CORA […]

by Martin Beeby | on 02 DEC 2019 | in AWS re:Invent, Enterprise Strategy, Launch, Migration, News | Permalink | Comments |  Share エンタープライズのお客様では、業務に必要な古いWindows Serverアプリケーションがあり、サポートされている新しいバージョンのWindows Serverに移行できない状態に陥ることがよくあります。 お客様は、これらの古いアプリケーションを移行できない多くの理由をお持ちです。アプリケーションはWindows Serverの特定のバージョンに依存しているか、そのアプリケーションに関する専門知識がなかったり、インストールメディアやソースコードが失われた状態になっているのかもしれません。 2020年1月14日に、Windows Server 2008および2008 R2のサポートは終了(EOS: End of Support)します。 これらのサポートされていないバージョンのWindows Serverでのみ実行できるアプリケーションがあると、セキュリティ更新プログラムが無償提供されなくなり、セキュリティとコンプライアンスのリスクに対して脆弱になるため問題があります。 またこのようなアプリケーションは、大幅な改修グなしでクラウドに移行することも困難です。 EOSを迎えたバージョンのWindows Serverでのみ実行される古いアプリケーションがある場合、延長サポートが検討される事があります。 ただし、OSのアップグレードと言う避けられないことを遅らせているだけであり、お客様は古いアプリケーションを将来にわたって保証する長期的なソリューションが必要だと語っています。 長期的な解決策 これ等の問題を支援するために、本日、 AWS End-of-Support Migration Program (EMP) for Windows Server プログラムを発表します 。 この新しいプログラムは、テクノロジと専門家のガイダンスを組み合わせて、Windows Serverの旧バージョンで実行されている古いアプリケーションを、AWSでサポートされている新しいバージョンのOS上に移行します。 […]

本日のAWS re:Invent 2019にて、AWS Fargate Spotを発表します。Fargate SpotはAWS Fargateの新しい機能です。中断に強いAmazon Elastic Container Service (Amazon ECS)タスクに最適であり、Fargate価格から最大70%割引で提供します。 もしEC2スポットインスタンスを知っていれば、同様のコンセプトで理解できます。Fargate Spotは、AWSクラウドの空きキャパシティを活用してタスクを実行します。Fargate Spotが空きキャパシティを確保できるかぎり、ユーザーは指定したタスクを起動することができます。AWSにキャパシティが必要になったとき、Fargate Spotで稼働するタスクは2分前の通知とともに中断されることになります。Fargate Spot用のキャパシティが使用できなくなると、Fargateは稼働中の通常のタスクを保持しながら、Fargate Spotで稼働するタスクをスケールダウンします。 タスクが中断される可能性があるという特性から、中断が許容できないワークロードをFargate Spotで稼働させるべきではありません。一方で中断耐性のあるワークロードに対しては、コスト最適化に大きく貢献します。 Fargate Spotは特に画像のレンダリング、モンテカルロシミュレーション、ゲノム解析といった並列度の高いワークロードに適しています。また高可用性を求められるウェブサイトやAPIサーバーのように、ECSサービスの一部となるタスクに対してもFargate Spotを適用することができます。 クラスター定義を作成・更新する際、常時稼働させるべき最低限のタスク数を指定し、さらに性能向上を狙いとするタスクをコスト効率の良いFargate Spot上で稼働するように構成することができるようになります。サービス定義のService Auto Scalingを利用することで、Fargate Spot用のキャパシティが使用可能になり次第、リクエストを満たすようにスケジューラーがタスクを起動し、Fargate Spot用のキャパシティが使用できなくなると、前述の通り先に指定した常時稼働タスクを保持しながら、Fargate Spotで稼働するタスクがスケールダウンする、という動作を実現することもできます。 AWS Fargate Spotの開始方法を見ていきましょう。 まずECSマネジメントコンソールより、新規のECSクラスターを作成します。Fargate起動タイプを選択するため、ここでは”Networking only”を選択し、ウィザードを進めます。 クラスターが作成されたらば、”Capacity Providers”タブからキャパシティプロバイダーを追加します。デフォルトではFARGATEとFARGATE_SPOTの2種類のキャパシティプロバイダーが用意されています。 キャパシティプロバイダーとしてFARGATE_SPOTを用いるのに、まずデフォルトのプロバイダーをFARGATE_SPOTに変更します。”Update Cluster”ボタンをクリックし、次の画面で”Add provider”をクリックしてFARGATE_SPOTを追加し、Updateボタンを押します。 続いて、これまでのようにタスクを起動します。事前に設定済みのタスク定義から、10のタスクを指定し、また”VPC and security groups”セクションでVPC関連の必要情報をセットしたのちに”Run Task”をクリックします。 起動された10個のタスクは、通常のFargate環境ではなくFargate Spot環境が選択されています。あるタスクをクリックしてみると、実際にキャパシティプロバイダーとしてFARGATE_SPOTが使用されたことがわかります。 ここまで、Fargate Spotの開始方法を紹介してきました。ぜひお手元でも試してみてください。 数週間前にCompute Savings Plansをリリースしました。FargateはCompute Savings Plansの一部に含まれます。さらにここでFargate Spotが登場したことより、費用の大幅な効率化とともに、様々な種類のアプリケーションへの一層の活用が期待できます。いま、Fargateを使うのにまたとないチャンスが訪れていると言えるでしょう。 […]

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 シニアエバンジェリストの亀田です。re:Invent 2019 2日目（12月3日）が終了しました。本日はAndy JassyのKeynoteがあり、非常に多くのサービスが発表されました。re:Invent2019らしい一日でした。 またJapan Nightもおこなわれ会場は大きく盛り上がりました。弊社代表取締役社長の長崎による始球式 （ストライクチャレンジ中） 司会を務めさせていただくのもなんと4年目となりました。今年は会場も広く音量も適切で安心しました。 それでは早速本日のまとめです。 Amazon Kendraが発表されました 機械学習を活用した非常に正確で使いやすい新しいエンタープライズ検索サービスです。自然言語を使用したより直感的な検索方法を提供し、より正確な回答を返すので、エンドユーザーは会社全体に広がる膨大な量のコンテンツに保存されている情報を見つけることができます。ユーザーは、「産休はどれくらいですか」などの質問をすることができます。「14週間」、そしておそらく関連するであろう「VPNの設定方法」などの具体的な回答が得られます。プロセスを説明するドキュメントから特定の文章を抽出します。Kendraを使用すると、マニュアル、調査レポート、FAQ、HRドキュメント、カスタマーサービスガイドなどのコンテンツから正確な検索精度を提供できます。Kendraのプレビューには、SharePoint Online、Amazon S3、およびデータベース用の組み込みコネクタが用意されていますが、Kendra APIを使用して他のデータソースからデータを取り込むこともできます。将来的に、Kendraは、Box、Dropbox、Salesforce、OneDriveなどの他の一般的なデータソース用追加のコネクタを提供を予定しています。 Amazon Managed Apache Cassandra Serviceをプレビューリリースしました Apache Cassandra互換のデータベースサービスであり、使用する同じCassandraアプリケーションコード、Apache 2.0ライセンスのドライバー、およびツールを使用してAWSクラウドでCassandraワークロードを実行することができます。テーブルは、実質的に無制限のスループットとストレージで、実際の要求トラフィックに基づいて自動的に拡大縮小できます。Amazon Managed Cassandra Serviceは、あらゆる規模で一貫した1桁ミリ秒のパフォーマンスを提供します。テーブルはデフォルトで暗号化され、データは耐久性と高可用性のために複数のAWSアベイラビリティーゾーンに複製されます。 Amazon EC2 M6g, C6g, and R6gがリリースされました 次世代のArmベースのAWS Graviton2プロセッサを搭載し最大40％の価格/パフォーマンスの向上を実現します。64ビットArm Neoverseコアを使用する新しいAWS Graviton2プロセッサと、AWSが設計した高度な7ナノメートル製造技術を使用して構築されたカスタムシリコンを使用しています。AWS Graviton2プロセッサは、第7世代のパフォーマンス、4倍の計算コア、コアあたり2倍のプライベートキャッシュ、5倍の高速メモリなど、第一世代のAWS Gravitonプロセッサに比べていくつかのパフォーマンス最適化を提供します。コアあたり2倍の浮動小数点パフォーマンス。さらに、完全に暗号化された常時オンのDDR4メモリを備え、セキュリティをさらに強化し、コアごとの暗号化パフォーマンスを50％高速化します。 Amazon EKSでAWS Fargateがリリースされ、サーバレスのKubernetesポッドが実行できるようになりました Amazon Elastic Kubernetes Service（EKS）は、AWSでKubernetesを簡単に実行できるマネージドサービスです。AWS Fargateは、Amazon EKSクラスターの一部としてKubernetesポッドとして実行されるコンテナに、オンデマンドで適切なサイズの計算能力を提供します。Fargateを使用して、Kubernetesポッドは、要求された計算能力だけで実行され、各ポッドは他のポッドとリソースを共有することなく、独自のVM分離環境で実行されます。実行したポッドに対してのみ料金を支払うことで、追加の作業なしでアプリの使用率とコスト効率を改善します。 Amazon Elasticsearch ServiceのUltraWarmがプレビューリリースされました Amazon […]

2019年12月3日、機械学習（ML）学習時に起こる複雑な問題を自動的に識別する Amazon SageMaker の新しい機能、Amazon SageMaker Debugger を発表できて非常にうれしく思います。 機械学習モデルの構築と学習は、サイエンスと工芸の融合です（魔術と言う人もいます）。データセットの収集から準備、さまざまなアルゴリズムの実験、最適なトレーニングパラメーター（恐ろしいハイパーパラメーター）の探索まで、機械学習を実行する人は高性能のモデルを提供するために多くのハードルをクリアする必要があります。これがまさに、機械学習ワークフローを簡素化し高速化する、モジュール式のフルマネージドサービス Amazon SageMaker を構築する理由なのです。

AWS Transit Gateway は、1 つのゲートウェイを使用して、数千の Amazon Virtual Private Cloud（VPC）とオンプレミスネットワークを接続できるサービスです。 お客様は、このサービスがもたらす運用コストの削減と全体的なシンプルさを享受しています。 さらに、本日(2019/12/03) AWS Transit Gateway インターリージョンピアリングと AWS Transit Gateway マルチキャストという 2 つの新機能がリリースされました。 ピアリング お客様がAWSでワークロードを拡張するときに、複数のアカウントやVPCにまたがってネットワークを拡張する必要があります。お客様は、VPCピアリングを使用して VPC のペアを接続するか、PrivateLink を使用して VPC 間でプライベートサービスエンドポイントを公開することができます。 しかし、この管理は複雑です。 AWS Transit Gateway インターリージョンピアリングでは、これに対処し、複数のAWSリージョンにまたがるセキュアでプライベートなグローバルネットワークを簡単に作成できます。 インターリージョンピアリングを使用すると、組織内の異なるネットワーク間で一元化されたルーティングポリシーを作成し、管理を簡素化し、コストを削減できます。 インターリージョンピアリングを流れるすべてのトラフィックは匿名化、暗号化され、AWS バックボーンによって伝送されるため、リージョン間の最適なパスが常に最も安全な方法で確保されます。 マルチキャスト AWS Transit Gateway Multicast を使用すると、クラウドでマルチキャストアプリケーションを構築し、接続された数千の仮想プライベートクラウドネットワークにデータを配信することが容易になります。 マルチキャストは、単一のデータストリームを多数のユーザーに同時に配信します。 これは、ニュース記事や株価などのマルチメディアコンテンツやサブスクリプションデータをサブスクライバーグループにストリーミングするための好ましいプロトコルです。 AWS は、お客様がアプリケーションをクラウドに移行し、AWS が提供する伸縮自在性と拡張性を活用できるようにするネイティブのマルチキャストソリューションを提供する最初のクラウドプロバイダーです。今回のリリースでは、Transit Gatewayにマルチキャストドメインが導入されました。 ルーティングドメインと同様に、マルチキャストドメインを使用すると、マルチキャストネットワークを異なるドメインにセグメント化し、Transit Gateway を複数のマルチキャストルーターとして動作させることができます。 今すぐ利用可能 これら2つの新機能は準備ができており、今日あなたが試すことを待っています。 インターリージョンピアリングは、米国東部 (バージニア北部)、米国東部 […]

データウェアハウスは、トランザクション系システムや業務アプリケーションから届いたリレーショナルデータの分析に最適化されたデータベースです。Amazon Redshiftは高速でフルマネージドのデータウェアハウスであり、標準SQLや既存のビジネスインテリジェンス（BI）ツールを用いたデータ分析をシンプルかつ効率的に行うことを可能にします。 データウェアハウス内に格納されていないであろう非構造化データから情報を習得するためには、データレイクを構築するという手段があります。データレイクは、全ての構造化データと非構造化データをあらゆるスケールで格納可能な、一元化されたレポジトリです。Amazon Simple Storage Service (S3)上に構築されたデータレイクによって、ビッグデータ分析を行い、機械学習を用いて準構造化データセット（JSON、XMLなど）や非構造化データから知見を得ることが簡単に行えるようになります。

2019年12月3日、Amazon SageMaker Studioという機械学習のための初の統合開発環境（IDE）を提供できることを非常に嬉しく思います。 2017年に Amazon SageMaker がリリースされてからしばらく経ち、このサービスをご利用いただいているお客様の数は増加しています。機械学習開発ワークフローには反復的なプロセスが必要ですが、機械学習ツールが成熟していないために開発者は大変な思いをしてきました。従来のソフトウェア開発時に開発者が当たり前に使用する多くのツール（デバッガ、プロジェクトマネジメントツール、コラボレーション機能、モニタリングツールなど）は、まだ機械学習用には存在していないのです。

2019年12月3日、フルコントロールかつ視覚的に最高の分類・回帰モデルを自動生成する Amazon SageMaker Autopilot をリリースしたことを非常にうれしく思います。