Amazon Web Services ブログ

みなさん、こんにちわ。 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 エバンジェリストの亀田です。 現在開催中のAWS Summit Tokyo 2018の、Day3基調講演において、AWS Fargate の 東京リージョンにおけるリリースが、2018年7月予定としてアナウンスされました。 AWS Fargateはサーバーやクラスターの管理をすることなくコンテナの実行環境が提供されるサービスとなり、コンテナを実行するために、仮想マシンのクラスターをプロビジョニング、設定、スケールする必要がなくなります。これにより、サーバータイプの選択、クラスターをスケールするタイミングの決定、クラスターのパッキングの最適化を行う必要がなくなります、サーバーやクラスターの操作や検討が不要になります。 開発者の皆さんは、アプリケーションを実行するインフラストラクチャの管理ではなく、アプリケーションの設計や構築に注力できます。 Amazon ECS には、Fargate 起動タイプと EC2 起動タイプという 2 種類のモードが用意されています。 Fargate 起動タイプでは、コンテナ内のアプリケーションのパッケージ化、CPU 要件やメモリ要件の指定、ネットワーキングポリシーや IAM ポリシーの定義、アプリケーションの起動のみが必要です。一方、EC2 起動タイプでは、コンテナアプリケーションを実行するインフラストラクチャに対して、サーバーレベルの詳細なコントロールを実行できます。 また、FargateのEKS（Amazon Elastic Container Service for Kubernetes）対応も予定されております。Fargteの東京リージョンのラウンチ正式アナウンスも含めて、ぜひ続報をおまちください。 – プロダクトマーケティング エバンジェリスト 亀田

みなさん、こんにちわ。 アマゾン ウェブ サービス、プロダクトマーケティング エバンジェリストの亀田です。 現在開催中のAWS Summit Tokyo 2018で Amazon SageMakerの東京リージョンサポートとChainerフレームワークのサポートが発表されました。 Amazon SageMakerは開発者やデータサイエンティストが、機械学習モデルをあらゆる規模で、迅速かつ簡単に構築、トレーニング、デプロイできるようにする完全マネージド型プラットフォームとなっており、学習基盤のメンテナンスなどの運用作業工数を可能な限り少なくし、本来の目的である学習と推論モデル構築にフォーカスいただくことが可能になります。 Amazon SageMaker には、Amazon S3 に保存されているトレーニングデータを簡単に分析し可視化できる、ホスト型の Jupyter ノートブックが含まれ、S3 のデータに直接接続するか、AWS Glue を使用して Amazon RDS、Amazon DynamoDB、Amazon Redshift からデータを S3 に移動して、それらのデータをノートブックで分析できます。 アルゴリズムの選択に役立つよう、最も一般的な機械学習アルゴリズムが事前にインストールされ最適化されており、他の機械学習サービスと比べて最大 10 倍のパフォーマンスでこれらのアルゴリズムを実行できます。 無料利用枠を利用して、無料で Amazon SageMaker を試すことができます。最初の2ヶ月間、1ヶ月あたり、notebook 利用に 　t2.medium インスタンスを 250時間、モデル学習に m4.xlarge インスタンスを 50 時間、ホスティングに m4.xlarge インスタンスを 125 時間ご利用いただけます。無料利用枠を超えた場合、リージョン毎に利用料金は異なりますが、サービスに関連する秒単位のインスタンス利用料、GB単位のストレージ、サービスに対する GB単位のデータ転送量が課金されます。   7月3日にSageMakerのハンズオンを弊社目黒オフィスで開催いたします。ご興味のある方は是非お越しください。 https://pages.awscloud.com/AmazonSageMaker20180703-jp.html – プロダクトマーケティング […]

Amazon QuickSightは、高速かつ容易に利用できるビッグデータ用のビジネス・アナリティクスサービスです。QuickSightはデータウェアハウスであるAmazon Redshiftや、Amazon Relational Database Service (RDS)に蓄積されたデータやAmazon S3に保存されたフラットファイル、もしくはコネクター経由でオンプレミス環境にあるMySQL、PostgreSQL、SQL Server等にアクセスし、企業が保持する多様なサイズや形式のデータを分析する事を可能にします。QuickSightは数十、数百もしくは数千人規模の組織に対して、必要な性能をスケールして提供可能です。 本日、QuickSightの新しいセッション単位の新しいプライシングに加えて、サポートリージョンの追加、および重要な新機能をローンチします。ではそれぞれを見ていきましょう。

この記事は、Amazon Web Services (AWS)のSAPデジタルコンサルタント、KK Ramamoorthyによるものです。 お客様、パートナー、そして従業員は、様々なチャネルによるシームレスかつセキュアなユーザー体験を求めています。例えば、Amazon Alexaのような音声認識デバイスを使用して注文するお客様は、モバイルデバイスでも同じ体験を必要とするでしょう。あるいは、モバイルアプリを使用してトレーニングマニュアルにアクセスしているフィールドテクニシャンは、拡張現実アプリでもこれらのマニュアルにアクセスして表示できる必要があります。 このような統一されたユーザー体験を実現するには、アプリケーションプログラミングインターフェイス (API)が重要な役割を果たします。APIとAPI管理プラットフォームにより、使いやすいドメインドリブンのサービスをアジャイル型で、柔軟性、安全性、拡張性のある方法で公開できます。

みなさん。こんにちわ。 アマゾン ウェブ サービス プロダクトマーケティング エバンジェリストの亀田です。 開催中のAWS Summit Tokyo 2018で、Amazon QuickSightの東京リージョン対応が発表されました。 Amazon QuickSight は高速なクラウド対応のビジネス分析サービスで、可視化の構築、アドホック分析の実行、データからビジネス上の分析等を行う環境を素早く構築することが可能です。 クラウドのために一から設計された Amazon QuickSight の超高速でパラレル、インメモリの計算エンジン「SPICE」を搭載し、かつ最新のハードウェアイノベーションによって可能になったインメモリ技術、マシンコード生成、データ圧縮を利用しているので、ユーザーが大規模データセットにインタラクティブなクエリを実行し、すばやくレスポンスを得ることを可能にています。 QuickSight のコストは従来の BI ソリューションに比べて 10 分の 1 で、先行投資も、高価なハードウェア購入やインフラストラクチャの管理も、追加のライセンスやメンテナンス料金も不要となっています。 データソースとして以下をサポートしています。 CSV または Excel ファイル Amazon Redshift、Amazon RDS、Amazon Aurora、Amazon Athena、Amazon S3、Amazon EMR (Presto および Apache Spark) などの AWS データソースから取り込んだデータ SQL サーバー、MySQL、PostgreSQL への接続 Salesforce などの SaaS アプリケーションへの接続 AutoGraph と呼ばれる革新的なテクノロジーが活用されており、濃度やデータ型といったデータのプロパティに基づいて最も適切な可視化を選択することが可能です。また、QuickSight iPhone […]

みなさん、こんにちわ。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 エバンジェリストの亀田です。 現在開催中のAWS Summit Tokyo 2018の、弊社代表取締役社長長崎による基調講演において、Amazon Elastic File System (EFS)の東京リージョンにおけるリリースが、2018年7月予定としてアナウンスされました。 EFSは、クラウドのアーキテクチャーをベースに設計された、スケーラブルで、高信頼性、伸縮自在なファイルストレージで、使いやすく、ファイルシステムをすばやく簡単に作成および構成するためのシンプルなインターフェイスを提供しています。 Amazon EC2インスタンスにマウントして利用する形態をとります。従来EC2にマウントして使用するストレージはAmazon EBSというブロックストレージをご提供していました。このEBSは同時に複数のEC2インスタンスからマウントすることができず、いわゆる共有のファイルストレージとして利用することができませんでした。このため、複数のEC2インスタンスからマウント可能なEFSは、日本のお客様からとても多くのご要望をいただいておりました。 また、EBSとことなり容量は自動で拡張するため、低コストでご利用いただくことができます。そして容量の拡張に応じてスループット及びIOPSが向上していく、という特性を持っています。Amazon EFS の TCO 上のメリットについては、こちらをご覧ください。 そして、システムの各オブジェクトは複数のアベイラビリティゾーンで冗長的に保存され、高可用性及び高耐久性が考慮された設計となっています。 NFSv4 プロトコルに対応したOSでご利用が可能です。 AWS Direct Connectという専用線接続サービスを経由して、オンプレミス環境からもストレージとして利用可能な機能も備えています。 -　プロダクトマーケティング エバンジェリスト 亀田

前回ご紹介しました「AWS Launch」動画の2回目を公開しました！なお今回より「AWS Service Update」という名前に変更しお届けしていきます。直近の AWS 最新情報を約 3 分でお伝えしておりますので是非キャッチアップにご活用ください。  

以前の AWS データベースに関するブログ記事で、 複数の属性の範囲の境界を使用して Amazon DynamoDB のテーブルを効率的に照会できるように、データを並べ替えることができる Z オーダーインデックスを紹介しました。この記事では、インデックス用のスキーマを作成するプロセスについて説明します。スキーマに含める属性を決定する方法、インデックスのスキーマがクエリの効率に与える影響、さまざまなデータ型の操作方法について説明します。 この記事はパート 1 で説明した概念に基づいていますので、先へ進む前に少し時間をとってその内容を確認されることをお勧めします。 Z オーダーインデックスのスキーマの作成 前の記事で説明したように、インデックスに保存されている各レコードには Z アドレスが割り当てられます。Z アドレスとは固定長のバイナリ値であり、レコードの属性の既知のセットのビットをインターリーブすることで見つけることができます。次の図は、2つの属性 x と y による Z アドレスの計算を示しています。 Z アドレスは、DynamoDB テーブルのソートキー (またはローカルのセカンダリインデックスキー) として使用されます。ソートキーは、高速でバインドされたクエリを可能にするために保存されているテーブルのデータを並べ替えること、パーティション内のレコードを一意に識別することという 2 つの目的を果たします。パーティションおよびソートキーの詳細については、DynamoDB のドキュメントのプライマリキーを参照してください。 スキーマは、テーブルまたはインデックスに保存される情報の構造を記述します。Z オーダーインデックスの文脈では、スキーマには次のものが含まれます。 インデックス付けされる属性の名前 (上記の図の x と y)。 属性がエンコードされる順序 (y に続いて x)。 属性のそれぞれのデータ型 (x と y は符号なし整数、0 以上の整数) とそれらをバイナリで表現する方法。 新しいレコードをテーブルに挿入するか既存のレコードを更新するたびに、そのレコードの Z アドレスを計算する必要があります。同様に、クエリを作成するときは、範囲の境界を表す最小レコードと最大レコードの Z アドレスを計算する必要があります。Z […]

Amazon Aurora は、プライマリ DB インスタンス (クラスタエンドポイント) と、リードレプリカ (リーダーエンドポイント) のエンドポイントを提供します。Aurora は、クラスタエンドポイントを自動的に更新するので、常にプライマリインスタンスを指し示すようできています。リーダーエンドポイントの読み取り機能は、使用可能なすべてのリードレプリカの読み取り操作の負荷を分散します。 Amazon Aurora Replica では、通常 100 ms 未満のレプリケーションラグが発生します。したがって、アプリケーションで遅延が許容される場合は、クラスタエンドポイントとリーダーエンドポイントの両方を使用して、水平方向に拡張されたデータベースを利用できます (図 1)。 図 1: 使用するエンドポイントを決定するアプリケーションのアーキテクチャ ただし、読み取り用と書き込み用両方のデータベースエンドポイント管理は、複雑なアプリケーションになります。この記事では、pgpool を使った、書き込みデータ量を自動的にクラスタエンドポイントへ、また読み込みデータ量を読み込みエンドポイントに転送する PostgreSQL-Amazon Aurora 互換の単一エンドポイントの構築方法をご紹介します (図 2)。 図 2: pgpool ミドルウェアに基づいたソリューション提案 アーキテクチャ Pgpool は PostgreSQL データベースとデータベースクライアントの間に位置する BSD ライセンスのミドルウェアですこの例では、図 3 のアーキテクチャを使用します。 図 3: PostgreSQL-Amazon Aurora 互換クラスタ用の単一エンドポイントを構築するミドルウェアとしての pgpool の使用 Amazon Aurora クラスタは、1 つのプライマリインスタンス、2 つのアベイラビリティゾーンと 2 […]

全 5 回の Blog 連載のうちの最終回である今回は、様々なエンコーダーから AWS Media Services への接続および設定方法を学びます。AWS Media Services はカスタマーに対して、高いスケーラビリティを持つ over-the-top (OTT) ビデオ体験を提供することを可能にします。ライブチャンネルもしくはイベントを配信するには、カメラなどの機器からのビデオ信号をエンコードし、追加的な処理、パッケージング、配信のために、クラウドに送信します。 VLC MEDIA PLAYER と RTP および AWS MEDIA SERVICES を利用したチャンネルの作成 こちらの例では、RTP (Real-Time Transport Protocol) 伝送用エンコーダーとして VLC media player を用いたストリームをセットアップし、クラウド上での動画処理およびパッケージングのための AWS Media Services の設定方法を、ステップ・バイ・ステップの手順でお見せします。 VLC media player は、様々なストリーミングプロトコルをサポートしている、フリーかつオープンソースのクロスプラットフォームのマルチメディアプレイヤーとフレームワークです。 ワークフロー例のダウンロード こちらの例では、下記の方法を学びます。 ・RTP を使った伝送用エンコーダーとして VLC media player をセットアップ ・伝送ストリームを AWS Elemental MediaLive で受けて、adaptive bitrate (ABR) […]