Amazon Web Services ブログ

Amazon Braket –量子コンピューティングを開始しましょう

ほぼ10年前、エイプリルフールの日にQuantum Compute Cloudについて書きました。未来が到来し、量子アルゴリズムを作成して実際の量子コンピューターで実行する機会が得られました。本日発表する内容は次のとおりです。 Amazon Braket –科学者、研究者、開発者が1か所で複数の量子ハードウェアプロバイダーのコンピューターで実験を開始できるようにする完全に管理されたサービスです。サービスの名称は、一般に量子力学的な状態を示すために使用されるブラケット表記にインスパイアされました。 AWS量子コンピューティングセンター – カリフォルニア工科大学(Caltech)に隣接する研究センター。世界をリードする量子コンピューティングの研究者とエンジニアを集めて、量子コンピューティングハードウェアとソフトウェアの開発を加速します。 Amazon Quantum Solutions Lab – AWSの顧客をAmazonの量子コンピューティングの専門家と非常に厳選されたコンサルティングパートナーのセットと結びつける新しいプログラムです。 量子コンピューティングとは 通常の(古典的な)コンピューターは、ビットのコレクションを使用して状態を表します。各ビットは明確に0または1であり、nビットがある場合、可能な状態の数は2 ^ nです。1ビットは2つの状態のいずれかになり、2ビットは4つの状態のいずれかになります。1 MiBのメモリを搭載したコンピューターには、CPUレジスタと外部ストレージを除く2つの状態(8 * 1048576)があります。これは大きな数ですが、有限であり、計算できます。 量子コンピューターは量子ビット(qubit)と呼ばれるより洗練されたデータ表現で状態を記述します。各量子ビットは状態1または0に存在できますが、1と0の重ね合わせにも存在できます。つまり、量子ビットは両方の状態を同時に占有します。このような状態は、1組の複素数を含む2次元ベクトルによって指定でき、無限の数の状態になります。各複素数は確率振幅であり、基本的に量子ビットがそれぞれ0または1である確率です。 古典的なコンピューターは、特定の時間にそれらの2 ^ n状態のうちの1つだけになることがありますが、量子コンピューターはそれらすべてを並行して占有できます。 長期間ITに携わっていたなら、ムーアの法則によって、私がこれを書いているように2テラバイトをサムドライブに保存するメモリチップを製造できるようになったことを知っています。これを可能にする物理的および化学的プロセスは驚くべきものであり、研究する価値があります。残念ながら、これらのプロセスは量子ビットを含むデバイスの製造には直接適用されません。私がこれを書いているとき、最大の量子コンピューターには約50量子ビットが含まれています。これらのコンピューターはいくつかの異なる技術で構築されていますが、共通する2つの属性があるようです。それらは希少であり、慎重に制御された物理環境で実行する必要があります。 動作方法 量子コンピューターは、状態ベクトルの振幅を操作することにより動作します。量子コンピューターをプログラムするには、必要な量子ビット数を把握し、それらを量子回路に配線して実行します。回路を構築するとき、正しい答えが最も可能性の高いものであり、残りのすべてが非常にありそうもないようにそれを設定します。古典コンピューターはブール論理を使用しないで使って構築され、OR、およびANDゲートに対し、量子コンピューターは、重ね合わせとの干渉を使用し、使用して構築されている量子論理ゲートを、新しいとエキゾチックな名前(X、Y、Z、CNOT、アダマール、トフォリなど)で構成します。 中期暗号化とデータ保護を検討する際には、これを念頭に置く必要があります。また、ポスト量子暗号について知る必要があります。現在、s2n(TLS / SSLプロトコルの実装)には、すでに量子耐性のある2つの異なるキー交換メカニズムが含まれています。新しい暗号化プロトコルが広く利用可能になり安全に使用できるようになるには約10年かかることを考えると、大規模な量子コンピューターが利用可能になる時期を先取りするのに早すぎるということはありません。 量子コンピューティングは今日主流ではありませんが、その時が来ています。これは、古典的に解決することが困難または不可能な特定の種類の問題を解決できる非常に強力なツールです。40年または50年以内に、量子コンピューターで実行されるサービスを使用して、多くのアプリケーションが部分的に機能するようになると思います。そのため、GPUまたは数学コプロセッサーのように考えるのが最善です。それらは単独では使用されませんが、ハイブリッド古典/量子ソリューションの重要な部分になります。 私たちの目標は、いくつかの適切なユースケースを探しているあなたに、いくつかのテストや実験を行う開始する量子コンピュータについて十分に知っているようにすることです。私たちは、現実にしっかりと根ざした強固な基盤を構築し、あなたと協力して、量子の力を活用した未来に移行したいと考えています。 Amazon Braket この新しいサービスは、量子ビットと量子回路を実際に体験できるように設計されています。シミュレーション環境で回路を構築およびテストしてから、実際の量子コンピューターで実行できます。Amazon Braketは完全に管理されたAWSサービスで、各レベルでセキュリティと暗号化が組み込まれています。 ノートブックスタイルのインターフェースを介してAmazon Braketにアクセスできます。 PythonコードはAmazon Braket SDKを利用します。1行のコードで量子回路を作成できます(これは、私の同僚によると、「量子ビット0と量子ビット1が最大にもつれた (エンタングルした) ベル状態」とのこと)。 bell = Circuit().h(0).cnot(0, 1) そして別のものでそれを実行します: print(device.run(bell, s3_folder).result().measurement_counts()) 古典計算機の力を借りたシミュレーション環境に加えて、Amazon Braketがアクセスを提供するD-Wave、IonQ、およびRigettiの量子コンピュータがあります。これらのデバイスにはいくつかの共通点があります:最先端の技術であり、構築と実行に費用がかかり、通常、電気のない状態に保つ必要がある非常に極端で特殊な環境(過冷却または真空に近い)で動作します。まとめると、ほとんどの組織が量子コンピューターを所有することは決してなく、クラウドベースのオンデマンドモデルの方が適していると考えています。プロダクション規模の量子コンピューターが最初はクラウドのみのテクノロジーである場合もあります。 実際の量子コンピューターは芸術作品であり、いくつかのクールな写真を共有できることを嬉しく思います。D-Wave 2000Qは次のとおりです。 The Rigetti 16Q Aspen-4: そして、IonQリニアイオントラップ: AWS量子コンピューティングセンター […]

Read More

PostgreSQL 11 の新機能を詳しくご紹介

初期のPostgreSQL プロジェクトは 1986 年に大学のプロジェクトとしてスタートしました。1996 年に PostgreSQL プロジェクトはオープンソースコミュニティが引き継ぎ、毎年メジャーバージョンを定期的にリリースしています。ソフトウェアの複雑さを考えると、このような早急なリリーススケジュールには、主要な機能を小さく基本的な要素に分割する必要があります。こうした小規模で基本的な機能を組み合わせることで、最新リリースの PostgreSQL 11 を含む PostgreSQL のすべてのメジャーリリースが行われています。PostgreSQL 11 は、Amazon RDS for PostgreSQL および PostgreSQL と互換性のある Amazon Aurora の両方に対応しています。 この記事では、パーティション分割、並列処理、ジャストインタイム (JIT) コンパイルという、PostgreSQL 11 の 3 つの素晴らしい機能について詳しく説明します。複数の PostgreSQL バージョンにおけるこれらの機能の進化について調べます。また、PostgreSQL 11 が提供する利点についても説明し、これらの機能をアプリケーションに適合させる方法を説明する実用的な例を示します。 パーティション分割 データベースが成長するにつれ、少数のテーブルが通常は成長の主な原因となっています。成長は、すべてのアクティビティの履歴ログを保持するテーブルや、ユーザーテーブルに集中する場合があります。 テーブルのパーティション分割により、データベースの大幅な成長に対処できます。つまり、単一の大きなテーブルをより小さく管理しやすいチャンク (パーティション) に分割することで、大きなテーブルでのクエリを高速化します。クエリの実行中にデータベースがパーティション全体を除外できると、処理するデータが大幅に減るため、パフォーマンスが向上します。テーブルを分割するという概念は PostgreSQL 11 の新機能ではありません。PostgreSQL では、2005 年リリースのバージョン 8.1 において最初にテーブルのパーティション分割という形式を導入しました。 以下の orders テーブルを例に考えてみましょう。アプリケーションは、販売注文がある度に新しい行をこのテーブルに追加します。注文が多くなるにつれ、このテーブルは日ごとに大きくなります。このように時間の流れと共に成長するテーブルには、時間に基づくパーティション分割が基本的に使われます。 CREATE TABLE orders ( o_orderkey INTEGER, […]

Read More

re:Invent 2019 12月1日のまとめ

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 初日(12月1日)が終了しました。 それでは早速本日のまとめです。 Amazon SageMaker Operators for Kurbenetesがリリースされました Kubernetes用のAmazon SageMaker Operatorsは、Kubernetesを使用する開発者やデータサイエンティストがAmazon SageMakerで機械学習(ML)モデルのトレーニング、調整、デプロイを行うことを容易にします。モデルのトレーニング、モデルのハイパーパラメーターの最適化、リアルタイムの推論、およびバッチの推論にAmazon SageMaker Operatorsを使用することができ、マネージドスポットトレーニングとの連携で最大90%のコスト削減が可能です。 サポート終了のWindows Serverアプリケーションに対する新しいAWSのプログラムが発表されました 2020年1月14日に、Windows Server 2008および2008 R2のサポートは終了しますが、新しく発表されたAWSのWindows Server向けサポート終了移行プログラム(EMP)では、テクノロジと専門家のガイダンスを組み合わせて、Windows Serverの古いバージョンで実行されているレガシー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に移行します。こちらにSQLServer2000の移行デモがありますのでご確認ください。 AWS IoT SiteWiseが5つの新機能と新しい価格を発表しました MQTTまたはREST APIを使用してAWS IoT SiteWiseでデータを収集し、時系列データストアに保存できるようになりました。これは、AWS IoT SiteWiseゲートウェイソフトウェアを使用してOPC-UAを通じて産業機器からデータを収集するための既存のサポートに追加されます。 数十万の資産の階層にまたがることができる工業施設の仮想表現またはモデルを作成できるようになりました。これらのモデルを使用して、単一のセンサー、組立ライン、またはサプライチェーンを表すことができます。機器データをこれらのモデルにリンクし、管理されたスケーラブルで効率的な時系列データストアに時系列としてデータを保存できます。 数学演算子と統計演算子の組み込みライブラリを使用して、機器データの変換を作成し、メトリックを計算できます。たとえば、生産プラントの全体的な機器の有効性(OEE)などの一般的な産業指標を作成および監視できます。 AWS IoT SiteWise内から、機器にリンクされた測定値と計算されたメトリックスを含むライブデータストリームを公開できるようになりました。その後、AWS IoT Coreを介してこれらのデータストリームへのMQTTサブスクリプションを設定し、カスタムアプリケーション内でデータを使用できます。 新しいSiteWise Monitor機能を使用して、AWS IoT SiteWiseに保存されている機器データを企業ユーザーに可視化する完全に管理されたWebアプリケーションを作成できます。SiteWise Monitorを使用すると、ユーザーはAWS IoT SiteWiseで取り込んでモデル化した機器データを自動的に検出して表示でき、データをほぼリアルタイムで表示したり、複数の機器やさまざまな期間の資産データの履歴を比較および分析したりできます。 Amazon EventBridge Schema Registryがプレビューリリースされました イベント構造(またはスキーマ)を共有の中央の場所に保存し、それらのスキーマをJava、Python、およびTypescriptのコードにマップするため、イベントをコード内のオブジェクトとして簡単に使用することができます。スキーマ検出機能をオンにすると、イベントバスのスキーマがレジストリに自動的に追加されます。AWSコンソール、APIから、またはJetbrains(Intellij、PyCharm、Webstorm、Rider)およびVS […]

Read More

re:Invent 2019 Midnight Madness / AWS DeepComposer

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 Midnight Madnessが終了しましたので、その模様と発表された新サービス、AWS DeepComposerについてお届けします。 Midnight Madnessでは、AWS恒例のタトンカチャレンジが行われました。熱々の辛めの鳥の手羽揚げの大食い大会です。バッファローウイングとも言われます。今年も多くの方が参加し、日本からもチャレンジされた方が何名かいらっしゃったので、会話ができた方をご紹介いたします。 Media JAWS 代表 辛さを抑えるため、日本からマヨネーズを持ち込むも、怒られるチーム 昨年は決勝へ進出するも、今年は残念ながら決勝を逃したJapan Digital Designチーム Midnight MadnessのChicken Wingの大食い大会は決勝ラウンドへ。日本から参加のYukiさんが勝ち残っています!😆🍗 #reInvent pic.twitter.com/niZAHw75iK — AWS / アマゾン ウェブ サービス (@awscloud_jp) December 2, 2019 なんと日本勢で唯一決勝に進出されたYukiさん 会場は大きく盛り上がりました。(他にも参加された方で掲載希望の方がいらっしゃればhkameda@amazon.co.jpまでご連絡ください!) そしてStageではエアーバンドなどで盛り上がる中、12時ごろ、Midnight Launchと画面に大きく表示され、新しいデバイスが発表されました。 AWS Deep Composer 2017年 DeepLens、2018年 DeepRacer と発表され、2019年のDeepシリーズへの期待が高まっていましたが、AWS Deep Composerが発表されました。 ミュージカルキーボードと最新の機械学習技術を使用して、実際に音楽を作ることのできるキーボードとなり、Amazonで99ドルで発売予定です。 使い方は簡単で機械学習の難しい知識は不要です。AWS DeepComposerキーボードをコンピューターに接続してメロディを入力するか、AWS DeepComposerコンソールで仮想キーボードを演奏します。ロック、ポップ、ジャズ、クラシックから事前にトレーニングされたジャンルモデルを使用して、オリジナルの音楽作品を生成します。Amazon SageMakerとの連携で独自のカスタムジャンルを作成することもできます。その後DeepComposerは楽曲を自動で編曲し、トラックをSoundCloudに公開して、作品を共有できます。 現在プレビュー申込中です。こちらからサインアップください。 – シニアエバンジェリスト 亀田

Read More

AWS WAF 用 AWS Managed Rules の発表

 セキュアなアプリケーションの構築とデプロイは非常に重要な作業で、対象となる脅威も常に変化しています。当社では、クラウド上で強力なセキュリティ体勢を維持する苦労を低減するために、改善作業を継続的に行っています。本日、当社は新な機能として AWS Managed Rules for AWS WAF を公開しました。これにより、ルールを直接作成したり管理する必要がなく、アプリケーションの保護ができます。また、AWS WAF に対する複数の改善も行いました。向上した新しいコンソールと API によって、これまでなかったほど簡単にアプリケーションの安全維持ができます。 AWS WAF は、ウェブアプリケーションのファイヤーウォールです。これを使うと、アプリケーションに向けられたトラフィックの内、どれに許可を与えどれを拒否するかを制御するためのルールを定義できます。AWS WAF は、たとえば SQL インジェクションとかクロスサイトのスクリプトによる攻撃など、一般的な脅威をブロックするのに役立ちます。AWS WAFは、Amazon API Gateway、Amazon CloudFront、Application Load Balancer と合わせて使用することができます。本日は、多くのエキサイティングな改善点を公開していきます。今回発表した OR 演算子により、以前は複数のルールが必要であった評価が行えるようになるので、従来のルール作成にあった複雑さが低減されます。API の使いやすさも大いに改善されており、複雑なルールも 1 度の API 呼び出しだけで作成や更新が行えます。WAF Capacity Unit (WCU) が加わったことで、ウェブの各アクセスコントロールリスト (ACL) でルールは 10 個までという制限を撤廃しています。WCU に切り替えれば、数百のルールを作成できるようになります。ウェブのアクセスコントロールリスト (ACL) に追加された各ルールは、デプロイされているタイプに基づいた容量を消費します。そして、各ウェブ ACL には WCU の制限が定義されています。 新しい AWS WAF を使用する ここで、変更点のいくつかを確認しながら、AWS Managed […]

Read More

新機能 – タグポリシーを使用して、複数の AWS アカウントのタグを管理する

 EC2を開始して間もなく、お客様はインスタンスを特定、分類、または分類する方法を求め始めました。2010年に EC2 インスタンスのタグ付けとその他の EC2 リソースを開始し、他の多くのリソースタイプのサポートを長年にわたって追加してきました。数年前の作成時にインスタンスと EBS ボリュームにタグを付ける機能を追加し、タグ付け API とタグエディターをローンチしました。今日、タグには多くの重要な目的があります。これらを使用して、コスト割り当てのためのリソースを特定し、AWS リソースへのアクセスを (直接または IAMユーザーおよびロールのタグを通じて) コントロールできます。これらのツールに加えて、タグ戦略に関する包括的な推奨事項も提供しています。これは、組織に設定したタグ付け標準の基礎として使用できます。 善意の意図を超えて これらのツールと推奨事項はすべて強力な基盤を形成するものですが、善意の意図でのみタグを使用し始める可能性があります。ただし、Jeff Bezosのように、「善意の意図は機能しませんが、メカニズムは機能します。」 名前、値、大文字、句読点の標準化は素晴らしいアイデアですが、実践するには課題があります。タグを使用してリソースへのアクセスをコントロールしたり、請求書を分割したりすると、小さなエラーが大きな問題を引き起こす可能性があります! 本日、AWS Organization 内の複数の AWS アカウントと組織単位 (OU) にまたがる一貫した高品質のタグ付け規律の実装を支援するメカニズムを提供します。タグポリシーを作成して適用し、組織内の任意の AWS アカウントまたは OU、または組織全体に適用できます。各レベルのポリシーは、アカウントの有効なポリシーに集約されます。 各タグポリシーには、一連のタグルールが含まれています。各ルールは、タグキーをキーの許容値にマップします。タグポリシーは、既存のリソースのタグに影響する操作を実行するときにチェックされます。タグポリシーを設定すると、準拠していないタグ付きリソースを容易に発見することができます。 タグポリシーの作成 タグポリシーは容易に使用できます。組織を表す AWS アカウントにログインすることから始め、設定で タグポリシー が有効になっていることを確認します。 次に、ポリシー および タグポリシー をクリックして、組織のタグポリシーを作成します。 既存のポリシーを確認して、[Create policy] をクリックして別のポリシーを作成できます。 ポリシーの名前と説明を入力します。 次に、タグキーを指定し、大文字と小文字の区別が一致する必要があるかどうかを示し、オプションで許容値のセットを入力します。 この時点で 3 つのオプションがあります。 ポリシーを作成する – ルート、OU、および指定したアカウント内の非準拠リソースについて (レポートを通じて) 通知するポリシーを作成します。 タグキーを追加する – 別のタグキーをポリシーに追加します。 […]

Read More

AWS が機械学習をすべての開発者と BI アナリストの手に委ねている方法

本日、AWSは Amazon Aurora データベースのリレーショナルデータと Amazon S3 の非構造化データを使用して、機械学習 (ML) 予測をアプリケーションおよびビジネスインテリジェンス (BI) ダッシュボードに簡単に追加する新しい方法を発表しました。SQL (構造化クエリ言語) クエリにいくつかのステートメントを追加し、Amazon QuickSightで数回クリックするだけです。Aurora、Amazon Athena、および Amazon QuickSight は、Amazon SageMaker や Amazon Comprehend などの AWS ML サービスをお使いのアプリケーションから直接呼び出します。これにより、カスタム統合を構築したり、データを移動したり、別のツールを学習したり、複雑なコード行を記述したり、ML の経験を積んだりする必要なく、ML 予測をアプリケーションに簡単に追加できます。 これらの新しい変更により、洗練された ML 予測を SQL クエリとダッシュボードでより簡単に利用できるすることで、データベース開発者やビジネスアナリストがMLをより使いやすくアクセスしやすくなります。以前は、拡張して、本番環境でマネージしてサポートされる必要があるカスタムアプリケーションレベルのコードを書くのに何日も費やす可能性がありました。今では、SQL を書ける人なら誰でも、カスタムの「グルーコード」なしでアプリケーションで予測を作成して使用できます。 データにあふれた世界を理解する AWSは、それほど遠くない将来に、ほぼすべてのアプリケーションに ML と人工知能 (AI) が使用されると固く信じています。数万人のお客様が、データサイエンティストと開発者が大規模な ML モデルを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フルマネージドサービスである Amazon SageMaker を通じて ML の恩恵を受けています。 たとえば、Amazon Comprehend のような使いやすい API を介してモデルを構築し、アプリケーションにインテリジェンスを追加するさまざまな方法がありますが、これらのモデルをデータベース、分析、ビジネスインテリジェンスレポートに組み込むことは依然として難しいものになっています。比較的単純なカスタマーサービスの例を考えてみましょう。Amazon Comprehend は、テキストのセンチメントをすばやく評価できます (ポジティブかネガティブか)。私がストアのカスタマーサービスページにフィードバックを残すとします。「あなたの製品は悪臭を放っているので、私は二度と買いません!」 […]

Read More

Amazon Aurora の新機能 – データベースから直接機械学習を使用する

機械学習により、データからより良いインサイトを得ることができます。しかし、ほとんどの構造化データはどこに保存されているのでしょうか? データベースに保存されています! 現在、リレーショナルデータベースのデータで機械学習を使用するには、データベースからデータを読み取り、機械学習モデルを適用するカスタムアプリケーションを開発する必要があります。このアプリケーションを開発するには、データベースとインターラクションして。機械学習を使用できるようにするためのスキルが必要です。これは新しいアプリケーションであり、パフォーマンス、可用性、およびセキュリティを管理する必要があります。 リレーショナルデータベースのデータに機械学習を適用することを簡単にすることができますか? 既存のアプリケーションでも可能ですか? 本日より、Amazon Aurora は、2 つの AWS Machine Learning サービスとネイティブに統合されます。 Amazon SageMaker。カスタム機械学習モデルを迅速に構築、トレーニング、デプロイする機能を提供するサービスです。 Amazon Comprehend。機械学習を使用してテキストのインサイトを見つける自然言語処理 (NLP) サービスです。 この新しい機能を使用すると、クエリで SQL 関数 を使用して、リレーショナルデータベースのデータに機械学習モデルを適用できます。たとえば、Comprehend を使用してユーザーコメントの センチメント を検出したり、SageMakerで構築されたカスタム機械学習モデルを適用したりして、お客様の「解約」のリスクを推定できます。 解約は「変化」と「ターン」を混ぜた言葉で、サービスの使用を停止するお客様を説明するために使用されます。 機械学習サービスからの追加情報を含む大規模なクエリの出力を新しいテーブルに保存したり、機械学習の経験を必要とせずにクライアントが実行する SQL コードを変更するだけで、アプリケーションでこの機能を対話的に使用したりできます。 最初に Comprehend を使用し、次に SageMaker を使用して、Aurora データベースからできることの例をいくつか見てみましょう。 データベース権限の設定 最初のステップは、次の使用したいサービスにアクセスするためのデータベース許可を付与することです。Comprehend、SageMaker、またはその両方。 RDS コンソール で、新しい Aurora MySQL 5.7 データベースを作成します。利用可能な場合、リージョンのエンドポイントの [Connectivity&security] タブで、[IAM ロールの管理] セクションを探します。 そこで、Comprehend と SageMaker をこのデータベースクラスターに接続します。SageMaker の場合、デプロイされた機械学習モデルの エンドポイント の Amazon リソースネーム […]

Read More

Amazon CloudWatch ServiceLens を使用して高度に分散化されたアプリケーションを視覚化して監視する

数千のメトリックとテラバイトのログをもつ、ますます分散するアプリケーションは、視覚化と監視が課題になる場合があります。アプリケーションとその依存関係のエンドツーエンドのインサイトを得て、パフォーマンスのボトルネック、運用上の問題、顧客への影響を迅速に特定できるようにするためには、多くの場合、それぞれ情報の特定のファセットを提示する複数の専用ツールを使用する必要があります。これは代わりに、データの取り込みがより複雑になり、さまざまなインサイトを手作業でつなぎ合わせて、全体的なパフォーマンスを判別し、複数のソリューションを維持するコストが増加します。 本日発表された Amazon CloudWatch ServiceLens は、サーバーレスとコンテナベースのテクノロジーの依存するアプリケーションを含む、高度に分散化されたアプリケーションの健全性、パフォーマンス、可用性の視覚化と分析をすべて1か所にまとめた新しい完全マネージ型の可観測性ソリューションです。CloudWatch ServiceLens は、相関メトリック、ログ、およびアプリケーショントレースの分析とともに、問題が発生しているエンドポイントとリソースを簡単に分離できるようにすることで、平均解決時間 (MTTR) の短縮をサービスマップを使用して、このすべてのデータを 1 つの場所に統合するのに役立ちます。このマップから、アプリケーション内の関係と依存関係を理解し、単一のツールからさまざまなログ、メトリック、およびトレースを深く掘り下げて、迅速に障害を特定することができます。さまざまなツールからのメトリック、ログ、およびトレースデータの相関に費やす重要な時間が短縮されるため、エンドユーザーに発生するダウンタイムが削減されます。 Amazon CloudWatch ServiceLensの開始方法 Amazon CloudWatch ServiceLensを利用して、アプリケーションからトリガーされたアラームの根本原因を診断する方法を見てみましょう。サンプルアプリケーションは、AWS Lambda 関数を使用して、トランザクションデータを Amazon DynamoDB テーブルに読み書きします。Amazon API Gateway は、アプリケーションのフロントエンドであり、GET および PUTリクエストのリソースで、対応する GET および PUT ラムダ関数にトラフィックをダイレクトします。API ゲートウェイ リソースと Lambda 関数では AWS X-Ray トレースを有効にしており、Lambda 関数内から DynamoDB への API 呼び出しがAWS X-Ray SDKを使用してラップされます。開発者ガイドで、コードをインスツルメントする方法の詳細と AWS X-Rayの操作方法を確認できます。 エラー状態によりアプリケーションのアラームがトリガーされたため、最初に停止するのは Amazon CloudWatch コンソールで、そこで [Alarm] リンクをクリックします。1 つ以上の […]

Read More

Amazon QuickSight の条件付き書式で重要な洞察をハイライト

Amazon QuickSight で、条件付き書式設定を使用して、データの重要度を簡単に見分けられるようになりました。条件付き書式設定では、データセットのフィールド値に基づいて、単色またはグラデーション色を使用して、カスタマイズされたテキストまたは背景色を指定できます。また、サポートされているアイコンを使用してデータ値を表示することもできます。次のスクリーンショットに示すように、色分けとアイコンを使用して、データを視覚的に調査および分析し、問題をすばやく検出し、傾向を特定することができます。こうした動的な視覚的刺激は、ダッシュボードの利用者が密度が高いデータ値の集まりから注目に値する洞察をはるかに迅速に取得するのにも役立ちます。 今回のリリースでは、テーブル、ピボットテーブル、KPI チャートに条件付き書式を適用できます。このブログ記事では、Amazon QuickSight でサポートされている各チャートタイプで条件付き書式設定を活用する方法について詳しく説明します。 テーブル 次の方法で、テーブルに条件付き書式を適用できます。 データフィールドに基づく条件付き書式設定列 テーブルに条件付き書式を適用する場合、設定ペインにアクセスする 2 つの方法があります。1 つの選択肢は、分析でテーブルを選択し、 テーブルビジュアルの右上隅でキャレットを選択することです。次のスクリーンショットに示すように、ドロップダウンメニューから [Conditional formatting] を選択すると、条件付き書式設定ペインが分析キャンバスの左側にポップアップ表示されます。[+] 記号を選択して、書式を適用するターゲット列を選択します。テーブルに存在する任意の列に適用することができます。 たとえば、ドロップダウンメニューから Sales を選択して、Sales ターゲット列の条件を追加します。 あるいは、選択したテーブルから、分析キャンバスの上部にあるフィールドウェルを展開し、テーブルで使用されている列から直接 Group by または Value ターゲット列を選択することもできます。たとえば、次のスクリーンショットに示すように、Value ウェルから Sales を選択し、ドロップダウンで [Conditional formatting] を選択します。条件付き書式の確認ペインが分析キャンバスの左側にポップアップ表示され、Sales ターゲット列にすでに条件が追加されています。 次に、使用可能な 3 つのオプションから書式設定スタイルを選択します。 Add background color (背景色を追加) Add text color (テキストの色を追加) Add icon (アイコンを追加) ターゲット列ごとに、任意の書式設定スタイルまたはスタイルの任意の組み合わせを追加できます。 背景色およびテキストの色 [Add background color] を選択して、[New […]

Read More