Amazon Web Services ブログ

グラフデータベースアプリケーションのライフスパン中、アプリケーション自体には基本的な要件、つまり、W3C 標準の SPARQL エンドポイントを機能させることのみが備わっている傾向があります。けれども、グラフデータベースが重要なビジネスアプリケーションに組み込まれるようになると、ビジネスと運用の両面からさらに多くのものが求められるようになります。重要なビジネスインフラストラクチャは、単に機能するだけでなく、可用性が高く、安全で、拡張可能で、費用対効果が優れていることが求められます。これらの要件により、オンプレミスまたはセルフホストソリューションから、Amazon Neptune などのフルマネージドグラフデータベースソリューションへの移行が求められます。 Neptune は、ビジネスクリティカルなグラフデータベースアプリケーションの構築と実行を容易にする、高速で信頼性の高い、フルマネージドグラフデータベースサービスです。Neptune は、数十億の関係を格納し、ミリ秒のレイテンシーでグラフをクエリするように最適化された専用の高性能グラフデータベースエンジンです。Neptune は、リードレプリカ、ポイントインタイムリカバリ、Amazon Simple Storage Service (Amazon S3) への継続的なバックアップ、およびアベイラビリティーゾーン間のレプリケーションにより、高可用性を実現するように設計されています。Neptune は、AWS Identity and Access Management (IAM) 認証、HTTPS 暗号化クライアント接続、および保管時の暗号化をサポートしており、安全です。Neptune は、開発とテストを対象とした低コストインスタンスを含む、さまざまなインスタンスタイプも提供しています。これにより、予測可能で低コストのマネージドインフラストラクチャがもたらされます。 現在のオンプレミスまたはセルフホストのグラフデータベースソリューションから Neptune への移行を選択する場合、この移行を実行するための最良の方法は何でしょうか? この記事では、オープンソースの RDF トリプルストア Blazegraph から Neptune に次の手順を実行して移行する方法を説明します。 AWS インフラストラクチャをプロビジョニングします。まず、AWS CloudFormation テンプレートを使用して必要な AWS インフラストラクチャをプロビジョニングします。 Blazegraph からデータをエクスポートします。この記事では、Blazegraph からデータをエクスポートするための 2 つの主要な方法について説明します。それは、SPARQLCONSTRUCT クエリを使用するか、Blazegraph エクスポートユーティリティを使用する方法です。 Neptune にデータをインポートします。Neptune ワークベンチと Neptune バルクローダーを使用して、エクスポートしたデータファイルを Neptune にロードします。 […]

AWS DeepComposer は、機械学習 (ML) と生成 AI 技術を開始するためのクリエイティブな方法を提供します。AWS DeepComposer は最近、自己回帰畳み込みニューラルネットワーク (AR-CNN) と呼ばれる新しい生成 AI アルゴリズムの提供を開始しました。これは、バッハスタイルの音楽の生成を可能にします。このブログ投稿では、AR-CNN アルゴリズムを使用してバッハスタイルの興味深い楽曲を生成する方法の例をいくつか示すとともに、アルゴリズムのパラメータが生成される楽曲の特性にどのように影響するのかを説明します。 AWS DeepComposer コンソールで提供される AR-CNN アルゴリズムは、ユニークな楽曲を生成するために、反復する回数や、入力メロディに追加したり、入力メロディから削除したりする音の最大数などのさまざまなパラメータを提供します。パラメータ値は、入力メロディが変化する範囲に直接影響を与えます。例えば、追加する音の最大数として大きな値を設定することで、アルゴリズムは、バッハの音楽スタイルの楽曲に適していると予測する音を追加することができます。 AR-CNN アルゴリズムを使用すると、パラメータを試すことにより、機械学習アルゴリズムと繰り返し共同作業を行うことができます。AR-CNN アルゴリズムの 1 つの反復の出力を次の反復の入力として使用できます。 アルゴリズムの概念の詳細については、AWS DeepComposer コンソールで利用可能な Introduction to autoregressive convolutional neural network の学習カプセルを参照してください。学習カプセルでは、生成 AI アルゴリズムの概念を学ぶのに役立つ、理解しやすい簡単なコンテンツを提供しています。 バッハは、史上最高の作曲家の 1 人として広く認知されています。バッハの楽曲の数々は、バロック時代における最高傑作です。バッハの楽曲のサンプルをいくつか聴いて、彼の音楽に耳を慣らしましょう。 楽曲 1: 楽曲 2: 楽曲 3: AR-CNN アルゴリズムは、入力メロディに音を追加または削除することにより、元の入力メロディを強化します。アルゴリズムがキー外の音や無関係な音を検出した場合、削除を選択することがあります。バッハの楽曲に用いられている可能性が高い特定の音をアルゴリズムが識別した場合、これらの音を追加することがあります。AR-CNN アルゴリズムを適用して生成した、以下の強化された楽曲のサンプルを聴いてみましょう。 入力: 強化された楽曲: AR-CNN アルゴリズムパラメータの値を変更して、さまざまな特性を持つ音楽を生成できます。 AWS DeepComposer の […]

音声および自然言語処理 (NLP) テクノロジーの最新の進歩にご興味がおありでしょうか? あるいは、これらのテクノロジーを使用して Alexa で構築する方法にご関心をお持ちでしょうか? Alexa チームが主催する無料の仮想デベロッパー教育イベントである Alexa Live が、2 年目となる 2020 年 7 月 22 日に再び開催されることになりました。Alexa Live は、音声テクノロジーの最新の進歩と、それを使用した素晴らしいカスタマーエクスペリエンスの構築方法に焦点を当てた半日間のイベントです。参加者は、AI 駆動のダイアログマネージャーである Alexa Conversations を含め、音声と NLP の最新情報を学び、エキスパート主導のブレイクアウトセッションを通じてこれらのテクノロジーの実装について深く掘り下げます。 音声と NLP の最新情報を学ぶ Alexa Live は、Alexa Devices の VP である Nedim Fresko 氏の基調講演で始まります。音声テクノロジーの最新の進歩を共有するとともに、これらのテクノロジーを採用し始めている開発者を紹介します。デモを見たり、製品のアップデートやデベロッパーツールについて学んだり、Alexa のスキルやデバイスで革新をもたらしているゲストスピーカーの話を聞いたりします。 5 つの専用トラックでのブレイクアウトセッションを通じて、気合を入れて、これらのテクノロジーに取り組むことができます。イベント中は、ライブチャットを通じて Alexa のエキスパートとやり取りすることもできます。 Alexa Live で学ぶこと どのように構築するか、または構築に興味があるかに関係なく、Alexa について、音声テクノロジーの最新の状況を内的に確認し、ブランド、デバイス、またはその他のプロジェクトに音声テクノロジーを実装するための実用的なヒントを得ることができます。Alexa Live は、3 つのトピック領域に分類される 5 つの専用トラックを備えています。 スキル開発 […]

留守中のご自宅で訪問者のメッセージを残したいと思ったことはありませんか? もしそのソリューションが他言語をサポートできるとしたらどうでしょうか? このソリューションは、簡単に構築でき、使用した分だけ支払うことができるので費用対効果が高いです。 この投稿では、人を感知し、音声を録音し、音声をテキストに変換し、優先言語のテキストをモバイルデバイスに送信する通知システムを構築する方法を説明します。このソリューションでは、以下のサービスを利用しています。 AWS CloudFormation AWS Lambda Amazon Polly Amazon Simple Notification Service (Amazon SNS) Amazon Simple Storage Service (Amazon S3) Amazon Transcribe 前提条件 このチュートリアルを完了するには、次の前提条件を満たしている必要があります。 Noobs が実行している Raspberry Pi 4 デバイス Raspberry Pi に接続した超音波センサー マイク スピーカー AWS アカウント ワークフローとアーキテクチャ センサーが指定された範囲内にいる人を感知すると、Raspberry Pi に接続されているスピーカーで、最初の挨拶とメッセージ録音の指示を伝えます。この録音は Amazon S3 に送信されます。これにより、Lambda 関数がトリガーされ、Amazon Transcribe が音声をテキストに書き起こします。テキストの書き起こしが完了すると、ユーザーは Amazon SNS から書き起こしたテキストの通知を受け取ります。 次の図は、ソリューションのワークフローを示しています。 Amazon Transcribe […]

本日、Amazon Database Migration Accelerator (DMA) をローンチしたことを発表します。Amazon DMA では、AWS Database Migration Service (DMS)、AWS Schema Conversion Tool (SCT)、AWS データベース移行エキスパートを活用することで、従来の商用データベースから固定料金で移行することができます。ローンチ時点の Amazon DMA では、Oracle や SQL Server から Amazon Aurora または Amazon Relational Database Service (RDS) for PostgreSQL/MySQL への移行が可能です。ソースおよびターゲットとして対応するデータベース、データウェアハウス、分析システムは、Amazon DMA の今後の拡張に伴い、順次追加されていく予定です。詳細については、Amazon Database Migration Accelerator のページをご覧ください。 Amazon DMA を選ぶ理由 多くのお客様から、従来のデータベースの移行はとてつもなく労力がかかるうえ、しばしば予算超過や遅延が発生してしまうというフィードバックが寄せられています。そうした問題は、データベースエンジン間でのアプリケーションのリファクタリングが時間がかかり、技術的に困難であることが原因です。データベース移行に取り組むエンジニアには、ソースおよびターゲット両方のデータベースを深く知っていることに加え、さまざまなプログラミングフレームワークにも精通していることが求められます。しかし、多くの組織が、収益を生み出す、顧客に向けたプロジェクトにこそ、こうしたエキスパートエンジニアを充てたいと考えています。 Amazon DMA が従来の移行プロジェクトと異なる点 Amazon DMA では固定料金での移行が可能です。移行の完了後に支払いができるため、予算超過のリスクが軽減されます。また、AWS DMS、AWS SCT、移行エキスパートに加え、Amazon のエンジニアが社内システムの AWS […]

みなさん、こんにちは。ソリューションアーキテクトの下佐粉です。 今週も週刊AWSをお届けします。 5月末から毎週、データレイクの基礎からAWSでの構築方法を解説するWebセミナーを開催してきたのですが、おかげさまで非常に多くの方にご参加いただけました。自分の専門領域であるデータレイクに興味をお持ちの方が多いということが分かって嬉しく思っています。セミナーに参加できなかった方から、資料だけでも公開して欲しいというご要望をいただいたので、以下で公開しています。よろしければご覧ください。 – 「AWSではじめるデータレイク」出版記念データレイク解説セミナーの資料公開 それでは、先週の主なアップデートについて振り返っていきましょう。

 AWS では、複雑さを軽減することで常に顧客体験の向上を目指しています。お客様は、ビジネス問題の解決に取り組むためにより多くの時間を費やし、インフラストラクチャの保守にかける時間を減らしたいと考えています。2 年前に、Kubernetes クラスターを簡単に操作できるように Amazon EKS をリリースしました。そして昨年の re:Invent 2019 で、Fargate で EKS のサポートを開始することを発表しました。この機能により、EC2 インスタンスを作成および管理せずに Kubernetes ポッドを実行できます。 お客様から、「Prometheus を使用して Fargate で実行されているポッドを監視できますか?」という質問がよく寄せられます。 はい、Prometheus を使用して Fargate で実行されているポッドを監視できます。Fargate でポッドがどのように実行され、関連する Prometheus メトリックがどこで発生するかを詳しく見ていきます。 Fargate で Kubernetes ポッドを実行する AWS Fargate は、Amazon Elastic Container Service (ECS) と Amazon Elastic Kubernetes Service (EKS) の両方で機能するコンテナ用のサーバーレスコンピューティングエンジンです。Fargate で Kubernetes ワークロードを実行する場合、サーバーをプロビジョニングして管理する必要はありません。Fargate を使用すれば、コンテナを実行するための適切な量のコンピューティングを取得できます。Fargate でコンテナを実行できる場合は、ワークロード用に EC2 インスタンスのサイズを設定する必要性を回避できます。Fargate を使用すると、アプリケーションで必要なリソースを指定してその分を支払うだけで済みます。アプリケーションポッドに必要な vCPU […]

こんにちは、テクニカルソリューションアーキテクトの金澤 (@ketancho) です。さて、6月も最終週、つまり今年も半分が終わろうとしています。みなさん年始に立てた目標は順調ですか？「AWS を使えるようになる！」「AWS の資格を取る！！」などの目標を立てられている方に向けて、今後もオンデマンド形式で手を動かせるハンズオンコンテンツを拡充していければと思っています。ぜひご活用いただければ幸いです。（なお、私がプライベートで立てた年間目標は未達が濃厚です。） さて、この記事では先日公開した AWS ネットワーク入門ハンズオンの紹介と、上半期に多くの方に受けていただいた AWS Hands-on for Beginners シリーズベスト3 を紹介したいと思います。 AWS Hands-on for Beginners “AWS ネットワーク入門 – AWS上にセキュアなプライベートネットワーク空間を作成する” 申し込みページ AWS Hands-on for Beginners シリーズ一覧 前回の記事: “AWS 上で静的な Web サイトを公開しよう！” 編を公開しました！- Monthly AWS Hands-on for Beginners 2020年5月号 AWS Hands-on for Beginners とは？ AWS Hands-on for Beginners は、動画にそって実際に手を動かしながら AWS サービスについて学んでいただく無償のコンテンツです。名前の通り、初めて AWS サービスをご利用される方向けの内容ですので、学習の最初のステップとしてご活用いただけます。オンデマンド形式での配信となるので、移動時間などのスキマ時間での学習もできますし、分かりにくい部分を巻き戻して何度でもご覧いただくことができます。   […]

本投稿はワールドワイドで金融業界を担当しているプリンシパル・テクニカルプログラムマネージャーの Jennifer Code による寄稿を翻訳したものです。 私の同僚の Ilya Epshteyn が、 金融機関が機密性の高いデータのためにAWSサービスを承認する方法 というタイトルのブログでご紹介したように、金融業界では一般的にクラウドサービスの正式な評価プロセスが存在します。これらの評価プロセスは深さや幅に関しては様々ですが、いずれのプロセスも、業界の期待とテクノロジーリスク管理の健全性を確保しつつ、ビジネス要件を満たすのにはどのクラウドサービスが最適かを決定しようとするものです。このブログでは、クラウドサービスに対する新たな評価プロセスを構築する、または既存の評価プロセスを最適化する際に役立つシンプルなガイダンスを提供します。 私は、お客様と頻繁に会ってお客様のガバナンスとクラウドの評価プロセスについてディスカッションをしますが、その中でよく耳にするテーマがいくつかあります。１つ目は、評価プロセスが正式に存在する場合であっても、オーナー不在の場合が多く、結果としてそのプロセスが達成すべきビジネス上の成果を必ずしも理解しないまま、チームがプロセスに従っているという問題です。強いオーナーシップがなければ、参加者と評価範囲に一貫性が保てません。また、時には、構造化されたフレームワークではなく、個々の専門知識とベストエフォートに依存しているため機能性に差異が生じている場合もあります。最後に、お客様は、ほとんど例外なく、知識の共有を進めつつ、繰り返し学ぶことによって、評価プロセスの質を一気に向上させる方法があるのではと感じています。 正式なクラウドサービス評価プロセスがとても重要なのはなぜでしょうか? 金融サービス会社は、テクノロジーリスクの監視を証明するという、共通の規制上の義務を負っています。従来、企業のリスクフレームワークは、サイロ化された「3 つのラインによる防御」または (3LoD) で構成されていました。第一のラインはリスクの所有者としてコントロールを実行するビジネス / 運用担当者、第二のラインはリスクのモニタリングとコントロールの評価を行うリスク管理担当者、第三のラインは独立または内部監査人、またはリスクアシュランス担当者で構成されています。これらの 3LoD はそれぞれ、テクノロジーリスク、一般的な社内のポリシーの収集、ならびに他の防御ラインによって行われた一連の評価・監査に合わせて自チーム内で文書化された手順についての責任を負ってきました。 この既存の企業リスクフレームワークにクラウドの評価プロセスを組み込むことで、組織は重要な技術上の意思決定がどのように行われたかを適切に証明できるようになります。また、リスクがどのように評価され、軽減されるか、コントロール環境の強さがリスクアペタイトにどのように適合しているかといった点を、クラウドベースのサービスの微妙な差異に焦点を当てつつ説明できるようになります。 クラウド評価を最適化するためのヒント 金融サービスのお客様の期待を念頭に置き、お客様がクラウド評価プロセスを構築または改善するために実行できる3つのアクションを提案します。 ガバナンス体制の正式化。ガバナンス体制が正式に確立されていない場合、金融サービス機関がとるべき最初のステップは、クラウドのガバナンスとコントロールに関してエンドツーエンドの責任を担うC-レベルの経営幹部を任命することです。 プラットフォーム コントロールの優先順位付け。クラウド評価を策定する際に、優先順位と要件について、クラウド・プラットフォームとビジネス・アプリケーション機能の区分を取り入れます。セキュリティとレジリエンスのためのプラットフォームレベルのコントロールを最初の優先事項として重要視します。ビジネス・アプリケーションの機能に視点が移った時に、クラウドプラットフォームから継承されたコントロールに基づいて評価を調整できるようになります。 継続的な改善の組み込み。 知識共有と継続的な改善は、Day 1から明確に優先されるべきです。積極的な透明性があることにより、コントロールが構築され評価が行われる際に、3つの防御ラインすべてにわたっての信頼が築かれることが期待されます。意識的かつ積極的な共有によって、コントロールが設計されており、最初の本番ユースケースに対しても効率的に実行することができるという自信につながります。 AWSの使用量と専門知識が増えるにつれて、コントロールの強化と適用範囲の継続的な改善も容易になります。 ガバナンス体制の正式化 重要な最初のステップはクラウドのガバナンスに対する完全な説明責任を持つ適切な Cレベルの経営幹部を特定することです。この個人は、はじめにクラウドのガバナンスとコントロールのトーン設定を行い − クラウドの評価、使用状況、および継続的なモニタリングのための構造とプロセスを構築する責任をもちます。重要なのは、組織全体の専門知識を活用して、十分に制御されながらアジリティのある環境を確立するよう促す意欲のある、強力でポジションの高いリーダーを任命することです。 そのガバナンスのリーダーは任命され次第、評価プロセスを形成する機能横断的な構造、成文化されたポリシーと必要となるガバナンスプロセスを正式化し、現在進行中の評価のサポートをしなくてはなりません。私の経験では、正式なガバナンスの枠組みに支えられた多様な専門知識を活用できるバーチャルなチームが最も効果的です。 効果的なクラウドガバナンスの考慮事項 効果的なクラウドガバナンスの目標を定め、専門知識を正当に評価する企業全体のクラウド戦略 は、導入と使用状況を測定しながら時間をかけて構築します。 クラウドガバナンスに責任のある経営幹部を任命、従事、およびコミットすることで全体的なガバナンス構造に統合し、継続的なモニタリングを行います。 知識が豊富で 参加を約束できる（3 つの防御ラインにまたがった）リスクとコントロールのステークホルダーをクラウドのガバナンス活動における正式な参加者 にします。 企業のガバナンス フレームワークとプロセスに準拠することで、クラウドイネーブルメントチームの存在を明確にします。 定義されたプロセスを組織に伝達するとともに、承認されたクラウドサービスのみを利用していることを確実にする自動強制機能を使用します。 プラットフォーム コントロールの優先順位付け 私と顧客とのやり取りでよく見られたパターンは、クラウドサービスを評価するにあたり、たった１つのアプローチを作成し、それを全てのパターンに当てはめようとするやり方です。これは典型的に、各サービスを個別に評価する形式をとり、多くの場合、体系的に完成された詳細なチェックリストを伴います。 なぜこれが理想的ではないのでしょうか? 第一に、これは各サービスへの脅威は同等であることを前提としています（したがって、同じ評価が必要なコントロールを決定する適切な方法とされます）。第二に、このタイプのアプローチでは、評価者が能力または機能により区別することは認めていません（たとえば、データを中心としたサービスとコンピューティング サービスの違いを考慮しません）。最も重要な点は、既存の統制基盤を考慮していないことです（したがって、追加のコントロールの必要性を過大評価してしまう可能性があります）。 私が見てきた中で最も効果的だったのは、交渉不可能な基盤を確立した上で、環境、データの機密性、ビジネスの重要性など、他の要因に基づいて必要なコントロールを追加する、段階的なコントロール フレームワークです。この区分けによって、不適切なレベルのリスクを発生させることなく、実験を行うことができます。具体的には、すべてのデータタイプ、すべての環境において最初から予防的統制でなければならないコントロールもありますが、その他のコントロールではモニタリングをサポートすることによって、発見的統制から始めることが許容できるかもしれません。適切にコントロールされたイノベーションが目標です。 […]

アマゾン ウェブ サービス ジャパン株式会社 機械学習ソリューションアーキテクトの上総 (Twitter: @tkazusa) です。AWS Japan 目黒オフィスでは、今年からAI/ML関連情報を発信するイベント「AWS AI/ML@Tokyo」を定期的に開催しています。2020年6月11日にオンラインで開催された AWS AI/ML@Tokyo #4 では、AWS Japan による最新のAI/MLサービスアップデートとその利用用途のご紹介と、お客様活用事例として、Amazon Personalizeの活用事例をお話しいただきました。