Amazon Web Services ブログ

本日、開発者とチームがソフトウェアを構築・運用する方法を変革する 3 つの新しい最先端エージェントの 1 つである、Kiro autonomous agent のプレビュー版をリリースします。Kiro autonomous agent は、Kiro Pro、Pro+、Power プランを契約されている個人開発者向けにプレビュー版として順次展開されています。プレビュー期間中は無料で、使用量は週次制限があります。チームは早期アクセスのためにウェイトリストに参加できます。

本日、AWS は Amazon API Gateway でレスポンスストリーミングのサポートを発表しました。これにより、レスポンスペイロードをクライアントに段階的にストリーミングすることで、REST API の応答性を大幅に向上させることができます。この新機能により、ストリーミングレスポンスを使用して、LLM 駆動アプリケーション（AI エージェントやチャットボットなど）を構築する際のユーザーエクスペリエンスを向上させたり、Web およびモバイルアプリケーションの最初のバイトまでの時間（TTFB）パフォーマンスを改善したり、大きなファイルをストリーミングしたり、サーバー送信イベント（SSE）などのプロトコルを使用して段階的な進捗を報告しながら長時間実行される操作を実行したりできます。
この記事では、この新機能、それが対処する課題、およびレスポンスストリーミングを使用してアプリケーションの応答性を向上させる方法について説明します。

Amazon S3 Vectors がスケールとパフォーマンスを大幅に向上させて一般提供を開始しました。S3 Vectors は、ベクトルデータの保存とクエリをネイティブにサポートする初のクラウドオブジェクトストレージです。専用のベクトルデータベースソリューションと比較して、ベクトルの保存とクエリの総コストを最大 90% 削減できます。

2025 年 5 月、私たちは AWS Transform for mainframe をリリースしました。こ […]

本日より、Amazon CloudFront はエンドユーザーから CloudFront への相互 TLS 認証 (mTLS) をサポートし、高度に分散された機密性の高いアプリケーションのセキュリティを強化します。現代のアーキテクチャでは、クライアント・サーバー間の通信を保護するには標準的な TLS 以上のものが必要であり、mTLS は相互の認証を強制することでこのモデルを拡張します。これにより、データが交換される前にクライアントとサーバーの両方が互いの身元を検証することが保証されます。さらに、この新機能はプロトコルレベルできめ細かなアクセス制御と ID 検証を強制し、規制環境における監査とコンプライアンスを合理化します。

技術的負債は、今日のエンタープライズ開発チームが直面する最も根強い課題の一つです。調査によると、企業は本来であ […]

本ブログでは、Amazon DynamoDB のグローバルセカンダリインデックス（GSI）における複合キーの新機能についてご紹介します。これまで最大2つだった属性が、パーティションキーとソートキーそれぞれ最大4つ、合計8つまで指定できるようになりました。この機能により、従来アプリケーション側で属性を連結して複合キーを作成していた回避策が不要になり、データモデルの設計がシンプルになります。注文ダッシュボードの実装例を通じて、ステータス・日付・金額など複数の条件を組み合わせた効率的なクエリ方法や、大規模トラフィックに対応するシャーディング手法を学べます。

本ブログでは、Amazon DynamoDB のデータモデル検証ツールについてご紹介します。このツールは DynamoDB MCP サーバーの新機能で、設計したデータモデルを DynamoDB local 環境で自動的にテストし、すべてのアクセスパターンが正しく動作するまで反復的に改善します。Amazon Q Developer や Amazon Bedrock と連携することで、データモデリングの設計・テスト・改善サイクルを大幅に効率化できます。従来の手動検証プロセスを自動化し、実用的で検証済みのスキーマを短時間で作成する方法を学べます。

本日、Amazon OpenSearch Service において、サーバーレス GPU アクセラレーションとベクトルインデックスの自動最適化を発表しました。これにより、大規模なベクトルデータベースをより高速かつ低コストで構築でき、検索品質、速度、コストの最適なトレードオフを実現するようにベクトルインデックスを自動的に最適化できます。

本日発表された新機能は以下のとおりです。

GPU アクセラレーション – GPU アクセラレーションを使用しない場合と比較して、最大 10 倍高速にベクトルデータベースを構築でき、インデックス作成コストを 4 分の 1 に削減できます。また、10 億規模のベクトルデータベースを 1 時間以内に作成できます。コスト削減と速度の大幅な向上により、市場投入までの時間、イノベーションの速度、大規模なベクトル検索の導入において優位性を得ることができます。
自動最適化 – ベクトルの専門知識がなくても、ベクトルフィールドの検索レイテンシー、品質、メモリ要件の最適なバランスを見つけることができます。この最適化により、デフォルトのインデックス設定と比較して、コスト削減と再現率の向上を実現できます。手動でのインデックスチューニングには数週間かかることがあります。

Amazon OpenSearch Service クラスターは、CloudWatch や Amazon OpenSearch Service コンソールを通じてアクセスできる豊富な運用メトリクスを提供し、効果的なパフォーマンスモニタリングとアラート作成をサポートします。しかし、クラスター内の回復力やパフォーマンスの課題を特定することは困難な場合があります。リソースを大量に消費するクエリを特定したり、パフォーマンス低下の傾向を把握したりするプロセスには時間がかかることがあります。

これらの課題に対処するため、私たちは Cluster Insights をリリースしました。これは、厳選されたインサイトと実行可能な緩和手順を提供する統合ダッシュボードです。このダッシュボードは、ノード、インデックス、シャードレベルの詳細なメトリクスを表示し、最高の回復力と可用性を維持するためのセキュリティと回復力のベストプラクティスの簡潔なサマリーを提供します。

このブログでは、主要な機能とメトリクスを含む Cluster Insights のセットアップと使用方法について説明します。最後まで読むと、Cluster Insights を使用して OpenSearch Service クラスター内のパフォーマンスと回復力の問題を認識し、対処する方法を理解できるようになります。