Amazon Web Services ブログ

Tag: Serverless

AWS での 3Dflow による Photogrammetry の再構築

この記事は、“Photogrammetry reconstruction with 3Dflow on AWS” を翻訳したものです。 イントロダクション この投稿では、Photogrammetry という手法を使用して、静止画からデジタル 3 次元(3D)アセットを作成する方法をご紹介します。そのために、3Dflow によって作成された Photogrammetry の再構築専用の 2 つの製品を取り上げます。グラフィカルユーザーインターフェイスアプリケーションである 3DF Zephyr と、Amazon Web Services(AWS)マーケットプレイスで入手できる FlowEngine コンテナです。次に、AWS オンデマンドコンピュートリソースを使用して、複数の Photogrammetry 再構築タスクのバッチ処理を自動化する方法を示します。

Read More

AWS LambdaとAmazon S3を利用した連携スキーマの管理

この記事は、Senior Software Development Engineer, IMDbであるKrzysztof Lisによって執筆されました。 GraphQLの連携構成の中でも最も大きな課題の一つに、スキーマ管理があります。IMDbは19のサブグラフ(グラフレット)を保持しているのですが、各グラフレットはスキーマ全体のうちの自分の担当部分を、独立したCI/CDパイプライン上で所有し公開を行なっています。 連携スキーマを効果的に管理するために、IMDbはSchema Managerというコンポーネントを採用しました。このコンポーネントの責務は、スキーマの最新の変更を取得しGatewayに公開する前に検証を行うというものです。 第一回の記事では、モノリシックなREST APIをAWS Lambda上で実行されるFederated GraphQL(GQL) エンドポイントに移行するというものでした。今回の記事では、Federated GQLシステムでのスキーマ管理についてフォーカスしていきます。チームがこのコンポーネントを設計する際に直面した課題やどのように解決していったかを示します。また、実際の経験に基づいたスキーマ管理に関するベストプラクティスやプロセスも共有していきます。

Read More
Event flow with filtering

AWS Lambda 関数のイベントソースフィルタリング

この投稿は、 Filtering event sources for AWS Lambda functions を翻訳したものです。原文は Serverless の Principal Specialist Solutions Architect である Heeki Park によって書かれています。 AWS Lambda 関数にイベントソースが設定されている場合、Lambda サービスはメッセージまたはレコードごとに Lambda 関数をトリガーします。正確な動作は、イベントソースの選択とイベントソースマッピングの設定によって異なります。イベントソースマッピングは、Lambda サービスがイベントソースからのメッセージまたはレコードをどのように処理するかを定義します。 AWS は 2021/11/26 に、Lambda 関数を呼び出す前にメッセージをフィルタリングする機能を発表しました。フィルタリングは、 Amazon Kinesis データストリーム、Amazon DynamoDB ストリーム、および Amazon SQS のイベントソースでサポートされています。これにより、Lambda 関数に対するリクエストが減り、コードが単純化され、全体的なコストが削減されます。

Read More

re:Invent 2021 .NET セッション

AWS での.NET アプリケーションの実行はかつてないほど素晴らしいものであり、今年の re:Invent でのセッションは、その興奮を反映しています。すべてのセッションは、アプリケーションにすぐに適用できる実際の洞察とコーディング例を求めているビルダーを対象としています。ラスベガスに行けない人のためのバーチャルオプションもあります。今年は AWS 上の .NET にとって素晴らしい年になるでしょう!

Read More

Amazon S3とAWS Lambdaを使って差分チェッカーを構築してみよう

この投稿は、AWSソリューションアーキテクトであるJames Beswickによって書かれました。 異なるバージョンのファイルやオブジェクトを保存する際、自動的にバージョン間の差分を検知して記録する仕組みがあれば有用かもしれません。一般的に言うと差分チェッカーツールというのは、設定変更によって起こるJSONファイルの変更や、ユーザーによって作られたドキュメントの変更を、記録したりすることができます。 このブログ記事ではAmazon S3とAWS Lambdaを使ってスケーラブルな差分チェッカーサービスをビルド・デプロイする方法を示します。今回のアプリケーション例ではAWS Serverless Application Model(AWS SAM)を使用しているため、あなたの保有しているAWSアカウント上に簡単にデプロイすることができます。

Read More

AWSサーバーレスバッチ処理アーキテクチャの構築

この投稿は、AWSソリューションアーキテクトであるReagan RosarioとWWPSソリューションアーキテクトであるMark Curtisによって書かれました。バッチ処理は多くの組織にとって基礎となるもので、大量の情報を効率的に自動化した形で処理することができます。ユースケースとしては、ファイル取り込み処理、キューベースの処理、トランザクションジョブ、さらに重いデータ処理のジョブなど、多岐にわたります。 この記事では、ファイル取り込み処理を実装するためのバッチ処理を、サーバーレスに実現するための方法を説明していきます。今回の例では、オーケストレーションにAWS Step Functions、オンデマンドのコンピューティングにAWS Lambda、データストアにAmazon S3、メールの送信にAmazon SESを使っていきます。

Read More

AWS SAM Accelerateによるサーバーレス開発の加速

サーバーレスアプリケーションの構築は、開発者のコードテストの考え方を変えます。以前は、開発者はローカルで完全なインフラストラクチャをエミュレートし、テストの準備ができたコードのみをコミットしていました。しかしながら、サーバーレスでは、ローカルでのエミューレートがより複雑になる可能性があります 本ブログでは、AWS SAM Accelerateを利用して本番環境のサービスに対して、クラウド上でサーバーレスアプリケーションをテストすることで、ほとんどのローカルエミュレーションをバイパスする方法を紹介します。AWS SAM Accelerateの目的は、sam sync、インクリメンタルビルド、開発者向けの集約されたフィードバックにより、テストのためのインフラの精度を高めることです。AWS SAM Accelerateは、クラウドを開発者に誘うのではなく、開発者をクラウドに誘います。

Read More
hexagonal architecture

AWS Lambdaによる進化的アーキテクチャの構築

この投稿は、メディアとエンターテインメントのプリンシパルソリューションアーキテクトであるLuca Mezzaliraによって書かれました。 俊敏性により、必要に応じてワークロードを迅速に進化させ、新機能を追加したり、新しいインフラストラクチャを導入したりできます。コードベースでアジリティを実現するための主な特徴は、疎結合コンポーネントと強力なカプセル化です。 疎結合は、テストカバレッジを改善し、一貫したリファクタリングを作成するのに役立ちます。カプセル化を使用すると、実装ロジックを明らかにすることなく、サービスとのやり取りに必要なものだけを公開できます。 進化的なアーキテクチャは、設計の俊敏性を実現するのに役立ちます。「進化的アーキテクチャの構築」という本の中で、このアーキテクチャは「複数の次元にわたるガイド付きの段階的な変更をサポートする」アーキテクチャとして定義されています。 このブログ投稿では、AWS Lambda 関数のコードをモジュール方式で構造化する方法に焦点を当てています。ヘキサゴナルアーキテクチャパターンによって提供される進化的側面を取り入れ、さまざまなユースケースに適用する方法を示します。

Read More

ドローンとAIを活用した風力発電所のメンテナンスの自動化

この記事は、「Automating Wind Farm Maintenance Using Drones and AI」を翻訳したものです。 はじめに 風力タービンのメンテナンスは、高額でハイリスクな作業です。ニュースサイトの最近の分析によると、風力発電所のオーナーは、10年間で400億ドル以上を運用・保守に費やすと予想されています。また、別の最近の研究  では、従来のロープを使った検査の代わりにドローンを使った検査を行うことで、運用コストを70%削減し、さらにダウンタイムによる収益の損失を最大90%減少させることができるとしています。 このブログ記事では、ドローン、機械学習(ML)、モノのインターネット(IoT)をエッジとクラウドで活用することで、タービンのメンテナンスをより安全に、よりコストを抑えて行う方法を紹介します。まず、機械学習モデルをクラウド上で学習させ、タービンブレード上の腐食、摩耗、アイシングなどの危険を検出しました。機械学習部分の詳細は、前回のブログ記事でご紹介しています。このモデルをエッジに展開することで、より安全で迅速な検査を実現します。また、クラウドへの継続的な接続を必要とせず、オフラインでも動作します。ユニークなのは、Amazon Augmented AI を通じて、カスタムアラートや条件に基づいて調査結果に関与できる既存のメンテナンスチームを組み込むことができることです。この方法では、専門家があなたから指定された通りにレビューを行うというように、機械学習モデルを継続的な学習プロセスの中に組み込むことができます。このブログ記事は、re:Invent 2020 のビルダー・フェア・プロジェクト「Automating Wind Turbine Maintenance Using Drones and AI」の続きになります。

Read More
Graphing lowest costs against fastest time

Operating Lambda: パフォーマンスの最適化 – Part 2

Operating Lambda シリーズでは、AWS Lambda ベースのアプリケーションを管理している開発者、アーキテクト、およびシステム管理者向けの重要なトピックを取り上げます。この 3 部構成のシリーズでは、Lambda ベースのアプリケーションのパフォーマンスの最適化について説明します。 パート1では、Lambda 実行環境のライフサイクルについて説明し、コールドスタートを定義、測定、改善する方法について説明しました。このブログでは、メモリ構成が Lambda のパフォーマンスに及ぼす影響と、静的初期化コードを最適化する方法について説明します。

Read More