AWS Step Functions のお客様

Coinbase は、ビットコイン、イーサリアム、ライトコインなどの暗号通貨の購入、販売、保管を容易にする安全なデジタル通貨交換プラットフォームです。2017 年の時点で、Coinbase は世界最大のビットコインブローカーであり、33 か国のユーザーにサービスを提供しています。Coinbase にはパフォーマンスの高いエンジニアリング組織があります。何百ものプロジェクトに 1 日何百回もデプロイし、新機能をアイデアからリリースまで 1 時間以内にリリースして、失敗する確率を低く抑えるようにしています。これが可能なのは、変更管理とデプロイのプロセスのほとんどが自動化されており、エンジニアが DevOps カルチャーを採用しているためです。

その自動化の重要な部分は、安全で自動化されたデプロイパイプラインである Odin です。Odin はプロジェクトリリースの説明を取得し、安全かつ確実に AWS にローンチします。Coinbase は AWS Step Functions を使用して Odin を自動化し、12 要素のアプリケーションを AWS に簡単、確実、安全にデプロイできるようにしました。Step Functions は、インフラストラクチャのプロビジョニングや管理を必要としないサーバーレスの運用モデルで、すぐに使用できる信頼性とエンドツーエンドの可視性を実現するツールを提供しました。Odin を Step Functions ステートマシンとして設計することで、Coinbase はデプロイの進行状況を視覚的に監視し、各デプロイを段階的に監査できます。サービスが失敗した理由に関する新たな insight を得たことで、Coinbase はミッションクリティカルなデプロイの成功率を 90% から 97% に高めることができました。エンジニアに可視性を提供することで、問題を迅速に診断して解決できるようになり、デプロイの失敗に関連するサポートチケットの数が減りました。

「チームがワークフローに高レベルの自動化を組み込むことに集中すれば、安定性が生まれます。Coinbase は、AWS Step Functions のようなサービスを使い高いレベルの自動化を構築することで、安定性のために速度を犠牲にすることなく、その両方を実現しています。」

Coinbase – インストラクチャエンジニア、Graham Jenson 氏

Cox Automotive 社は、自動車の購入、販売、所有、使用をより簡単にします。デジタル広告をサポートするために、機械学習予測モデルの量と質を高めたいと考えていました。しかし、時間が経つとモデルが変動してしまい、判断を誤る可能性があることを懸念していました。データサイエンティストの監視をモデルの再トレーニングプロセスに導入するのが最善の解決策でしたが、課題は意思決定科学チームのペースを落とすことなくそれを実行することでした。

Cox Automotive は、AWS Step Functions で調整するモデル承認パイプラインを含め、機械学習モデルの配信ワークフローを AWS で自動化することに決めました。Amazon SageMaker を使用してモデルを再トレーニングすると、出力アーティファクトと診断が Amazon S3 にアップロードされ、Step Functions がトリガーされてモデル承認ワークフローが実行されます。メールがデータサイエンティストに送信されるので、データサイエンティストはモデルを確認して「承認」または「拒否」をクリックします。承認されると、Step Functions はアーティファクトを宛先の S3 バケットに送信し、新しいモデルが使用可能になったことを示す Amazon SNS 通知も送信します。

自動化への投資により、両チームともより意義の大きい活動に取り組む時間ができました。Cox Automotive は、再利用可能な自動化プロセスを導入することで、より正確なモデルの作成にさらに多くの時間を費やすことができるようになり、デプロイパイプラインの構築にかける時間を減らすことができます。

「Amazon SageMaker や AWS Step Functions などのサービスを使用してモデルのデプロイを自動化することで、人的介入やオーバーヘッドを最小限に抑えながら、ほぼ自動化された高品質のモデルを繰り返しビジネスに提供できるようになりました。」

Cox Automotive – リードソリューションアーキテクト、Jeremy Irwin 氏

CyberGRXは、サードパーティのサイバーリスクを特定、測定、優先順位付けするリスク管理プラットフォームを構築し、世界中の企業のサードパーティサイバーリスク管理を変革しています。Amazon Web Services (AWS) での構築を採用したのは、デプロイが容易であることと、既存のワークフローに容易にマッピングできる設計が理由です。

「ベイズネットワークアルゴリズムで大規模な並列計算を実行する必要があり、AWS Step Functions の分散マップステートを使用することにしました。以前には実現できなかった方法でスケールインできるからです。分散マップを使用することで、これまで処理に 8 日以上かかっていた全データ取引、つまり 227,000 社分のデータ (570 億データポイント) を 1 時間以内に処理できました。人件費を大幅に節約できただけでなく、コストも大幅に削減できました」

チャールズ・バートン、ディレクター、シニアソフトウェアエンジニア －CyberGRX

Xylem は、世界の水問題に対する革新的な技術ソリューションの開発に取り組む世界有数の水技術をリードする企業です。分析を行うために、Xylem は Hadoop ベースのオンプレミスデータレイクを使用して、電気、水道、ガスの計測データを大量に保存していました。しかし、このソリューションではデータ分析機能が制限されており、新しいプロジェクトを追加できるほどの柔軟性がありませんでした。データ処理には一日 4 ～ 5 時間かかり、新規顧客を追加した場合は最大で数日かかっていました。

Xylem データレイクを AWS Batch、AWS Step Functions、AWS Lambda を活用した AWS ベースのプラットフォームに移行することで、Xylem データチームはデータ分析機能を劇的に拡張することができました。Xylem は各入力ファイルを Step Functions ステートマシンに送り、そこでファイルを検証し、メタデータを追跡し、最後にデータを処理する AWS Batch ジョブを起動して監視します。各ステートマシンは独立しており、並行して動作します。AWS Batch ジョブはコンテナを自動的に割り当てるので、Xylem は数千ものファイルを同時に解析できるようになりました。ジョブがリソースを奪い合う心配はありません。その結果、Xylem はデータセットのサイズに関係なく、データ処理時間を 20 時間からわずか 2 時間に短縮することができました。

「Xylem データレイクの一部として AWS Step Functions を使用することで、私たちのイノベーションのペースは一変しました。他のエンジニアへのハンドオフを減らし、DevOps による中断を減らし、これまで可能だと思っていたよりも多くのテクノロジーを使用して、社内外の分析プロジェクトを開発できるようになりました。」

Xylem – ソフトウェア戦略担当副社長、Mitchell Hensley 氏