この記事は公開されてから1年以上経過しています。情報が古い可能性がありますので、ご注意ください。
ご機嫌いかがでしょうか、豊崎です。
本日は2019年6月12日から14日まで開催しているAWS Summit Tokyo 2019参加のため幕張メッセに来ております。
本記事では基調講演の内容をレポートしたいと思います。
セッション情報
- スピーカー（敬称略）
- Amazon Web Services, Inc. Vice President Technology Marco Argenti
- パナソニック株式会社 ビジネスイノベーション本部 エッジコンピューティングＰＦプロジェクト CEO 宮崎 秋弘
- SyntheticGestalt Ltd. CEO 島田 幸輝
- 株式会社メルカリ CTO 名村 卓
セッション名：基調講演 Day 3
AWSは多くの技術を取り込みながら、それをより使いやすいものにして、お客様に提供することこそが「カスタマーサクセス」につながると考えています。お客様は、これらの技術を初期費用なしですぐ試すことができます。 Day 3 基調講演では、主にエンジニア、開発者の方を対象に、IoTや機械学習、エッジコンピューティングなどの技術やソリューションのご紹介、マイクロサービスやコンテナ、サーバレス等を活用した開発スタイルの進化をご紹介します。
レポート
Quick business update
- $30.8B
- 41%成長率
- 12年前にスタートした時は想像ないスピードでの成長
- 様々なクライアント
- スタートアップの企業
- エンタープライズのお客様
- 公共機関のお客様
- 全ての業界の中でAWSが利用されている
- AWSが利用されている理由
- 正しいツールを正しいビジネスに活用できるサービスをビルダーに提供できていること
- カスタマーエクスペリエンスに対するコスト、投資コストがかからない
- 先進的なサービスを提供しているAWSを使わない手はない
- ビルダーを対象とした最も幅広いぷらっとフォーム群を用意している
- AWSグローバルインフラストラクチャ
- 66のAZ、21のRegion
- 12の新しいAZと4つの新しいRegion
- 1つのAZには複数のデータセンタ
- 利用者は耐障害性の高いサービスを作ることができる
- 高可用性を提供できる
- 堅牢性、拡張性はビジネスに対して大きな価値がある
データベースについて
- 14のデータベースサービス
- リレーショナル
- Aurora
- MySQL
- PostgreSQL
- RDS
- MySQL
- PostgreSQL
- MariaDB
- Oracle
- SQL Server
- Aurora
- 専用
- DynamoDB
- DocumentDB
- ElastiCache
- Neptune
- Timestream
- QLDB
- 移行サービス
- AWS Migration Hub
- AWS Database Migration Service
- リレーショナル
ストレージについて
- ブロック
- 伸縮自在
- スナップショットの自動化
- オブジェクト
- 6つのストレージクラス
- セキュリティ、コンプライアンス、監査機能
- 可用性、スケーラビリティ
- 分析能力
- ファイル
- S3
- 4つのパフォーマンスノード
- 2つのストレージクラス
- データ転送
- 11つのユニークな方法でAWSにデータを転送
セキュリティ
- 幅広いセキュリティを提供
- 証明書
- グローバルに準拠した証明書
- AWSサービスで100%検証済み
- GDPRにも対応
- 暗号化＆キー管理
- 116の異なるAWSサービスに対して暗号化をサポート
- KMSは56サービスに対応している
- 脅威検知/APPセキュリティ
- 脅威検知
- WAF
- アクセス制御
- 構成設定の準拠
- 機械学習によるセキュリティ
- DDoS防御
- 評価＆レポート
- リソースと利用状況の監査
クラウド移行
- お客様のAWSへの移行を支援するには？
- 移行したらどうなるのか？
- どれくらいの期間でクラウドに移行できるのか？
- 1つのソリューションで全てをカバーできるわけでなはい
- AWSは多様なサービスを提供してカバーしている
- データ転送＆ストレージ
- システムに応じたデータの形がありデータの移行は複雑なタスク
- 複数の特徴を持ったデータの移行サービスを用意している
- システムに応じたデータの形がありデータの移行は複雑なタスク
- Snow ball、Snowmobile
- データベース移行
- オンプレミスとのAWS間の移行
- データベース間の移行
- 自動スキーマ変換
- ダウンタイムなしのデータレプリケーション
- アプリケーションの移行
- 移行後も使い慣れた環境を使いたいという要望
- SAPについてはAWS上で商用利用が可能
- 数十万のお客様がAWS上でWindowsを実行
- MicroSoftの2倍のWindowsをAWS上でホスティング
- ここ３年間で400%以上Windowsサービスの成長
- ハイブリットという選択
- 最終的にはほとんどのお客様がクラウド上に移行が可能だと考えている
- 移行期間についてはオンプレミス、AWSを繋いだハイブリッド環境が発生することが多い
- AWS DirectConnect
- Outposts（プレビュー）
- VMware Cloud on AWS
- vCenterやvMotionなどの利用可能
- 国内ではゼンリン様などが利用している
- Snowball Edge Compute-Optimized
マイクロサービス
- 全身的なイノベーション向けの時間を作ることができる
- 大きな学びをしながら小さな変更を積み重ねていくことが重要
- モノリシック、密結合からマイクロサービス、疎結合へ
- モノリシックなシステムの場合はアップデートが全体に影響を及ぼす
- マイクロサービスはAPIで結合
- 一部に問題が発生しても影響が小さい
- インスタンス
- インスタンスにおいて最も広い範囲でプラットフォームの選択肢を提供
- 200以上のインスタンスタイプ
- ほぼ全てのビジネスニーズに対応することができる
- コンテナ
- ECS
- スケーラビリティとパフォーマンスに優れたコンテナ管理システム
- コンテナを現在利用中であればECSへの移行が最も適している
- Fargate
- コンテナのオーケストレーションを管理するのがFargate
- インフラ管理からの脱却
- 従量制課金
- EKS
- 本番グレードのKubernetesを実行するエンタープライズ向けプラットフォーム
- Kubernetesのコミニュティを連携している
- ECS
- Lambda
- Function as a Servcie
株式会社メルカリ CTO 名村 卓
- メルカリとは
- 個人間の中古品売買のプラットフォームを提供するサービス
- メルカリの特徴
- 安心・安全に対する取り組み
- 捜査機関や公的機関との連携
- AIによる違反検知
- 今後の事業展開
- 海外へのサービス展開
- AI/Machine Learning
- ImageSearch
- 写真に近いメルカリの商品を探す
- S3に保存したペタバイトの画像データ
- EKSClusterで画像トレーニングを行う
- AWSと相性がいいポイント
- EKSの管理コストがかからない
- 高い可用性・安定したストレージ
- AI出品
- 出品する写真から商品のカテゴリやタイトルを提案
- 安心・安全
- merpay * AML/CFT
- splunk > Enterprise on AWS
- AWSと相性がいいポイント
- Kinesisが存在すること
- splanckに標準対応している
- ImageSearch
- メルカリがAWSを利用する主な理由
- 積み上がり続ける信頼・実績
- 無数の新機能が常にリリスされること
- Customer Obsession
AWS上のサーバーレスアプリケーションアーキテクチャ
- Lambdaは47のAWSサービスと統合している
- モニタリング、ロギング、アイデンティティ、コミニュケーションを提供している
- サービスを管理する必要がない
- さまざまなイベント駆動側のアプリケーションの中核となるサービス
- インフラへの管理は不要になる
- スピードが命のスタートアップのみではなく、大規模なシステムへの導入も可能
- アプリケーション間のコミュニケーションの仕組み
- 必要な対策は
- シームレスなコミニュケーションをどのように行うか？
- アプリケーション間でのコミニュケーションができるようにする
AWS App Mesh
- マイクロサービスからマイクロサービスへの通信
- どこに問題があるか確認することができる
- トラフィックの制御も可能
Database Freedom
- リレーションシップからの脱却
- OracleやMicrosoftのライセンスについて課題
- オープンソースへの移行
- MySQL
- PostgreSQL
- MariaDB
- オープンソースで商用グレードのパフォーマンスをだす
Amazon Aurora
- MySQLの5倍の速さ
- PostgreSQLの3倍の速さ
- 優れた可用性と耐久性
- 商用グレードの10分の一のコスト
専用データベースファミリー
- インメモリ
- グラフ
- 時系列
- 元帳（ブロックチェーン）
- Key Value
- ドキュメント
Amazon DynamoDB
- 自動的なスケール
- グローバルテーブル
- テーブルを複数のリージョンでレプリケーションしている
- ブロックチェーン
- ブローックチェーンで実現したいこと
- 安心して取引ができる一元的な集約的な元帳が欲しい
- 契約管理をしたい
- イミュータブル、改ざん不能、暗号的に検証可能
- ブローックチェーンで実現したいこと
Amazon QLDB
- イミュータブル、改ざん不能、暗号的に検証可能
Amazon Managed Blockchain
- マネージド側のブロックチェーン
- 分散型
分析
- データは事業をより良くするために利用したい
- クラウドデータレイクがあるべき未来
- Amazon S3が選択されることが多い
AWS Lake Formation（プレビュー）
- 最も広域で幅広いデータと分析のポートフォーリオ
- IoTでモノからリアルタイムに情報を受け取ってくる
Amazon Redshift
- データウェアハウスサービス
- コスト効率よくデータ処理可能
- 複数のソースからデータを収集
- 高度な構成化
- 大規模データベース
- 列指向型データベース
エッジのデータはどうするのか？
- 数十億のエッジデバイスからデータが来るようになっている
- 医療機器
- サーモスタット
- ドアロック
- 電球
- など、ありとあらゆるモノ
- 2025年までに750億個のエッジデバイス
- センサーからのデータを利用して
- 生産性向上
- 事故の防止
- など
- AWS IoT向けプラットフォームは最も安全
- データサービス
- データコントロール
- デバイスソフトウェア
- 同じプログラミングモデルで、クラウドでもエッジでも利用することができる
Amazon Green Grass
- ネットへの接続がないところでも利用が可能
- 業種
- 自動車製造
- 家電
- 農業＆食糧生産
- エネルギー管理
- 変革が物理的な世界で起きている
パナソニック株式会社 ビジネスイノベーション本部 エッジコンピューティングＰＦプロジェクト CEO 宮崎 秋弘
- くらしをアップデートを実現する
- Vieureka
- 目によるセンシングに着目
- 87%を目から認識する
- 映像をAI処理するエッジデバイス
- AWSからキーとなるアプリケーションを選択しエッジにデプロイ
- Vieurekaの事例
- 来客分析
- 24/365で来客状況データを収集
- 入退室管理
- カラービットを読み取って入退室管理
- 来客分析
- パートナーに貢献できること
- SDKの提供
- 駆けつけ不要で出張費0円
- 稼働しながら機能追加可能
- 遠隔でアップデート可能
- 手段を提供することで、ビジネスの固有価値の想像に貢献
機械学習
- 機械学習をツールそして提供していきたい
- AWSは機械学習への取り組みがどこよりも多い
- AIサービス
- MLサービス
- MLフレームワーク＋インフラストラクチャ
- 機械学習向けインフラとフレームワーク
- インフラ
- EC2 P3/P3dn
- フレームワーク
- TensorFlow
- mxnet
- Pytorch
- インターフェース
- GLOUN
- Keras
- TensorFlowのクラウド上のワークロードは85%以上がAWSで利用
- 大半のMLのコストは推論の実行である
- 自然言語モデルの推論
- インフラ
Amazon Elastic Inference
- GPUアクセラレーションをEC2に追加すると低コストで推論を高速化
AWS Inferentia（2019後半公開予定）
- 推論コストを10分の１まで下げるカスタムの高性能な機械学習推論チップ
Amazon EC2 G4 Instances（近日提供予定）
- 機械学習、学習、推論およびビデオトランスコーディング用に設計
Amazon SageMaker
- 完全マネージ型の機械学習プラットフォーム
- データのタグ付け、トレーニング
- アプリケーションのデプロイまで
- 非常に早く機械学習が実行できる
- ハイパーパラメータの最適化
- 気概学習を使って機械学習を利用するようなもの
Amazon Forecast（プレビュー）
- Amazon.comと同じ技術に基づく精度の高い時系列予測サービス
Amazon Personalize
- Amazon.comと同じ技術に基づくリアルタイムのパーソナライズおよびレコメンデーション
SyntheticGestalt Ltd. CEO 島田 幸輝
人工知能による科学研究と分子設計への応用事例
- 科学的な発明は社会にとって重要なことと考えている
- 人工知能による科学研究
- ライフサイエンス領域のスタートアップ企業
- 1つの医療品開発におけるコストと期間
- 2123億円
- 11.5年
- 年々増加傾向にある
- 各国の社会保障費の圧迫が社会問題
- 人工知能による創薬＋ロボットによる実験
- 薬の価格を抑える
- 機械学習を利用した高速な仮説検証
- SageMakerを利用することで
- 518万倍の解析速度
- 解析コストは4300万分の１
- 数億の候補から総当たり探索
- SageMakerを利用することで
- 酵素タンパク質の新種を発見
- SagaMakerで医薬品の分子を設計している
Amazon ML Solution Lab
- 機械学習の利用の加速
- 機械学習の専門家とAWSが協力してモデルを作って本番稼働させていく
Amazon Machine Learning University
- AWSが独自デベロッパー向けの学習と同じものを受講できる
AWS DeepLens
- DeepLearningのカメラ
- SageMakerのモデルを数クリックで送ることができる
- HDレベルのビデオをリアルタイムに生成することができる
AWS DeepRacer
- 強化学習によって走らせている
- 機械学習を楽しみながら学べる
0
