Posted at

AWS Summit 2019 Tokyo (6/14 基調講演)

聴きながらとったメモ

登壇者:アマゾン ヴァイス・プレジデント・テクノロジー Marco Argenti


マイクロアーキテクチャとコンテナ


  • モノリシックな設計では、一部を止めると全体に影響する。

  • マイクロサービスでは影響が全体に波及しない設計にできる。

  • AWSのサーバーにはインスタンスとコンテナがある。

  • コンテナで一番簡単に使えるのはECS。

  • コンテナを動かすインスタンスをAWS側で管理する仕組みがFargate。

  • コンテナを動かすもう一つの仕組みはEKS(Elastic Container Service for kubernetes)


サーバーレスアーキテクチャとLambda(ラムダ)


  • サーバーレス(サーバーの管理を完全に忘れる)という考え方のパイオニアはアマゾン。

  • Lambdaはモニタリング、ロギング等も提供している。その上にユーザーはアプリケーションを構築できる。

  • サーバーインフラに全く注意を向ける必要がない。

  • コカコーラでは、AWSのLmandaを使って自動販売機を新しいものにした。

  • サーバーの管理には以下が必要


    • 一貫したコミュニケーション管理

    • 完全な可視性

    • 障害分離と保護



  • AWS App Meshを使うと、障害がどこで起こっているかをすぐに発見することができ、ネットワークの制御ができる。


クラウド・データレイクとデータベースサービス


  • データとは保存するだけのものではなく、みなさんのビジネスにとっての知能である。

  • ネットフリックスではフルテーブルスキャンで32分かかっていた処理を3分に短縮した(昨日の講演でパラレルクエリ使ってるって話だった)。

  • 大量の関係性のあるデータベースを扱うのに向いているのはAmazon Naptune。

  • 時系列データの扱いに向いているのはAmazon TimeStream。

  • マイクロ秒単位の遅延しかないElasticCache。

  • 高速なキーバリューデータベースが必要な場合はDynamoDBが最適。マルチリージョン、マルチマスタで、ミリセカンド遅延のデータベース。

  • DynamoDBはどんな規模でも信頼できるパフォーマンスを発揮する。

  • フォートナイトというゲームではDynamoDBで1分あたり1億2500万以上のイベントを処理している。

  • 大量のデータを保存した状態を「データレイク(データの湖)」と呼んでいる。

  • S3にデータを保存すると、そこからアマゾンのデータ分析サービスを活用できる。

  • レイクフォーメーションによって、データレイクから分析まで、ユーザーからの可視性を担保する。

  • アマゾンではデータ保存だけでなく分析サービスも提供している。


    • Amazon Kinesis

    • Amazon Athena:非構造化データにクエリを走らせて分析することができる。Spark Hadoop等とも連携ができる。

    • Amazon Quick Sightによってデータの可視化が簡単にできる。

    • Amazon Redshiftによって簡単にコスト効果高くデータ分析ができる。大規模データベースをまたいだ複雑なクエリが可能。



  • 数十億のエッジデバイスからデータが集まってきている。

  • 2025年には750億のデバイスがネットに繋がる。

  • AWS IoTは最も完全なIoTプラットフォーム。AWS IoTではサーバーサイドからエッジデバイスまで一貫して環境を用意している。

  • AWS IoTを使ってアレクサと連携する仕組みを構築している。

  • トラクターメーカーのヤンマーはトラクターをAWS IoTに接続し、収穫量予想サービスを提供している。

  • 自動車メーカーのフォルクスワーゲンでは、122以上の製造工場をAWS IoTを使ってネットワークに接続し、製造工程の解析を行なっている。

  • AWS IoTにより土壌の状態管理を行なっている企業もある。

  • 電力会社エネルでは、エネルギーの利用状況を解析し、エネルギーの節約を実現している。


AI・機械学習について


  • アマゾンにおいて機械学習は長い歴史を持つ(本の推薦、在庫管理など)

  • 機械学習への取り組みはAWS上で行われることが最も多い。

  • スマートニュースは記事分析にAmazon SageMakerを使っている。

  • アマゾンの機械学習サービスには「サーバーインフラ・フレームワーク提供」「機械学習提供」「AI提供」の3つがある。

  • フレームワークとして、TensorFlow、mxnet、PyTorch、GLUON、Kerasを提供している。

  • 機械学習の運用コストの大半は推論においてかかっている。

  • Elastic Inferentiaが今年後半に提供される。推論のコストを1/10にすることができるチップ。

  • Amazon SageMakerを使うと推論も実行できる。推論コストを75%まで削減できる。

  • AIの提供では、あらかじめ決まった機能を提供するもの(文章解析、画像解析、商品レコメンドなど)。


登壇者:メルカリ最高技術責任者 名村 卓


  • メルカリではAWSもAI・マシンラーニングを使っている。

  • ユーザーの撮影した写真から、それに近い商品を検索する仕組みにAIを用いている。

  • EKSのコンテナでAIのトレーニングを行なっている。

  • S3の高い可用性、充実したイベントフック、充実したツール群とエコシステムがあるためよく使っている。

  • 出品者が商品の社員を登録した時点でAIがその商品名等を予測して自動的に入力してくれるシステム。

  • splunkというプラットフォームをAWS上で動かして、さらにLambdaやFargateとも強調するシステムを構築している。

  • データのリアルタイム処理にKinesisを使っている。


登壇者:パナソニック 㹧䃵 猧䒽


  • vierukaは来客分析において、エッジデバイス側で画像のAI処理を行っている。

  • エッジ側で不具合があっても駆けつけの必要がないので出張費ゼロ円。

  • 稼働しながら機能追加していける。

  • エンドユーザーの現場で発生するデータを収集することで、エンドユーザーに必要な機能が提供できる。


登壇者:シンセティックゲシュタルトCEO 島田 幸輝


  • 「人工知能により科学研究を自動化し、天才に依存せずに科学研究の成果を社会に提供する」企業。

  • ひとつの医薬品を開発するのに2000億円以上のコストと10年以上の時間がかかっている。

  • 人工知能により装薬。ロボットによる実験によって創薬にかかるコストと時間を節約する。

  • SageMakerの分散処理によって仮説検証プロセスにかかる時間が1/10になって。

  • 解析速度は518万倍

  • 理論から分子設計するのではなく、総当たりで最も良い分子設計を発見するというアプローチ。

  • 仮説検証の速度と精度が上がる。

  • 開発者は、どうやって設計するか、から、どうやって人工知能に問題を解かせるか、というほうにマインドチェンジした。