2024/6/4 9:00:00 ~ 2024/6/5 9:00:00 (JST)

最近の発表

Introducing Amazon EMR Serverless Streaming jobs for continuous processing on streaming data

Amazon EMR Serverless は Amazon EMR のサーバーレスオプションで、データエンジニアやデータサイエンティストが、クラスターやサーバーを設定、管理、スケーリングすることなく、オープンソースのビッグデータ分析フレームワークを簡単に実行できます。Amazon EMR Serverless の新しいストリーミングジョブモードを発表できることを嬉しく思います。これにより、ストリーミングデータを継続的に分析して処理できるようになります。\n ストリーミングは、企業がセンサー、IoT デバイス、ウェブログなどのデータソースから継続的に洞察を得るために不可欠になっています。ただし、高可用性、障害に対する耐障害性、ストリーミングサービスとの統合などの要件により、ストリーミングデータの処理は困難な場合があります。Amazon EMR サーバーレスストリーミングジョブには、これらの課題に対処する機能が組み込まれています。正常な AZ に自動的にフェイルオーバーすることで、マルチ AZ (アベイラビリティーゾーン) の耐障害性により高可用性を実現します。また、障害発生時のジョブの自動再試行、ログローテーションや圧縮などのログ管理機能によって耐障害性が向上し、ジョブの失敗につながる可能性のあるログファイルが蓄積されるのを防ぎます。さらに、Amazon EMR サーバーレスストリーミングジョブは、セルフマネージド Apache Kafka クラスターや Amazon マネージドストリーミングfor Apache Kafka などのストリーミングサービスからのデータ処理をサポートしており、新たに組み込まれた Amazon Kinesis Data Streams Connector を使用して Amazon Kinesis Data Streams と統合され、エンドツーエンドのストリーミングパイプラインを簡単に構築できるようになりました。

Amazon API Gateway integration timeout limit increase beyond 29 seconds

Amazon API Gateway では、お客様が統合タイムアウトを以前の 29 秒の制限を超えて延長できるようになりました。この設定は、API Gateway が統合からの応答が完了するまで待機する最大時間を表します。リージョン REST API とプライベート REST API では、統合タイムアウトを 29 秒以上に増やすことができますが、そのためにはアカウントレベルのスロットルクォータ制限を減らす必要がある場合があります。今回のローンチにより、大規模言語モデル (LLM) によるジェネレーティブ AI のユースケースなど、より長いタイムアウトを必要とするワークロードをお持ちのお客様が API Gateway を活用できるようになります。\n Amazon API Gateway は、開発者があらゆる規模の API の作成、公開、保守、監視、保護を簡単に行えるようにする完全マネージド型サービスです。API は、アプリケーションがバックエンドサービスのデータ、ビジネスロジック、または機能にアクセスするための「玄関」として機能します。API Gateway を使用すると、リアルタイムの双方向通信アプリケーションを実現する RESTful API と WebSocket API を作成できます。API Gateway は、ウェブアプリケーションだけでなく、コンテナ化されたワークロードやサーバーレスのワークロードもサポートします。

Amazon Timestream for LiveAnalytics now an Amazon EventBridge Pipes target

ライブアナリティクス用 Amazon TimeStream が Amazon EventBridge Pipes のターゲットになり、Amazon Kinesis、Amazon DynamoDB、Amazon SQS などのソースからの時系列データの取り込みが簡単になりました。Pipes は完全マネージド型のエクスペリエンスを提供するため、差別化されていない統合コードを記述しなくても、時系列データを LiveAnalytics 用 Timestream に簡単に取り込むことができます。\n Amazon Timestream for LiveAnalytics は、1 日に何兆もの時系列データポイントを簡単に保存および分析できる、高速でスケーラブルな専用時系列データベースです。Amazon EventBridge Pipes は、イベントプロデューサーとコンシューマーをポイントツーポイントで統合するための、シンプルで一貫性のある費用対効果の高い方法を提供します。数回クリックするだけで、時系列データを生成するアプリケーションを Pipes を使用して Timestream に接続できるようになりました。これにより、アプリケーションをリアルタイムで監視し、傾向やパターンをすばやく特定できます。Eventbridge Pipesを使用してさまざまなソースから時系列データを取り込むことができるようになったため、高度なインサイトを簡単に導き出すことができます。

Amazon Q offers inline completions in the command line

現在、Amazon Q Developer は AI を活用したインラインコンプリートをコマンドラインで起動しています。開発者がコマンドラインを入力すると、Q Developer が AI が生成したコードをリアルタイムで提案します。たとえば、開発者が「git」と入力した場合、Q 開発者が「push origin main」を提案することがあります。開発者は右矢印を押すだけで提案を受け入れることができます。\n 正確な提案を生成するために、Q Developer は現在のシェルコンテキストと最近のシェル履歴を調べます。Q Developer がデータを管理する方法について詳しくは、こちらをご覧ください。

AWS DMS now supports Babelfish for Aurora PostgreSQL as a source

AWS データベース移行サービス (AWS DMS) は、既存の PostgreSQL エンドポイントを拡張してバベルフィッシュのデータ型を処理できるようにすることで、Babelfish for Aurora PostgreSQL をソースとしてサポートするようになりました。バベルフィッシュは Amazon Aurora PostgreSQL 互換エディションの機能で、これによって Aurora は Microsoft SQL Server 用に作成されたアプリケーションからのコマンドを理解できるようになります。\n AWS DMS は Babelfish の全ロード移行モードと変更データキャプチャ (CDC) 移行モードの両方をサポートしています。全負荷移行はソースデータベースからすべてのデータをコピーし、CDC は前回の移行以降に変更されたデータのみをコピーします。 Babelfish からデータを移行するには、AWS DMS コンソール、AWS CLI、または AWS SDK を使用できます。詳細については、「AWS DMS のソースとして Babelfish for Aurora PostgreSQL を使用する」を参照してください。

Amazon Connect agent workspace launches refreshed look and feel

Amazon Connect エージェントワークスペースのユーザーインターフェイスが更新され、エージェントの生産性が向上し、集中できるようになりました。新しいユーザーインターフェイスは、より直感的で応答性が高く、機能間の視覚的な一貫性が向上するように設計されているため、エージェントのユーザーエクスペリエンスが合理化されます。今回の発表により、Cloudscape Design Systemコンポーネントを使用して、エージェントワークスペースと外観が統一されたサードパーティアプリケーションを簡単に構築して埋め込むこともできるようになりました。

Amazon Titan Text Embeddings V2 now available for use with Bedrock Knowledge Bases

Amazon Titan ファミリーのモデルの新しい埋め込みモデルである Amazon Titan テキスト埋め込み V2 が、Amazon Bedrock のナレッジベースで使用できるようになりました。Titan Text Embeddings V2 を使用すると、顧客はデータをベクターデータベースに埋め込み、そのデータを使用して、質問と回答、分類、個別の推奨事項などのタスクに関連する情報を取得できます。\n Amazon Text Embeddings V2 は検索拡張生成 (RAG) に最適化されており、さまざまな次元での高精度の検索タスクに最適な効率的なモデルです。このモデルは柔軟な埋め込みサイズ (1024、512、256) をサポートし、小さい次元サイズでも精度を維持できるため、精度を損なうことなくストレージコストを削減できます。1,024 次元から 512 次元に縮小しても、Titan テキスト埋め込み V2 は約 99% の検索精度を維持し、1,024 次元から 256 次元に縮小しても 97% の精度を維持します。さらに、Titan Text Embeddings V2 には、事前トレーニングでの 100 以上の言語の多言語サポートと、ベクトルの類似度測定の精度を向上させるための単位ベクトル正規化が含まれています。

AWS Blogs

Amazon Web Services ブログ (日本語)

AWS Contact Center

AWS Database Blog

AWS HPC Blog

AWS for Industries

AWS Machine Learning Blog

Networking & Content Delivery

AWS Security Blog

Open Source Project

AWS CLI

Amplify for JavaScript

Amplify for iOS

Amplify for Flutter