2024/8/20 9:00:00 ~ 2024/8/21 9:00:00 (JST)
最近の発表
AWS CloudHSM launches new hsm2m.medium instance type
AWS CloudHSM は、連邦情報処理標準 (FIPS) 140-3 レベル 3 と FIPS 以外の CloudHSM クラスターをサポートする hsm2m.medium を立ち上げました。\n 新しいインスタンスタイプは、お客様に新機能、パフォーマンス、柔軟性を提供します。hsm2m.medium は、既存の hsm1.medium インスタンスタイプと比較して、キー容量が増加し、楕円曲線のパフォーマンスが向上しています。hsm1.medium をベースとする CloudHSM クラスターからのバックアップは hsm2m.medium と互換性があります。hsm2m.medium は、CloudHSM クライアント SDK から CloudHSM クラスターへの通信のための相互トランスポート層セキュリティ (mTLS) をサポートしています。 新しい hsm2m.medium インスタンスタイプは、米国 (バージニア北部、オハイオ、オレゴン) とヨーロッパ (ダブリン) の 4 つのリージョンで利用できます。 AWS CloudHSM クラスターモードと HSM タイプの詳細については、AWS CloudHSM ユーザーガイドを参照してください。また、料金の詳細については AWS CloudHSM ページを参照してください。その他のリージョンでの利用については、サポートにお問い合わせください。
Amazon SageMaker Canvas now supports data flows import, and faster data prep for ML
Amazon SageMaker Canvas の Amazon SageMaker データラングラーは、Amazon SageMaker Studio Classic からのデータフローのインポートだけでなく、機械学習 (ML) のためのより迅速かつ柔軟なデータ準備をサポートするようになりました。SageMaker Canvas の最新バージョンの SageMaker Data Wrangler では、カスタム区切り文字やより多くのサンプリングオプションを使用して S3 からデータをより簡単にインポートし、パフォーマンスを向上させてデータを準備できるようになりました。さらに、変換を迅速に検証でき、データレシピを簡単に繰り返し処理できます。SageMaker Studio Classic からデータフローをインポートして、SageMaker Canvas の最新のデータ準備機能や拡張機能を利用することもできます。\n 大量のデータの集約、分析、変換は ML プロジェクトで最も時間のかかる作業です。というのも、この作業は非常に反復的で繰り返しの多いプロセスだからです。これらの新しい機能強化により、top-k、ランダム、層別など、さまざまなサンプリング方法でデータをインポートし、必要に応じてサンプルサイズと方法を調整して代表的なサンプルを取得できます。低レイテンシーでデータを変換し、変換がデータサイズに与える影響をすばやく検証し、必要に応じて手順を並べ替えることができます。さらに、データレシピをコピーしてデータソースを置き換え、さまざまなデータセットやモデルに再利用できます。最後になりましたが、SageMaker Studio Classic の SageMaker Data Wrangler から SageMaker Canvas に既存のデータフローをすべてワンクリックでインポートすることも、S3 またはローカルファイルのアップロードを通じて特定のデータフローを手動でインポートすることもできます。 これらの強化されたデータ準備機能は、SageMaker Canvas がサポートされているすべての AWS リージョンで利用できます。詳細については、ブログと AWS 技術文書を参照してください。
AWS Lambda now supports function-level configuration for recursive loop detection
AWS Lambda は、再帰ループ検出を無効または有効にできる関数レベルの設定をサポートするようになりました。Lambda 再帰ループ検出はデフォルトで有効になっており、Lambda と他のサポートされているサービス間の再帰呼び出しを自動的に検出して停止し、ワークロードの暴走を防ぐ予防的なガードレールです。\n 以前は、意図的に再帰的なパターンを実行しているお客様は、AWS サポートを通じてアカウントごとにしか再帰ループ検出を無効にできませんでした。今では、お客様は関数ごとに再帰ループ検出を無効または有効にできるようになったため、意図的に再帰的なワークフローを実行しながら、意図的に再帰的なワークフローを実行しながら、意図的に再帰的なワークフローを実行できるようになりました。 これらの新しい API アクションは、再帰ループ検出がサポートされているすべての AWS リージョンで使用できます。関数の再帰設定は、CloudFormation テンプレートのパラメータとして、または AWS Lambda コンソール内でプログラムで設定できます。 Lambda の新しい再帰ループ検出 API アクションの詳細については、Lambda の API リファレンスまたはローンチブログ投稿を参照してください。
Amazon Connect in-app, web, and video calling is now available in Africa (Cape Town) region
Amazon Connect では、アフリカ (ケープタウン) リージョンでアプリ内およびウェブの音声通話およびビデオ通話機能が提供されるようになりました。これにより、ウェブサイトやモバイルアプリケーションで、よりパーソナライズされた音声およびビデオ体験を簡単に提供できるようになります。これらの音声およびビデオ機能により、顧客はウェブサイトやモバイルアプリケーションを離れることなくお客様に連絡できます。これらの機能を使用してコンテキスト情報を Amazon Connect に渡すことができるため、顧客のプロフィール、認証ステータス、アプリ内で以前に実行されたアクションなどの属性に基づいてカスタマーエクスペリエンスをパーソナライズできます。\n フルマネージド型の通信ウィジェットを使用すると、これらの新しい音声通話およびビデオ通話機能をわずか1行のコードで実装できます。また、SDK を活用して、顧客向けに完全にカスタマイズされたエクスペリエンスを作成することもできます。さらに、電話やチャットと同じ構成、ルーティング、分析、エージェントアプリケーションを使用できるため、コストのかかる統合時間、ライセンス料、およびメンテナンス費用を節約できます。 詳細を確認して使用を開始するには、ヘルプドキュメントを参照するか、Amazon Connect ウェブサイトを参照してください。料金の詳細については、Amazon Connect の料金表ページをご覧ください。
Amazon S3 now supports conditional writes
Amazon S3 では、オブジェクトを作成する前にその存在を確認できる条件付き書き込みのサポートが追加されています。この機能により、データをアップロードする際にアプリケーションが既存のオブジェクトを上書きすることをより簡単に防ぐことができます。汎用バケットとディレクトリバケットの両方で PutObject または CompleteMultiPartUpload API リクエストを使用して条件付き書き込みを実行できます。\n 条件付き書き込みを使用すると、複数のクライアントを使用する分散アプリケーションが、共有データセット全体で同時にデータを並行して更新する方法を簡略化できます。各クライアントは条件付きでオブジェクトを書き込むことができるため、別のクライアントによって既に書き込まれたオブジェクトは上書きされません。つまり、更新を調整するためのクライアント側のコンセンサスメカニズムを構築したり、データをアップロードする前に追加の API リクエストを使用してオブジェクトの存在を確認したりする必要がなくなります。代わりに、このような検証を S3 に確実にオフロードできるため、大規模な分析、分散型機械学習、その他の高度に並列化されたワークロードのパフォーマンスと効率が向上します。条件付き書き込みを使用するには、HTTP if-none-match 条件ヘッダーを PutObject および CompleteMultipartUpload API リクエストとともに追加できます。 この機能は、AWS GovCloud (米国) リージョンや AWS 中国リージョンを含むすべての AWS リージョンで追加料金なしで利用できます。AWS SDK、API、または CLI を使用して条件付き書き込みを実行できます。条件付き書き込みの詳細については、S3 ユーザーガイドをご覧ください。
AWS Blogs
Amazon Web Services ブログ (日本語)
- 「データ活用ワークショップ X パートナー企業の力」ユーザ企業の課題解決と短期実践を実現
- Amazon QLDB のAmazon Aurora PostgreSQL への移行
- 監査のユースケースで Amazon QLDB をAmazon Aurora PostgreSQL に置き換える
AWS Startup ブログ (日本語)
AWS Cloud Operations & Migrations Blog
AWS Big Data Blog
AWS Compute Blog
AWS Contact Center
Containers
AWS Database Blog
AWS HPC Blog
AWS for Industries
AWS Machine Learning Blog
- Amazon SageMaker データラングラーフローを Amazon SageMaker Canvas に移行すると、データ準備が迅速になります
- IP 制限付きの署名付き URL を使用して Amazon SageMaker Ground Truth のセキュリティを強化してください
- Amazon Q Business で自然言語を使用する企業向けに構造化データの力を引き出しましょう