2025/8/8 9:00:00 ~ 2025/8/11 9:00:00 (JST)

最近の発表

Amazon CloudWatch RUM is now generally available in 2 additional AWS regions

お客様がクライアント側のパフォーマンスとエラーデータをリアルタイムで収集してウェブアプリケーションをモニタリングできるようにする Amazon CloudWatch RUM は、本日より、アジアパシフィック (タイ) とメキシコ (中部) の AWS リージョンでも利用できるようになりました。\n CloudWatch RUM は、実際のエンドユーザーが経験するウェブアプリケーションのパフォーマンスについて、さまざまな地理位置、ブラウザ、デバイスにおけるページロードステップの異常、主要なウェブバイタル、JavaScript エラーや HTTP エラーなど、厳選されたダッシュボードを提供します。CloudWatch RUM に送信されるカスタムイベントとメトリックスは、アプリケーションの特定の部分をモニタリングして実際のユーザーインタラクションを確認したり、問題のトラブルシューティングを行ったり、異常が発生した場合にアラートを受け取ったりするように簡単に設定できます。CloudWatch RUM には、アプリケーションパフォーマンスモニタリング (APM) 機能である CloudWatch アプリケーションシグナルが統合されています。その結果、アプリケーションのクライアント側データを、API (サービスオペレーション) で観測されたエラー、障害、レイテンシーなどのパフォーマンスメトリクスや依存関係と簡単に関連付けて、根本原因に対処できます。 はじめに、『RUM ユーザーガイド』を参照してください。CloudWatch RUM の使用は、収集された RUM イベントの数に応じて課金されます。これは、こちらで詳しく説明されているように、RUM ウェブクライアントによって収集された各データ項目を指します。

OpenSearch UI supports Fine Grained Access Control by SAML attributes

Amazon OpenSearch Service は、IAM フェデレーション経由で SAML 経由でアクセスした場合に OpenSearch UI のファイングレインアクセスコントロール (FGAC) をサポートするようになりました。OpenSearch UI は、Amazon OpenSearch サービスのオブザーバビリティとセキュリティ分析のための統合インターフェイスです。アイデンティティプロバイダー (IdP) が開始する OpenSearch UI へのシングルサインオンエクスペリエンスを実現するには、IAM フェデレーテッド経由の SAML が一般的な選択肢です。FGAC では、SAML 認証および承認時に IdP から提供されたユーザー属性に基づいて、正確なデータアクセス制御を定義できます。このレベルの動的できめ細かなアクセス制御は、マルチテナントを導入し、規制の厳しい業界におけるデータガバナンス要件を満たすために不可欠です。 \n FGAC のサポートにより、IdP ユーザーロールや属性から OpenSearch バックエンドロールへの属性マッピングを設定できるようになりました。これらのロールは特定の OpenSearch ドメインとサーバーレスコレクションに限定できるため、インデックスレベルの権限とドキュメントレベルのセキュリティを定義して、よりきめ細かなデータアクセス制御を実現できます。既存の IdP 内のユーザーとグループを簡単に管理でき、OpenSearch データソース権限はユーザーの SAML アサーションに基づいて自動的に適用されるため、管理上の負担が軽減されます。さらに、ユーザーのアクションが IAM の役割だけでなく SAML 属性にも関連付けられるため、監査証跡がより明確になり、データガバナンスが簡素化されます。 FGAC は IAM フェデレーションによる SAML のオプション機能です。OpenSearch UI が利用できるすべてのリージョンで利用できます。詳細については、OpenSearch UI デベロッパーガイドをご覧ください。

Amazon SageMaker HyperPod now supports continuous provisioning for enhanced cluster operations

Amazon SageMaker HyperPod では、大規模な AI/ML ワークロードを実行する企業顧客の柔軟性と効率性を高める新機能である継続的プロビジョニングが提供されるようになりました。AI/ML のお客様は、トレーニングを迅速に開始し、シームレスにスケーリングし、運用を中断することなくメンテナンスを行い、クラスターの運用をきめ細かく可視化する必要があります。また、お客様はキャパシティニーズが頻繁に変化する動的推論ワークロードを効率的に管理する能力を求めているため、AI イニシアチブの成功には運用の俊敏性が欠かせません。\n 継続的なプロビジョニングにより、SageMaker HyperPod は残りのキャパシティをバックグラウンドで自動的にプロビジョニングし、トレーニングジョブは利用可能なインスタンスですぐに開始できます。HyperPod はノードのプロビジョニングに失敗するとバックグラウンドで再試行し、手動で操作しなくてもクラスタが確実に目的のスケールに達するようにします。これにより、お客様はトレーニングにかかる時間を短縮し、動的なワークロード全体でリソースを最大限に活用できます。ノードを個別にスケーリングしたり、パッチを適用したり、異なるインスタンスグループを同時に調整したりするといった操作を同時に実行できるようになり、効率が向上します。強化されたイベント駆動型アーキテクチャでは、新しい Events API を通じて包括的なリアルタイム可視性が得られ、完全な運用履歴が得られるため、トラブルシューティングを迅速に行い、より的確な意思決定が可能になります。これらの機能により、お客様は運用の俊敏性の向上、リソース利用の向上、クラスター運用の可視性の向上を実現できるため、AI/ML チームはインフラストラクチャー管理ではなくイノベーションに集中できます。 この機能は現在、EKS オーケストレーターを使用する SageMaker HyperPod クラスターで利用できます。CreateCluster API を使用して新しい HyperPod クラスタを作成するときに NodeProvisioningMode パラメータを「Continuous」に設定すると、継続的なプロビジョニングを有効にできます。 この機能は、Amazon SageMaker HyperPod 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。継続的プロビジョニングの詳細については、Amazon SageMaker HyperPod ユーザーガイドを参照してください。

Amazon ECS console now supports real-time log analytics via Amazon CloudWatch Logs Live Tail

Amazon ECS コンソールが Amazon CloudWatch ログライブテールとネイティブに統合され、ECS コンソール内で直接リアルタイムのログストリーミングが可能になりました。\n ECS のお客様は、多くの場合、アプリケーションの問題のトラブルシューティング、デプロイ障害の調査、およびコンテナの状態の監視を行うために、ログをリアルタイムで分析する必要があります。以前は、リアルタイムのログストリームにアクセスするためにお客様は ECS コンソールから CloudWatch コンソールに移動しなければならず、ワークフローが中断されていました。この統合により、ECS のお客様は AWS コンソールを切り替えることなく、コンテナ化されたアプリケーションをリアルタイムで監視およびトラブルシューティングできるようになりました。 ECS コンソールでログの追跡を開始するには、任意の ECS サービスまたはタスク詳細ページの [ログ] タブに移動します。[CloudWatch Logs ライブテールを開く] ボタンをクリックし、[開始] をクリックするだけです。Live Tail パネルはコンソールをナビゲートしても表示されたままになり、他の運用指標を確認しながらログモニタリングが可能になります。 ECS コンソールのライブテールは、すべての AWS 商用リージョンで利用できるようになりました。詳細については、ECS 開発者ガイドをご覧ください。

Amazon SageMaker lakehouse architecture now automates optimization configuration of Apache Iceberg tables

Amazon SageMaker レイクハウスアーキテクチャでは、Amazon S3 に保存されている Apache Iceberg テーブルの最適化がカタログレベルの設定で自動化され、メタデータのオーバーヘッドが削減され、クエリのパフォーマンスが向上しました。以前は、AWS Glue データカタログの Iceberg テーブルを最適化するには、各テーブルの設定を個別に更新する必要がありました。Data Catalog を 1 回だけ設定するだけで、新しい Iceberg テーブルの自動最適化を有効にできるようになりました。有効化すると、新しいテーブルや更新されたテーブルについて、Data Catalog は小さなファイルを圧縮し、不要になったスナップショットや未参照ファイルを削除してテーブルを継続的に最適化します。その結果、ストレージコストの抑制とクエリの高速化が可能になります。\n AWS Lake Formation コンソールでデフォルトのカタログを選択し、テーブル最適化設定タブで最適化を有効にすることで開始できます。ソート/Z オーダーの圧縮戦略、圧縮をトリガーする小さなファイルの数のしきい値、連続するスナップショットの有効期限が切れるまでの間隔、参照されていないデータのクリーンアップ操作など、テーブル設定レベルでさらに細かく制御できます。

この機能は、米国東部 (バージニア北部、オハイオ)、米国西部 (オレゴン)、カナダ (中部)、ヨーロッパ (アイルランド、ロンドン、フランクフルト、ストックホルム)、アジアパシフィック (東京、ソウル、ムンバイ、シンガポール、シドニー、ジャカルタ)、南米 (サンパウロ) の 15 の AWS リージョンの AWS マネジメントコンソール、AWS CLI、AWS SDK から利用できます。詳細については、ブログを読み、Data Catalog のドキュメントをご覧ください。

AWS Blogs

Amazon Web Services ブログ (日本語)

AWS Big Data Blog

AWS Compute Blog

AWS Database Blog

AWS Quantum Technologies Blog

AWS Storage Blog

Open Source Project

AWS CLI