こんにちは。 アプリケーションサービス部、DevOps担当の兼安です。 今回は、バックアップからの復元でIaCとの矛盾が起きた場合の対策の紹介です。 はじめに 本記事のターゲット 復元によりできたIaCとの矛盾を解消する2つの方法 バックアップからAuroraクラスターを作り直し。その後IaCとの矛盾を解消して整合性を取る 元のAuroraクラスターを削除 バックアップからAuroraクラスターを作り直し Auroraクラスターにインスタンスを追加 ドリフトの検出 変更セットでドリフト解消 変更セットの作

SIOS Technology, Inc. Saman 目次 はじめに：この記事で解決できること 問題の本質：フルスキャン前提の設計 解決策の発想：Elasticsearch Transformsとは何か Transformの構造を理解する サンプルデータで効果を検証する 実験①：高cardinalityキーでの集約（clientip × 1時間） 実験②：低cardinalityキーでの集約（response × 1時間） Transformが生む2種類の圧縮 ① 縦方向の圧縮（行を減らす） ② 横方向

概要 これまでAWSマネジメントコンソールに遷移して行っていた「IAMロールの権限更新」が、Cloud Automatorの画面内だけで完結するようになりました。 画面を行き来する手間がなくなり、よりスムーズに設定を最新状態へアップデートいただけます。 注意点 2026年2月25日（本機能リリース日）以降に、一度IAMロールの更新処理を行ったAWSアカウントが対象です。 使い方 対象AWSアカウントのIAMロールの権限列「更新してください」をクリックします。 表示された確認画面で「更新する」をクリックしま

はじめに

こんにちは。株式会社SHIFTのCATエヴァンジェリスト・石井優です。

こんにちは、ブログ運営担当の遠藤です。 3/3（火）19:00～20:00 共催勉強会「生成AIを開発に組み込む設計図：AI-DLCとガードレールの作り方」が開催されます!! 今回の勉強会は、ソフトバンク株式会社様、アジアクエスト株式会社様との共同開催です！ 3社のジュニアチャンピオンメンバーが集まり様々な知見を共有しますので、ご興味のある方はぜひご参加ください！ 【1人目】AI×閉域NW設計～生成AIのデータ通信を閉域化するAWSアーキテクチャ～ 生成AIの活用が進む中で、「データを外部に出さずに利用で

こんにちは。バンダイナムコネクサス データエンジニアの上田です。 今回は題目のとおり、広告出稿のKPI最大化のためのデータ基盤開発について紹介します。 今回はプロジェクト発足に至った背景やプロジェクト運営上の工夫を紹介していき、次回以降詳細な技術的な内容などをご紹介していきたいと思います。 対象読者はデータ基盤新規開発プロジェクト立ち上げに将来携わるエンジニア、PM、ビジネスサイドのメンバー全員を想定し、これから広告関連のデータを触る予定のエンジニアやPMはもちろん、広告関連のデータに関わりのない方、非エ

こんにちは！バンダイナムコネクサス データ戦略部の吉村です。 今回は、わたくしデータマネージャーが、高品質のデータ基盤を構築するための進めかたと意識しているポイントをご紹介します。 高品質のデータ基盤とは プロジェクトの流れを説明する前に高品質のデータ基盤とはどのようなものを意図しているのかをご説明させていただきます。 データマネジメントの聖典であるDMBOKのデータ品質の章にはこのように書かれています。 高品質なデータとは何を意味するのかを定義できる人は少ない。あるいはそれを非常に曖昧な言葉、つまり「デ

こんにちは。バンダイナムコネクサス データ戦略部の藤井です。 今回は題目のとおり、Google Workspaceの1つの機能であるGoogleグループを使った権限管理を最適化した取り組みについて紹介します。 課題 バンダイナムコネクサスでは業務ツールとしてGoogle Workspaceを導入していることに加えて、バンダイナムコグループでグループ共通の業務システム（業務システム）としてMicrosoft 365を導入しています。 この2つのツールを併用して利用している背景としては、前回の記事で紹介したと

データ戦略部 データプロダクト課 データインフラストラテジーセクションに所属しているデータエンジニアの藤井です。 データインフラストラテジーセクションはネクサスの必需品である「データ」という必需品の基盤を支えるセクションです。 今回は、データインフラストラテジーセクションがグループ会社向けに構築しているデータ基盤について紹介したいと思います。 アーキテクチャ アーキテクチャは以下のようになっています。よくあるデータ基盤構成になっているかと思いますが、今回はグループ企業、規模の大きい会社ならではのことを記述

こんにちは！ バンダイナムコネクサスのデータ戦略部で機械学習PJTのPdMをしている高野です。 データ戦略部内の機械学習チームでは、グループ内の様々なプロダクトに機械学習機能を提供するためにML基盤や機械学習モデルの開発を行っています。 そこで今回の記事では、機械学習モデル開発の一貫で実施した対照学習を用いたコンテンツベースレコメンドの技術検証について紹介します。 レコメンド技術検証の概要 下記図のように、似たアニメの推薦を実現するために、アニメのシリーズ関係とあらすじデータを用いたコンテンツベースレコメ

こんなご相談をいただきました

こんにちは、Dev Content DivisionのDiv Leadをしているmochikoです。LINEヤフー株式会社で開発者向けのドキュメントを書くテクニカルライターとして働く傍ら、個人としても...

この記事は、合併前の旧ブログに掲載していた記事（初出：2023年9月5日）を、現在のブログへ移管したものです。現時点の情報に合わせ、表記やリンクの調整を行っています。Overview30万を超える同時...

はじめに 事前準備 API Gatewayの作成 Cognitoを作成する ユーザープールの作成 【補足】運用に合わせたカスタマイズについて トークンの発行テスト API Gateway と連携させる オーソライザーを作成する APIメソッドへ適用させる 【補足】認可スコープの正確な値の確認方法 APIをデプロイする 動作確認 ① トークンなしでアクセスしてみる（失敗テスト） ② トークンを含めてアクセスしてみる（成功テスト） おわりに はじめに こんにちは！カスタマーサクセス本部の加治屋です。 本ブログ