You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert
日本初の AWS Summit Online は、従来の AWS Summit Tokyo/Osaka で想定するセッションをフルスケールで提供します。 AWS のビジョンや最新情報をご紹介する基調講演、ビジネス及びテクニカル向け特別講演、 AWS セッション、AWS 認定セッション、お客様事例セッション、セルフペースハンズオン、Partner Discovery Session (パートナーセッション) など 150 を超えるセッション、20 を超えるセルフペースハンズオンにより、ご自分のレベルと目的に沿って好きな時間に知識を得ることができます。 また、Builders ゾーンでは、スタートアップ企業の皆様よりデジタルネイティブな AWS の活用方法がわかる「Startup Central 」、機械学習を楽しく学ぶ「AWS DeepRacer」、予選を勝ち抜いた学生による競技の模様を実況
Amazon Web Services ブログ Kubeflow Pipelines 用 Amazon SageMaker コンポーネントの紹介 本日、Kubeflow Pipelines 用の Amazon SageMaker コンポーネントを発表しました。今回の記事では、Kubeflow Pipelines SDK を使用しながら、Amazon SageMaker コンポーネントにより最初の Kubeflow パイプラインを構築する方法をご説明します。 Kubeflow は、カスタム ML パイプラインを構築しようとする Kubernetes ユーザーに良く使用されている、オープンソースの機械学習 (ML) ツールキットです。 Kubeflow Pipelines は Kubeflow のアドオン機能であり、ポータブルかつスケーラブルなエンドツーエンドの ML ワークフローのために、
COVID-19でリモートワークが推奨されているため自宅にこもりがちです。self-isolateするだけでなくself-studyに最適な時機なのではないでしょうか。そんなわけで以前より興味のあったKubeflowをEKSのKubernetesクラスタ上に設置して簡単なJupyter Notebookを作るテストを行ってみました。KubeflowはKubernetes上で機械学習のモデル開発やエンドポイントのデプロイをサポートするオープンソースのシステムです。データサイエンスの職能領域は主にビジネス寄りとされるデータサイエンティストとエンジニア寄りの機械学習エンジニアに枝分かれして語られます。機械学習エンジニア領域ではMLOpsの興隆と共に実際に構築したモデルを運用しテストおよび改善していく必要性が以前にも増して高まってきているようです。Amazon Sagemakerのようなマネージド
最近 Kubernetes 全然触ってねーなって思ってたところに、『6年ぶりぐらいにクラウド使った結果、Kubernetes以外のマネージドサービスとか基本要らなくない?となった話 – データエンジニアの酩酊日記』を見つけて、自分と異なる立場によるコンテナシステムへの感想を興味深く読ませていただきました。 Kubernetes を推す人がいる一方で、ここには昨夏『Kubernetes、はじめました』と言っておきながら今年に入って全然触らず、ECSを使ったシステムばっか手掛け、Kubernetes いらなくね?って思う人もいるわけで。これはいったいどういうことでしょう、と雑感タイムです。 どうしてコンテナシステムで迷うのか 最初に断っておきたいのは、以下 Kubernetes を否定したり腐すような意図は全くなく、なんでやろ?って自身に問いかけた私見です。やめました、と言ってもウチで今も使っ
FacebookはTwitterのような事実確認はしない。ザッカーバーグ氏「事実の判定者にはならない」と語る
はじめに KubernetesではWebアプリケーションから業務用のワークフロー(バッチ処理とか)に至るまで様々なアプリケーションを動かすことができるが、現実世界において苦労するポイントの1つは、ワークロードに秘匿情報を渡すための方法である。 例えば、アプリケーションの上でデータベースに接続するために必要なエンドポイントの情報やパスワードなどの認証情報は、アプリケーションのソースコードに直接書くことはご法度だし、コンテナ化する際に内包することも原則タブーである。また環境変数として注入する場合でも、その情報が物理ディスクに残ってしまう場合などを考え最新の注意を払う必要がある。 ここではKubernetes上のワークロードに秘匿情報をできるだけ安全にわたすための方法を運用者・開発者の目線で考える。 Kubernetesが持つ外部情報注入の仕組み Kubernetesの場合、アプリケーションに情
AWS Compute Blog Scaling Kubernetes deployments with Amazon CloudWatch metrics This post is contributed by Kwunhok Chan | Solutions Architect, AWS In an earlier post, AWS introduced Horizontal Pod Autoscaler and Kubernetes Metrics Server support for Amazon Elastic Kubernetes Service. These tools make it easy to scale your Kubernetes workloads managed by EKS in response to built-in metrics like CPU
しばたです。 先日EBS(プロビジョンドIOPS io1ボリューム)の複数インスタンスによるアタッチ(Multi-Attach)がサポートされましたが、本記事ではその使いどころについて考えてみました。 [アップデート]Amazon EBSの複数インスタンスへのアタッチが可能になりました!(プロビジョンドIOPS io1ボリュームに限る) AWS公式の案内はこちら。 はじめに はじめに言い訳で申し訳ないのですが、この記事では明確な答えを出せていません。 EBS Multi-Attachの使いどころについては現在進行形で悩み続けています。 本記事の内容に関してコメントなどでフィードバックを頂けると非常に嬉しいです。 EBS Multi-Attachの制限事項 使いどころについて触れるまえに、まずは現在のEBS Multi-Attachの制限事項から「何に使えないのか」を考えることにします。 先
Amazon SageMakerは機械学習における開発から運用までサポートしたフルマネージドサービスです。 SageMakerでは機械学習モデルをエンドポイントにホスティングし、APIでの推論が可能です。また、複数のモデルを同じエンドポイントインスタンスにホスティングし、指定したモデルへの推論リクエストも可能です。 今回はこの複数モデルのホスティングを試してみたいと思います。 マルチモデルエンドポイント(Multi-Model Endpoints) 複数のモデルをホストできるエンドポイントを作成するには、マルチモデルエンドポイントを使用します。マルチモデルエンドポイントでは、複数のモデルをホストできる共有サービングコンテナが使用されます。これにより、単一モデルエンドポイントを使用する場合と比較して、エンドポイントの使用率が向上し、ホスティングコストが削減されます。また、Amazon Sag
eksctl の v0.1.34 から EKS の worker ノード (nodegroup) にスポットインスタンスを指定できるようになりました。 こんな感じの eksctl manifest を書くと、worker node で手軽にスポットインスタンスが使えます。去年発表された Auto Scaling Group の機能を使っているみたいです。 https://t.co/UveeldhLEj pic.twitter.com/worQJv8PKU — Manabu Sakai (@manabusakai) 2019年6月13日 eksctl の nodegroup は Auto Scaling Group で管理されており、スポットインスタンスの指定にも Auto Scaling Group に統合された EC2 Fleet の機能が使われています。 New - EC2 Auto
ビデオ会議サービスを提供するZoomは、2020年4月22日の時点で1日あたり約3億人以上がビデオ会議の参加者となる巨大なプラットフォームになりました。(注) しかも2019年12月末の時点では1日当たりの会議参加者は約1千万人、それが2020年3月には2億人を突破、そして4月が終わらないうちに3億人を超えるという信じられないペースで利用者が急増しています。 【追記】Zoomが関連する数字についての単位を「1日あたりの利用者」(「daily users」)から「1日あたりの会議参加者」(daily meeting participants)に変更したため、本記事でもタイトルと本文中の表現を改めました。修正は転載元であるPublicKeyのそれに準じました。(編集部:2020年5月1日 14時20分) この急増する利用者のニーズに対応するため、Zoomは新たに「Oracle Cloud」の利
キーバリューストアを高速なインメモリデータベースとして提供するRedisを、AWS上のマネージドデータベースとして提供する新サービス「Lambda Store」が登場しました。提供元は同名の新興ベンダLambda Storeで、現在AWS上で利用可能です。 AWS上のマネージドなRedisデータベースは、すでにAWSが提供する「Amazon ElastiCache」や、RedisLabsが提供する「Redis Enterprise」などがあります。 今回登場したLambda Storeの特長は、その名前が示すとおりRedisをサーバレスモデルで提供するため、使った分だけ料金が発生する従量課金になっている点にあります。これにより、月額料金のほかのサービスよりも圧倒的に安いと同社は主張。 さらに、Lambda Storeを利用しているサービスが成長し、大量のアクセスが発生するようになった場合、
Amazon Elastic Compute Cloud (EC2) と AWS Fargate の両方で実行される Amazon Elastic Container Service (ECS) タスクは、Amazon Elastic File system (EFS) ファイルシステムをマウントできるようになりました。EFS を使用する ECS タスクは、タスク定義でお客様が指定したファイルシステムを自動的にマウントし、リージョン内のすべてのアベイラビリティーゾーンにわたってタスクのコンテナでそれらを利用できるようにします。これにより、永続的な共有ストレージが ECS のタスクおよびコンテナレベルで定義および使用されるようになります。 Wordpress、Drupal、JIRA などのアプリケーションは、EFS を使用してユーザーデータとアプリケーションの状態を保存し、アクティブ/スタン
Amazon ECS デプロイツール ecspresso と AWS Lambad デプロイツール Lambroll で、設定ファイル中に tfstate (Terraform state file)の値を検索して使えるようにしました。 これまで面倒だったところ ecspresso ではサービスとタスク定義、lambroll では関数定義を JSON で用意します。 その JSON の中では {{ env "FOO" }} のような記法で環境変数を展開してから読み込む機能があります。 デプロイや環境ごとに可変になる部分を、デプロイ時に環境変数によって外から与えることで定義ファイルをいちいち更新しなくていいという作りになっています。 しかし、たとえば ecspresso のサービス定義には以下のように、subnet, security group, LB target group などの I
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く