The Doppler Quarterly (日本語) 夏 2017 - Page 54

のすべてをオンデマンドで動作させて拡張することを可能にします。また、これらのサービス はプラットフォームと完全に統合されているため、オンプレミスで同じジョブを実行するため に、いくつものポイントソリューションをまとめて管理しようとするといった、悪夢のような面倒 な統合作業を行わなくて済みます。 よく知られている 3 つの流行語 : ビッグデータ、機械学習、人工 知能 3 大パブリッククラウドプロバイダー (Amazon 社、 Google 社、 Microsoft 社 ) はいずれも、 基盤となるすべてのテクノロジースタックのインストールと統合に伴う複雑な作業を簡素化 するシンプルな API を開発者に提供するという点で、大きな成果を上げてきました。以下に、 ビッグデータソリューションの実装がどれだけ複雑なのかを示します。 インジェストサブシステム リアルタイムの データフィード ストリーミ ング元 Kinesis Streams Kinesis Data Firehose ストリーミング先 Kinesis Data Analytics ストレージ サブシステム コンピュートサブシステム DynamoDB クエリとレポート カスタム 分析 アプリケーション アナリスト データス トレージ バケット データサイエン スクラスター 1 RDBMS の データフィード EMR アプリケーション インジェスト クラスター 1 EMR アプリケーション データ サイエンス クラスター N データ サイエンティスト インジェスト クラスター N データセンター クラウド 企業ネットワーク 図 1: AWS 社のビッグデータアーキテクチャーのサンプル これは、一般的な大企業のビジネス、セキュリティ、および法規制遵守に関するすべての要件 を満たす必要がある非常に複雑なアーキテクチャーです。お気付きではないかもしれません が、この図の各アイコンはマネージドサービスを示しています。それぞれのマネージドサービス は、基盤となる多くのテクノロジーを抽象化したもので、企業がこれを DIY モデルで構築しよ うとした場合、このソリューションの実装に数週間から数か月かかり、言うまでもなくかなり のコストが必要になります。そしてすべてのアイコンを合計すると、インフラストラクチャベン ダーの製品でアプリケーションコードの最初の行を記述できるようにするだけで 12 ∼ 18 か 月を要し、企業のビジネスがいともたやすく「暗礁に乗り上げて」しまうことがすぐにわかり ます。 これは、機械学習や人工知能を利用できるようになる前の話であり、それまで企業は、基盤 となるテクノロジーを実装するために多数の博士号保有者を雇用し、システムにパターンの学 習方法と有益な情報の検出方法を教え込むのに必要なモデルを作り上げる必要がありまし た。繰り返しになりますが、クラウドプロバイダーはこうした複雑な作業をすべて排除し、誰 もが機械学習や人工知能の API を使用してビジネス y`)8हbmyaicx8ajeia8ofx d¸8ji8a8ik H 9nm9bcxjH^8xx8xjcb8egj8cxj yg9kikdj8सnj8jyxxja8`d#9`c :(c8j࠹8gja88xi H8i8kह/g8ࢹ."dg¸kऺ)i:ggn.8jjfa8gkऺ)b8ia8ofx LHT M9nm9i#c