Amazon Web Services ブログ

Category: AWS Lambda

AWS Lambda と AWS Glue Iceberg REST エンドポイントを使用した PyIceberg による軽量な分析環境の実現

Apache Iceberg は、データレイクで人気の選択肢となっています。ACID (原子性、一貫性、独立性、永続性) トランザクション、スキーマ進化、タイムトラベル機能を提供します。Iceberg テーブルは、Apache Spark や Trino などの様々な分散データ処理フレームワークからアクセスできるため、多様なデータ処理のニーズに対して柔軟なソリューションとなります。そのような Iceberg を扱うためのツールの中で、PyIceberg は分散コンピューティングリソースを必要とせずに、Python スクリプト上でテーブルのアクセスと管理を可能にします。

この投稿では、AWS Glue Data Catalog と AWS Lambda と統合された PyIceberg が、直感的な Python インターフェースを通じて Iceberg の強力な機能を活用するための軽量なアプローチを提供する方法を示します。この統合により、チームはほとんどセットアップやインフラストラクチャの依存関係の設定を行わずとも Iceberg テーブルの操作や利用を開始できることを説明します。

NetApp ONTAP を使用してオンプレミスのデータを活用するための RAG ベース生成 AI アプリケーション

データを既存のデータストレージに保持したまま、AWS が提供する生成 AI 機能によってデータを活用するためのソリューションを NetApp と AWS の 2 社で開発しました。本記事では、共同開発ソリューションを使った国立大学法人広島大学様による実証実験の概要と、共同開発ソリューションの特徴についてご紹介します。

岩崎電気株式会社様の AWS 生成 AI 事例「カメラ付き照明で冠水検知を実現。照明の専門メーカーとして80年以上の歴史を持つ製造業のモノとコト融合

製造業における「モノ」と「コト」の融合事例として注目される岩崎電気様の取り組み。80年以上の歴史を持つ照明専門メーカーが、 AWS の生成AIサービス「 Amazon Bedrock 」を活用して道路冠水自動検知システムを開発しました。従来は専用センサーが必要だった冠水検知を、カメラ付き照明と生成 AI の組み合わせで実現。監視員の労力を80%削減し、24時間リアルタイム監視を可能にしています。企画から約2ヶ月という短期間でプロトタイプを完成させ、 GenU を用いた効率的な検証とコスト効率を考慮した AI モデルの使い分けが成功要因となりました。暗所でも照明との一体化により鮮明な画像で冠水検知が可能になり、今後は検知対象を火災や交通事故にも拡大する計画で、生成 AI 活用による製品開発の可能性を広げています。

AWS を活用した公共部門向けデータ配信

組織が情報に基づいた意思決定を行い、イノベーションを促進するためには、データの共有が不可欠です。 アマゾン ウェブ サービス (AWS) は、大規模なデータを安全に配信するためのさまざまなツールとサービスを提供しています。 公共の利益のためにオープンデータの公開、ビジネス目的でのプライベートデータセットの収益化、さらには社内での協業などの用途で、AWS は必要なインフラストラクチャとサポートを提供します。詳細については、この投稿をお読みください。

AWS が生成 AI で E コマースにおけるショッピングアシスタントを強化

AWS 提供のデモの一つである AI ショッピングアシスタント は、お客様固有のニーズに合わせてカスタマイズされた推奨商品を提示するなど、生成 AI がデジタル空間での案内役としてどのように機能するのかを確認していただけます。 小売業者が顧客向けにパーソナライズされたシームレスな体験を提供できるように設計されたこのアシスタントは、顧客がより迅速かつ自信を持って意思決定を行えるようにします。 AI ショッピングアシスタントは、選択肢を最も関連性の高いものだけに絞り込むことで、悩ましい選択の苦労を軽減して購入へと導き、ショッピングをより満足のいく体験に変えます。

RISE with SAP と SAP BTP on AWS のセキュリティ監視自動化アーキテクチャ

AWS は堅牢なセキュリティソリューションを提供することにコミットしています。この記事では、SAP 社の RISE with SAP on AWS のマネージドサービスにて AWS サービスを利用したセキュリティ監視およびアラート通知の自動化ソリューションの実装について説明します。

変数と JSONata を使った AWS Step Functions での開発者エクスペリエンスの簡素化

AWS Step Functions において、変数と JSONata データ変換が導入されました。変数により、開発者は 1 つのステートでデータを割り当て、その後のステップで参照できるようになり、複数の中間ステートを経由してデータを受け渡す必要がなくなったため、ステートのペイロード管理が簡素になります。オープンソースのクエリおよび変換言語である JSONata により、日付と時刻の書式設定や数学的演算などの高度なデータ操作と変換できるようになりました。