クラウド ユース ケース
- 12 分
クラウド テクノロジの急速な進化に伴い、新しいユースケースは毎日発生します。 このセクションでは、クラウドの一般的で最も魅力的ないくつかのユースケースについて説明し、実例をいくつか示します。
Web アプリケーションとモバイル アプリケーション
クラウド コンピューティングの主な促進要因は Web ホスティングに起因します。 Web サイトと Web アプリケーションは、通常、専用のインターネット接続を使用してサーバー上でホストされます。 古い Web ホスティング サービスでは、クライアントに専用のサーバーを提供したり、大規模な UNIX システムの一部を複数のクライアントに提供したりしました。 クラウド コンピューティング、Web、モバイル アプリケーションの登場により、既存の IaaS、PaaS、さらには SaaS サービスの上に構築できるようになりました。
SaaS ベース:SaaS モデルを使用することで、組織では汎用アプリケーションを Web 上に展開することができます。 一般的な例として、Web メール、ソーシャル ネットワーキング サイト、および個人用整理手帳、予定表、手帳などのユーティリティ Web サイトがあります。
PaaS ベース:アプリケーション開発者は、さまざまなオンライン プラットフォームやツールを使用して、PaaS およびモバイル アプリケーションを作成できます。 Google App Engine、Parse、AppScale などのプラットフォームは、Web およびモバイル アプリケーションを構築できる一般的なプラットフォームです。
IaaS ベース:さらに多くのカスタマイズと柔軟性を必要とするアプリケーションでは、EC2 や Rackspace などのプロバイダーから仮想マシンをレンタルすることで、IaaS モデルを採用し、完全にカスタマイズされたソフトウェア スタックを展開して Web アプリケーションを実行できます。
次のシナリオで考えてみましょう。
オンライン ビデオ スライドショーの作成者である、Animoto は、Facebook アプリケーションを展開することにしました。 サービスへのトラフィックが急増し、Animoto は 3 日間で 50 台のサーバーから 3,500 台のサーバーにスケールアップしました。 このようなエラスティック スケーラビリティは、クラウド コンピューティングによって可能になります。
Amazon や Target.com などのクラウド コンピューティングを使用するオンライン小売店では、ピーク時のアクティビティ (感謝祭の翌日など) のインフラストラクチャのサイズを大きくすることができました。 Salesforce.com では、2 から 20,000 を超える座席を利用する顧客をすべて、同じ Web プラットフォームを使用してホストしています。
ドミノ ピザでは、AWS と Azure によって提供されるサービスの組み合わせを利用して、ビジネスを強化しています。 たとえば、オンライン注文と配送の追跡にAzure App ServiceとAzure Cosmos DB (PaaS サービスの両方) を使用し、需要を満たすために必要に応じてスケールアップとスケールダウンを可能にします。 また、ドミノでは、エンタープライズ リソース計画のニーズを満たすために、SaaS ベースの Microsoft Dynamics ERP も使用しています1。
ビッグデータ分析
多くの組織では、大量のデータを処理する必要があります。 このデータは、センサー、実験、トランザクション データ、Web ページ アクティビティなどの領域から発生することがあります。 ビッグ データ処理では、通常、多くの計算およびストレージ リソースが必要ですが、組織のニーズによっては、定期的または季節的なものになる場合があります。 たとえば、Amazon では、1 日の終わりにビジネス インテリジェンスおよび分析ジョブを設定することがありますが、数百台のサーバーで数時間かかることがあります。 これらのシナリオでは、必要に応じてこれらのリソースを取得できるため、クラウド コンピューティングは理にかなっています。 多くの企業でも、データを自動的に収集、分析、格納する分析パイプラインを完全に自動化しており、リソースは必要に応じてプロビジョニングされます。 ビッグデータ シナリオの例には次のようなものがあります。
Union Pacific Railroad では、線路沿いに赤外線放射温度計、マイク、超音波スキャナーを設置しています。 これらのセンサーでは、通過する列車をすべてスキャンし、鉄道のデータ センターに測定値を送信して、パターン一致のソフトウェアでは障害のリスクがある機器を識別します。
Walmart などの従来の小売業者は、個人の消費習慣を分析して個々の顧客に対してパーソナライズされたマーケティング キャンペーンやオファーを提供することで、Amazon などのオンライン小売業者の先例に倣っています。
Time Warner や Comcast などの企業では、ビッグ データを使用して、サブスクライバーのメディア消費習慣を追跡し、広告主や顧客に付加価値情報を提供しています。 ビデオ ゲーム業界では、数百万ものコンソール所有者のゲームプレイの習慣を追跡します。 Riot Games などの企業では、毎日、500 GB の構造化データと 4 TB を超える操作ログを取捨選択します。
また、クラウドは、Apache Hadoop や Apache Spark などの一般的なツールのマネージド実装を提供することで、分析における役割を果たします。これらのツールは、数分で使用できるようになり、不要になったときに削除できます。 Spark クラスターの購入、展開、構成には数か月かかることがあり、かなりの専門知識が必要です。 クラウドを使用して、また、Azure Databricks や AWS の Databricks などのサービスを使用して、最新バージョンの Spark でプロビジョニングされたクラスターを数回のボタン クリックで展開することができます。
オンデマンド ハイパフォーマンス コンピューティング
ハイパフォーマンス コンピューティング (HPC) なしでは近代科学は語れません。 物理的な実験に加えて、コンピューターベースのシミュレーションは、天体物理学と量子力学から海洋学と生化学までのさまざまな分野で広く普及するようになりました。 このようなワークロードでは計算負荷がかかり、通常は専用クラスターまたはスーパーコンピューティング施設で実行されます。
科学者は、HPC リソースのニーズを満たすために、クラウドにますます期待を寄せています。 HPC の使用において、AWS、Azure、GCP では、より高速な CPU と最先端の GPU を備えた非常に強力な仮想マシンが提供されます。 科学者は、特に小規模なプロジェクトや時間に制限のある、バースト分析 (研究論文の提出期限前の実験の実行など) では、膨大な量の計算能力を利用できることが魅力的であると感じています。 クラウドの HPC の例を次に示します。
3,809 インスタンスの EC2 クラスターは、分子モデリング ジョブを実行する製薬会社向けに、Cycle Computing, Inc. によって設定されました。 クラスターには、合計 30,472 コア、26.7 TB の RAM、および 2 PB のディスク記憶域があります。
Pfizer、Unilever、Spiral Genetics、Integrated Proteomics Applications、Bioproximity などの会社では、Amazon EC2 インスタンスで生命情報およびゲノミクス ワークロードを実行します。
NASA JPL では、ハイパフォーマンスの Amazon EC2 インスタンスを使用して、高解像度の衛星画像を処理します。
2015年、リスク管理および金融サービス会社のウィリス・タワー・ワトソンは、Microsoftと協力して、100,000 コアを含む HPC クラスターをデプロイし、それを使用して世界中のすべての人に保険を提供するコストを計算しました[2][^2]。 プロビジョニングから結果のダウンロードまでのプロセス全体の所要時間は、12 時間未満でした。 シングルコア CPU では、同じジョブの実行にほぼ 20 年は必要だったでしょう。
オンライン ストレージとアーカイブ
クラウド コンピューティングを通じて利用できる重要なリソースの 1 つに、ストレージがあります。 Dropbox などの個人用ストレージ ソリューションから、Amazon S3 などの大規模なインターネット ストレージ システムにいたるまで、オンライン ストレージは主要なクラウド コンピューティング ユース ケースです。 オンライン ストレージのオプションは次のとおりです。
Web ベースのオブジェクト ストレージ:Amazon S3 や Azure Storage などのサービスを使用すると、ユーザーは、HTTP 経由でアクセスできるシンプルなオブジェクトとして数テラバイトのデータを格納できます。 多くの Web サイトでは、Amazon S3 と Azure Storage を使用して、画像などの静的なコンテンツを格納しています。
バックアップと回復:CrashPlan や Carbonite などのサービスでは、顧客データのオンライン バックアップが提供されます。これは、セキュリティで保護されたオフサイト バックアップ ソリューションとして優れたオプションです。
メディア ストリーミングとコンテンツ配布:Amazon CloudFront や Azure CDN などのサービスは、大量のデータを格納するだけでなく、コンテンツの配信にも役立ちます。 CloudFront からデータをプルする要求は、最も近いサーバーに自動的にルーティングされるため、ビデオなど、時間に制限のあるメディアの待機時間が短縮されます。
個人用ストレージ:Dropbox や Google Drive などのサービスは、いつでもどこからでもオンラインでアクセスできるように個人用ドキュメントを格納するユーザーに人気があります。
アプリケーションの迅速な開発とテスト
クラウドの大きな利点の 1 つは、アプリケーションを迅速に展開してテストできることです。 コンピューティング環境全体を数分で展開し、テストが完了したら解体して破棄できます。 多くの企業にとって、開発者が迅速に機能を強化して作成し、リスクなしでテストできることに価値があります。 特殊なハードウェアとサーバーを注文してインストールする必要はありません。 数分のうちに、Amazon EC2、Azure 仮想マシン、または Google Compute Engine で仮想サーバーをスピンアップできます。 また、アプリケーションのストレス/ロード テストを簡単に行うことができます。 既存のサーバーを複製して、スケーラビリティの研究を行うこともできます。
また、クラウドは DevOps への投資を促進します。これにより、組織ではソフトウェアをより短い時間で配信すると同時に、品質をさらに向上させることができます。 組織では、クラウドベースのソースコード リポジトリに結合された仮想ビルド サーバーを含む DevOps パイプラインを作成します。 開発者はリポジトリにコードの変更をチェックインします。これにより、継続的インテグレーション (CI) と呼ばれるプロセスで自動ビルドがトリガーされます。 DevOps のもう 1 つの機能は継続的デリバリー (CD) であり、更新されたビルドは自動的にテストされ、ステージング環境または運用環境にロールアウトされます。 AWS CodePipeline、AWS CodeBuild、Azure DevOps などの製品は、これらの種類のシナリオを可能にし、急速に大小企業でのソフトウェア開発プロセスのバックボーンになっています。
機械学習と人工知能
機械学習 (ML) と、人工知能 (AI) と呼ばれる機械学習 (ML) のサブセットは、毎日の生活に影響します。 クレジット カード会社は ML/AI モデルを使用して、不正行為をリアルタイムでチェックします。小売業者は、他の購入と需要予測を顧客に引き付けるためにそれらを使用します。言語学者は、リアルタイムで音声を翻訳するためにそれらを使用します。レストランは、食品品質を向上させるためにそれらを使用します 3;研究者は、それらを使用して、がん指標のヒトゲノムを分析4.
ML/AI モデルのトレーニングには、多くの場合、多量のコンピューティング能力が必要です。 1 つの例として、畳み込みニューラル ネットワーク (CNN) があります。これは、コンピューター ビジョンに関連するタスクに適しています。たとえば、写真に犬や猫の画像が含まれているかどうかを確認する場合です。 これらのモデルは、通常、数十億のピクセルを構成する画像のバッチでトレーニングされ、多くの場合、100 以上のレイヤーが含まれます。 このサイズの CNN のトレーニングは 1 台のコンピューターでは実用的ではありませんが、並列処理を容易にするために GPU を搭載した HPC クラスターでは比較的効率的に実行されます。
クラウド コンピューティングの最近の傾向では、プロバイダーが ML と AI を SaaS サービスとして使用できるようにします。 たとえば、Azure の Custom Vision Service を使用すると、ニューラル ネットワークをトレーニングして、わずか数分でほとんどコストをかけずに猫の画像と犬の画像を区別することができます。 クラウドベースの ML および AI サービスを使用してビジネス プロセスを改善する、特定の企業の例を次に示します。
Expedia では AWS の推奨エンジンによって提供される機械学習サービスを使用して、ホテルの予約プロセスを効率化します5。
ブリティッシュ・ペトロリアム (BP) は、Azure Machine Learning を使用して、潜在的な石油およびガス貯水池の、地下堆積物から抽出できる炭化水素の割合である回収率を予測する能力を向上させます6.
iGenius は、Google のクラウド AI 機械学習 API と Google App Engine を組み合わせて、世界初のデジタル マーケティング アドバイザーを構築しました[7][^7]。
近年の ML および AI の研究、投資、促進、および適用の急増は、主にクラウド コンピューティングに起因しています。これにより、新しいモデルをトレーニングし、既存のものを改善するために必要な大量のコンピューティング能力を、大小機関の研究者が利用できるようになります。
参照
Microsoft (2017)。 Azure のサービスとしてのプラットフォームはドミノ ピザのペパロニである。 https://news.microsoft.com/en-au/features/azures-platform-service-pepperoni-pizza-dominos/
Microsoft (2016)。 100,000 コアを使って何をしますか? - 世界規模のビッグ コンピューティング。
Tom's Guide (2019)。 ドミノ ピザ、AI とカメラで "完璧な" ピザを作る
Computational and Structural Biotechnology Journal (2015)。 がんの予後および予測での機械学習の適用。 https://www.sciencedirect.com/science/article/pii/S2001037014000464
PhocusWire (2019)。 Expedia はホテルの予約プロセスの改善にどのようにディープ ラーニング使用したか。 https://www.phocuswire.com/Expedia-Partner-Solutions-machine-learning
Google。 iGenius: 最初の仮想デジタル マーケティング アドバイザーである crystal の作成。 https://cloud.google.com/customers/igenius/
自分の知識をチェックする
フィードバック
このページはお役に立ちましたか?
いいえ
このトピックについてサポートが必要ですか?
このトピックの意図を把握したり、理解を深めたりするために Ask Learn を使ってみませんか?