Skip to main content Skip to Footer

Blog - Cloud ComputingCommentary from our cloud experts around the globeBLOG アクセンチュア・ クラウド・ ダイアリーズ

February 14, 2018
クラウドサービスのさらなる活用 ~ Google Cloud Platform編
By: 小海 友和

クラウド推進事業本部でCloud Strategy & Innovator (J2C Advisory)を担当しております、小海と申します。
我々は日々、お客様のクラウドへの移行に向けた様々な支援を行っております(詳しくは「アクセンチュアの「クラウド・コンサルタント」って何者? 」もご覧ください)が、最近はパブリッククラウドへの移行は決定済みでクラウドへの移行を推進中のお客様も多く、さらに複数のクラウドサービスをどのように使い分けるか等、複数クラウドサービスの活用に向けて一歩踏み込んだ検討されているケースが増えています。

その場合、単なるIaaS (仮想サーバー)を活用してコスト削減を実現するだけでなく、先端技術を使い、ビジネス優位性を実現し、また、不確実な将来のデマンドに迅速に対応できることを目的とするため、クラウドサービスプロバイダーが提供するマネージドサービスが検討されることが多いようです。 最近特にお問い合わせが多いのが、様々なデータを組織横断で収集・保存するデータレイクを構築し、それらの大量データの活用を模索する方法をPoC (Proof of Concept)として実装・評価したい、という内容です。

短期間でビジネスアイデアを実現するシステムプロトタイプを実装し、評価を行う必要があるため、クラウドサービスを最大限活用して評価を行うことが一般的です。また、PoCにおいては、実現したい内容が具体化されているので、利用したいサービスありきでPoCが進むことが少なくありません。

このような仕組みを実現するサービスは、各クラウドサービスプロバイダーから提供されており、注力されている領域ですが、機械学習・ディープラーニング、画像や言語処理において、特徴のあるサービスを提供するGoogleのクラウドサービス、Google Cloud Platform (GCP)への問い合わせが増えてきていますので、GCPのこれらサービスについて概要をご紹介します。


機械学習
“5年後には大型IPOの成功はすべて機械学習によってもたらされるだろう”とEric Schmidt (アルファベット社会長)が述べているように、今後のビジネスを支える重要なIT技術と考えられ、Googleも注力しているサービスです。
GCPで提供する機械学習に関するサービスについては、大きく2つに分類可能です。

(1)学習済みモデルにAPI経由でアクセスして利用するサービス

(2)独自の学習モデルの構築及び学習と予測の実行環境として利用するサービス(Google Cloud Machine Learning)

(1)については、イメージしやすいと思いますが、例えばGoogleフォトで顔検出する機能などをAPI(この場合だとCloud Vision API)を通じて提供するものです。
(2)については、TensorFlowというGoogleが開発し、オープンソース化した機械学習用のライブラリを利用して構築したモデルに対し、学習や、予測などを実行する環境を提供するサービスとなります。機械学習における学習は、大量のデータを入力し、分散して高速に計算処理を行う必要がありますが、このような環境をフルマネージドサービスとして (仮想サーバーを全く意識せずに)利用することができます。Googleはさらなる計算処理の高速化を目指し、TPUというハードウェア (チッププロセッサー)の開発も行っており、この領域における本気度がうかがえます。

なおTensorFlowは、非常に人気の高いオープンソースとなっており、GitHub (オープンソースの開発に広く利用されているバージョン管理のサービス)における人気度 (スター数)も上位に位置しています。もちろんGoogle内部においても活用されており、Googleフォト、Google Cloud Speechなどのモデルの構築にも利用されています。


AI、機械学習、ディープラーニングの関係性については、AIが一番広い概念で、その中に機械学習があります。ディープラーニングは機械学習の一種で、分析対象の特徴を人間を介せず見出すことのできる手法ですが、より大量のデータと、何重もの計算処理が必要になります。非構造化データ(画像、音声、動画等)の処理や時系列データの異常検知などに性能を発揮します。

(補足) AI、機械学習、ディープラーニングの関係性

AI、機械学習、ディープラーニングの関係性

ビッグデータソリューション
Googleはその使命として、「世界中の情報を整理し、世界中の人々がアクセスできて使えるようにする」ことを掲げており、大量のデータを上手く処理することは、そもそも得意としている領域です。上記で紹介した機械学習においても大量なデータが必要ですが、その保存という観点でGCPではCloud Storage (オブジェクト), Cloud Bigtable (NoSQL)、そBigQuery (テーブル)などを用意しています。このなかでも、特にBigQueryについては、お客様の関心が高く、開発・運用を行う現場からの問い合わせも多いため、その特徴を以下にご紹介します。


BigQueryの特徴

ヒトの観点
(人手による管理)

フルマネージドのサービスでスケールアップなどの考慮や管理は不要。

モノの観点
(アーキテクチャー)

高速な処理を実現するために、数百~数千のマシンが並列稼働。分散処理可能なアーキテクチャー(カラム型データストアとツリーアーキテクチャー)を利用。データクエリはSQL文で実行可能。

カネの観点
(課金モデル)

保存されているデータ量、検索時にスキャンされるデータ量、ストリーミングでのデータ追加量(リアルタイムでのデータ収集量)による完全な従量課金。


BigQueryの特徴は上記のとおりで、大量のデータを簡単に、高速に、安く活用できる基盤となります。ただし、従来から一般的に利用されているリレーショナルデータベースとは、似て非なるところもあるため、本番利用に向けては、SQL文の互換性、UpdateやDelete処理の制限、課金に対する考慮など、事前にしっかりと調査検討を行う必要があります。

今回、最近お問い合わせが増えているGoogleの機械学習とビッグデータに関するサービスをクラウドサービス活用の一例としてご紹介しましたが、複数のクラウドサービスプロバイダーを利用する場合、単に技術的な実現可能性だけでなく、ビジネスケースの再検討、使い分け等の利用方針の策定、各種ガイドライン (アーキテクチャー、運用、開発など)の整備など、「技術」・「プロセス」・「人」の全方位からの検討が必要となります。アクセンチュアでは、技術的なご支援はもちろん、クラウドサービス活用にむけた取り組みの推進、各種プロセスの構築から人材のトレーニングまで一貫した支援を行うことができます。クラウドサービスのさらなる活用に向けた検討をされる際には、是非お問合せください!

Popular Tags

    最新の記事

      アーカイブ