Azure Virtual Machines の HB シリーズ VM でクラウドでのスーパー コンピューティングが飛躍的に進化

執筆者: Evan Burness (Principal Program Manager, Azure HPC) このポストは、2019 年 5 月 26 日に投稿された HB-series Azure Virtual Machines achieve cloud supercomputing milestone の翻訳です。   新しい HPC 向けクラウド仮想マシンで 10,000 コアまでスケーリングが可能に Azure Virtual Machine HB シリーズで、パブリック クラウドで初めて MPI ベースのハイ パフォーマンス コンピューティング (HPC) ジョブを 10,000 コアにまでスケーリングできるようになりました。長い間、このレベルのスケーリングは、世界でも有数のごく限られた強力なスーパー コンピューターの領域でのみ実現可能と考えられてきましたが、それが Azure ユーザーであればだれでも利用できるようになりました。 HB シリーズ仮想マシン (VM) は、広いメモリ帯域幅を必要とする HPC アプリケーションに最適化されています。HB シリーズ VM は、このクラスのワークロードとしては…


Azure Cost Management を使用してクロス クラウド環境の支出を管理

執筆者: Oren Maoz (Senior Program Manager, Azure Cost Management) このポストは、2019 年 5 月 28 日に投稿された Manage your cross cloud spend using Azure Cost Management の翻訳です。   企業が複数のクラウド プロバイダーでワークロードを運用するケースは珍しくありません。しかし、マルチ クラウド戦略を採用すると、クラウドごとにコスト モデル、請求サイクル、環境設計が異なり、複数のダッシュボードやビューを操作する複雑さが問題となります。 実際にお客様からは、複数のクラウド プロバイダーへの支出の全体的な管理、予算超過の防止、統制の維持、利用者への説明責任の確立といった機能を備えた一元的なコスト管理ソリューションが必要だという意見が多数寄せられています。 そこで今回マイクロソフトは、Azure Cost Management でクロス クラウドのサポートを開始しました。この機能はプレビューとしてご利用いただけます。今後、皆様がマルチ クラウドに関するニーズに効率的かつ効果的に対応するうえで重要な役割を果たす機能となるでしょう。使いやすいクラウド コネクタを利用して AWS のコストを見られるようにすると、それぞれの支出を一元的に把握して、分析と将来の予算設定を 1 か所で行うことができます。 ぜひ無料のプレビューを利用して、AWS コネクタを作成し、新しい機能をお試しください。 AWS のコスト管理の詳細については、ドキュメント「Azure での AWS のコストと使用状況の管理 (英語)」をご覧ください。 今回のプレビューの機能 コスト分析による Azure と…


Azure Monitor ログの刷新による DevOps への対応、きめ細かいアクセス制御、Azure 統合の強化

執筆者: Meir Mendelovich (Principal Program Manager, Azure Monitor) このポストは、2019 年 5 月 22 日に投稿された Transforming Azure Monitor Logs for DevOps, granular access control, and improved Azure integration の翻訳です。   現代のデジタル世界において、ログはさまざまなシナリオで不可欠であり、監視、トラブルシューティング、使用状況とサービス レベルの分析、監査、セキュリティなどのメトリックと併用されています。そのため、アプリケーションの開発計画や IT 環境の構築計画にはログの設計も欠かせません。 ログのアーキテクチャ ログには、主に 2 つの方式があります。 集約型: すべてのログを単一のリポジトリに一元的に保管します。このシナリオでは、複数のリソースにまたがる検索を簡単に実行してログを相互に関連付けることができますが、これらのリポジトリは肥大化しやすく、あらゆる種類のソースからのログが含まれるため、リポジトリへのアクセス制御を維持することが困難です。このような理由から、集約型のログを一切使用しない組織もあります。集約型のログを使用している組織では、ごく少数の管理者にしかアクセスできないよう制限すると、大半のユーザーがログを活用できなくなります。 サイロ型: ログをリソース内に保管するか、一元的に保管してリソースごとに分離します。このシナリオでは、リポジトリのセキュリティが確保され、アクセス制御とリソースへのアクセスに一貫性を持たせられますが、ログを相互に関連付けることは困難または不可能です。多数のリソースについて幅広く把握する必要があっても、インサイトを生成することができません。最新のアプリケーションは問題やインサイトの範囲が複数のリソースにわたるため、サイロ型の価値は非常に限定されます。 多くの組織では、セキュリティとログの関連付けという相反するニーズに対応するために、両方の方式を並行して実装してきました。その結果、環境が複雑になりコストがかさみ、保守も困難になり、ログの範囲にすきまが生じています。さらには、組織でのログ データの使用率が低下し、データに基づく意思決定ができなくなっています。 Azure Monitor ログの新しいアクセス制御オプション 先日、両方の方式のメリットを得られるようにする Azure Monitor ログの新機能を発表 (英語) しました。これにより、お客様はログを一元的に保管しながら、Azure とロールベースのアクセス制御 (RBAC) メカニズムにシームレスにログを統合できます。これを「リソース中心ログ」と名付けました。この機能を既存の…


Azure Machine Learning サービスのビジュアル インターフェイス

執筆者: Meng Tang (Principle Program Manager Lead) このポストは、2019 年 5 月 22 日に投稿された Visual interface for Azure Machine Learning service の翻訳です。 マイクロソフトは Microsoft Build で、Azure Machine Learning サービスのビジュアル インターフェイスのプレビューを発表しました。Azure Machine Learning サービスに導入されたこの新しいドラッグ アンド ドロップのワークフロー機能によって、コーディングよりもビジュアル ツールを好むユーザーの皆様は、機械学習モデルの構築、テスト、デプロイをより簡単に実施できるようになりました。ユーザー エクスペリエンスが大幅に向上し、Azure Machine Learning Studio の機能が使いやすくなります。 ビジュアル インターフェイス Azure Machine Learning のビジュアル インターフェイスは以下の方々にとって使いやすく、高い生産性を発揮できる設計になっています。 コーディングよりもビジュアル ツールに慣れているデータ サイエンティスト 機械学習の経験がなく、直観的に操作しながら学習したいユーザー プロトタイプを手早く作成したい機械学習エキスパート ビジュアル インターフェイスには、データの前処理、特徴量エンジニアリング、トレーニング アルゴリズム、モデル評価といった一連のリッチなモジュールが用意されています。また、完全な…


自動スケーリングで Azure HDInsight クラスターの使用率を向上

執筆者: Alicia Li (Principle Program Manager, Azure HDInsight) このポストは、2019 年 5 月 21 日に投稿された Drive higher utilization of Azure HDInsight clusters with autoscale の翻訳です。   このたびマイクロソフトは、Azure HDInsight の自動スケーリング機能のプレビューを開始しました。この機能は、負荷やカスタマイズされたスケジュールに基づいてクラスターを自動的にスケールアップまたはスケールダウンし、生産性とコスト効率を向上させることを目的としています。 ここで、米国の医療機関の例を見てみましょう。この機関では Azure HDInsight を使用して企業レベルで統合型ビッグ データ プラットフォームを構築し、傾向予測や使用パターン分析に利用するさまざまなデータを処理しています。ビジネス目標を達成するために複数の HDInsight クラスターを運用環境で使用し、リアルタイムでデータを取得してインタラクティブに一括分析を行っています。 厳格な SLA の要件を満たすために、クラスターの中には、ISV アプリ、基幹業務アプリ、アクセス制御ポリシーなどの要件に厳密に適合するようにカスタマイズされているものがあります。こうしたクラスターはスケーリングすること自体が困難で、24 時間体制で最大キャパシティを発揮させるような運用はコストがかさみます。そのため、クラスター作成後に IT 管理者がキャパシティ要件の変化を手動で監視し、クラスターのスケールアップやスケールダウンを行ったり、あるいはそれを実行するカスタム ツールを開発したりする必要があります。そうすると IT 管理者はコスト効率の良いビッグ データ分析ワークロードを構築、運用することが必要になり、自身の生産性を最大限に発揮することができません。 新たに導入したクラスターの自動スケーリング機能を活用すれば、Azure HDInsight サービスによって自動でクラスターを監視できます。クラスターの実際の負荷やカスタマイズされたスケジュールに従って、IT 管理者が指定した最小ノード数と最大ノード数の間でクラスターがスケールアップ、スケールダウンされます。ワークロードの要件が変化した場合は、クラスター サイズの範囲やスケジュールを IT 管理者が柔軟に調整できます。自動スケーリング機能を使用すると、IT 管理者は複雑な監視ツールを構築したり、無駄なリソースやコストの発生を心配したりする必要がなくなります。…


Azure SQL Database サーバーレス レベル: コンピューティング能力の自動スケーリング、料金とパフォーマンスのバランスの最適化

執筆者: Morgan Oslake (Principal Program Manager, Azure SQL Database) このポストは、2019 年 5 月 17 日に投稿された Optimize price-performance with compute auto-scaling in Azure SQL Database serverless の翻訳です。   パフォーマンス目標の達成とコスト削減を両立するようにコンピューティング リソースを適切に割り当てるのは、容易なことではありません。使用パターンが複雑なデータベース ワークロードでは、特に難しい問題です。この問題に対応するために、マイクロソフトは Azure SQL Database の新しいコンピューティング レベルとして、サーバーレス レベルのプレビューを開始しました。このコンピューティング レベルでは、断続的に利用され使用状況を予測できないデータベースのコストとパフォーマンスのバランスを最適化しながら、パフォーマンス管理を簡素化することができます。使用パターンが適しているアプリケーションとしては、基幹業務アプリケーション、開発/テスト用データベース、コンテンツ管理、e コマース システムなどが挙げられます。また、アプリケーションに必要な演算能力の変化が激しい場合や、ワークロードを頻繁にスケーリングしてコストを削減したい場合にも適しています。サーバーレス レベルでは、フルマネージドでインテリジェンス機能が組み込まれている SQL Database のメリットを活用することができ、アプリケーション開発の迅速化、運用の簡素化、総コストの削減に効果的です。 コンピューティング能力の自動スケーリング SQL Database サーバーレス レベルでは、ワークロードの要求に応じて Single Database のコンピューティング能力が自動スケーリングされます。コンピューティング料金は、実際に使われた時間に応じて 1 秒単位で計算されます。これに対して、SQL Database プロビジョニング済みコンピューティング…


Bot Framework SDK と最新機能でボット開発を加速

執筆者: Yochay Kiriaty (Principal Program Manager, Azure Platform) このポストは、2019 年 5 月 16 日に投稿された Accelerate bot development with Bot Framework SDK and other updates の翻訳です。   会話エクスペリエンスは、荷物の配送状況の追跡や店舗の営業時間の確認などに使用する標準的なソリューションになりつつあります。Microsoft Build 2019 では、Microsoft Bot Framework (英語) と Azure Bot Service (英語) を使用してそうした会話エクスペリエンスを構築し、カスタマー エクスペリエンスを刷新しているお客様の事例をご紹介しました。 LaLiga: 複数のプラットフォームを通じてサッカー ファンからの問い合わせに対応する独自の仮想アシスタント (英語) を構築 BMW: 複数の言語に対応した会話エクスペリエンスを可能にする AI 音声会話システム BMW インテリジェント パーソナル アシスタント (英語) を構築…


Cosmos 開発者向けの Azure Cosmos DB に関する最新発表

執筆者: Rimma Nehme (Product Manager and Architect, Azure Cosmos DB) このポストは、2019 年 5 月 14 日に投稿された A Cosmonaut’s guide to the latest Azure Cosmos DB announcements の翻訳です。   Microsoft Build 2019 では、新しい Apache Spark のビルトイン サポートを利用したリアルタイム運用分析や新しい Jupyter ノートブック エクスペリエンスなど、すべての Azure Cosmos DB API 向けの魅力的な新機能が発表されました。これらの機能により、お客様が世界規模のグローバル分散型アプリを容易に構築できると考えています。 今回は、この他に Microsoft Build で発表された開発者エクスペリエンスの機能強化についてご紹介します。 etcd API による Kubernetes 開発の支援 etcd (英語)…


Azure Firewall とネットワーク仮想アプライアンス

執筆者: Yair Tor (Principal Program Manager, Azure Networking) このポストは、2019 年 5 月 14 日に投稿された Azure Firewall and network virtual appliances の翻訳です。   ネットワーク セキュリティ ソリューションの提供形態には、オンプレミスのアプライアンス、クラウドで運用されるネットワーク仮想アプライアンス (NVA)、クラウド ネイティブ サービス (サービスとしてのファイアウォール) の 3 種類があります。 お客様からの問い合わせで特に多いのが、Azure Firewall とネットワーク仮想アプライアンスの違い、Azure Firewall は他のソリューションと共存が可能かどうか、Azure Firewall の方が優れている点、不足している機能、期待される TCO 上のメリットなどについてです。この記事では、これらの質問にお答えしたいと思います。 ネットワーク仮想アプライアンス (NVA) Azure では、サードパーティ製ネットワーク サービスも重要な役割を果たしており、お客様が以前から信頼を寄せていて、製品知識や管理スキルを持っているブランドやソリューションを使用することができます。サードパーティ製ネットワーク サービスの大半は NVA として提供されており、これにはファイアウォール、WAN オプティマイザー、アプリケーション配信コントローラー、ルーター、ロード バランサー、プロキシといったさまざまな機能が揃っています。多くのハイブリッド ソリューションに対応したこれらのサードパーティ製サービスの機能は、Azure Marketplace で一般提供されています。NVA をデプロイする前に検討すべきベスト…


新しい MLOps 機能を利用して機械学習モデルを運用環境に移行する

執筆者: Microsoft Azure このポストは、2019 年 5 月 9 日に投稿された Take your machine learning models to production with new MLOps capabilities の翻訳です。   今回は、Microsoft Azure のシニア プログラム マネージャーを務める Jordan Edwards の記事をご紹介します。 Microsoft Build 2019 で、私たちは Azure Machine Learning サービスの MLOps 機能を発表しました。MLOps は機械学習用の DevOps とも呼ばれる機能であり、データ サイエンティストと DevOps 担当者の間のコラボレーションやコミュニケーションを促進し、機械学習 (ML) ライフサイクルの運用環境の管理を支援します。 Azure Machine Learning サービスの MLOps 機能は、お客様に資産管理とオーケストレーションのためのサービスを提供するもので、効果的な ML…