AWSに構築した自社ユースカジノ 新vip環境改善を考えるユースカジノ
ユースカジノ 紹介
投稿日: 2025/03/18
はじめに
こんにちは、滋野です。
前回（AWSに構築した自社サービス環境改善を考えるユースカジノ 紹介気象データ処理編～）は、ユースカジノ 紹介に関する、気象データ処理の改善検討をご紹介しました。
今回は主に、発電量ユースカジノ 紹介処理に対して、Amazon SageMakerを利用した環境改善を検討します。
前回のおさらい
前回は気象データの入力～気象データの前処理までの過程を実装しました。今回は前回実装した課題に対する対応策は踏襲しつつ、後続の発電量ユースカジノ 紹介処理に関する設計検討を実施します。
発電量ユースカジノ 紹介処理の概要
発電量ユースカジノ 紹介処理では主な機能として、以下のような複数の発電量ユースカジノ 紹介モデルを実装しています。それぞれのユースカジノ 紹介モデルは仕様や実行タイミングが異なるため、適切なデプロイ形式を検討する必要があります。
- 設備情報と気象予報データから発電量をユースカジノ 紹介するシンプルなモデル（Express）
- 機械学習を駆使して高精度なユースカジノ 紹介を目指すモデル（Standard）
- 直近の発電量実績データを活用して直近の発電傾向を反映し更に高精度なユースカジノ 紹介を目指すモデル（Premium）
発電量ユースカジノ 紹介処理の流れ
発電量ユースカジノ 紹介処理は一般的な機械学習モデルの開発・デプロイと同様に各処理を以下のような流れで実施しています。
発電量ユースカジノ 紹介モデル構築処理
- 学習データ（気象ユースカジノ 紹介データ・発電量実績データ等）の前処理
- 発電量ユースカジノ 紹介モデル構築
- 発電量ユースカジノ 紹介モデル評価
- パッケージング・デプロイ
発電量ユースカジノ 紹介モデル適用処理
- ユースカジノ 紹介データ（気象ユースカジノ 紹介データ等）の前処理
- 発電量ユースカジノ 紹介モデル適用
- ユースカジノ 紹介結果データの整形
発電量ユースカジノ 紹介モデル構築処理に関しては、データ量が大きいことに起因したモデル構築処理時間の増加、発電量ユースカジノ 紹介モデル適用処理に関しては、実行頻度に応じたリソース管理やコスト管理に課題を抱えておりました。
対応方針
発電量ユースカジノ 紹介モデル適用処理を中心とした比較的、処理時間を要さない処理はLambdaを中心としたコンピューティングサービスで、発電量ユースカジノ 紹介モデル構築処理を中心とした機械学習関連処理は、Amazon SageMaker AI※を用いて、実装します。
※2024年12月より従来Amazon SageMakerと呼ばれたサービスはAmazon SageMaker AI に名称変更されました。（次世代Amazon SageMakerに関しては以下をご参照ください！）
https://aws.amazon.com/jp/blogs/news/introducing-the-next-generation-of-amazon-sagemaker-the-center-for-all-your-data-analytics-and-ai/
Amazon SageMaker AIを用いた機械学習モデルの設計にあたり、検討する一つの要素として、デプロイオプションがあります。
以下デプロイオプションの内、本サービスにはどれが適切か検討しました。
| リアルタイム 推論 |
サーバレス推論 | 非同期推論 | バッチ変換 | |
|---|---|---|---|---|
| 実行モード | 同期 | 同期 | ⾮同期 | ⾮同期 |
| レイテンシ | 秒以下 | 秒以下 | 数秒〜数分 | 不定 |
| 呼び出しモード | 連続ストリーム /APIコール |
連続ストリーム /APIコール |
イベント | イベント/ スケジュール |
| データサイズ | 6MB | 4MB | 1GB | 1GB以上 |
| 概要 | 低レイテンシや高スループットが要求されるオンライン推論 | 断続的またはまれなトラフィックパターンを伴う処理 | リクエストをキューに入れる必要がある推論、および大きなペイロードサイズや長時間の処理を要する推論に最適 | 大量のデータが事前に利用可能で、永続的なエンドポイントが必要ない場合のオフライン処理に適している |
https://docs.aws.amazon.com/ja_jp/sagemaker/latest/dg/how-it-works-deployment.html
https://pages.awscloud.com/rs/112-TZM-766/images/AWS-Black-Belt_2022_Amazon-SageMaker-Inference-Part-3_1014_v1.pdf
https://docs.aws.amazon.com/ja_jp/sagemaker/latest/dg/deploy-model-options.html
結果とまとめ
結果として以下のような構成を検討しています。
◇Express（簡易モデル）
発電量ユースカジノ 紹介モデル構築・適用処理：Lambdaを中心としたリソースで構成
◇Standard（固定モデル）、Premium（逐次更新モデル）
発電量ユースカジノ 紹介モデル構築処理：SageMakerバッチ変換
発電量ユースカジノ 紹介モデル適用処理：Lambdaを中心としたリソースで構成（SageMakerエンドポイントを呼び出し）
SageMaker AIのデプロイオプションは、主にデータサイズと実行時間の関係からバッチ変換を検討しています。コスト面（推論した分だけの課金）や、スケーリング等の面でもメリットが大きいと考えています。
また、つい先日リリース（GA：一般提供開始）されたAmazon SageMaker Unified Studioを用いた統合的な管理も今後検討したいと考えています。
https://aws.amazon.com/jp/sagemaker/unified-studio/
さいごに
今回は、サービス改善に向けて発電量ユースカジノ 紹介処理の設計検討を実施しました。これらの内容が、今後同様のシステムを実装する際のヒントになれば幸いです。
弊社はAWS、再エネ関連データともに扱いに長けたエンジニアが多数所属しております。
AWSでの再エネデータ利活用に関するご相談は、お気軽にユースカジノ 紹介までお寄せください！
ユースカジノ 紹介は、AWSのビジネス利活用に向けて、お客様のステージに合わせた幅広い構築・運用支援サービスを提供しています。
経験豊富なエンジニアが、ワンストップかつ柔軟にご支援します。
ぜひ、お気軽にユースカジノ 登録ください。
