AWS Transit Gateway にざっくり触れる【初心者】

はじめに

今回は AWS Transit Gateway というサービスについて、便利なところをピックアップしてご紹介していきます。

Transit Gateway は中央※ハブを介して、 VPC とオンプレミスネットワークを接続するクラウドルーターだと言われています。
ネットワークが簡素化され、VPCの複雑なピアリング接続をしなくてよくなります。

パッと見て分かる通り、ごちゃごちゃVPC同士を繋げなくて良いので、管理がとてもしやすそうですよね。

※ハブとは
HUBとは、LAN上で各端末（コンピューター、ネットワークプリンタなど）同士を接続する機器のことです。
ネットワーク内のデバイスの共通接続ポイントとして機能します。

ルーティング

• Amazon Virtual Private Cloud (VPC) と VPN の間の動的および静的レイヤー 3 ルーティングをサポート
• パケットの送信先 IP アドレスに応じて、ルートでネクストホップが決定
• ルートでは、Amazon VPC または VPN 接続を指定できる

エッジ接続

• AWS Transit Gateway とオンプレミスゲートウェイの間に、VPN を使用して VPN 接続を作成
• 同じプレフィックス（単語なり何なりの頭につける文字列）の複数の VPN 接続を作成できる
• トラフィックを複数のパスに負荷分散することで、帯域幅を広げることができる

Amazon VPC 機能の相互運用性

AWS Transit Gateway にアタッチされている Amazon VPC からクエリが発行されたときに、パブリック DNS ホスト名をプライベート IP アドレスに解決できます。

Amazon VPC のインスタンスは、この AWS Transit Gateway にアタッチされている他の Amazon VPC の

• NAT ゲートウェイ
• Network Load Balancer
• AWS PrivateLink
• Amazon Elastic File System

にアクセスできます。

モニタリング

AWS Transit Gateway では統計とログが提供されます。

• Amazon VPC と VPN 接続間の帯域幅の使用量
• パケットフロー数
• パケットドロップ数
• Amazon VPC フローログを有効にできる
• ルーティングされた IP トラフィックに関する情報を取得できる

AWSとオンプレミスでのイベントおよびグローバルネットワークの品質をモニターするメトリクスが含まれます。

管理

コマンドラインインターフェイス (CLI)、AWS マネジメントコンソール、AWS CloudFormation を使用して AWS Transit Gateway の作成と管理を行うことができます。

• Amazon VPC と VPN の間の送受信バイト数
• パケット数
• ドロップ数などの Amazon CloudWatch メトリクスを提供

さらに、Amazon VPC フローログを使用して、AWS Transit Gateway のアタッチメントを経由する IP トラフィックについての情報を取得できます。

リージョン間のピア接続

• リージョン間のピア接続により、AWS グローバルネットワークを使用して AWS リージョン全体のトラフィックを作成できる
• リージョン間でリソースを共有出来る
• 地理的な冗長性のためにデータをレプリケートできる
• シンプルで費用対効果が高い

マルチキャスト

Transit Gateway マルチキャストを使用して、クラウドに簡単にマルチキャストグループを作成し、管理できるようになりました。
オンプレミスでレガシーのハードウェアをデプロイ、管理するよりずっと簡単です。

• クラウドのマルチキャストソリューションを、スケールアップ
• スケールダウンして、同時に複数のサブスクライバ―に、一連のコンテンツを届けることができる
• 誰がマルチキャストトラフィックを作り、誰がそれを消費しているか、細かいコントロールができる

セキュリティ

• Identity and Access Management (IAM) と統合されている
• AWS Transit Gateway へのアクセスを安全に管理
• IAM を使用すると、AWS のユーザーとグループを作成および管理できる
• アクセス権を使用して AWS Transit Gateway へのアクセスを許可、拒否できる

自動処理プロビジョニング

既存の AWS Transit Gateways に登録すると、ネットワークマネージャーが VPN 接続および関連するオンプレミスリソースを自動的に特定します。

• Transit Gateway ネットワークマネージャーの、新しい VPN 接続を自動的にプロビジョン
• ネットワークマネージャーの、オンプレミスネットワークを自動的に定義
• オンプレミスネットワークを手動でも定義できる
• クラウドとオンプレミスにある、プライベートネットワークを、マネジメントコンソールで一括管理できる

イベント

• ネットワーク変更、ルート変更、接続ステータス更新の通知を受けるメトリクス
• バイトイン/アウト、パケットイン/アウト、ドロップパケットなどの、パフォーマンスおよびトラフィックメトリクスを通して、グローバルネットワークをモニターする

グローバルネットワーク

AWS 内のユーザーの、プライベートグローバルネットワークを表す AWS Transit Gateway network manager のオブジェクトです。

• AWS Transit Gateway のハブ
• そのアタッチメント
• およびオンプレミスのデバイス、サイト、リンク

が含まれます。

グローバルネットワークの監視に役立つ

AWS Transit Gateway network manager のダッシュボードには

• 入出力バイト数
• 入出力パケット数
• ドロップされたパケット数
• リアルタイムのイベントとメトリクス

これらが表示されます。

接続ステータスは、グローバルネットワークの地理的ビューに埋め込まれています。

AWS Transit Gateway network manager は、AWS CloudWatch を通じた可視化により、一つのダッシュボードから多くのロケーションの、ネットワークアクティビティを確認できます。

まとめ

ちょっと情報多めでしたが、 Transit Gateway があるだけでかなり全体管理が楽になるということは伝わったでしょうか。
どうしても規模が大きくなるにつれて、VPC や接続環境が増えていくので、ぜひ重宝したいサービスですよね！
アクティビティを比較して、オンプレミスのロケーションと AWS クラウド間の不整合や、複数のロケーションに異なる影響を与える問題を特定できるので
問題対処も早くなりそうですよね！

公式サイトリンク

AWS Transit Gateway

by admin

QuickSight の使い方 - ユーザの招待とデータ共有編

はじめに

今回は、QuickSight を用いたユーザの招待と、データの共有方法について簡単に紹介したいと思います。

■やりたいこと
・閲覧権限のみを付与した ユーザを作成したい（ユーザは、IAMユーザと紐付けたい）
・QuickSight 上の可視化してある特定の分析データを、閲覧権限を持ったユーザと共有したい

ユーザの招待方法

ユーザを招待する側の設定

QuickSight の閲覧ユーザの招待方法について、紹介したいと思います。
手順は以下です。

①QuickSight の画面右上のアイコンをクリックし、「QuickSIght の管理」を選択します。

②画面左の「ユーザを管理」を選択したら、「ユーザを招待」を選択

③「ユーザを招待」を選択すると、ユーザ登録となりますので、下記の情報を入力します。

■情報

• ユーザ名：登録する IAM ユーザ名
• Eメール：ここ宛に QucikSight 登録のメールが届く
• ロール；閲覧・作成・管理のどこまでのロールを許可するかを選択
• IAMユーザ：作成するユーザが、既存のIAMユーザと紐付ける場合は「はい」を選択

招待された側の設定

ここからは、QuickSight アカウントに招待された側の手順になります。

①上記で設定したメールアドレス宛に QuickSight からメールが届いているので確認し、クリックします

②下記の情報を入力し、無事にサインインできたら完了です。

■入力情報
・QuickSight のアカウント名（これは管理者に確認）
・IAM ユーザ名
・IAM ユーザのログインパスワード

データ共有

ダッシュボードの公開

次に、閲覧権限を有した ユーザと QuickSight 上で可視化したデータを共有する手順を紹介します。

①共有したいデータのダッシュボードを開いた状態で、右上の「共有」を選択
②「ダッシュボードの公開」を選択
(※「分析の共有」は「閲覧」権限のユーザとは共有できません。)

③公開するダッシュボードの名前を決めたら、「ダッシュボードの公開」を選択

以上の手順で、閲覧権限ユーザは、公開されたダッシュボードを見ることが可能となります。
データの予測などを実施する場合は、「作成」や「管理者」権限を持ったユーザを招待し、
「分析の共有」を選択する必要があります。

おわりに

QuickSight にユーザの招待方法と、データ共有方法は以上となります。
上記の設定を利用することで、複数のユーザと可視化したデータを共有することができるようになります。
特定のデータのみを複数のユーザと共有したい場合など、是非、使用して下さい。

by admin

サッと始める QuickSight の使い方

はじめに

今回は、AWS で利用できる QuickSight ML Insights を使ってサッと可視化と予測をしたい方向けに、手順について説明していきたいと思います。

■やりたいこと
S3においてある csv データを QuickSight で可視化したり、ML Insights を利用して予測をしたい

QuickSight とは

QuickSight について簡単に説明したいと思います。下記が QucikSight の主な特徴です。

■特徴
①S3 などに置いてある csv データの可視化が可能
②豊富なビジュアルでデータの可視化が可能（データに対して適したビジュアルを自動で選択する機能付き）
③ML Insight という機能で、誰でも簡単に予測が可能

開始前準備

1. QuickSight にインポートする csv データのチェック

可視化と予測をする場合、インポートする csv データは少なくとも以下の条件が必要となります。
より詳細な条件については下記の公式リンクを参照ください。
■ML Insights を Amazon QuickSight で使用するためのデータセット要件

例：ある商品の売上の可視化と予測をしたい場合の csv の条件
(画像は可視化予定の csv の内容の一例)

• csv を UTF-8 形式に変更
• csv に最低限必要な内容
  • 年月日
  • 商品の名前とその商品の日々の売上数字

2. S3 に csv データをアップロード

QuickSight で可視化したい csv データを、S3 にアップロードします。
csv のデータ内に日本語がある場合、アップロードする csv は UTF-8 形式にしておきましょう。
QuickSight にインポートした際に、文字化けするリスクを回避できます。

3. QuickSight のアカウント用意

以下の手順で QuickSight のアカウントを作成します。

①AWS のコンソール画面で、「QuickSight」と検索し、そこから QuickSight のサービス画面に移動

②「QuickSight にサインアップ」を選択して、アカウント作成画面へ

③可視化したデータの予測を実施する場合は、「エンタープライズ版」を選択
※可視化だけなら「スタンダード版」でもOK。

開始

1. S3 にあるデータを QuickSight にインポート

以下の手順で、S3 にある csv データをインポートすることができます。

①QuickSight にインポートしたい csv のパスをコピーしておきます
②QuickSight にサインイン

③QuickSiht にサインイン後、左上の「新しい分析」をクリック

④左上の「新しいデータセット」をクリック

⑤S3 のアイコンをクリックし、下記の項目を埋める

• データソース名（QuickSight 上でこれから可視化をするデータの名前を決める）
• マニフェストファイルのアップロード(下記を JSON フォーマットで保存し、それをアップロードして利用)

⑥「接続」をクリックして、問題なければ無事完了。

2. QuickSight にインポートしたデータを編集

必ず編集が必要というわけではないですが、インポートした csv の内容によっては日付がうまく反映されてないことがあるので、「データ管理」で該当のデータを確認をして編集をします。
（※上記で紹介した csv の可視化をした際は、日付形式の編集が必要となりました）

可視化したデータセットの日付が、図のように、カレンダーのアイコンがついた日付（Date）で表示されていれば大丈夫です。そうでない場合は、以下の手順で日付形式の変更を行います。
①「日付」を選択して「データタイプの変更」をクリック
②「日付形式の編集」を選択し、日付の形式を変更したら保存して完了

3. 編集が完了したデータの可視化

インポートしたデータはいつでも可視化することができます。
可視化したいデータセット項目や日付を選択することで、日付毎のデータの可視化や項目毎のデータの可視化などができます。

4. 可視化したデータの予測方法

可視化したデータを予測するには、以下の点に注意する必要があります。

■注意

• QuickSight のアカウントがスタンダードだと、予測はできません
• 複数の項目を一度に予測することはできません

予測手順は以下となります（売上の予測を行う場合）
①予測したい項目と、日付を選択

②「予測を追加」を選択

③「期間をすすめる」で、予測で見たい期間を決める（オレンジ色のグラフが予測期間）
④期間を決めたら、「適用」をクリック

その他

1. データの可視化ができない

自分が遭遇したミスとしては、主に下記の3つになります。

①UTF-8形式に csv が変換できてなかった
②csv の行が多すぎて、読み込んでもらえなかった（1000行を超えると駄目みたいです）
③行と列のデータを逆にすることで読み込めた

※データセットの詳しい要件は、下記の公式 AWS 参照でお願いします
■ML Insights を Amazon QuickSight で使用するためのデータセット要件

2. 予測結果を excel フォーマットの様に数値で可視化

予測をした分析結果は、csv にしてインポートすることができます。
予測結果を csv にして、再び QuickSight で可視化することで、予測結果のみのデータを数値で可視化することができます。
（QuickSight の標準機能には、予測結果を数値で可視化は用意されていません）

おわりに

QuickSight ML Insights の利用方法についての簡単な説明は以上となります。

①少ないデータでも、誰でも簡単に予測の実施が可能
②自動で適したビジュアルも選択される可視化機能あり（豊富なビジュアル）

手軽に簡単な可視化や予測の検証を行うにはピッタリのサービスだと思いますので、ぜひ利用してみてください。

by admin

Amazon Polly を使用した日本語テキスト読み上げの最適化（後編）

はじめに

前回に引き続き、Amazon Pollyを使用した、精密な発音をする音声の読み上げの機能について
AWS はどのようにして最適化を行っているのか、についてご紹介いたします。
しばし長くなっておりますがご了承願いますm(_ _)m

日本語の発音をコントロールする方法

単語の区切りを指定するだけで、目的の発音を示すことができる場合があります。

『東京都』を「とうきょうと」と読むと「東京」と「都」の、 2 つの単語で構成されていると解釈できます。
しかし、「ひがしきょうと」と読み、「京都の東部」を指すことで、
この語は「東」と「京都」の、 2 つの単語で構成されていると解釈できます。

その１.単語境界タグ<w>...</w>を適用する

単語境界タグを適用することにより、『東京都』のデフォルトの発音が上書きされ、「とうきょうと」ではなく「ひがしきょうと」と発音されます。
このタグは、個々の単語を囲むことによって TTS の発音をコントロールするために、使用できる SSML （音声合成マークアップ言語）の形式です。

★pollyの読み上げ音声

その２.振り仮名で発音をコントロールする

単語の区切りを指定する方法は便利ですが、合成したい語が複数の単語で構成されている場合にのみ有効です。
しかし単一の単語（または単一の文字）が、複数の発音を有することも多々あります。

例１：東京の地名である『日本橋』は「にほんばし」
例２：大阪の同じ地名を指す場合は「にっぽんばし」
と発音されます。文脈がなければ、正しい発音がわかりません。

発音を指定する最も簡単な方法は、括弧内に振り仮名表記をすることです。

日本橋（にほんばし）
★pollyの読み上げ音声

日本橋（にっぽんばし）
★pollyの読み上げ音声

振り仮名表記だけではうまく機能しない

その２の手法だと、振り仮名が表示されてしまうため、用途によっては望ましくない場合もあります。
振り仮名が Amazon Polly が認識する、発音の1 つと一致しない場合は、うまく機能しません。

例：「海（やま）」
『海』という漢字に対して「やま」という振り仮名を当てても振り仮名としては認識されません。

例：「七音（どれみ）」
標準的ではない文字の読み方をする人名の場合に当てはまります。

Amazon Polly の特別な音声形式

この問題を克服するために、Amazon Polly には日本語用の特別な SSML タイプ属性があり、振り仮名を用いて発音を指定できます。

次の例に示すようにルビ（ruby）という、音素（phoneme）タイプのタグを使用します。
デフォルトの発音が「にほんばし」である『日本橋』という表記に、「にっぽんばし」という振り仮名を適用できます。

★pollyの読み上げ音声

この構文を使用すると、任意の振り仮名（発音）を任意の文字列に適用できます。
このルビタグは、単語の区切りに関係なく使えます。
次の例のように、送り仮名を除いた漢字部分のみにタグを付けることもできます。

★pollyの読み上げ音声

★pollyの読み上げ音声

振り仮名が Amazon Polly が認識する発音の 1 つと一致しない場合、モデルを使ってアクセントを予測しますが、この予測されたアクセントは正しくない場合があります。

たとえば、ルビタグを使って『山』という文字に、「うみ」という読みを強制します。
「うみ」は『山』という文字の、認識されていない発音のため、想定外のアクセントとなる場合があります。

ph 属性について

ph 属性は、平仮名または片仮名を使うことができます。
ただし、振り仮名が有効な形式でない場合、指定された発音は効果がなく、タグで囲まれた文字列に対して予測されたデフォルトの発音になります。

たとえば、数字や記号など、仮名以外の文字を振り仮名に含めることはできません。
また、二重の長音符（長音記号）などの、一般的ではない振り仮名の使用も無効とみなされます。

ルビタグが無効になる例

次の例では、振り仮名の形式が正しくないため、ルビタグは有効になりません。

次の例のようにタグの内部に文字列のない状態でルビタグを使用すると、何も合成されません。

その３.発音仮名でコントロールする

ルビタグはアクセントを細かくコントロールできないため、目的通りにならない場合があります。

「雨」⇒「あ↗め」、「飴」⇒「あめ↘」のように、アクセントが変わることで単語の意味が変わることがあります。
また、同じ単語であっても、文脈に応じてアクセントが変わる場合があります。

「音声」という単語の発音は、「オ↗ンセー」のように、最初の拍 (音節) にアクセントが付きます（頭高型）。
「合成」という単語はアクセントのない「ゴーセー」と発音されます（平板型）。

ただし、2 つの単語が組み合わさって、「音声合成」という複合語が形成されると、アクセントの位置が移動し、「オ↗ンセーゴーセー」ではなく、「オンセーゴ↘ーセー」と発音されます。
したがって、語や文章のアクセントを予測することは、TTS にとって容易ではありません。

ML モデルを使ってある程度は解決できますが、時々間違うこともあります。

x-amazon-pron-kanaを使う

x-amazon-pron-kana は、発音仮名と呼ばれる発音表記を使用しており、アクセントを直接かつ明示的に指定することができます。
「毎日新聞を読む」という文章の、 2 つの読み方を区別できます。

例１：「毎日、新聞を読む」という意味
例２：「毎日新聞という新聞を読む」という意味

最初のパターンは、現在 Amazon Polly が予測するデフォルトのアクセントです。

例２のアクセントを適用する方法

★pollyの読み上げ音声

x-amazon-pron-kana（発音仮名）は片仮名で表記され、振り仮名に似ていますが、いくつかの点で異なります。
振り仮名は必ずしも、発音を正確に反映するわけではありませんが、発音仮名は忠実に反映します。

例：１. 助詞「は」は、発音仮名では「ハ」ではなく「ワ」と表記
例：２. 助詞「へ」は、「ヘ」ではなく「エ」と表記
例：３. 助詞「を」は「ヲ」ではなく「オ」と表記

「格子」と「子牛」は、振り仮名では両方とも『こうし』ですが、発音仮名ではそれぞれ「コーシ」と「コウシ」と、表記が異なります。

アクセントの違い

発音仮名では、アポストロフィはピッチが下がる位置を示します。
アポストロフィがない場合、アクセントがないものとみなされます（平板アクセント）。

次の例は、アクセントの違いを示しています。

★pollyの読み上げ音声

★pollyの読み上げ音声

各単語には、最大 1 つのアクセントを含めることができます。
この単語とは韻律語を意味し、各単語につき最大 1 箇所、ピッチが下がる拍を指定できるというわけです。

タグ付けする語句に複数のアクセント（ピッチの複数のピーク）がある場合は、各単語の発音仮名をスペースで区切るか、別々のタグで囲む必要があります。

イントネーションの違い

次の例は、韻律語の分け方の違いによる、イントネーションの違いを示しています。
同じ句をさまざまな方法で韻律語に分割できるため、すべて同じ発音仮名で表されますが、スペースの位置によってイントネーションが異なります。

★pollyの読み上げ音声

★pollyの読み上げ音声

★pollyの読み上げ音声

phoneme alphabet="x-amazon-pron-kana" は phoneme type="ruby" とは異なり、
その周囲に単語境界を強制挿入するので、送り仮名のある単語に x-amazon-pron-kana を用いる場合、送り仮名を含む単語全体にタグ付けする必要があります。

振り仮名（片仮名表記）と発音仮名の違い

まとめ

日本語の TTS システムの開発において、その書記体系の複雑さにより、生じるいくつかの課題について説明しました。
このサービスでは、いくつかの ML モデルを使用して、発音およびアクセントを予測しますが、
日本語固有の SSML タグを使用することで、Amazon Polly の自然な日本語音声のコンテンツを、より簡単に作成できます。
是非ご活用ください。

公式サイトリンク

Amazon Polly

by admin

Amazon Polly を使用した日本語テキスト読み上げの最適化（前編）

はじめに

Amazon から発売されている Alexa のように、精密な発音をする音声の読み上げの機能について
AWS はどのようにして最適化を行っているのか、について記事があったのでご紹介いたします。

Amazon Polly とは

• 高度な深層学習テクノロジーを使用して、29 の言語および 61 の音声を使える
• 人間のように聞こえる音声を合成するテキスト読み上げ（ TTS ）を提供するクラウドサービス
• 自動コンタクトセンター、言語学習プラットフォーム、翻訳アプリ、および記事の読み上げ。 　幅広い用途に対応する音声合成を使用するデジタル製品の開発に役立つ

Amazon Polly は現在、2 つの日本語音声を提供しています。
日本語は書記体系が複雑であるため、TTS システムに多くの課題をもたらします。

日本語は TTS にとって課題が多い言語

日本語の書記体系は、主に 3 つの書記法（漢字、平仮名、片仮名）で構成されています。
多くの場合、書記法は互換できます。

例：『ロウソク』を表す単語は、漢字『蝋燭』、平仮名『ろうそく』、片仮名『ロウソク』
と書くことができる。

• 漢字の読み方には音読みと訓読みがあり、さらに熟語の読みは、当て字の場合など、構成文字の読みから予想されるものとは異なる場合がある
• 人名の場合に特に顕著であり、文字列からその名前の発音を常に予測できるとは限らない

TTS システムを最適化するには

文を単語に分割する

英語の場合、単語はスペースで分かれているため、この作業は簡単ですが、日本語の場合は一筋縄にはいきません。

• 日本語は、間にスペースを入れずに単語をつなぎ合わせるため、単語と単語の境界を予測するモデルが必要になる
• 英語で、『Applesonatable』 などの文字列を個々の単語に分解する場面では、 言語的な知識を用いると、“Apple son at able” ではなく “Apples on a table” であり これを自動的に行うにはモデルを学習する必要がある

日本語の単語の発音は、周囲の文脈に大きく依存

同じ漢字の連なりの単語であっても、発音が異なり、文脈に応じて異なる意味を有することがあります （同形異義語）

例：１

例：２

「東京都に行った」⇒「東京/都/に/行った」と分割でき、この場合は「とうきょうとにいった」と読みます。
「東/京都/に/行った」⇒「ひがしきょうとにいった」と読みます。

これらの両方の場合に、「行った」は「いった」と読みますが、
「東京都に行った事業の報告をする」という文脈では、2 番目の意味『何かを実行したこと』となり、
「いった」ではなく「おこなった」と読みます。

日本語は高低アクセント言語

アクセントの違いによって単語の意味に違いが生じる可能性があります。
例：雨（頭高型アクセント）と飴（平板型アクセント）
平仮名で書くと両方とも「あめ」ですが、アクセントの表記がありません。

Amazon Polly のソリューション

• Amazon Polly は日本語のTTS システムで機械学習（ML）モデルを採用。
• ML モデルは、周囲の単語およびその構文（文法）および形態（単語構造）情報に関する情報を使用して、単語の発音または高低アクセントおよび抑揚を予測
• モデルは、言語のパターンを一般化するのに役立ち、合成されたことのない文の発音および抑揚を予測できる

正確な発音をさせるのは難しい

人は、書かれた文脈が不十分でも、より広い文化的または状況的知識から文脈情報を推測し、筆記された文を理解できます。
現在の TTS モデルでは、利用可能な情報はあってもモデルがそれを使って正確な予測を行うことができないこともあります。

母国語話者でさえ、背景知識がないために正しい発音を予測するのに苦労する場合があります。
人名や地名で特によくあることで、
例：「愛」という名前は、「あい」、「めぐみ」、「まなみ」、「まな」
このように少なくとも 28 通りの読み方があります。

この問題を回避するために、日本語テキストの発音をコントロールする方法がいくつかありますので、後編でご紹介していきます。

公式サイトリング

Amazon Polly

by admin