kintone hack アマゾン ウェブ サービスジャパン株式会社

1. アマゾン ウェブ サービス ジャパン株式会社
kintone hack
〜ここまでできるkintone〜
kintoneとAWSでできるIoT

2. ⾃⼰紹介
• 名前
– 榎並 利晃（えなみ としあき）
– toshiake@amazon.co.jp
• 役割
– Mobile & IoT Business Development Manager

3. AWS が提供する IoT ソリューション
App
Backend
API Gateway
Lambda
Edge Service
CloudFront
Companion
Apps
Analytics
RedShift
Data
Storage
S3
SDKs
C, iOS
Android
Machine
Learning
Machine
Learning
DynamoDB
AWS Global Infrastructure APN Partner Solutions
Kinesis
Ingestion,
Protocols &
Security
Device
Shadows
Mobile Hub
EMR
Reference
Hardware
Rules
Engine
AWS IoT
Rich Backend
Services

4. kintoneとAWSでIoTを業務に活かす
収集
蓄積
分析
活⽤ワークフロー
コミュニケーション
共有

6. IoT Analytics

7. データの価値は
時間の経過とともに減少する
Perishable Insights
– M. Gualtieri, Forrester
新しいデータほど意思決定における価値が⾼い
（もし、その効⼒が失われる前にアクションが起こせるのであれば）
☞ リアルタイム分析の必要性

8. Amazon Kinesis
Analytics

9. Kinesis Analytics
ストリーミングデータを標準的な SQL クエリーでリアルタイムに分析
2
3
1 標準 SQL
リアルタイム分析アプリケーション
弾⼒的にスケール
複雑な処理フレームワークやプログラミング⾔語の学習不要
秒以下のレイテンシーでストリーミングデータを連続的に分析
データのスループットに応じて処理能⼒を伸縮。オペレーションの介⼊不要

10. 何ができるの？
アノマリーディテクション（異常検出）
シンプルなアラート
アイテム数のカウント
トップ K アイテムの算出
前処理・参照テーブルの結合
前処理・⽂字列操作
フィルタリング
タンブリングウィンドウ
スライディングウィンドウ

11. デモします

12. http://bit.ly/2bZm4qQ

14. デモの流れ！
1. 次ページのサイトにアクセス（できればスマホ）
2. ⾵⾞がみえる
3. ⾃動的に7カ国のグループにランダムアサイン
4. みんな同じリズムで正常系を学習させる
5. North Americaの⼈たちだけ変なリズムでタップ
6. 異常検知された情報のみkintoneにてメンテ情報と
して登録

16. IoTデザインパターン
Kinesis Stream Kinesis Analytics Lambda
リアルタイムストリーミング分析＆ワークフロー
Kinesis StreamAWS IoTDevice

17. kintoneとAWSでIoTを業務に活かす
収集
蓄積
分析
活⽤

18. AWS IoTとは？
接続されたデバイスが簡単かつ安全にクラウドアプリケーションや
デバイスとやり取りできるマネージド型クラウドプラットフォーム
ビジネスのイノベー
ションに
AWSクラウドを！

20. プラットフォームに
求められる特性
1 連続性 最新のデータを常に処理し続けられること
2 応答性 アクションへ分析結果をフィードバックするメカニズムがあること
3 ⾼速性 ⾼頻度かつ低遅延で処理が完了すること
4 正確性 処理の重複可能性が明確であること。時刻の精度が⾼いこと
5 耐久性 データが失われないこと。繰り返し処理できること
6 信頼性 ⾼速にフェイルオーバーし、常に利⽤できること

21. Kinesis Analytics の
主要なコンセプト
• 分析単位に「アプリケーション」を作成し、⼊⼒／出⼒となる「ストリーミングソース／デスティネーション」を設定
• ストリーミングソース／デスティネーションはアプリケーション内部の「⼊⼒／出⼒ストリーム」に対応
• SQL でアプリケーション内部の⼊⼒ストリームを分析し、結果を出⼒ストリームへ出⼒
• アプリケーション内部ストリームの最⼤⾏サイズは 50 KB／参照データソースの最⼤サイズは 1 GB
• クエリーの複雑さとデータのスループットに応じて処理能⼒ (KPU – Kinesis Processing Units) を⾃動伸縮
• ⽶国東部（バージニア北部）／⽶国⻄部（オレゴン）／欧州（アイルランド）リージョンで利⽤可能
SQL
アプリケーション内部
⼊⼒ストリーム
アプリケーション内部
出⼒ストリーム
ストリーミング
ソース
(Kinesis Streams または
Kinesis Firehose)
ストリーミング
デスティネーション
(Kinesis Streams または
Kinesis Firehose)
参照テーブル
参照データソース
アプリケーション内部
エラーストリーム
アプリケーション