これから始める Azure の基礎サービス: IaaS/PaaS
•Als PPTX, PDF herunterladen•
9 gefällt mir•13,101 views
仮想マシン、Web App、SQL Databaseの3大基本サービスを理解します。
Empfohlen
Empfohlen
Weitere ähnliche Inhalte
Was ist angesagt?
Was ist angesagt? (20)
Andere mochten auch
Andere mochten auch (20)
Ähnlich wie これから始める Azure の基礎サービス: IaaS/PaaS
Ähnlich wie これから始める Azure の基礎サービス: IaaS/PaaS (20)
Mehr von Daiyu Hatakeyama
Mehr von Daiyu Hatakeyama (20)
Kürzlich hochgeladen
Kürzlich hochgeladen (11)
これから始める Azure の基礎サービス: IaaS/PaaS
- 3. ストレージ サーバー ネットワーク OS ミドルウエア 仮想化 データ アプリケーション ランタイム OS ミドルウエア データ アプリケーション ランタイム ユ ー ザ ー 管 理 アプリケーション データ ベ ン ダ ー 管 理 Microsoft Azure 仮想マシン Windows Server Hyper-V Windows Server Microsoft Azure App Services Office 365 Dynamics CRM ベ ン ダ ー 管 理 ベ ン ダ ー 管 理 ユ ー ザ ー 管 理 ユ ー ザ ー 管 理
- 6. Ubuntu, Red Hat, Windows, SUSE, CoreOS DevOps Extensions による Chef and Puppet らとの連携 ワークローズ対応するための多様なサ イズ 事前構成された 数百を超える Marketplace 状のイメージ 仮想マシン
- 9. Blob ストレージ サービス ストレージアカウント VM DEPO 手元にある VHD ファイル OSS の ギャラリー Azure イメージ管理 標準イメージ (MS 提供) マイイメージ (独自テンプレート) Azure Hyper-V Azure 仮想マシン Azure 仮想マシン Azure 仮想マシン Azure 仮想ネットワーク DNS 名とエンドポイント (外部からのアクセス) リソースグループ 仮想マシンから イメージ作成 Azure 基本サービス NLB F/W DNS VPN G/W DHCP ドメイン名管理
- 10. Dよりも CPU性能向上 SSD より高速な CPUs 最大のメモリーと 大きな SSD NVIDIA GPUs K80 Compute Dv2相当のCPU メモリーは少なめ 更に高速な CPU IB Connectivity 更に大きな SSDs エントリーモデル 新しい A-Series 11月搭乗予定 NVIDIA GPUs M60 Visualization https://azure.microsoft.com/ja-jp/documentation/articles/virtual-machines-windows-sizes/
- 11. Feature RemoteFX vGPU Direct device assignment Device GPU Assignment Para-virtualized (many VMs to one or more GPUs) 1 or more GPUs to 1 VM Scale Best scale / 1 GPU to many VMs Low scale / 1 or more GPUs to 1 VM App compatibility DX 11.1, OpenGL 4.4, OpenCL 1.1 All GPU capabilities provided by vendor (DX 12, OpenGL, CUDA, etc) AVC444 Enabled By default (Win10/Srv2016) Available through Group Policy (Win10/Srv2016) GPU VRAM Up to 1 GB dedicated VRAM Up to VRAM supported by the GPU Frame Rate Up to 30fps Up to 60fps GPU driver in guest RemoteFX 3D adapter display driver (Microsoft) GPU vendor driver (NVIDIA, AMD, Intel) Guest OS support Windows Server 2012r2, WS 2016, Windows 7 SP1, Windows 8.1, Windows10 Windows Server 2012r2*, WS 2016, Windows 10*, Linux Hypervisor Microsoft Hyper-V Host OS availability Windows Server 2012r2, WS 2016, Windows 10 Windows Server 2016 GPU hardware “Enterprise” GPUs (such as Nvidia Quadro/GRID or AMD FirePro) Server hardware No special requirements Modern server, exposes IOMMU to OS (usually SR-IOV compliant hardware)
- 12. トレーニング 類推する Data / Users Scalable Performance Throughput + Efficiency 1度のトレーニングで、数十億 TFLOPS Xeon CPU だと、1年がかり GPU だと1日 処理事に数十億 FLOPS Xeon CPU だと数秒 GPU だと即座
- 13. TORCH THEANO CAFFE MATCONVNET PURINEMOCHA.JL MINERVA MXNET* BIG SUR TENSORFLOW WATSON CNTK
- 15. * Intel® Turbo technology
- 17. OS アプリ アプリ アプリ アプリ
- 19. Premium Storage ディスク タイプ P10 P20 P30 最大ディスク サイズ 128 GiB 512 GiB 1024 GiB (1 TB) ディスクあたりの最大 IOPS (最大 256KB) 500 2300 5000 ディスクあたりの最大スループット 100 MB/秒 150 MB/秒 200 MB/秒 DS1-DS14 DS1_v2-DS15_v2 F1S-F16S GS1-GS5 OS ディスク データディスク 400GB
- 20. • •
- 21. クラウドサービス (~.cloudapp.net) A.B.C.D 443/tcp a.b.c.1 a.b.c.2 a.b.c.3 vm01 vm02 vm03 443/tcp 443/tcp 443/tcp 負荷分散 エンドポイント 仮想ネットワーク リソースグループ A.B.C.D ロードバランサー NSG
- 22. 複数の仮想マシンを同一の可用性セットで括ると、 最大で3つの障害ドメインに分散配置 いずれかの障害ドメイン内で障害が発生しても、 可用性セット内の別インスタンスは稼働 データセンター内のサーバー群ごとに、専用の電源や ネットワーク装置が配置され、これら装置の障害が他の サーバー群に影響を及ぼさないように設計 この括りを「障害ドメイン (fault domain)」という 障害ドメイン 障害ドメイン障害ドメイン ラック FC ・ ・ ・ ・ ・ ・ ルータ ラック FC ・ ・ ・ ・ ・ ・ ルータ ラック FC ・ ・ ・ ・ ・ ・ ルータ 可用性セット
- 23. 23 ユーザー インターネット Azure 仮想ネットワーク フロントエンド アクセス • 予約済み パブリックIP • 仮想マシン アクセス, ACL • 負荷分散 • DNS サービス • Traffic Manager • DDoS 防御 仮想ネットワーク • ネットワークセキュリ ティグループ • ユーザー定義ルーティン グ バックエンド接続 • ポイント対サイト接続 • サイト対サイト接続 • ExpressRoute ExpressRoute VPN
- 24. Azure パブリック IP へのトラフィック 仮想ネットワークへのトラフィック Office 365, CRM Online (間もなく) へのトラフィック
- 26. { "apiVersion": "2015-06-15", "type": "Microsoft.Compute/virtualMachines", "name": "SampleWinVM", "location": "japaneast", "properties": { "hardwareProfile": { "vmSize": "Standard_D3" }, "osProfile": { "computerName": "MyTestVM", "adminUsername": "azureuser", "adminPassword": "MyP@ssw0rd" },
- 27. ストレージ サーバー ネットワーク OS ミドルウエア 仮想化 データ アプリケーション ランタイム OS ミドルウエア データ アプリケーション ランタイム ユ ー ザ ー 管 理 アプリケーション データ ベ ン ダ ー 管 理 Microsoft Azure 仮想マシン Windows Server Hyper-V Windows Server Microsoft Azure App Services Office 365 Dynamics CRM ベ ン ダ ー 管 理 ベ ン ダ ー 管 理 ユ ー ザ ー 管 理 ユ ー ザ ー 管 理
- 29. ROI Net Present Value (現在価値) 時間の削減 市場投入の早さ
- 33. ストレージ サーバー ネットワーク OS ミドルウエア 仮想化 データ アプリケーション ランタイム OS ミドルウエア データ アプリケーション ランタイムユ ー ザ ー 管 理 アプリケーション データ ベ ン ダ ー 管 理 Microsoft Azure 仮想マシン Windows Server Hyper-V Windows Server Microsoft Azure App Services Office 365 Dynamics CRM ベ ン ダ ー 管 理 ユ ー ザ ー 管 理 ユ ー ザ ー 管 理
- 46. 継続的な ジオ・レプリケーション > 500 miles Microsoft Azure Storage
- 47. 複数のデータベースで eDTU を共有 Customer 1 Customer 3Customer 2 プールに設定された eDTU の範囲で 自動的に Scale する ストレージも プール単位で管理可能 プールに割り当てる eDTU で コストをコントロール可能 個々のデータベースを 管理する必要なし
- 50. #azurejp
- 54. 取り込み Modern Data Lifecycle 処理 保存 利用 キュレーション
- 55. 取り込み Modern Data Lifecycle 処理 保存 利用 Event Hubs IoT Hubs Service Bus Kafka HDInsight Data Lake Analytics Storm Spark Stream Analytics Data Lake Storage Azure Storage Azure SQL DB Azure SQL DW Data Lake Storage Azure DW Azure SQL DB Hbase Cassandra Azure Storage Power BI キュレーション Azure Data Factory Azure ML
- 57. #azurejp 即、学べる
- 58. 取り込み Modern Data Lifecycle 処理 保存 利用 Event Hubs IoT Hubs Service Bus Kafka HDInsight Data Lake Analytics Storm Spark Stream Analytics Data Lake Storage Azure Storage Azure SQL DB Azure SQL DW Data Lake Storage Azure DW Azure SQL DB Hbase Cassandra Azure Storage Power BI キュレーション Azure Data Factory Azure ML
- 59. 数百万デバイスへの接続 数百万イベント/秒、GB/秒 の受信能力 AMQP / HTTP(S) のサポート Azure 上でのスケーラブルなイベントの受信･送信
- 60. 参照：https://azure.microsoft.com/ja-jp/documentation/articles/iot-hub-devguide/ myIotHub.azure-devices.net D2C メッセージ送 信 エンドポイント C2D メッセージ受信 エンドポイント D2C メッセージ受 信 エンドポイント C2D メッセージ送信 と ACK 受信 エンドポイント デバイス ID 管理エンドポイント リソース プロバイダー エンドポイント ✅ 人検出 ✅ お勧め商品 Apps AMQP、MQTT、HTTPS *１：Windows、 RTOS、Linux etc. *２：.NET、C、Java、Node.js Apps アプリケー ション Or Stream Analytics
- 61. 領域 Event Hubs IoT Hub 通信パターン イベント イングレス (入力) のみを有効にする (通常、デバイスからクラウドへのシナリオ) デバイスからクラウド、クラウドからデバイスへのメッセージ送 信に対応 デバイスのプロ トコルのサポー ト AMQP、AMQP over WebSockets、HTTP/1 AMQP、AMQP over WebSocket、HTTP/1、MQTT さらに、Azure IoT プロトコル ゲートウェイ (カスタム プロトコ ルをサポートする、カスタマイズ可能なプロトコル ゲートウェイ の実装) でも動作 セキュリティ Event Hubs 全体の共有アクセス ポリシーを提供 発行元のポリシーによる取り消しが限定的にサポートされる (IoT ソリューションでは、一般的に、デバイスごとの資格情報 となりすまし対策をサポートするため、カスタム ソリューショ ンの実装が要求される) デバイスごとの ID と取り消し可能なアクセス制御 (IoT Hub 開発者ガイドの 「セキュリティ」 セクションを参照) 操作の監視 集計メトリックが公開される IoT ソリューションでデバイス ID 管理、および接続の豊富なイベ ント (個々のデバイス認証エラー、スロットル、および不適切な 形式の例外など) をサブスクライブすることで、個々のデバイス レベルで接続の問題をすばやく識別可能 スケール Service Bus のクォータに基づき、最大 5,000 の AMQP 接続をサ ポート 送信される各メッセージで、パーティション指定可能 同時接続された数百万のデバイスをサポートするように最適化さ れている デバイスの SDK .NET と C がサポートされる (AMQP と HTTP の送信インターフェイスを提供) さまざまなプラットフォームと言語 (.NET、C、Java、Node.js) を対 象としたデバイス SDK を提供 参照：https://azure.microsoft.com/ja-jp/documentation/articles/iot-hub-compare-event-hubs/
- 62. Azure 上でのストリーム データ処理 デバイス、機械、アプリケーションと接続した Azure Event Hubs から 数百万のリアル タイム イベントを取得す る タイム センンシティブ な コンピューティングを実行する 結果は永続的なストア、ダッシュボード、あるいは、再度 デバイスに対して出力する Point of Service Devices Self Checkout Stations Kiosks Smart Phones Slates/ Tablets PCs/ Laptops Servers Digital Signs Diagnostic EquipmentRemote Medical Monitors Logic Controllers Specialized DevicesThin Clients Handhelds Security POS Terminals Automation Devices Vending Machines Kinect ATM
- 63. SELECT system.timestamp AS OutTime ,deviceId AS deviceId ,AVG (windSpeed) AS Avg_windSpeed ,COUNT (*) AS Cnt_Event INTO [powerbi-output] FROM [iothub-input] GROUP BY deviceId,SlidingWindow(Duration(minute,3)) HAVING Count(*) > 3 SELECT system.timestamp AS OutTime ,deviceId AS deviceId ,AVG (windSpeed) AS Avg_windSpeed ,COUNT (*) AS Cnt_Event INTO [powerbi-output] FROM [iothub-input] GROUP BY deviceId,HoppingWindow(Duration(minute,5),Hop (minute, 5)) SELECT system.timestamp AS OutTime ,deviceId AS deviceId ,AVG (windSpeed) AS Avg_windSpeed ,COUNT (*) AS Cnt_Event INTO [powerbi-output] FROM [iothub-input] GROUP BY deviceId,TumblingWindow(Duration(minute,5))
- 64. 取り込み Modern Data Lifecycle 処理 保存 利用 Event Hubs IoT Hubs Service Bus Kafka HDInsight Data Lake Analytics Storm Spark Stream Analytics Data Lake Storage Azure Storage Azure SQL DB Azure SQL DW Data Lake Storage Azure DW Azure SQL DB Hbase Cassandra Azure Storage Power BI キュレーション Azure Data Factory Azure ML
- 66. D36 D48D42 D54 D60 D32 D44D38 D50 D56 D33 D45D39 D51 D57 D34 D46D40 D52 D58 D35 D47D41 D53 D59 D31 D43D37 D49 D55 ディストリビューショ ン (60 の非共有ストレー ジ) コントロール ノード コンピュート ノード DMS DMS D12D6 D18 D24 D30 D8D2 D14 D20 D26 D9D3 D15 D21 D27 D10D4 D16 D22 D28 D11D5 D17 D23 D29 D7D1 D13 D19 D25 Data Movement Services
- 67. D12D6 D18 D24 D30 D8D2 D14 D20 D26 D9D3 D15 D21 D27 D10D4 D16 D22 D28 D11D5 D17 D23 D29 D7D1 D13 D19 D25 ディストリビューショ ン (60 の非共有ストレー ジ) コントロール ノード DMS D36 D48D42 D54 D60 D32 D44D38 D50 D56 D33 D45D39 D51 D57 D34 D46D40 D52 D58 D35 D47D41 D53 D59 D31 D43D37 D49 D55 DMS DMS DMS DMS DMS DMS コンピュート ノード DMS DMS DMS DMS Data Movement Services
- 68. 100億行を297秒で処理 100億行を19秒で処理 SQL Data Warehouse 99.96/h * 6h * 20d = 11,995 ※1日６時間使用、土日は不使用 99.96/h * 6h * 20d *20= 239,904 ※1日６時間使用、土日は不使用 ストレージ 61,200 （5TB） 61,200 （5TB） 合計 73,195 301,100 ※ SQL Data Warehouseは時間単位課金
- 69. HDInsight Analytics Store Hadoop as a Services Big Data Query as a Services 容量無制限 Raw Data アクセスコントロー ル
- 70. すぐに使えるクラウド上の Hadoop / Spark 豊富なクラスタータイプ Hadoop 2.6.0 / 2.7.0 / 2.7.1 HBase 0.98.4 / 1.1.1 / 1.1.2 Storm 0.9.3 / 0.10.0 Spark (プレビュー) 1.5.2 / 1.6.0 / 1.3.1 R Server on Spark (プレビュー) 1.6.0 など..
- 73. スケールに制限なし U-SQL, SQLのメリットにC#のパワーを加えた新 しい言語 Data Lake Store に最適化 Azure データサービスへの FEDERATED QUERY 企業利用のためのセキュリティ、 アクセス制御、暗号化など ジョブ単位での課金とスケール設定 Azure Data Lake Analytics 全てのどんなサイズのデータ でも処理できる Apache YARNベースの 分析サービス
- 74. REFERENCE ASSEMBLY WebLogExtASM; @rs = EXTRACT UserID string, Start DateTime, End DateTime, Region string, SitesVisited string, PagesVisited string FROM "swebhdfs://Logs/WebLogRecords.csv" USING WebLogExtractor (); @result = SELECT UserID, (End.Subtract(Start)).TotalSeconds AS Duration FROM @rs ORDER BY Duration DESC FETCH 10; OUTPUT @result TO "swebhdfs://Logs/Results/top10.txt" USING Outputter.Tsv(); • 型定義は C# の型定義と同じ • データをファイルから抽出・読 み込み するときに、スキーマが必要 Data Lake Store のファイ ル独自形式を解析するカスタム 関数 C# の関数 行セット: （中間テーブ ルの概念に近 い） TSV形式で読み取る関数
- 75. スケールに制限なし 全てのデータの種類を そのネイティブ フォーマットで保 存 クラウド上でのWebHDFS 企業利用のためのセキュリティ、 アクセス制御、暗号化など 分析用に最適化 Azure Data Lake Store Big Data 分析のための ハイパースケールな データリポジトリ
- 76. HDInsight Java, Eclipse, Hive, etc. フルマネージド の Hadoop クラスタ Data Lake Analytics C#, SQL & PowerShell フルマネージド の 分散管理処理クラスタ DryAd ベース
- 78. 取り込み Modern Data Lifecycle 処理 保存 利用 Event Hubs IoT Hubs Service Bus Kafka HDInsight Data Lake Analytics Storm Spark Stream Analytics Data Lake Storage Azure Storage Azure SQL DB Azure SQL DW Data Lake Storage Azure DW Azure SQL DB Hbase Cassandra Azure Storage Power BI キュレーション Azure Data Factory Azure ML
- 79. 数学的・統計学的手法を使い、データの関連性の解析や予測を行うニューラルネットワーク、クラスタリング等 のテクニック (Source: IDC2003)」 レコメンデーション 広告効果分析 ビジネスへの 気象情報活用 SNS 分析 IT インフラ ・ Web アクセス 解析 法的ドキュメント の検証 価格最適化 不正検知 顧客解約分析 機器予防保全 ロジスティクス 最適化 カスタマイズ保険
- 80. ImageNet 最大規模のイメージデータセット – 120万の学習用イメージ、10のテスト用イメージ – 1000 クラス http://image-net.org 28.2 25.8 16.4 11.7 7.3 6.7 5.1 3.5 1 Series1 Series2 Series3 Series4 Series5 Series6 Series7 Series8
- 81. Azure Machine Learning は、未来を予測し「自立的」に判断するアプリケーションをコードを書かずに 素早く開発でき、それを稼働させるスケーラブルなプラットフォームである ブラウザだけで開始できる Azure サブスクリプションにログイン すれば、ブラウザだけで開発が可能。 誰とでも、どこからでも、簡単に共有 が可能 オープンで優れた統合環境 “R” や “Python” で利用される数百もの アルゴリズムやパッケージを利用可 能。 Xbox や Bing で養われた優れたアルゴ リズムを利用可能。 ソリューションを数分で展開できる １クリックで学習が完了したモデルを Web サービスとして即時ディプロイ。 あらゆる場所からスケーラブルに利用 可能。 世界への展開 グローバルな Azure Machine Learning Marketplace を介して、ソリューショ ンを販売可能 GA 済み (2015年 2月から) Microsoft Azure Machine Learning Studio Modeling environment (shown) Microsoft Azure Machine Learning API service Model in production as a web service Microsoft Azure Machine Learning Marketplace APIs and solutions for broad use
- 83. Class Outlook Temp. Windy Play Sunny Low Yes No Play Sunny High Yes No Play Sunny High No Play Overcast Low Yes Play Overcast High No Play Overcast Low No No Play Rainy Low Yes Play Rainy Low No ? Sunny Low No label (y) play / no play features outlook, temp, windy values (x) [Sunny, Low, Yes] Labeled dataset is a collection of (X, Y) pairs. Given a new x, how do we predict y?
- 84. Class Outlook Temp. Windy Play Sunny Low Yes No Play Sunny High Yes No Play Sunny High No Play Overcast Low Yes Play Overcast High No Play Overcast Low No No Play Rainy Low Yes Play Rainy Low No ? Sunny Low No
- 86. Face Computer Vision Emotion Video Speaker Recognition Custom Recognition Bing Speech Linguistic Analysis Language Understanding Bing Spell Check Web Language Model Text Analytics Knowledge Exploration Entity Linking Academic Knowledge Recommendations Bing Image Search Bing Video Search Bing Web Search Bing Autosuggest Bing News Search
- 87. Face Computer Vision Emotion Video Speaker Recognition Custom Recognition Bing Speech Linguistic Analysis Language Understanding Bing Spell Check Web Language Model Text Analytics Knowledge Exploration Entity Linking Academic Knowledge Recommendations Bing Image Search Bing Video Search Bing Web Search Bing Autosuggest Bing News Search
- 88. こんにちは。○○株式会社の□□と申します。 本日△△さんと11:00からお約束しておりま す。 Intent: MTG Entities CompanyName:○○株式会社 VisitorName: □□ RequesterName: △△ MeetingDateTime: Today, 11:00 □□様、お待ちしておりました。 ××番の会議室までお越しくださ い。
- 89. 取り込み Modern Data Lifecycle 処理 保存 利用 Event Hubs IoT Hubs Service Bus Kafka HDInsight Data Lake Analytics Storm Spark Stream Analytics Data Lake Storage Azure Storage Azure SQL DB Azure SQL DW Data Lake Storage Azure DW Azure SQL DB Hbase Cassandra Azure Storage Power BI キュレーション Azure Data Factory Azure ML
- 91. #azurejp
- 92. 商品購 入、 レビュー 書き込み 商品 カタログ 更新 DocumentDB SQL Database Azure Search Azure Table AdventureWorks Azurewebsites.net 商品カタログ、 レビュー、 レーティング 購買 商品カタログ 検索 ショッピング カート
- 93. 高速で安定したパフォーマン ス 構成可能な整合性レベル エラスティックなスケーリン グ セカンダリ インデックスな しでJSONをクエリ ネイティブ JavaScript トラン ザクション処理 SQL ベースのクエリ言語 REST、JSON、JavaScript 簡単、フル マネージド エンタープライズ対応の Azure
- 94. 101 010 DocumentDB アカウントデータベース ユーザー アクセス許可 コレクションドキュメント 添付 ストアド プロシージャ トリガー ユーザー定義関数 (UDF) JSON ドキュメントの 格納先 { }{ } JS JS JS
- 95. SQL SELECT * FROM company C WHERE C.headquarter = 'Belgium' 結果 [ { "locations": [{ "country": "Germany", "city": "Berlin" }, { "country": "France", "city": "Paris" }], "headquarter": "Belgium", "exports": [{ "city": "Moscow" },{ "city": "Athens" } ] Var company1= { “locations” : [ {“country”: “Germany”, “city”: “Berlin”}, {“country”: “France”, “city”: “Paris”}, ], “headquarter”: “Belgium”, “exports”: [ { “city”; “Moscow” },{ “city: ”Athens” }] }; Var company2= { “locations” : [{“country”: “Germany”, “city”: “Bonn”, revenue”: 200 } ], “headquarter”: “Italy”, “exports”: [ { “city”; “Berlin” },{ “dealers”: [{“name”: “Hans”}] }, {city”: ”Athens” }] }; Locations Headquarter Exports City CityDealers Germany Bonn 200 Berlin Name Athens 0 Italy 0 1 Hans Country City Revenue Locations Headquarter Belgium Country City Country City Germany Berlin France Paris Exports CityCity Moscow Athens 0 10 1
- 98. 転置インデックス ： トークンからドキュメントを引き当 てるデータ構造 テキスト解 析 インデクシ ング Doc# ドキュメント内容 1 Microsoft is introducing SQL Server 2 Windows Server on Azure 3 Microsoft is introducing Azure 4 Application programming on Microsoft Azure 単語（トーク ン） 含まれるドキュメ ント microsoft 1, 3, 4 introducing 1, 3 sql 1 server 1, 2 Windows 2 azure 2, 3, 4 application 4
- 99. 「キング」 ⇒ 「バーガーキング」 「ライオン キング」 「Azureでのセキュアネットワー キング」 「京都」⇒ 「東京都 庁」 「京都観 光」 「ダイアモンド」 ⇒「ダイヤモンド」も ヒット • 語幹変化 • 見出し語変化 • 同義語展開 • 正規化 • ストップワード 除去 • アンチフレージ ング • スペルチェック • クエリサジェスト • ファセット 検索精度向上のための主要技術・ソリューション • N-gram • 形態素解析
- 100. • クエリとドキュメントの 関連性を評価して結果を 並べる • データベースのORDER BY 句による結果ソートとは 全く異なる評価手法
- 102. 付加価値を提供する 多くのパートナー ソリューション Streaming / CDN コンテンツ 保護 Processing取り込み と保管 メディア 配信の コア 機能を API として提供 Azure Media Services PlayerAnalytics
- 103. Multi-Bitrate mp4 Streaming Endpoint HLS Smooth Streaming Encode Multi-Bitrate mp4 Streaming Endpoint HLS Smooth Streaming Encode 従来 Dynamic Packaging 入力フォーマット: mp4, Smooth Streaming 出力フォーマット: Smooth Streaming, HLS (v4 and v3), MPEG-DASH 占有ストリーミングユニット: 1以上 DASH
- 104. Storage 事前に定義 Streaming Endpoint HLS + AES (http) PlayReady/ AES Key Services Token verification PlayReady License/ AES Key 認証 キー設定 認証設定 (Token/IP/Open) asset 暗号化設定 (HLS with AES) / (DASH with PlayReady) Client SDK
- 105. Azure Storage Streaming EndpointChannel 取り込み URL Preview URL Encoder Smooth/ RTMP DASH, HLS, Smooth Azure Media Player Camera Azure Media Services
- 106. DASH Smooth Streaming HLS Content Protection Dynamic Packaging Dynamic Encryption Dynamic Manifest Azure Media Player http://aka.ms/azuremediaplayer
- 107. Speech-to-text 話しているテキストを抽 出 現在、8言語対応 Face & Emotion detection 顔のカウントおよび 性別・年齢・感情の判定 Hyperlapse スタビライザーとタイム ラプス Video summarization ハイライトシーンによる サマリービデオの自動作 成 Motion detection 動きのあった箇所の検知 Object/character recognition (OCR) ビデオ内の画像から、テ キストを抽出
- 110. #azurejp
- 112. さあ、始めま しょう!azure.com
- 113. YouMicrosoft © 2015 Microsoft Corporation. All rights reserved. Microsoft, Windows, Windows Vista and other product names are or may be registered trademarks and/or trademarks in the U.S. and/or other countries. The information herein is for informational purposes only and represents the current view of Microsoft Corporation as of the date of this presentation. Because Microsoft must respond to changing market conditions, it should not be interpreted to be a commitment on the part of Microsoft, and Microsoft cannot guarantee the accuracy of any information provided after the date of this presentation. MICROSOFT MAKES NO WARRANTIES, EXPRESS, IMPLIED OR STATUTORY, AS TO THE INFORMATION IN THIS PRESENTATION.