初代マスタングの新聞広告もはっきり表示
New York Timesは4万6592号分ものバックナンバー配信をどう実現したのか
米New York Timesが刷新した「TimesMachine」では、何十億枚にも及ぶ小さな画像を処理し、1851～1980年のバックナンバーを配信できるようになった。その実現に不可欠だったのが米Amazon Web Servicesのクラウドサービスだった。
米New York Times紙は2014年、米Amazon Web Services（以下、AWS）のクラウドサービスを用いてデジタルアーカイブを刷新した。何十億枚にも及ぶ小さな画像を処理し、関心のある購読者に1851～1980年のバックナンバーを配信できるようにした。
アーカイブサービス「TimesMachine」が開始された2008年当時から、AWSのストレージサービスが使われていた。ところが、検索／アーカイブ／言語解析担当ディレクターのエバン・サンドハウス氏によれば、2014年4月に実施したTimesMachineの刷新プロジェクトはさらに複雑だったという。
TimesMachineでは当初、紙面のプレビュー画像をクリックすると、拡大画像が表示される仕組みだった。読者は記事の見出しを判読することはできても、本文を読むことはできなかった。紙面の拡大画像にはPDFファイルへのリンクがあり、そこから記事を閲覧できた。
「新しいTimesMachineでは、1つの体験の中で、全体として新聞らしさを感じてもらいながら、各記事も読んでもらえるようにすることを目標とした」とサンドハウス氏は説明する。
膨大な小さな画像を処理
同紙の日曜版を全てダウンロードするためには、クライアント側で約300Mバイトという巨大な帯域幅が必要になり、ほとんどの読者のマシンが対応できなくなる。
「1つの号として見せようとすれば、iTunesのアルバム数枚分のデータに匹敵する。しかし読者の関心は恐らく、記事1本だけなど非常に限られる」（サンドハウス氏）
そこで同氏とプロジェクトチームは、地理情報システム（GIS）で地図製作を行っている業界からヒントを得た。この業界は、大型地図の詳細表示で同じ問題に直面していた。
GISコミュニティーでは、画像のタイル化を通じてこの問題に対応している。新しいTimesMachineでは、9000×7000ピクセルの画像を、複数の拡大レベルでコンピュータ処理して256×256ピクセルのタイルに分割した。フロントエンドではオープンソースのGISソフトウェア「Leaflet」を使い、読者が見たい部分に対応したタイルを取得できるようにした。
サンドハウス氏は言う。「まず250万枚の画像からスタートした。これは大体、新しいTimesMachineのページ数に相当する。古いTimesMachineではページごとに拡大版と縮小版の2枚の画像をコンピュータ処理していたが、新しいTimesMachineでは各ページにつき約1000枚の画像を処理している」
AWSストレージの現在と過去
これにより、New York Times紙が必要とするAWSストレージの大きさは、約500万からほぼ25億個のオブジェクトに相当するサイズへと増大した。データは「Amazon Elastic MapReduce」（以下、Amazon EMR）サービスで処理され、「Amazon Simple Storage Service」（以下、Amazon S3）のストレージに保存される。
古いTimesMachineでは、まだAmazon EMRが存在していなかったため、同紙自らが「Apache Hadoop」環境を構築してMapReduceの作業を行う必要があった。
しかし今回は「多くのインフラがすぐに使える状態で存在していたので、はるかに簡単だった。自分たちの作業に合った設定値を提供するだけで済み、サーバを適切に設定するために割いていた数週間が大幅に短縮された」（サンドハウス氏）
コンピュータ処理する画像ファイルの量は桁違いに増えたが、MapReduceの作業は、「Amazon Elastic Compute Cloud」（Amazon EC2）の「c1.xlarge」インスタンスのマシン400台を使い、わずか3日で完了できた。古いTimesMachineのときは数千台が必要だった。
歴史に脈絡を
このプロジェクトによって、New York Times紙の4万6592号分のデジタルアーカイブが出来上がり、新聞のページから画像スキャンした文字は全て、Webブラウザを離れることなく簡単に読めるようになった。
同紙はこのアーカイブを使い、例えば1964年の万国博覧会開催から50年、米Ford Motor製自動車「Mustang」（マスタング）登場から50年といった記事を囲んで脈絡を持たせている。初代マスタングが発売された1964年当時の全面広告もはっきり読める。
全体的にはAWSの新しいサービスによって、新しいTimesMachineの開発作業は大幅に進歩した。ただサンドハウス氏は、ZIPファイルのような形で大量のファイルを1本のファイルとしてアップロードして、Amazon側で解凍できる機能を望んでいる。
「それができればAmazon S3にデータを保存しやすくなる。ただこれは、本当に取るに足りないリクエストだが」と同氏は語った。
Copyright © ITmedia, Inc. All Rights Reserved.
この記事の著者
関連記事
新着ホワイトペーパー PR
-
製品資料
[株式会社MatrixFlow] 「物流リソース最適化」ガイド：人員・配車・傭車を出庫依頼の確定前に決めきる -
製品資料
[株式会社キーエンス] なぜRPA導入は頓挫する？ シナリオ作成の壁を乗り越える解決策とは -
製品資料
[株式会社セールスフォース・ジャパン] 「CRMは設計と無関係」は本当か？ PLMとの融合で実現する高速開発 -
事例
[日本ヒューレット・パッカード合同会社] AIエージェントの時代にどう備える？ 「新たな働き手」を支える3要素とは -
製品資料
[日本ヒューレット・パッカード合同会社] “横並びの自動化”から脱却、AI活用で生産性と競争力を高める秘訣
こんなメディアも見られています
TechTargetジャパンに関連する情報をお探しであれば、こちらのメディアもお役に立てるかもしれません。
ベンダーコンテンツ PR
From Informa TechTarget
SpecialPR
アクセスランキング
-
1
法務と開発者で「言葉が通じない」問題 トヨタやソニーが語るOSS管理の真実
-
2
ChatGPTは“検索しまくり”でGeminiは“淡泊”？ データが明かすAIの裏側
-
3
なぜ「全社配布Copilot」は使われないのか？ 失敗に学ぶAI定着
-
4
損保ジャパンはなぜ「COBOL」を捨てなかったのか？ 脱メインフレームの真相
-
5
肥大化した「SFA」の沼 4カ月でBigQuery×AppSheetの新システムを構築した方法
-
6
なぜ「Gemini 4 Argon」は出遅れたのか？ Googleが狙う“逆転のシナリオ”
-
7
次世代RPA「ハイパーオートメーション」が急成長か Gartnerが予測
-
8
「Wi-Fi 7」経由でWindowsが乗っ取られる？ 最高権限奪取の恐怖
-
9
昭和大学病院がeICUを導入、ICUの患者情報を遠隔地で一括管理
-
10
「何から始めればいい？」 情報漏えい対策で悲鳴を上げる中小企業のリアル
ホワイトペーパーランキング PR
-
1
不審メールの経路や見せ方に変化？ 2026年夏の3事例から見えた動向と対処方法
-
2
家庭用Wi-Fiルーターの業務利用は危険？ 避けるべき理由と具体的な対策
-
3
プログラミング不要で誰でも実現できる、ネットワーク運用管理の自動化とは
-
4
Microsoft 365を安全に運用 うっかりミスやサイバー攻撃に備えるデータ保護術
-
5
財務部門がAIを最大限に活用する方法 無駄のない戦略的リーダーシップへの道
-
6
LLMが兵器化？ 元FBI高官が鳴らす警鐘とセキュリティツール統合のポイント
-
7
なぜRPA導入は頓挫する？ シナリオ作成の壁を乗り越える解決策とは
-
8
HDDを使わない「SSDオンリー」が無謀なのはなぜ？
-
9
“あのファイル転送”で暗躍するノーウェアランサム
-
10
「オンプレミス回帰」せざるを得ない“合理的な理由”
TechTargetジャパン SNS
@techtarget_itmをフォロー
インフォメーション
注目情報をチェック
TechTargetジャパンをフォロー