マルチクラウド構成を実現

メルカリが写真検索に「Amazon EKS」を活用　マネージドKubernetesの使い勝手は

フリマアプリ「メルカリ」の写真検索機能は、マネージドKubernetesである「Amazon EKS」を採用している。どのように活用し、どのような使い勝手なのだろうか。

公開 2019年07月30日 05時01分

[著]

印刷する

　メルカリ社はフリーマーケットアプリケーション（以下、フリマアプリ）の「メルカリ」に写真検索機能を導入している。この機能はマシンラーニング（機械学習）などのAI（人工知能）技術を取り入れ、スマートフォンから写真を読み込むことで、メルカリのアプリ内にある同じ商品や似ている商品を検索できるものだ。メルカリ社はこの実現に当たって、バッグエンドインフラの構成要素として、Amazon Web Services（AWS）の「Amazon Elastic Kubernetes Service」（Amazon EKS）を採用した。Amazon EKSは、コンテナオーケストレーションツール「Kubernetes」のマネージドサービスだ。

　2019年6月開催のイベント「AWS Summit Tokyo 2019」に、メルカリ社のエンジニアである中河宏文氏が登壇。Amazon EKSを使った写真検索機能の実現方法やマネージドKubernetesとしてのAmazon EKSのメリット、デメリットなどを語った。

マシンラーニングを取り入れたメルカリの写真検索

メルカリ社の中河宏文氏

　写真検索機能は、メルカリのアプリからカメラを起動して撮影した画像を手掛かりとして、同じかよく似た商品を探し出す。これを使うことで、ユーザーはメルカリに出品されている膨大なアイテムの中から欲しい品物を的確に見つけ出せる。中河氏は「マシンラーニングによって色や形を瞬時に解析できる」と説明する。

　中河氏によれば、写真検索の基本的な仕組みは次のようになっている。

ディープラーニング（深層学習）で用いられる多層のニューラルネットワークであるディープニューラルネットワーク（DNN）を使用して、商品画像から特徴ベクトル（画像に関する複数の特徴を一つにまとめたデータ構造）を取得する
取得した特徴ベクトルを、特徴がよく似ている画像を探し出す手法である近似最近傍探索（ANN：Approximate Nearest Neighbor）のインデックス（画像を探し出すためのデータベース）に追加し、画像インデックスを構築する
画像検索時は同じく商品画像からDNNを介して特徴ベクトルを取得し、ANNのインデックスから検索する

併せて読みたいお薦め記事

AWS導入事例

Kubernetes管理ツールを比較

Amazon EKSを活用した写真検索機能の実装

　メルカリの写真検索機能は、特徴ベクトルの取得やそれをインデックスに追加する一連の工程で構成されている。各工程をそれぞれ個別のコンテナイメージとして構成し、独立して実行するようにした。こうした工程の中には、「Hourly」（毎時）、「Daily」（日次）、「Monthly」（月次）といった頻度でインデックスに特徴ベクトルを追加する工程も含む。メルカリ社は独自に機械学習用の基盤システム「Lykeion」（リュケイオン）を運用しており、写真検索機能もこのシステムで稼働している。多数のコンテナが協調して動作するのは、Lykeionが備える「コンテナベース・パイプライン」の機能があるためだ。コンテナベース・パイプラインは各工程をコンテナイメージとして実行する。

　Amazon EKSで構築したKubernetesクラスタを活用し、画像からの特徴ベクトル取得から、ANNのインデックス作成までの工程を実行している。生成された特徴ベクトルとANNのインデックスは、Googleのクラウドサービス群「Google Cloud Platform」（GCP）で構築したリポジトリ（データの格納庫）に入れる（図）。

図　特徴ベクトルの取得とリポジトリへの登録（出典：メルカリ社の説明資料を基に編集部が一部変更）《クリックで拡大》　

　商品画像を格納するためのデータストアである「メルカリ・イメージストア」は、オブジェクトストレージの「Amazon Simple Storage Service」（Amazon S3）を利用している。写真検索は、メルカリ・イメージストアから商品画像をダウンロードしてインデクシングする際、Amazon S3からデータを読み込む工程をそれぞれコンテナとして実装し、Amazon EKSで実行している。

マネージドKubernetesとしての使い勝手

　Kubernetesによってクラウドのインフラを抽象化することで、パブリッククラウドごとの「いいとこ取り」をしているのがこの構成の特徴だといえる。マルチクラウドの構造になっている理由について中河氏は、「Amazon S3やデータベースサービスの『Amazon Relational Database Service』（Amazon RDS）など使い勝手のよいAWSのサービスを、Kubernetesと共に使いたいというニーズがある。Amazon EKSの利用をちゅうちょする理由はない」と語る。KubernetesはもともとGoogleが開発しただけに、中河氏は「KubernetesといえばGCPというイメージがある」と認める一方、「Amazon EKSもこなれてきて安定した運用ができるようになった」とKubernetesのマネージドサービスとしてのAmazon EKSの価値を評価する。

　中河氏は「素のKubernetesに近く、柔軟な構成が組みやすい」点をAmazon EKSの長所として挙げる一方、裏返しともいえる「他社のマネージドKubernetesサービスと比べて多くの事前知識を必要とする」点については短所であると指摘している。

　Kubernetesはコンテナを活用する上でのデファクトスタンダードといえるツールに成長し、同時にマネージドサービスとして提供される例も増えてきている。現在のユーザー企業にとっての課題は、「Kubernetesをどう使うか」から「どのマネージドKubernetesを選ぶのが適切か」という点に移っているのではないだろうか。今回の事例講演は、マネージドKubernetesの選択に悩んでいるユーザー企業に参考となる有益な情報となったはずだ。

印刷する