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。
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
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
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)。
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。
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 -
製品資料
[サイボウズ株式会社] AIが「わざわざ使うツール」になっていない? 業務で自然に使う導線にする秘訣
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
なぜ「全社配布Copilot」は使われないのか? 失敗に学ぶAI定着
-
2
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
-
3
ChatGPTは“検索しまくり”でGeminiは“淡泊”? データが明かすAIの裏側
-
4
なぜ「Gemini 4 Argon」は出遅れたのか? Googleが狙う“逆転のシナリオ”
-
5
「中堅・中小企業のネットワーク・セキュリティ運用実態」に関するアンケート
-
6
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
-
7
「Wi-Fi 7」経由でWindowsが乗っ取られる? 最高権限奪取の恐怖
-
8
情報漏えいはなぜ繰り返されるのか 今すぐ見直すべき「境界」
-
9
情シスの約8割が転職や退職を意識 調査で分かった“辞めたくなる最大の理由”
-
10
【漫画付き】ひとり情シス協会が明かす、RAG導入でしくじる企業「2つの共通点」
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
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
-
4
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
-
5
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
-
6
「オンプレミス回帰」せざるを得ない“合理的な理由”
-
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
生成AIを開発に導入しても効果が見えない? 実証実験で分かった成果と課題
-
9
経産省DX指針から読み解く、受発注業務デジタル化ロードマップ
-
10
HDDを使わない「SSDオンリー」が無謀なのはなぜ?
TechTargetジャパン SNS
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