## ChatGPTのファインチューニングとは何か？

**ファインチューニングは、簡単に説明すると機械学習における微調整のことを指します。**AIモデルは大量のデータを学習させています。そして、この初期段階の学習を「事前学習」と言いますが、AIモデルの精度をより高めるために再学習を行います。

この再学習によってAIモデルを微調整することを、「ファインチューニング」と言います。AIモデルに対してファインチューニングを行うことで、特定のタスクや用途により適用した回答を返すようになります。

【参考】：[OpenAI ドキュメント ファインチューニングについて](https://platform.openai.com/docs/guides/fine-tuning)

### ファインチューニングと通常のトレーニングの違いとは

ファインチューニングと通常のトレーニングの違いは一体何でしょうか。*ファインチューニングと通常のトレーニングとの違いは、モデルを再利用しているかどうかです。*

ファインチューニングでは、事前に学習されたモデルを、さらに新しいデータでトレーニングします。ファインチューニングは通常のトレーニングと異なり、すでに完成しているモデルを再利用するため、モデル構築にかかる時間も短縮できます。

## ファインチューニングの仕組み

ファインチューニングの概要について簡単に説明しましたが、ここではより詳しくファインチューニングの仕組みについて解説します。

~~【図】：事前学習された言語モデル~~

ファインチューニングでは、上図のように事前学習された言語モデルが必要です。**例えば、GPT-3.5をはじめとする言語モデルに対して、さらに追加のデータを学習させます。**

~~【図】：ファインチューニングを行う~~

その結果、タスクに対して最適化された結果を返してくれるようになるでしょう。ただし、実際の開発では、この結果が期待していたものではなかった場合、さらにトレーニングを重ねることもあります。

### 使用されるアルゴリズムとモデル

ファインチューニングを行うことで、より精度の高いモデルを作成できるということが分かりました。*ただしこのファインチューニングは、対応するモデルが限定されています。*

現在、ファインチューニングに対応するモデルは、GPT-3.5-turbo-1106やGPT-3.5-turbo-0613、babbage-002、davinci-002、GPT-4-0613などがあります。今後、さらにファインチューニングに対応するモデルが増加する可能性もあるため、詳しく知りたい方は公式サイトの情報を随時、確認しましょう。

ファインチューニングの仕組みを理解したところで、実際に使用するデータセットを見てみましょう。*ChatGPTを公開しているOpenAIのドキュメントには、データセットの例が紹介されています。*

~~【図】：公式サイトのデータセットサンプル~~

今回は、文章のスタイルとトーンを調整したいという場合の、データセットを紹介します。このとき、上図のように、データセットはJSON形式で用意しましょう。

また、実際にトレーニングを始める前に、フォーマットが正しいか確認してください。フォーマットのチェック項目などに関しては、公式サイトに記載されています。

~~【図】：フォーマットの検証について~~

【参考】：[OpenAI ドキュメント データセットの準備](https://platform.openai.com/docs/guides/fine-tuning/preparing-your-dataset)
【参考】：[OpenAI ドキュメント フォーマットの検証](https://cookbook.openai.com/examples/chat_finetuning_data_prep)

### ファインチューニングの料金について

ChatGPTのファインチューニングを無料で行いたい方もいるかもしれませんが、実際にファインチューニングを行う際には、現時点では料金が発生します。

*料金については、使用する言語モデルによって異なります。*例えばGPT-4であれば入力で1,000トークンあたり0.03ドル、出力に1,000トークンあたり0.06ドルかかります。

~~【図】：言語モデルごとの料金について~~

同様に、他の言語モデルでも料金が発生しますので、開発する際には予算を見積もる必要があります。料金の詳細については、公式サイトにて詳しく掲載されていますので、料金のページを参照してください。

【参考】：[OpenAI 言語モデルの価格について](https://openai.com/pricing#language-models)

## ファインチューニングを行うメリット

ファインチューニングを行うメリットは、3つほど挙げられます。ここでは、それぞれのメリットについて詳しく解説します。

**ファインチューニングは、開発者にとっても企業にとってもメリットがありますので、ぜひ参考にしてください。**

*ファインチューニングのメリットは、まず高度なカスタマイズが可能な点です。*

例えば、医療分野のAIアシスタントを開発したい場合、ファインチューニングを行えば医療用語や専門分野への理解を強化できます。

また、異なる言語や方言をはじめとする、地域特有のデータを読み込ませれば、特定の文化圏で適切なサービスを提供できます。そのため、日本から海外進出したい企業は、ファインチューニングで海外仕様のAIモデルを作成して、業務効率を目指すことも可能です。

### 社内の開発・運用コストの削減

前述の通り、ファインチューニングを行う場合は、すでに事前学習が済んだAIモデルを使用します。*そのため、AIモデルを1から構築するよりも短時間で開発を行えます。*

人的コストや開発工数など、社内のリソースを削減しつつ最適化されたモデルを構築したい場合は、ファインチューニングはおすすめです。

ファインチューニングの際、AIモデルが訓練データに対して過剰に最適化されてしまうことを、過学習と言います。AIモデルが過学習の状態になると、訓練データにはうまく対応できるものの、新しいデータに対しては上手く機能しません。

*ファインチューニングは、新しいデータセットを少しずつ調整するため、この過学習のリスクを減らします。*

ユーザの満足度が向上する点も、ファインチューニングの大きなメリットです。例えばAIモデルを活用して、ユーザ向けにおすすめの商品を表示する機能を作成したとします。このとき、ユーザの好みに基づいた商品の提案ができれば、満足度が上がります。

その他にもカスタマーサポートのAI搭載型のチャットボットなど、様々な場面でAIと顧客が接点を持つ機会は数多くあります。

*AIモデルをファインチューニングして、ニーズに合わせたサービスが提供できれば、結果的にビジネスが成功する確率も高まります。*

## ファインチューニングの利用場面

実際に業務の中でファインチューニングが必要な場面とは、どのような場面でしょうか。*ここでは、ファインチューニングの利用場面を3つ紹介します。*

### 文章のトーンや、出力形式を設定したいとき

*ファインチューニングはウェブサイトのコンテンツや、あらかじめ固定されたファイル形式で出力したい時に役立ちます。*

例えば、企業が自社のメディアのコンテンツをAIを活用して生成する場合、メディア特有の文章のトーンやスタイルを調整する必要があります。この場合、ファインチューニングで微調整を行えば、生成したいメディアのトーンに合わせた言葉遣いに統一できます。

ただし、上記のようにスタイルを統一したい場合は、すでにある自社ブランドの記事やデータを用いますので、既存のデータが必要になると覚えておきましょう。

また出力形式を固定したい時にも、ファインチューニングが役立ちます。例えば、ChatGPTで特定のデータを「JSON形式で出力してください」と依頼すると、前置きの文章など余計な回答結果が出力されてしまうこともあります。

ファインチューニングによってこれらの微調整を行うことで、出力形式を固定することも可能です。

【参考】：[OpenAI ドキュメント ファインチューニングについて](https://platform.openai.com/docs/guides/fine-tuning/preparing-your-dataset)

### 専門性に特化した処理を行いたいとき

例えば法律をはじめとする業界に特化した処理を行いたい場合、これまでの事例や深い知識が必要です。

*このような場合、専門領域のデータを追加で読み込ませることで、より精度の高いAIモデルを作成できます。*

### コストを削減しつつ精度の高いAIモデルを作成したいとき

AIモデルを比較すると、精度の高いモデルはコストがかかる傾向にあります。例えば、GPT-3.5とGPT-4を比較すると、GPT-4の方が高精度ではあるものの、コストがかかります。

しかし、GPT-3.5をファインチューニングでトレーニングすれば、GPT-4に匹敵するパフォーマンスを実現することも可能です。*限られた予算で、精度の高いAIモデルを運用したい時にも、ファインチューニングは有効でしょう。*

OpenAIのGPT-4とは？ChatGPTの進化版について解説！

## ChatGPTのファインチューニングを行う際の注意点

ChatGPTをファインチューニングするメリットなどは分かりました。しかし、その一方でセキュリティ面などで気をつけるべきポイントがあります。*ここでは、ファインチューニングの際に気をつけるべきことをまとめました。*

### 著作権などを侵害していないか

*ファインチューニングの際には、追加するデータが著作権や知的財産権を侵害していないか確認する必要があります。*その他にも、法律的な側面には十分注意したうえで、ファインチューニングを行いましょう。

*ファインチューニングを実施するときには、セキュリティ面にも十分注意を払いましょう。*外部からの攻撃を受けたり、担当者以外がアクセスできたりする状態で開発を行うのは非常に危険です。

特に企業でファインチューニングを行う場合は、セキュリティ分野の知識を持つエンジニアや担当者が作業を行う必要があります。

## ChatGPTのファインチューニングを利用してみよう

*ChatGPTの言語モデルにファインチューニングを行えば、より高精度で最適化されたAIモデルを作成できます。*

ファインチューニングの際には追加分のデータセットが必要ですが、1からAIモデルを作成する労力と比較すれば、より簡単に作成できます。

自社でChatGPTを利用しているものの、もっと高精度で使いやすいツールにしたい場合は、ぜひファインチューニングにチャレンジしてみましょう。

ChatGPTの使い方とは？実際に使用するまでの流れを解説！

ChatGPTの活用方法！エンジニアの業務に活かせるか利用してみた

ChatGPTのプラグインは何ができる？一覧や使い方を解説

ChatGPTは幅広い業界で活用されており、業務効率化を目指すツールとして需要が高まっていますが、ファインチューニングを行うとユーザーのタスクに合わせて最適化できます。本記事ではファインチューニングの仕組みについて解説します。

ChatGPTのファインチューニングの仕組みが分かる

ファインチューニングができる言語モデルの種類や、どんなデータを用意すべきかわかる

ファインチューニングを活用することで、得られるメリットが分かる

ChatGPTのファインチューニングとは？概要から仕組みまで解説

**AWSのNLBとは、通信の負荷分散をするロードバランサーというサービスの1つです。**AWSではElastic Load Balancing（ELB）というサービスでロードバランスの機能を提供していますが、ELBではその中で4種類のロードバランサーを提供しており、その中の1種類がNLBです。

ELBでは、アプリケーションの用途にあわせて、ロードバランサーの種類を選択できます。そのため、これからAWSを利用してアプリケーションを作る方は、ELBで提供されているロードバランサーの種類やNLBの概要、使い方などを確認する必要があります。

ちなみに、ロードバランサーのサービスはGCPなどAWS以外でも提供されているサービスではありますが、本記事ではAWSのロードバランサーに着目して解説します。AWSでこれからサービスを構築しようと考えている方は、ぜひ本記事を参考にしてください。

【参考】：[AWS公式 ロードバランサーについて](https://aws.amazon.com/jp/elasticloadbalancing/faqs/)
【参考】：[AWS公式 NLBについて](https://docs.aws.amazon.com/elasticloadbalancing/latest/network/network-load-balancers.html)

ITエンジニアとしてAWSのロードバランサを知り仕事に活かそう

## AWSのロードバランサーは4種類あり、特徴が異なる

**前述の通り、AWSには「Application Load Balancer (ALB) 」「Network Load Balancer（NLB）」「Gateway Load Balancer（GLB）」「Classic Load Balancer（CLB）」のロードバランサーが存在しています。**

その中でもNLBは、TCPとUDPの両方の負荷分散をしてくれるのが特徴です。また、その他のサービスは、NLBとは違う特徴を持ちます。ここからは、その他のサービスの特徴についても解説します。

*ALBは通信の負荷を分散する点ではNLBと同じですが、HTTPまたはHTTPSに特化して負荷分散をしています。*そのため、HTTPまたはHTTPSに関する負荷分散をしたい場合には、ALBを利用しましょう。

【参考】：[AWS公式 ALBについて](https://docs.aws.amazon.com/elasticloadbalancing/latest/application/application-load-balancers.html)

*CLBは、EC2-classicという旧サービスで使用されていたロードバランサーです。*現在は基本的にNLBを使いますので、これからAWSでシステムなどを構築する方は、NLBや他のロードバランサーを利用することになるでしょう。

【参考】：[AWS公式 CLBの移行について](https://docs.aws.amazon.com/ja_jp/elasticloadbalancing/latest/userguide/migrate-classic-load-balancer.html)

AWS NLBがUDPやTCPのプロトコルに対応していましたが、GLBはIPプロトコルに対応しています。*このサービスは、サードパーティ製の仮想アプライアンスを利用する場合に利用します。*

【参考】：[AWS公式 ELBの機能の比較](https://aws.amazon.com/jp/elasticloadbalancing/features/#Product_comparisons)
【参考】：[AWS公式 GLBについての質問](https://aws.amazon.com/jp/elasticloadbalancing/faqs/)

ここからは、NLBの作成方法を解説します。**NLBの作成をする際には、管理画面からログインして作業をする方法と、AWS CLIを利用する方法があります。**

本記事では、管理画面からログインする流れを簡単に解説します。CLIを使ってNLBを作成したい方は公式サイトのチュートリアルを参考にしてください。

【参考】：[AWS公式 CLIを使用したNLBの作成方法](https://docs.aws.amazon.com/elasticloadbalancing/latest/network/network-load-balancer-cli.html)

### ターゲットグループを設定する

ターゲットグループは、コンソール画面のナビゲーションペインから選択できます。*ターゲットグループの設定では、ターゲットグループ名の入力、プロトコルの選択、IPアドレスの選択などが決められます。*その他、オプションとしてタグを追加したりポートの値を設定したりすることができます。

一通りターゲットグループの項目を選択し終えると、「次へ」ボタンが表示されターゲットの登録ができるようになりますので、まずはこれらの項目を設定しましょう。

【参考】：[AWS公式 NLBの作成方法](https://docs.aws.amazon.com/elasticloadbalancing/latest/network/create-network-load-balancer.html)

AWSマネジメントコンソールとは？機能やCLIとの違いを解説

ターゲットグループを設定したら、次はターゲットを登録しましょう。*ターゲットがインスタンスかIPアドレスか、ALBなのかによって選択できるものが異なります。*

ターゲットがインスタンスの場合は、インスタンスとポートを選択できます。一方でIPアドレスの場合はIPアドレスとポートが入力可能です。ALBがターゲットの時は、ALBを選択するだけで作業は完了です。

AWS Amazon EC2のインスタンスとは？インスタンスの起動・確認方法を合わせて解説！

### ロードバランサーとリスナーの構成を設定する

*ロードバランサーとリスナーは、コンソール画面のナビゲーションペインで選択できます。*まず、ロードバランサーは「ロードバランサー」「ロード バランサーの作成」「ネットワーク ロード バランサー」の順で選択すれば作成が開始されます。

ロードバランサーの作成では名称やIPアドレスのタイプ、スキームを選択できます。さらに、その後のネットワークマッピングではサブネットの選択などができますので、ご自身の要件に合うものを選択しましょう。

*リスナーの設定では、任意でプロトコルとポートの変更などができます。*さらに、必要に応じてリスナーの追加もできるので、追加をしたい方はここで設定しましょう。

最後にオプションでタグの設定などもできますが、必要なければそのままでも結構です。構成を確認したらロードバランサーを作成することができます。

### ロードバランサーをテストする

完成したロードバランサーは、きちんと動作しているかテストしましょう。*ロードバランサーをテストするには、ロードバランサーのDNS名をブラウザのURLを入力する欄にコピー＆ペーストをしてください。*その後、サーバーのデフォルトのページが表示されているか確認します。

ちなみに、ロードバランサーが上手く動作できず、作成し直したい場合は1度ロードバランサーを削除することもできます。削除の詳しい方法については、公式サイトを参考にして下さい。

【参考】：[AWS公式 NLBの削除について](https://docs.aws.amazon.com/elasticloadbalancing/latest/network/load-balancer-delete.html)

## AWSのNLBに関するよくある疑問

**NLBについて理解が深まったところで、ここからはNLBに関する疑問について紹介します。**何か疑問があればこちらも参考にしつつ、NLBを使用してみましょう。

### NLBのアクセスログは取得できるか

*NLBのアクセスログは、デフォルトでは無効になっています。*アクセスログを取得したい場合は、ロードバランサーのアクセスログの作成を有効にする必要があります。

アクセスログが作成されるには、ロードバランサーにTLSリスナーがある場合など条件があります。また、アクセスログはAmazon S3に保存されますが、この際にはAWS KMSなどを使用して、保存する前に暗号化をすることも可能です。アクセスログを取得したい方は、公式サイトとご自身の設定を確認しましょう。

【参考】：[AWS NLBのアクセスログについて](https://docs.aws.amazon.com/ja_jp/elasticloadbalancing/latest/network/load-balancer-access-logs.html)

### NLBにはリソースの制限があるか

*こちらは、結論からいうと制限があります。*AWSでは制限のことを現在は「クオータ」と呼んでおり、NLBのクオータを確認したい場合は「ServiceQuotas」のコンソール画面から確認できるようです。NLBのクオータについて詳細を知りたい方は、公式サイトを参考にしてください。

【参考】：[AWS NLBのリソースの制限について](https://docs.aws.amazon.com/ja_jp/elasticloadbalancing/latest/network/load-balancer-access-logs.html)
【参考】：[AWS ServiceQuotas コンソール](https://console.aws.amazon.com/servicequotas/home)

## ロードバランサーの種類を理解し、NLBを活用しよう

AWSのELBには、NLBを始めとした4つのロードバランサーがあることが分かりました。**それぞれ特徴が異なりますので、NLBや他のサービスの特徴を理解したうえでNLBを作成してみましょう。**

またNLBの作成はコンソール画面から簡単に作成することができます。コマンドを使い慣れていない方などは、画面上で作業が完結するのも非常に便利な点だといえます。アプリケーションを開発する方や、これからAWSでサービスを構築する方はぜひ本記事を参考にしてNLBを作成してみてください。

AWSのサービス一覧は？豊富なサービスを活用しよう！

AWSのサービス利用方法に迷ったら！チュートリアルの活用

NLBは、通信の負荷分散をするロードバランサーの1つです。またAWSにはNLB以外にもロードバランサーが用意されており、目的に応じて適切なロードバランサーを選択する必要があります。本記事では、各ロードバランサーの特徴やNLBの作成方法などを解説します。

NLBは、通信の負荷を分散するロードバランサーの1つです

NLBの作成はCLIだけでなく、コンソール画面から作成することができます

NLBを使用する際の、よくある疑問についても理解できます

AWSのNLBとは？作成手順やALB・他のロードバランサーとの違いを解説

**Terraformは、HashiCorp社によって開発された、インフラをコードによって管理するIacを支援するオープンソースのプロビジョニングツールです。**

Terraformによってクラウドやオンプレミスなどのプラットフォームを問わず、インフラをコード化することで設定の矛盾やミスを排除し、素早いインフラの構築や複製が容易になります。

【参考】：[Terraform公式](https://www.terraform.io/)

Terraform Cloudとは？概要から使い方まで解説！

IaCとは「Infrastructure as Code」の略で、「コードとしてのインフラ」という意味を持つ言葉です。IaCにはリソースを構築する手順を記述していく手続き型と、リソースの状態を記述する宣言型の2つの型があり、*Terraformは宣言型のIaCツールです。*

従来は、オンプレミスと呼ばれるデータセンター内に物理的なインフラを構築する方式が主流で、インフラの構築や設定は手順書に従って手動で実施していました。

スクリプトによる自動化の試みもされていましたが、自動化の範囲が限定されてしまうことや、スクリプトの管理やメンテナンスを怠ると予期せぬ障害の原因になったり、業務の属人化によりスクリプトがブラックボックス化したりといった難点がありました。

現在はAWSをはじめとしたクラウドプラットフォームがシェアを伸ばしており、複数のパブリッククラウドを併用するマルチクラウド環境も珍しくはなくなってきました。

クラウド上のリソースは、オンプレミスと比較して調達・廃棄・拡張・縮小が容易なため、需要予測をせずにスモールスタートできるなどサービス提供のスピードが大幅に加速します。

そのため、従来の手動操作やスクリプトによる部分的な自動化といった手法では大量の作業を素早く行うことを要求するクラウドのスピード感についていけなくなっているのです。

それらの課題を解決したのがIaCです。*インフラをコード化することで、コマンド1つで大規模なデプロイや変更を正確に、短時間で自動的に実行できます。*

## Terraform以外のIacツールとの比較

*IaCを実現するツールはTerraformだけではありません。*有名なところではChef・Puppet・Ansibleなどがありますし、AWSのCloudformationなど、クラウドベンダでも独自のIaCサービスを展開しています。

では、それらの競合ツールと比較した場合、Terraformの強みとはなんでしょうか。ここでは、AnsibleやAWS Cloudformationと比較してTerraformのメリットを解説します。

TerraformとAnsibleは同じIaCを提供するツールですが、何が違うのでしょうか。結論から言えば、*2つは競合するツールではなく、お互いに補完しあう関係にあります。*

Ansibleは手続き型のアプローチを取る構成管理ツールで、1つ1つのリソースの設定作業や、ソフトウェアのインストールといった設定手順を自動化するのが得意分野です。

これに対して、Terraformは宣言型のアプローチを取るオーケストレーションツールです。全体のアーキテクチャを定義する機能に優れており、Ansibleが得意とする個別の設定手順の自動化は苦手です。

このように、TerraformとAnsibleでは得意とする範囲が違うため、Terraformでインフラを定義し、Ansibleで設定を管理するというように併用するのがベターです。

【参考】：[Ansible](https://www.ansible.com/)

Ansibleとは？構成管理ツールの概要から効果的利用方法を解説

各クラウドベンダでも独自のIaCサービスを開発しており、AWSではCloudformationが提供されています。Cloudformationは言うまでもなくAWSリソースを扱うことに最適化されており、AWSリソースのみを扱う場合はCloudformationに軍配が上がります。

これに対して、*Terraformはマルチプラットフォームに特化しており、複数のクラウドプラットフォームやオンプレミスといった異なる環境が混在する場合でも、Terraform1つで管理できるという強みがあります。*

現在はAWSのみでも、将来的にマルチプラットフォームを見据えているという場合も、コードを流用しやすいTerraformを選択するメリットがあります。

また、Terraform自体はGo言語で開発されているオープンソースソフトウェアであるため、OSを問わず利用できます。

【参考】：[Cloudformation](https://aws.amazon.com/jp/cloudformation/)

Terraformには、IaCをより便利にするための機能がいくつも備わっています。代表的なものに絞って解説します。

*Terraformでは、HashiCorp Config Languageという独自の言語を用いてコードを記述します。*HCLはHashiCorp社が独自に開発した言語ですが、JSONと互換性があるため、JSONの知識があれば理解しやすいでしょう。

なお、必ずしもHCLを使わなければいけないわけではなく、JSONにコンバートすることも可能です。

【参考】[Terraform公式-Terraform Language Documentation](https://developer.hashicorp.com/terraform/language)

JSONとは？概要からJSONファイルフォーマットまで解説！

*Terraformで作成したコードは、モジュールというテンプレートにすることができます。*例えば、サーバを作成するコードをモジュールにしておけば、同じサーバを1つのソースコードから複数作成することが可能になります。

また、モジュールにはパラメータの指定ができるため、同じモジュールから起動したサーバの設定をパラメータで少し変更する、といったことも可能です。

【参考】[Terraform公式-modules](https://developer.hashicorp.com/terraform/language/modules)

Terraformではインフラをコードで定義できると説明しましたが、既存のリソースをインポートしてコード化することもできます。例えば、*AWS環境上に存在する仮想サーバをimport機能によってTerraformの管理下に置くことが可能です。*

ただし、import機能ではリソースの状態をコードとして保存しますが、構成までは反映されません。そのため、全く同じ状態にはならないので差分を吸収する作業が必要です。

### Terraformのワークスペースとは

Terraformでインフラを作成したり変更を加えたりする際に、いきなり本番環境に適用するのではなく、一旦テストをしたいということがあると思います。*ワークスペースを利用すれば、同じコンフィグファイルを使ってテスト用の環境に適用して影響を確認することが可能になります。*

【参考】[Terraform公式-workspaces](https://developer.hashicorp.com/terraform/language/state/workspaces)

*Terraformにおけるプロバイダーとは、TerraformとクラウドやSaaSサービス、その他のAPIとを繋ぐプラグインのことを指します。*Terraformでは、まず必要となるプロバイダーを宣言します。プロバイダーの役割は、Terraformが管理できるリソースタイプやデータソースを追加することです。

現在は、AWSをはじめとした殆どのクラウドプラットフォーム用プロバイダーが存在する他、現時点ではプロバイダーが存在しないプラットフォームに関しては独自に作成することもできるため、Terraformは実質的にあらゆるインフラを管理することができると言えます。

【参考】[Terraform公式-Providers](https://developer.hashicorp.com/terraform/language/providers)

AWSの勉強方法6選！インフラ基礎がないと学習は厳しい？

Terraformの活用例として、AWSのリソースをTerraformで管理する方法について解説します。AWSには、ブラウザベースの統合開発環境であるAWS Cloud9というサービスがあります。

*Cloud9は、コードエディター・デバッガー・ターミナルなどの機能が備わっている上、Terraformも使用可能であり、Terraformの学習にも最適です。*

【参考】[AWS公式-AWS Cloud9](https://aws.amazon.com/jp/cloud9/)

AWS Cloud9を利用すれば無料で開発環境を入手できるのか？

### AWS Cloud9でTerraformを利用する方法

まずは、お持ちのAWSアカウントにログインして、AWS Cloud9で作業環境を作成します。AWSでは最小権限の原則を推奨しているため、AWSCloud9Administratorの権限のみを付与したIAMユーザーを作成して使用することをおすすめします。

ログインできたら、AWSマネジメントコンソールからCloud9を検索してCloud9の管理画面にアクセスします。管理画面でCreate environmentをクリックして、ウィザードに従って必要な情報を入力し、環境を作成します。

テスト目的の利用であれば、設定する項目はNameのみで構いません。

Cloud9が起動したら、Terraformのリソース定義ファイルであるtfファイルを作成します。今回は、例としてAWSの最も基本的なネットワークリソースであるVPCを作成します。

Cloud9のターミナルで以下のコマンドを実行して、ファイルを作成します。

ファイル内に、以下のコードを入力して保存します。

  cidr_block           = "10.0.0.0/16"

「provider」ではプロバイダーとしてawsを定義しています。そして、「resource」でどのようなリソースを作成するかを定義します。AWSプロバイダーで作成が可能なAWSリソースは以下のURLを参照してください。

【参考】[Terraform公式-AWS Provider](https://registry.terraform.io/providers/hashicorp/aws/latest/docs)

なお、他のリソースも作成したい場合は、すべてのリソースを1つのファイルに記述することもできますが、管理のしやすさを意識してサービス単位など複数ファイルに分けて作成することをおすすめします。

### Terraformコマンドを実行してリソースを作成する

それでは、実際にTerraformコマンドを実行してリソースを作成してみましょう。まずは、ターミナル上で以下のコマンドを実行します。

このコマンドは、Terraformの実行に必要なコマンドをインターネットから取得します。実行結果が「Terraform has been successfully initialized!」と表示されれば成功です。

続いて、以下のコマンドを実行してtfファイルの構文に問題がないことを確認します。構文エラーが出力される場合はエラーメッセージに従って修正し、再度実行してください。実行結果に「Success! The configuration is valid.」と表示されれば構文チェックは完了です。

*なお、以下のコマンドを実行するとコードのインデントを自動的に修正してくれます。構文チェックの前に実行しておくことをおすすめします。*

構文に問題ないことを確認したら、以下のコマンドを実行します。

昨今では、様々なクラウドプラットフォームが存在しており、複数のクラウドを利用したマルチクラウド環境も珍しくなくなってきました。Terraformは、ベンダに依存しないコードとしてインフラを定義してIaCを実現するツールです。この記事では、AWSとの連携方法についても解説します。

Terraformはクラウドインフラをコード化するツール

TerraformによるIaCでインフラ構築を高速化し、冪等性を担保する

Terraformで外側を、Ansibleで内側を管理する

Terraformとは？AWSとの連携方法についても解説！

## AWSのインスタンスタイプとは

Amazonが世界中に展開するAWSは、クラウドサービスとしてよく知られています。そのAWSが提供する最もポピュラーな仮想サーバ構築サービスである、EC2では「インスタンス」という単位で仮想サーバを素早く構築できます。その際、ユーザはインスタンスタイプを選択しなければなりません。

インスタンスタイプは100種類以上もあり、分からないままに適当に選ぶと、多額の料金が掛かってしまうので、**きちんと理解した上で最適なインスタンスタイプを選ぶことが大切です。**

今回は、インスタンスとは何か、インスタンスタイプとは何か、選ぶ基準は何かなどについて解説していきます。今後、プライベートや仕事でAWSのサービスを利用する際にはぜひ役立ててください。

サービス・ツール・技術の記事（37ページ目）