Snowflakeは、米国シリコンバレーで2012年に創業のSnowflake社が提供するSaaS（Software as a Service）型データプラットフォームの名称です。

ビッグデータに代表されるよう、膨大なデータがあふれている昨今、さまざまなデジタルデータの格納が可能な大容量ストレージとして、「データレイク」に対する期待が高まっています。

**Snowflakeはクラウド型データウェアハウス（DWH）として知られていますが、さらに「データレイク」を処理するのに適した「データプラットフォーム」としても各分野から注目が集まっています。**

Snowflakeはこれまでの伝統的なDWHと比較して柔軟性が高く、AWS・Azure・GCPなど他のクラウドパートナーのサービス上で動作します。クラウド型DWHとしては、すでに「Amazon Redshift」※1や「Google BigQuery」※2などがありますが、Snowflakeはこれらのユーザーまで取り込んでおり、今後の動きが注目されます。

*【参考】：[SNOWFLAKE　データクラウド｜公式サイト](https://www.snowflake.com/snowflake-cloud-data-platform/?lang=ja)*

*【参考】：※1[Amazon Redshift｜AWS公式サイト](https://aws.amazon.com/jp/redshift/)*

*【参考】：※2[BigQuery｜Google Cloud公式サイト](https://cloud.google.com/bigquery?hl=ja)*

IaaSとPaaSの違いを知り、クラウドに強いエンジニアになろう！

多くの人がSnowflakeの名前の由来や意味が気になることでしょう。**Snowflakeは日本語の「雪片」の英語です。雪片は雲（クラウド）から生まれます。**

ここにSnowflakeの名前の由来があるようです。Snowflake社も同様の質問を受けることが多いようで、同社の公式ブログで名前の由来について紹介していますので、興味のある方は目を通してみてください。

*【参考】：[「Snowflake」という名前の背景｜Snowflake公式ブログ](https://www.snowflake.com/blog/behind-snowflakes-name/?lang=ja)*

Snowflakeはクラウド型のデータウェアハウス（DWH）ですが、データウェアハウスとは何なのでしょうか？データウェアハウスの類似語にデータマートがありますが、その違いと先ほど登場したデータレイクとの関係についても探ってみましょう。

**データウェアハウスの意味は「データの倉庫」です。指定した形式で必要なデータを一括保存し、直ちに分析できるようにデータベース化をして利用します。**

例えば自社の顧客の買い物情報を一括保存しておき、「いつ、誰が、どんな商品を、どれだけ買ったか」といった情報をデータウェアハウスによって調べることができます。

データウェアハウスには業務などで必要なデータが全て保存されており、データの分析を行う人は、データウェアハウスにアクセスすることで、必要な情報をすぐ入手し、分析したり、生産活動や販売活動に生かすことができます。

このように、データウェアハウスはビッグデータが注目を浴びる以前から、企業などのデータの保存や活用に利用されていました。データウェアハウスと似たものにデータマートとデータレイクがあります。

データウェアハウスは企業活動などで得られたあらゆるデータが格納されており便利ですが、いざ必要な情報を得ようとした時に、必要のないデータが多くあり、やや不便です。

そこで、データウェアハウスの**データを部門単位などで分けて、データベースにしたものがデータマートです。**部門の担当者はデータマートにアクセスすれば、自部門に必要な情報を直ちに入手できます。

データベースとは？今更聞けないその内容をITエンジニアとして改めて学ぶ

**データレイクは、最近、ビッグデータの保存形式として注目を浴びているサーバーのタイプです。**

ビッグデータには従来のテキストデータに加え、画像、動画、SNSなどのそれぞれ形式が異なるデータが集められていますが、これをデータウェアハウスで管理するためには、形式ごとにデータ加工が必要となり、データベース化するための手順が煩雑になります。

データレイクでは「タグ」と呼ばれるキーワードのようなものを付けて、異なる形式のデータを同じ場所に保存します。これによって異なる形式のデータをまとめて同時に比較や分析を行うことが容易になり、さまざまな切り口から多面的な分析が行えるようになります。

これがデータレイクの強みですが、データの用途などを考慮せず、あらゆるデータを保存しようとすると、逆にデータを取り出しにくくなり、分析などが行いにくくなるため、データの活用という視点から保存や管理を行うべきです。

## Snowflakeは何がすごい？その特徴とは

企業活動などでは、データ活用が重要な鍵になっていますが、データの収集からデータ統合、データ変換、データの正規化、データ活用に至るまで、さまざまなプロセスを経るため、多くの労力を消費します。

一方で、Snowflakeを利用すると、データ分析環境の構築が容易で、運用効率を大きく向上させることが可能です。

**Snowflakeの最大の特徴は、ストレージとコンピュータのリソースを完全に分離した、Snowflake社独自のアーキテクチャにあり、複数のワークロードを大規模な並列処理ができる点です。**これがSnowflakeの高いパフォーマンスを支え、さらに次のような優れた機能によって高い信頼性を保っているのです。

Snowflakeの特徴について、機能面から見ていきましょう。

*【参考】：[Snowflake　データクラウド｜公式サイト](https://www.snowflake.com/snowflake-cloud-data-platform/?lang=ja)*

一般的に、データの格納場所（ストレージ）とデータ処理（コンピュートリソース）は1つにまとめられていますが、Snowflakeではそれらを分けたアーキテクチャを採用しています。

たとえば自分の保管データに、他者の管理するリソースを利用してアクセスすることが可能となっています。これらの機能は「データシェアリング」と呼ばれています。

これまで、データの格納場所と処理する場所が異なる場合は、必要なデータの複製を他者に送っていましたが、**「データシェアリング」では自分のデータを直接他者に見せることで、データ複製に伴うリスクや作業が解消されるというメリットを得られます。**

AWSやGCPなどにもデータウェアハウスサービスはありますが、他社のデータウェアハウスとの連携はできません。しかし、Snowflakeでは**マルチクラウドを前提とした環境を採用しており、クラウド間を越えてデータの連携が可能です。**

Snowflakeはニアゼロメンテナンスをポリシーとし、**データメンテナンスに掛かる時間を最小限にしています。**これを支える機能として、データを元に戻せる「タイムトラベル機能」、データウェアハウス環境のコピー時間を数秒に抑えられる「ゼロコピークローン機能」を有しています。

データウェアハウスの作成に、他製品では数分程度を要しますが、**Snowflakeは作成/停止を短時間で行うことが可能です。**

また停止も秒単位で行えるため、稼働時間で課金される従量制料金体系では無駄なコストの発生を防げます。

Snowflakeは**マルチクラウド環境を採用しているため、データの移行が簡単です。**たとえばAWSにあるデータをGCPに移行するには大変な労力とコストが掛かりますが、Snowflakeでは移行のコストを最小限に抑えることが可能です。

データベースエンジニアの多くは、データベースのパフォーマンスを上げるために、サーバー増強やクエリーのチューニングに力を注いでいますが、Snowflakeでは現在の環境を止めずに、リソースの割り当てをGUI上で増やすといったことが短時間で行え、**素早くパフォーマンス改善が行えます。**

それによって簡単に処理の高速化を実現しています。

ここまで、Snowflakeの概要や特徴となる機能について見てきましたが、**Snowflakeを導入するメリットはどのようなものがあるのか、確認しておきましょう。**

Snowflakeは高速なデータ処理を強みとしており、これまでのデータウェアハウスでは不可欠だった、パフォーマンスチューニングに労力をかける必要がありません。Snowflakeは、ストレージとは切り離された処理層でクエリを実行します。

さらに**大規模並列処理を用いてクエリを処理することによって、高速なデータ処理を実現しています。**

SaaS型で提供されるSnowflakeは、ハードウェアやソフトウェアを自社で保有する必要がありません。インフラ管理を完全にディストリビューターに任せることができ、ソフトウェアやデータの管理も不要です。

そのため、Snowflakeを採用すると、従来のデータウェアハウス運用で時間がかかっていた**データウェアハウスに関する管理業務が不要になり、本来の目的である分析や集計業務に専念することができます。**また、クエリなどの知識がなくとも、管理コンソールから分析が行える点は大きなメリットと言えます。

ここまで紹介したように、Snowflake はクラウドベースのデータウェアハウスです。

データウェアハウスの構築はハードルが高いイメージがありましたが、**Snowflake はSaaS 型のサービスとして登場し、コンピュート部分とストレージ部分が完全に分離されたアーキテクチャを持つことで、それぞれが柔軟にスケーリングできる先進的なサービスであることが分かりました。**

Snowflakeには30日間無償トライアルが用意されており、下のリンクから申し込みができます。アカウントを作成し、登録すると30日間無償、400ドル分のクレジットが提供されます。クラウドプラットフォームとしてAWS、Azureのいずれかを選択できます。

登録後にアクティベートを求めるメールが届きますので、メールに従ってアクティベートを行うと管理コンソールに飛びます。この管理コンソールからデータベースの作成、SQLの実行、データウェアハウスの作成などができます。

データベースを学んでいる方、クラウドを勉強している方はぜひ一度利用してみることをお勧めします。

*【参考】：[30日間の無料トライアルを開始｜Snowflake 公式](https://signup.snowflake.com/?_l=ja)*

ITエンジニアなら知っておくべきAWS入門とAmazon EC2

AzureとAWSの違いは？概要からサービスまで比較解説！

「Snowflake」はSnowflake社のSaaS型クラウドDWH（データウェアハウス）サービスです。ビッグデータ解析に必要なDWHを瞬時に構築でき、高速でデータ分析や集計が行えます。この記事ではSnowsoftの概要や特徴、メリットについて解説します。

Snowflakeはストレージとコンピュータのリソースを完全に分離した、独自のアーキテクチャが特徴

Snowflake採用によって、チューニングや管理業務から解放され、データ分析や集計に集中できる

Snowflakeは30日間無償トライアルを利用してデータウェアハウスの構築や活用の体験ができる

Snowflakeとは？次世代クラウドデータウェアハウスを徹底解説！

## BigLakeプレビュー版のリリース

Google Cloudは2022年4月7日、Google Data Cloud Summit開催に合わせてBigLakeプレビュー版を発表しました。BigLakeとは、データレイクとデータウェアハウスを統合したストレージエンジンです。*ストレージ形式やシステムを意識せずにデータ分析を行うことで、増大するデータ分析や管理の障壁を取り除きます*。
【参考】：[BigLake: データレイクとデータ ウェアハウスを複数のクラウド間で統合](https://cloud.google.com/blog/ja/products/data-analytics/unifying-data-lakes-and-data-warehouses-across-clouds-with-biglake)
【参考】：[Google Data Cloud Summit](https://cloudonair.withgoogle.com/events/summit-data-cloud-2022)
【参考】：[Top 5 Takeaways from Data Cloud Summit ‘22](https://cloud.google.com/blog/products/data-analytics/top-5-things-to-catch-up-on-from-data-cloud-summit-2022)

*Google Cloudは、Googleが展開するクラウドサービスで3大クラウド事業者の1つです*。150以上に及ぶ製品をサービス提供しています。コンピューティング・ストレージ・データベース・データ分析や、AIと機械学習・ネットワーキング等の多様なサービスからなります。
【参考】：[Google Cloud](https://cloud.google.com/?hl=ja)

プレビュー版では、製品およびその機能をお客様が評価するためにサービスが提供されます。*機能はまだ完全に実装されていないので、サポートやサービスレベルの保証はありません*。および6カ月程度のプレビュー期間を経て正式リリース（GA）に移行します。

BigLakeは、*統合ストレージ エンジンとしてデータウェアハウスとデータレイクのデータアクセスを簡素化するソリューションです*。Google Cloudのみならず、マルチクラウドストレージに対応します。Google Cloud Storageのほか、Amazon S3・Azure Data Lake Storage Gen2のオブジェクトストアがサポートされています。
【参考】：[Google Cloud BigLake プレビュー](https://cloud.google.com/biglake)

クエリアクセスにはBigLakeテーブルを用います。このテーブルは、マルチクラウド・オープンデータ形式へのアクセスを行うために提供されます。
【参考】：[Google Cloud BigLake テーブルの概要](https://cloud.google.com/bigquery/docs/biglake-intro)

BigLakeはBigQueryを拡張し、既存のインフラストラクチャを有効活用するものです。*マルチクラウドデータレイクや CSV・JSONのほか、ビッグデータで用いる列指向オープンデータ形式のParquet・ORCなどに対応し、行レベル・列レベルセキュリティのようなきめ細かいセキュリティ制御を行うことができます*。

BigLakeコネクタによりGoogle CloudをはじめとしてSpark・Presto・Trino・Tensorflowなどに接続できます。任意の分析エンジンを用い、ポリシーを制御することでアクセス一貫性を維持します。

データレイクとは、データのリポジトリ（貯蔵庫）を指します。リレーショナルデータベース（RDB）で用いる構造化データのほか、CSVやXMLファイル等が保存管理されます。さらに日常的に用いるメールやPDF等の非構造データを含めて一元管理します。増大するデータの可視化・分析を集約し、データ活用を促進するものです。

*データレイクはデータ形式に依存しないため、非定型の分析においても活用が可能です*。

データウェアハウスとは、データの倉庫を意味し、時系列に発生する膨大なデータを蓄積するために利用されます。この蓄積データを分析し、企業の意思決定に活用します。ビジネスインテリジェンス（BI）や意思決定システム（DSS）に利用されるデータを蓄積します。

*主に構造化データが蓄積されているため、決められた手順で高速にデータ分析を行います*。

BigQueryとは、*Google Cloudが提供するフルマネージドのサーバーレスのデータウェアハウスです*。スケーラブルな分散型分析エンジンにより、数ペタバイトのデータであっても高速にクエリを完了できます。機械学習・地理空間分析・ビジネスインテリジェンスなどの組み込み機能が搭載されています。データ分析や意思決定に利用されます。
【参考】：[Google Cloud BigQuery とは](https://cloud.google.com/bigquery/docs/introduction)

BigQuery Omniとは、Google CloudによるAmazon S3・Azure Data Lake Storage Gen2オブジェクトストア向けBigQuery分析サービスを指します。*データを一か所に格納することなく、マルチクラウド上でデータ分析を行うことができます*。
【参考】：[Google Cloud BigQuery Omniとは](https://cloud.google.com/bigquery-omni/docs/introduction?hl=ja)

本サービスにおいてもBigQuery同様にサーバーレスで、AWS IAMのロールやAzure Active Directoryのプリンシパル権限を用いてアクセスします。データ転送を伴わずに実行できるので、高速・低コストのデータ分析が可能です。

BigLakeは、*BigLakeテーブルに対するクエリに基づき料金が発生します*。ベースの料金はBigQueryの料金で、自社Google Cloud Storageに定義されたテーブルへのクエリにより発生します。他のクラウド上にある、AWS S3あるいはAzure Data Lake Storage Gen2を用いたテーブルへのクエリは、BigQuery Omniの料金が発生します。

BigLakeコネクタ利用にあたっては、データ取り込み料金が発生します。
【参考】：[Google Cloud BigLake 料金](https://cloud.google.com/biglake#section-5)

BigLakeを利用するにあたり、要件にしたがってGoogle Cloudプロジェクトを作成し、BigLakeテーブルを定義します。*テーブル作成が完了したら、クエリ実行が可能となります*。ユーザへのアクセス制御のために、データレイク管理者・データウェアハウス管理者・データアナリストのロールに基づくIAM権限の付与が必要となります。

BigLakeの利用設定は、以下の項目を順次実施します。
【参考】：[Google Cloud BigLake テーブルを作成して管理する](https://cloud.google.com/bigquery/docs/biglake-quickstart)

・*接続リソースの作成*
最初にBigQuery Connection APIのページで、外部データソースを含むプロジェクトを選択し、有効化を行います。接続リソースを作成するには、Google Cloudのコンソールで「+ データを追加」「外部データソース」をクリック後、「接続タイプ」リストから「Cloud リソース（BigLake テーブル用）」を選択します。CLIにより、接続リソースを作成することも可能です。

・*Cloud Storageデータレイクへのアクセス設定*
BigQueryがCloud Storageファイルにアクセスできるよう、読み取り専用アクセス権を設定します。

Google Cloudのコンソールで「IAM と管理」から「+ Add」をクリックします。表示される「Add principals and roles」の「新しいプリンシパル」欄にサービス アカウント IDを入力し、「ロールを選択」「Cloud Storage」から「ストレージ オブジェクト閲覧者」を選択し「保存」します。

・*BigLakeテーブルの作成*
あらかじめ用意したデータセットを用い、Google Cloudのコンソールで「エクスプローラ」「テーブルを作成」から「ソース」「Google Cloud Storage」を選択します。

ここで「ソース」は「Google Cloud Storage」、「送信先」はテーブルタイプを 「外部テーブル」を設定します。ナビゲーションメニューより「+ データを追加」「外部データソース」を選択し、「接続タイプ」「Cloud リソース（BigLake テーブル用）」を選択します。

CLIからは、@connectionデコレータを用いて接続を指定します。SQLでは、CREATE EXTERNAL TABLEにWITH CONNECTION句を用いてテーブルを作成します。

・*既存のテーブルのアップグレード*
既存の外部テーブルをBigLakeテーブルにアップグレードすることもできます。”bq mkdef”コマンドで、新しく外部テーブル定義を定義し、”bq update”コマンドで、生成したテーブル定義を用いてテーブルをアップグレードします。

・*アクセス制御ポリシーの設定*
アクセス制御ポリシーは、Google Cloudのコンソールから「Data Catalog」より「ポリシータグの分類」を作成し、行レベルあるいは列レベルセキュリティに設定します。
【参考】：[BigQuery の列レベルのセキュリティでアクセスを制限する](https://cloud.google.com/bigquery/docs/column-level-security)
【参考】：[BigQuery 行レベルのセキュリティを使用する](https://cloud.google.com/bigquery/docs/managing-row-level-security)

### BigLakeテーブルに対するクエリ実行

*BigLakeテーブルに対するクエリ実行は、BigQueryクライアントから行います*。CLIでは、”bg query”を用います。標準SQLあるいはレガシーSQLによりクエリを実行します。Apache Spark・Trino・Apache Hive等からのテーブルアクセスは、BigQuery 接続コネクタを使用しテーブルアクセスすることができます。

## データ活用に期待が高まります

2022年4月7日に開催された、Google Data Cloud Summitではデータ活用に関する多くの発表がありました。*企業のデータ活用が進み、より複雑な意思決定での利用が求められます*。同時期に発足したData Cloud Allianceでは、パートナーアライアンスによる強固な協力体制が期待できます。

クラウドの垣根を取り払うデータ活用は、今後も進むと予想されます。サービス利用のチャンスがありましたら先行して試してみることをおすすめします。

クラウドエンジニアにおすすめな資格や将来性、必要なスキルを紹介

2022年4月7日、Google CloudはBigLakeプレビュー版を発表しました。ストレージ形式やシステムを意識せずにデータ分析を行うことで、増大するデータ分析や管理を容易にします。ここではプレビュー版の概要とその利用方法を解説していきます。

Google Cloudは2022年4月7日、BigLakeプレビュー版を発表しました

データレイクとデータウェアハウスを統合し、データ分析や管理の容易性を高めます

マルチクラウドストレージに対応し、構造データ・非構造データの統合利用が可能です

BigLakeプレビュー版がリリース！概要と利用方法を解説

DXの推進を背景に、企業の社内システムのクラウド化が大きなブームとなり、年々クラウドサービスの利用が増加しています。マイナビニュース※によると、大企業の78%、中小企業の49%が既にクラウドサービスを利用しています。

一方で、一旦はクラウド化を行いながら、オンプレミスに戻した企業も一部にあります。それは、実際にクラウド化を図ったものの、クラウド化の課題をクリアできず、メリットの享受が行えなかった事によるものと考えられます。

**クラウド化は決して万能ではなく、クラウド化の課題やデメリットに対して、しっかり対応策を施した上で利用することが大切です。**

この記事では、クラウド化のメリット・デメリットを踏まえ、クラウド化の課題を明らかにした上で、その解決策についても考えていきます。エンジニアとしてクラウドに関わる皆さんは、ぜひクラウド化の課題について認識を深めてください。

*【参考】：[中小企業のDX推進での課題とは？ - MM総研が調査｜マイナビニュース](https://news.mynavi.jp/techplus/article/20220304-2284744/)*

*【参考】：[企業におけるクラウドサービスの利用動向｜総務省](https://www.soumu.go.jp/johotsusintokei/whitepaper/ja/r02/html/nd252140.html)*

DXとは？その意味と日本の現状、DX推進の障壁となる要因を分かりやすく解説！

## クラウド化の概要とメリット

クラウド化を進める前に、クラウド化の概要やメリットなどを正しく理解しておくことが大切です。クラウドにはいくつかの異なるサービス形態がありますので、その中から自社のニーズに合うサービスを選択することが大切です。

クラウド化とはわかりやすく言うと、**「自社のサーバーや機器、ソフトウェアをクラウド環境に移行させること」です。**クラウド化を行う理由としては「社内に特別な資産を持つ必要がない」「運用・保守を自社で行う必要がない」といったものが多くを占めています。

**インフラの利用形態としては、主に以下の3つがあります。**
自社内でコンピューターやシステムを管理・運用する「オンプレミス」に対して、クラウド事業者がインフラを提供する「クラウドサービス」があり、さらに両方を組み合わせた「ハイブリッドクラウド」があります。

一口でクラウドサービスと称しても、**クラウドサービスには主にSaaS（サース）・PaaS（パース）・IaaS（イアース）の3種類があります。**目的に応じて使い分ける、或いは割り切ることが求められます。

SaaSは（Software as a Service）の略で、クラウド環境で提供されるソフトウェアのサービスを指します。利用者はパソコンやスマホなどからそのソフトウェアを利用する形です。SaaSの例としては、Microsoft365やGmailなどのWebメールサービス、Salesforceといったものがあります。

PaaSは（Platform as a Service）の略で、サーバー・ストレージ・ネットワークなどのプラットフォームをクラウドサービスとして提供します。

IaaSは（Infrastructure as a Service）の略です。クラウドサービスの中でも、インフラを提供する形態を指します。IaaSとPaaSは似ていますが、IaaSはハードウェア中心の提供サービスで、OSやミドルウェアなどを含めプラットフォームはユーザー側で構築しますが、PaaSよりは自由度は高まります。事例としては、AWS（Amazon Web Services）・Microsoft Azure・GCP（Google Cloud Platform）などがよく知られています。

PaaSとは？エンジニアに求められるクラウドの基本を知っておこう！

クラウドサービスはオンプレミスと比較して、さまざまなメリットを有しており、それらのメリットがクラウドの人気の理由となっています。ここでは**クラウド化のメリットについて確認しておきましょう。**

オンプレミスで必要となるサーバー・ストレージ・周辺機器などに掛かる初期費用がクラウドサービスでは不要でコスト抑制を図れます。他、サーバーなどの設置スペース確保、運用・監視要員の手配も抑えられ、結果として維持コストの低減にもつながります。また、クラウドサービスは基本的に使った分だけ支払う「従量課金制」のため、無駄が発生しません。

*2.運用管理に関わるコストの抑制*

クラウドサービスでは基本的に運用はサービス事業者が行うため、オンプレミス環境で行ってきた運用や保守は必要ありません。OSのバージョンアップやアップデート、バックアップなどの運用管理を全てサービス事業者側が行うため、利用者側の負担を軽減できます。

クラウドサービスではさまざまなサービスが冗長化されており、オンプレミスと比較してダウンタイムがほとんど発生しません。

オンプレミスでは、OSのバージョンアップなどはサーバーを停止して行うケースが多くありますが、クラウドサービスではそのような心配がほぼないため、システム利用者に対して安定したサービスを提供できます。

*4.規模やデータ量にフレキシブルに対応*

従来のオンプレミス環境では、システム規模の拡張やデータ量増加への対応として、ハード機器の増設などが必要でした。そのための工程は煩雑で、ダウンタイムも発生するなど、非常に負荷のかかるミッションでした。クラウドサービスではこうした拡張を最小のコストと時間で対応が可能です。

*5.データや情報共有による仕事の効率アップ*

クラウドサービスはネットワーク環境があれば、どこからでも利用することが可能です。時間や場所を問わず、必要な情報にアクセスできるため、在宅ワークや出張先からのアクセスも可能です。そのため、データ共有や共同作業でも利用が可能です。この結果、仕事の効率アップ、情報共有といった効果も期待できます。

オンプレミスではハード機器などの調達に数週間から場合によっては数カ月を要します。一方、クラウドではサービスを決めてアカウント登録をすれば、直ちに利用環境が整います。この時間短縮はクラウドサービスの大きなメリットです。

*7.BCP対策に適している場合もある*

BCPは（Business Continuity Planning）の略で、事業継続計画のことです。これは災害などが発生した場合に適用する計画のことで、被害を最小限に抑えて企業活動を停滞させない施策として近年重視されています。

クラウドサービスは災害などに強い堅牢なデータセンターを利用し、かつサービスの冗長化が図られています。このため、**クラウド化はBCP対策に適していると言われています。**

## クラウド化の課題とデメリット

DX化の推進、社内システムの見直し、BCP推進の観点などからクラウド化に取り組む企業が増える一方、思うような結果が出せずにクラウドからオンプレミスに切り替える企業も出ています。**思うような結果が出せないのは何故か、何が障壁=課題となっているのかを見極めることが重要です。**

企業におけるクラウドサービスの利用における課題について、総務省のレポート「クラウドサービスの効果と課題」※では、次の3点を課題例として挙げています。

*②改修コスト・通信コストの増加*

これらをベースに掘り下げていきましょう。

*【参考】： [クラウドサービスの効果と課題｜総務省](https://www.soumu.go.jp/johotsusintokei/whitepaper/ja/h30/html/nd133220.html)*

DX推進ガイドラインとは？DX実現に向けた経済産業省の提言を徹底解説

### クラウド化の課題の理由とその原因

クラウド化を円滑に進め、所期の目的を達成するためには、クラウド化の課題を認識した上で、有効な手立てや対策を講じることが重要です。以下、**課題の理由や原因について考察していきます。**

クラウドサービスはインターネットを介してサーバー環境を利用しますが、セキュアな情報を扱う顧客管理システムや、機密情報への公衆網からのアクセスには情報漏洩リスクが伴います。このリスクに対するセキュリティの担保が求められます。

*■ 改修コスト・通信コストの増加*

社内システムをクラウドサービスに移行した際に、オンプレミス環境との違い、互換性などの問題から思うようなパフォーマンスが得られない場合があります。この結果、ソフトウェアの改修やネットワーク構成の見直しなどが発生し、結果的に改修コストや通信コストの増加を招くことがあります。

クラウド環境はサービス事業者のポリシーの範囲で提供されています。OSや仮想環境なども決められたものしか提供されませんので、その環境内でクラウド化を図ることになります。そのためカスタマイズ可能な範囲は限られ、思うような効果を期待できないケースもあり得ます。

*■ クラウドに明るい人材の不足*

クラウド化は単にオンプレミス環境からクラウド環境に移行するだけではありません。綿密な移行計画の策定・ネットワーク課題・運用課題・セキュリティ課題の解決が行える人材が必要です。また、時にはクラウドシフト（クラウド環境に合わせた業務システムの再構築）の検討が必要です。

*■ 自社システムとの連携に制約*

特殊な環境で動いている自社システムでは、クラウド環境への移行や連携が困難になるケースがあります。例えば、メインフレーム（汎用機）で稼働しているシステムや、受発注システムなどで接続先が多いシステムは単純移行ができず、新たにシステム開発を行う必要が生じる場合があります。

## クラウド化の課題への対応策

先ほど、クラウド化の課題について挙げましたが、これらの**課題への適切な対策を講じる事で、クラウドサービスを安心して利用することができます。**これからその方法について述べていきます。

自社のセキュリティポリシーと照らし合わせ、**それと合致するクラウドサービスを利用することです**。またコストばかりにこだわり過ぎて、オプションサービスとして提供されているセキュリティサービスをスルーすることがないように留意します。

DXでの活用が進むAWSの特徴は？AWSのクラウド事例を解説！

### 改修コスト・通信コスト増加への対策

クラウド移行の設計が甘いと、結果的に後からシステムの改修やネットワーク構成の変更などが生じがちです。**各業務システムごとにクラウド移行方式をシミュレーションし、移行メリットが得られないものはオンプレミス環境に残す、あるいはパブリッククラウドを採用するなどの方法を検討します。**

### カスタマイズ性不足への対策

クラウド化でも、PaaSではプラットフォームが決められており、カスタマイズが困難なケースが起こり得ます。そこで、**IssSのようにOSやミドルウェアなどを自由に選択できるクラウドサービスの利用や、プライベートクラウドの採用など、業務システムごとにきめ細かく移行方式を検討します。**

### クラウドに明るい人材の確保対策

クラウド利用で失敗しないためには、利用計画の策定や運用設計が重要です。そのため**クラウド利用の問題点の把握や計画策定、設計を行えるクラウドに明るい人材の確保が必要です。**自社内で確保が難しければ、アウトソーシングの活用でも構わないので、検討段階から人材確保に努めましょう。

デジタルトランスフォーメーション（DX）とは？求められる人材を解説！

## クラウド移行の推進役として

ここまでクラウド化の概要・メリット・デメリット・課題と対策について解説してきました。総務省のクラウド利用調査※でも分かるように、85.5%の企業がクラウド化の効果を評価しています。従って、まだクラウド化が進んでいない企業は積極的にクラウド化を検討すべきでしょう。

しかし、クラウド化にはデメリットや課題もあります。それらを正しく認識し、しっかりとした対策を講じて推進することが求められます。

**クラウド化成功の鍵は、クラウド化の設計や運用ができる人材の育成と確保です。**この記事を読まれたエンジニアの皆さんは、ぜひクラウドに明るいエンジニアを目指し、クラウド化の推進役を担ってください。

*【参考】：[※通信利用動向調査ー企業におけるクラウドサービスの利用動向｜総務省](https://www.soumu.go.jp/johotsusintokei/whitepaper/ja/r02/html/nd252140.html)*

DX推進が捗らない企業が、喉から手が出るくらいに欲しいIТ人材とは

クラウド化にはさまざまなメリットがありますが、一方でデメリットや課題もあります。課題を認識した上でクラウドサービスの最適な利用方法を見出し、クラウド化の最大の効果を得られるよう十分な検討や設計が重要です。ここではクラウド化の課題と対策を中心に解説します。

クラウド化のデメリットや課題に対して、対応策を検討した上で適用することが大切である

クラウドサービスには、主にSaaS（サース）・PaaS（パース）・IaaS（イアース）の3種類がある

クラウド化成功の鍵は、クラウド化の設計・運用できる人材の育成と確保にある

クラウド化における課題とは？失敗の原因と成功するための対策を解説！

サーバーレスとは、サーバーを意識せずに必要なサービスを利用するコンピューティング環境を指します。決してサーバーがない環境ではなく、あくまでも意識せずに利用できるという意味合いで用いられます。

従来型ではシステムの設計をするにあたって規模を見積もり、可用性やデータ保全を考慮した設計が必要でした。サーバーレス設計では自動的なスケールや可用性を高めるリトライ処理が標準提供され、設計作業が簡素化できます。一番の特徴は、*これまで必要とされていたサーバーの初期準備やOS保守がほぼ不要になる点です*。

上記サービスを実現するために、アプリケーションのロジックを定義するサービス（Function as a service）のランタイム環境をサーバーレスランタイム環境と言います。一般的なクラウドサービスと違い、実行時の利用時間や回数で料金が請求されます。

一般的なクラウドサービスは、コンピュータ資源としてサーバー・ストレージ・ネットワークを割り当てます。

メモリーサイズやストレージサイズ等のキャパシティ見積もりや、CPU数・ノード数等の性能値をあらかじめ設定しておく必要があります。通常は事前にサイジングやチューニング等のアセスメントを行い、サービス提供に必要される指標を求めます。システム開発を行いアプリケーションをデプロイする利用のための構築作業が必要となります。

サーバーレスの仕組はさほど難しくなく、裏側ですぐに利用できるコンピュートリソースが待機しているイメージです。利用するための*一連の準備や構築に関する管理作業が不要となり、生産性が向上することが特徴です*。

代表的なサーバーレスの導入メリットとして以下の点が挙げられます。

・*サーバー管理が不要*
クラウドサービスでサーバーを利用する場合は、サーバーやストレージの選定および初期セットアップが必要です。サーバーレスでは、必要なコードを準備するだけでイベントに応じてサーバーが割り当てられます。

・*柔軟なスケーリングと自動化*
クラウドサービスでは、事前にサイジングを行い必要なインスタンスを確保します。サーバーレスでは、自動的に処理に応じたコンピュータ資源およびメモリー量が確保されます。同様にリトライ処理やイベントに応じた処理を設定することでエラー処理に必要なマニュアル作業を削減することが可能です。

・*未使用時リソースの確保が不要*
クラウドサービスでは、サービス利用契約に基づきコンピュータ資源を確保する必要があります。サーバーレスでは、イベントに応じてコンピュータ資源が割り当てられますので、繁閑の差があったり特定時間に処理が集中する場合にコスト最適化が期待できます。

・*コスト削減*
実行するワークロードに合わせてクラウドサービスの利用状況を自動調整してくれます。実行コードはイベントにより起動されますので、起動数や処理に必要なメモリー量等を自動的に調整してくれます。料金体系は消費したコンピューティング時間に対して請求されますので、事前に資源を確保する場合に比べて最終的にはコスト削減につながり、大幅な料金節約・適正化が図られます。

以上の点をまとめると、サーバーレスでは従来必要であった作業量が削減できること、導入時間が短縮できること、費用適正化が図られること、がメリットといえるでしょう。

サーバーレスでは色々な処理が自動実行できるメリットがあります。初期構築作業が削減できます。自動処理に関する手続きはプログラミングする必要があるので、システム構築以外のプログラム開発の投資はこれまで通り必要となります。

クラウドサービスの料金体系によっては、イベントの発生頻度が多い場合や、1度の実行時間が長い処理は従量制課金の集計が増えますので、固定的にサービスを利用する方がコストが抑えられる場合もあります。そのため*高負荷・高利用回数の処理に関してはサーバーレスは不向きで、通常のサービスが適しています*。

## クラウド事業者のサーバーレスサービス

各クラウド事業者は、*各社の名称でサーバーレスサービスを提供しています*。

AWSでは、AWS LambdaやAWS Fargateが該当します。マイクロソフトは、Azure Functionsが該当します。プレビューとしてAzure Container Appsも追加提供されました。Google Cloudでは、Cloud Functions・Cloud Run・App Engineが提供されています。詳細は以降でお話しします。

AWS Lambdaは、*AWS製品サービスでサーバーレスカテゴリーのサービスです*。サーバーのプロビジョニングや管理等を行わずに必要なコード処理を実行できます。実行は、イベントを定義することでコンピュータ資源を用いて自動的に実行してくれます。


【参考】：[AWS Lambda](https://aws.amazon.com/jp/lambda/)

AWS Lambdaの使用状況は、関数に対するリクエスト数とコードの実行時間に基づいて集計されます。リクエスト数はイベントの発生等による実行コードを呼び出した回数です。実行時間は、コード実行開始から終了（もしくは中止）までの時間を1ミリ秒単位で集計されます。

AWS Fargateは、*コンテナ向けサーバーレスサービスのコンピューティングエンジンです*。AWS Lambdaと同様にインスタンスの選択やクラスター容量のスケーリング設定することなく、適切なコンピューティング容量が割り当てられます。


【参考】：[AWS Fargate](https://aws.amazon.com/jp/fargate/?nc2=type_a)

AWS Fargateでは、コンテナ化されたアプリケーションで消費される vCPU およびメモリリソースの量に対する料金が発生します。

AWSのサーバーレスサービスとは？そのメリットを解説！

マイクロソフト社のAzure Functionsは、サーバーレスの考え方に基づく*Function as a serviceの提供サービスです*。自動スケーリングにより、インフラ管理を簡素化します。Visual StudioとVisual Studio CodeでFunctions拡張機能が利用可能です。Azure Pipelinesを使用して継続的インテグレーションと継続的デリバリー（CI/CD）に活用できます。


【参考】：[Azure Functions](https://azure.microsoft.com/ja-jp/services/functions/)

Azure Functionsでは、関数の実行中にのみコンピューティング リソースに対して課金されます。

マイクロソフト社のAzure Container Appsは、*フルマネージドのサーバーレスコンテナサービスです*。Kubernetesを用いてコンテナ化されたアプリをデプロイし、自動的にスケールするオーケストレーション環境が構築できます。


【参考】：[Azure Container Apps プレビュー](https://azure.microsoft.com/ja-jp/services/container-apps/)

Google CloudのCloud Functionsは、その名の通りFunctions as a Serviceから命名されています。*サーバー管理なしでコードを実行する関数（Functions）を提供します*。負荷に応じたスケーリングを自動的に行い、ハイブリッドクラウドやマルチクラウドに対応します。トリガーベースでサービス接続し、自動化が可能です。


【参考】：[Cloud Functions](https://cloud.google.com/functions?hl=JA)

リアルタイムのファイル処理やストリーム処理、動画や画像分析等に用います。Cloud Functionsの使用量は関数の実行時間に対して計測され、100 ミリ秒単位でまとめて請求されます。

Google CloudのCloud Runは、*フルマネージド環境でコンテナアプリケーションの開発からデプロイまで対応します*。Go・Python・Java・.Net・Node.js等の多様な言語をサポートします。Google Cloudの他のサービスと統合されているため、開発効率を高めることができます。


【参考】：[Cloud Run](https://cloud.google.com/run?hl=JA)

ウェブサイトやウェブサービス、データ処理に利用できます。Cloud Runの使用量はコード実行時間が計測され、100 ミリ秒単位でまとめられて請求されます。

Google CloudのApp Engineは、フルマネージド環境で*スケーラブルなアプリケーションの構築が可能です*。Node.js・Java・Ruby・C#・Go・Python・PHPや指定の言語ランタイムが利用可能です。Dockerコンテナをランタイム環境に設定することもできます。


【参考】：[App Engine](https://cloud.google.com/appengine?hl=JA)

クラウドの記事（6ページ目）