← Financial Cloud Cloud Cloud Club · AWS Re:cap

Vertex Macro|Financial Cloud Cloud · AWS Re:cap

AWS Re:cap 11: AWS Lambda の新機能 (CNS376)

スピーカー: AWS re:Invent 2025

セッション: 11

セッション
Summit Dev Lounge2026 Re:cap
01 アーキテクチャを Steering として記述し、AI Agent を導く
Summit Dev Lounge2026 Re:cap
02 Agent Harness こそ真のエンジニアリングの堀
Summit Dev Lounge2026 Re:cap
03 平易な言葉で可観測性データを尋ねる
Summit Dev Lounge2026 Re:cap
04 Bedrock AgentCore で Serverless AR ゲームを構築する
Summit Dev Lounge2026 Re:cap
05 AgentCore 上のマルチ Agent クオンツ・バックテスト
Summit Dev Lounge2026 Re:cap
06 3 分でブログをスライドにする——Kiro で
Summit Dev Lounge2026 Re:cap
AWS Community Day Hong Kong 2025 Re:cap
02 TerraformによるAWSコンプライアンス
AWS Community Day Hong Kong 2025 Re:cap
03 初心者からビルダーへ――素晴らしいクラウドの旅
AWS Community Day Hong Kong 2025 Re:cap
04 LaravelとBrefによるチームファーストのサーバーレスエンジニアリング
AWS Community Day Hong Kong 2025 Re:cap
05 イベント開会式
AWS Community Day Hong Kong 2025 Re:cap
06 AWS 上で相互運用可能な AI を構築する
AWS Community Day Hong Kong 2025 Re:cap
07 別のテレメトリデータを AI エージェントで活用し、改善を加速する
AWS Community Day Hong Kong 2025 Re:cap
08 Kiro による仕様駆動開発
AWS Community Day Hong Kong 2025 Re:cap
09 MCP と AI エージェントを活用した自動テスト
AWS Community Day Hong Kong 2025 Re:cap
10 機械学習を活用したアプローチ
AWS Community Day Hong Kong 2025 Re:cap
11 RAGとMCP
AWS Community Day Hong Kong 2025 Re:cap
12 TAKとAWSを活用した災害・緊急対応
AWS Community Day Hong Kong 2025 Re:cap
13 テストの観点からサーバーレスアプリケーションのワークフローを再考する
AWS Community Day Hong Kong 2025 Re:cap
14 クラウド成功のための実践的なAWS FinOps
AWS Community Day Hong Kong 2025 Re:cap
15 リスク調整後資産リターンの革新
AWS Community Day Hong Kong 2025 Re:cap
FSI Recap
01 Modern Trade Lifecycle: Trading to Settlement
FSI Recap
02 Goldman Sachs: Fast Track your applications onto Cloud - AWS Re:cap Q1/2023
FSI Recap
03 Zurich Insurance Group: Building an Effective Log Management Solution on AWS
FSI Recap
04 FSI Meetup 2025 Q4 - Brex Database Disaster Recovery
FSI Recap
05 FSI Meetup 2025 Q4 - A Graviton Migration Success Story
FSI Recap
06 FSI Meetup 2025 Q4 - Stifel Modern Data Platform
FSI Recap
07 FSI Meetup 2025 Q4 - Financial Transaction Data Reconciler PayPal
FSI Recap
08 FSI Meetup 2025 Q4 - Scaling Resilience
FSI Recap
09 Maximizing AI Inference Cost Efficiency: Strategic Adoption of AWS GPU Instances
FSI Recap
10 Advanced Agentic AI Design Patterns
FSI Recap
11 Build New Modern Apps on AWS
FSI Recap
AWS re:Invent 2025
01 Coinbase re:Invent の要約 (IND3312)
AWS re:Invent 2025
02 AI と AWS を活用した未来の取引プラットフォームの構築
AWS re:Invent 2025
03 トレーディングイノベーション: Amazon Bedrock (IND3315) の Jefferies AI アシスタント
AWS re:Invent 2025
04 FSI がエージェント型 AI で HFT 分析に革命をもたらした方法 (GBL302)
AWS re:Invent 2025
05 Nasdaq をフィーチャーした Amazon Time Sync による分散システムの改善
AWS re:Invent 2025
06 Amazon Aurora HA および DR グローバル復元力のための設計パターン (DAT442)
AWS re:Invent 2025
07 エージェントの構築 AI: Amazon Nova Act および Strands エージェントの実践 (DEV327)
AWS re:Invent 2025
08 Amazon Aurora とそのイノベーションの詳細 (DAT441)
AWS re:Invent 2025
09 Amazon S3 の詳細解説 (STG407)
AWS re:Invent 2025
10 Nasdaq:グローバル金融サービス向けのレジリエントなインフラストラクチャを構築する (HMC327)
AWS re:Invent 2025
11 AWS Lambda の新機能 (CNS376)
AWS re:Invent 2025
12 Kiro によるスペック駆動開発 (DEV314)
AWS re:Invent 2025
13 Amazon の FinOps: 世界的な E コマース大手から学ぶクラウドコストの教訓 (AMZ308)
AWS re:Invent 2025
14 AWS 上のティック・トゥ・トレード低レイテンシ取引プラットフォーム
AWS re:Invent 2025
Government data
01 The AI Era: The Boundary Between Development and Design Is Disappearing
Government data
02 On-Device Multimodal AI and Smart-City Practice
Government data
03 Large-Model Capability Evaluation and a Method for Landing AI Projects
Government data
04 Controlled End-to-End Automation of Government Development with Cloud Agents
Government data
05 A New Software Ecosystem for the Agent Era, Seen Through Multi-Agent Systems
Government data
06 AI-Driven Macro Quantitative Research and Smart Governance
Government data
07 Authorized Operation of Public Data and Smart-Government Practice
Government data
08 Putting Data Assetization into Practice: Rights, Compliance, Engineering Governance, and Digital-Government Cases
Government data
09 AI for Mental-Health Public Welfare: Governance, Architecture, and Practice of a Trustworthy Platform
Government data
Amarathon 2025 振り返り
01 エージェント向けアーキテクチャ設計への開発者ロードマップ
Donnie Prakoso
02 Amazon Bedrock Data Automation
Hafiz Syed Ashir Hassan
03 AgentCore 上のマルチエージェント
Tan Xin
04 Nova Act と Strands Agents を実践で活用したエージェント型 AI の構築
Haowen Huang
04 仕様駆動開発と Kiro で移行プロジェクトを加速
Sanchit Dilip Jain
06 「マッチング」から「理解」へ: AgentCore Memory が実現するパーソナライズド AI 検索の実践
Liu Cao
07 観測から最適化へ – LLM オブザーバビリティから AIOps へ、リアルタイムの洞察をインテリジェントな自動化に変える
Jimmy Soh
08 TEAM の導入と最高のエンジニアリングチームの構築
Yuji Oshima
09 いわゆるサーバーレスデータベースの5年間から得た5つの厳しい教訓
Renato Losio
14 AI が私の仕事をしたらどうなるか Q Developer CLI と Kiro が私の日常業務をどう変えたか
Miguel Angel Muñoz
16 警戒を保ちながら迅速に:Amazon Bedrock エージェント開発に不可欠なセキュリティ
Brian Tarbox
26 1 台の H100 で OSS LLM をよりスマートに、低コストで、高速に実行
Adit Modi Adit Modi
28 最新の統合メタデータアーキテクチャ:データサイロを解消する新たなアプローチ
Shaofeng Shi
29 サーバーレス MediaOps:Amazon Web Services 上の AI による動画ワークフローの自動化
Luis Valdivia
30 大規模パフォーマンステストによる効率性と信頼性を重視したアーキテクチャ設計
Luis Guirigay
31 オープンソースで世界をつなぐ: テクノロジー、コミュニティ、グローバルな開発者関係をめぐる実践の旅
Richard Lin
33 リアルタイム物流分析のためのストリーミング Iceberg テーブルの構築
Fahad Shah
34 大規模ロボット戦略トレーニングの高速化: Kiro、Trainium、EKS に基づく自動クローズドループアーキテクチャ
Junjie Tang
35 仕様駆動開発で「Vibe」から実用レベルへ
Ricardo Sueiras
36 クラウドコスト分析をよりスマートに: StrandsとAgentCoreによるFinOpsインテリジェントエージェントの構築
Xiaofei Li
37 CNCF Kagent、K8sGPT、Nova Sonicを使用したK8s向け対話型エージェントAIOpsの変革
Shaoyi Li

動画: https://www.youtube.com/watch?v=Ce9lJzpHBJ0

Lambda の主な差別化要因:スピード

● 最大の目標:顧客と開発者にスピードを提供する

● スピードには、コード生成とリリースサイクル全体が含まれる

● リリースの高速化により、より魅力的なアプリケーションとユーザーフィードバックにつながる

● アプリケーションはデフォルトで Well-Architected となり、スケーラビリティ、可用性、信頼性に対応

● 主な利点:管理すべきインフラストラクチャがなく、運用負荷を減らしてスピードを向上

3 つのグループに分類された新機能

1 新しいプリミティブ

● Lambda の managed instances を導入

2 Managed Instances

● メンタルモデル:Lambda はニードルポイント型ワークロード(トラフィックの急増)で真価を発揮

● 定常トラフィックでは、開発者はパフォーマンスとコストの最適化を目指す

● パフォーマンス最適化のため、コンピューティングインスタンス、ネットワーク、メモリを選択可能

● 完全な監視運用と開発者体験を維持

● イベントソース統合、パッチ適用、ルーティング、スケーリングは Lambda が処理

● リクエストをより効率的に処理するため、マルチコンカレンシーを導入

● コスト

最適化のため、EC2 の料金面での優遇措置(Savings Plans、Reserved Instances)を組み込む

3 Capacity Provider

● 追加要件:Capacity Provider を作成

10.コンピューティングインスタンス、メモリインスタンス、スケーリングプロファイルの希望を指定

11.必要に応じて Lambda に選択を任せ、料金パフォーマンスを継続的に改善

ユースケースと機能

● 定常状態のアプリケーション:Lambda がシームレスに処理

● ニードルポイント型のバースト/トラフィック管理:機能を Lambda に任せる

● 定常状態/人気の高いアプリケーション:最適化のため managed instances へ移行

● パフォーマンスが重要なアプリケーション:専用インスタンスを利用可能

● 多様なアプリケーション:メディアデータ処理、ウェブアプリケーション、イベント駆動型アプリケーション

● 規制要件:managed instances ではコンピューティングゾーンの希望を指定可能

テナント分離機能

● ユースケース:リクエスト間の分離が必要なシナリオ

● 利点:一意のテナント ID または JWT トークンを渡し、クリーンで分離された実行環境を実現

● 改善点:CI/CD サイクルを改善し、カスタムツールを不要にする

デフォルトで Well-Architected

● 価値提案:パフォーマンスとセキュリティの修正を含む最新のプログラミング言語

● 最近の追加:Python 3.14、Java 2.5、Node.js 24

● 利点:開発者の生産性を高め、安全かつ迅速なソフトウェアリリースを実現

● メンタルモデル:コミュニティでのリリースから 90 日以内に新しいランタイムを利用可能にする

その他の機能と利点

ランタイムのアップグレード

● 自動パッチ:Log4j のような脆弱性に対応

● 課題:多数の関数のランタイムをアップグレードするには多大な労力が必要

● 解決策:AWS Transform Custom(生成 AI ベースのアップグレード)

● 利点:技術的負債を最大 85% 削減し、開発サイクルへシームレスに統合

● SnapStart:

● 問題:関数の初期化時に発生するコールドスタート

● 解決策:実行環境のスナップショットを作成し、以降の呼び出しを高速化

● 利点:コード変更やカスタムツールを必要とせず、コールドスタート時間を短縮

● Fault Injection Service (FIS) との統合:

● 目的:ストレス条件下でアプリケーションのレジリエンシーをテスト

● 機能:レイテンシーの増加やダウンストリームサービスの利用不能などの条件を指定

● 利点:停止の計画と防止に役立ち、本番シナリオへの信頼性を向上

● オブザーバビリティの改善:

● 課題:イベントソースのポーリングメカニズムを可視化できない

● 解決策:カウント、ログ、スロットリングに関する追加の CloudWatch メトリクスを有効化

● 利点:カスタムツールを必要とせず、問題を即座に検出して解決時間を短縮

AWS Transform custom

一般的なアップグレードシナリオ向けに事前構築され、AWS による審査を受けた、AWS マネージドですぐに使える変換。

追加のセットアップなしですぐに使用できる。

現在利用可能な変換

● Java 8 から 17 への移行(Gradle と Maven の両方)

● Node.js 12 から 22 へのアップグレード(Lambda 環境を含む)

● Python ランタイムの 3.11/3.12/3.13 への更新(標準環境と Lambda)

● AWS SDK の移行(v1 から v2)

● 主な特徴:

● AWS による検証済み - これらの変換は、高品質であることを AWS が審査済み

● すぐに使用可能 - 追加のセットアップは不要

● 継続的に拡充 - 変換が継続的に追加されている

● カスタマイズ可能 - 事前構築済みの変換に、組織固有のニーズに合わせたルールを追加可能(例:社内ライブラリやコーディング標準を扱うルールの追加)

● 実験的サポート - 一部の変換は、追加テスト中のため実験的と表示される場合がある

その他の機能と利点

追加の CloudWatch メトリクス

● 問題:イベントソース(Kafka、SQS)のポーリングメカニズムを可視化できない

● 解決策:ポーラーカウント、ラグ、スロットリングに関する追加メトリクスを有効化

● 利点:カスタムツールを必要とせず、問題を即座に検出して解決時間を短縮

● Avro 形式の Schema Registry サポート:

● 問題:開発者が Avro のシリアライズ/デシリアライズ用ボイラープレートコードを手動で追加する必要があった

● 解決策:Avro イベントを自動的にシリアライズおよびデシリアライズする機能を追加

● 利点:コード量とエラーを削減し、スキーマ進化をサポート。カスタムツールは不要

● SQS の Provision Mode:

● 問題:ポーリングの高速なスケーリングと同時実行数の制御が必要だった

● 解決策:Provision Mode ではキャパシティを事前ウォーミングし、急増へ即座に対応可能

● 利点:急増時の遅延をなくし、SLA の達成とコスト最適化に貢献。カスタムツールは不要

● 開発者の加速:

● 目標:開発者がソフトウェアをより迅速にリリースできるよう支援

● 開発者の希望:コンソールでの初期テスト後は、ローカルマシン/IDE で開発

● 注力点:開発プロセスを効率化し、市場投入までの時間を短縮

開発サイクルを加速する機能

コンソールから IDE へのシームレスな移行

● 機能:最小構成のアプリケーションをコンソール上でワンクリックで構築

● 利点:依存関係をパッケージ化し、手作業なしでローカル IDE に表示してすぐにコーディング可能

● LocalStack を使用したローカルテスト:

● パートナー:LocalStack は AWS サービス(ストレージ、データベース、ネットワーク)をエミュレート

● 利点:ローカルマシン上で完全にオフラインで開発およびテストでき、カスタムツールなしでビジネスロジックの反復を高速化

● リモートデバッグ:

● 機能:2 回のクリックでチェックポイント/ブレークポイントを有効化

● 利点:コードが本番環境で実行されている間に変数とソースコードをローカルで分析し、IAM ポリシー、ロール、データベース接続、VPC、ネットワーク設定をカスタムツールなしでテスト

● ベストプラクティスのための MCP Server:

● 機能:ベストプラクティス(入力検証、エラー処理、ステータスコード)を組み込み

● 利点:高品質で一貫したコードを生成し、コードレビューのサイクルを削減して開発速度を向上

● サポート:ウェブアプリケーションとイベント駆動型アプリケーション(Kafka トリガー、イベント駆動型アーキテクチャ)