Google Cloud Blog 日本語 - TheNote.app

Google Cloud Blog 日本語
フォロー

cloud.google.com/blogは、Google Cloudの公式ブログです。Google Cloudの製品とサービスのニュース、更新、洞察、クラウドコンピューティング業界のトレンドとイノベーションに関する情報を提供します。このブログは、Google Cloudの専門家、エンジニア、思想リーダーが書いた記事で構成されており、人工知能、機械学習、データアナリティクス、セキュリティなど、広範囲のトピックをカバーしています。記事はしばしば技術的なチュートリアル、ケーススタディ、ベストプラクティスを含むため、Google Cloudを使用する開発者、ITプロフェッショナル、ビジネスリーダーにとって非常に有益なリソースです。ブログは、トピック、製品、業界別にカテゴリー化されており、最新の記事を閲覧、特定のトピックを検索、RSSフィードにサブスクライブして最新のニュースと更新を追跡することができます。ブログの主要な特徴として、以下のようなものがあります。 - Google Cloudの製品とサービスの詳細な記事、例えばGoogle Cloud Platform、Google Cloud Storage、Google Cloud AI Platform - Google Cloudサービスの使用に関する技術的なチュートリアルとガイド - Google Cloud顧客のケーススタディと成功事例 - 業界のトレンドとイノベーションに関する洞察と分析 - Google Cloudのパートナーシップと協力に関するニュースと更新 - Google Cloudの専門家と思想リーダーのインタビュー総のところ、Google Cloudのブログは、クラウドコンピューティング、人工知能、関連技術に興味がある誰にとっても有益なリソースです。

Cloud Blog cloud.google.com

RSS cloudblog.withgoogle.com

Google Cloud Blog 日本語 RSS thenote.app

RSS Hunter • 2024年8月23日

ノートのスレッド

Apache Spark の可用性を最大化する：柔軟な VM とその他のベストプラクティスによるコンピューティングの品切れの軽減

AI開発によるコンピューティングパワーの需要増加は、データ処理およびApache Sparkパイプラインに負担をかけ、可用性の制約を引き起こしています。GoogleのManaged Service for Apache Sparkは、クラスターが許容可能なマシンファミリーのランク付けされたリストを使用できるようにすることで、柔軟なVMを提供し、この問題に対処します。このアプローチにより、特定のタイプのマシンの利用可能な容量を超えた需要が発生する在庫切れが発生した場合でも、パイプラインは稼働し続けます。柔軟なVMは、異なる世代やタイプのマシン間でノードを混合するマルチファミリーブレンドを可能にします。また、ホストファミリーのディスクタイプに動的に適応する混合ストレージをサポートし、すべてのノードタイプに対して包括的なクラスターカバレッジを提供します。成功した実装には、手動介入なしで在庫切れのリスクを軽減するために、優先されるマシンファミリーの慎重なランク付けが必要です。例示的な階層化戦略は、本番パイプラインのマシンファミリーとストレージの推奨事項を優先する方法を示しています。レガシーワークロードの場合、階層化戦略は、より新しく、より利用可能なアーキテクチャへの移行を支援します。Hyperdisk Balancedのような最新のストレージを採用することで、新しいインスタンスファミリーで最大の可用性を実現できます。主な考慮事項には、指定されたすべてのマシンタイプの十分なクォータを確保すること、およびコスト削減のためにCompute flexible Committed Use Discountsを活用することが含まれます。パフォーマンスは、マシン世代やストレージタイプによって異なる場合があるため、ワークロードテストが必要です。リソースの可用性を向上させるための追加の推奨事項には、AutoZoneの実装、より小さいマシンシェイプの使用、オートスケーリングのデプロイ、部分的なクラスター作成の設定、およびリージョナルフォールバックの確立が含まれます。柔軟なVMとこれらの戦略を利用することで、ユーザーはハードウェア不足からSparkワークロードを保護し、重要なパイプラインが継続的に実行されることを保証できます。

Maximizing Apache Spark availability: Mitigating compute stockouts with flexible VMs and other best practices cloud.google.com

RSS Hunter • 昨日

新しいSecure Source Managerの機能でCI/CDパイプラインを強化する

安全なソフトウェアサプライチェーンは、安全なイノベーションとモダンなデリバリーに不可欠です。ソフトウェアサプライチェーン攻撃は大幅に増加しています。Google Cloud Secure Source Manager (SSM) は、ソースと CI/CD システムの管理を統合することで、これらの脅威に対処するのに役立ちます。SSM は現在、開発および CI/CD ワークフローを強化するための 2 つの新しい機能を提供しています。企業ネットワークが侵害された場合でも、CI/CD システムへの不正アクセスをブロックできます。さらに、新しい Code Owners システムは、ファイルおよびブランチごとにプルリクエスト承認者に対する詳細な制御を提供します。この機能により、コードの異なるセクションに対して特定の承認者が設定できます。また、ブランチ固有のガバナンスとネスト可能な所有権ファイルもサポートしています。さらに、独立した承認セクションでは、マージ前に複数の部署からの承認が必要になる場合があります。SSM は、Developer Connect とも統合されており、安全な CI/CD システムおよびランタイム接続を実現します。

Strengthen your CI/CD pipeline with new Secure Source Manager capabilities cloud.google.com

RSS Hunter • 昨日

GKE PodスナップショットでAIワークロードをより速く、より効率的にスケールする

現代のAIワークロードは、初期化時間の長さにより、パフォーマンスとコストのジレンマに直面しています。大規模言語モデルやインスタントコード実行には高速なプロビジョニングが必要であり、しばしばインフラストラクチャの過剰支出につながります。Google Kubernetes Engine（GKE）Podスナップショットは、実行中のワークロードの状態を保存および復元することで解決策を提供します。この機能は、AI推論の起動時間を劇的に短縮し、大規模モデルを数秒でロードします。多くのアプリケーションにとって問題となるコールドスタートは、GPUメモリのロードが大きいため、AIでは特に深刻です。従来の方法では、過剰プロビジョニングや、状態復元のための複雑なカスタムソリューションが用いられていました。GKE Podスナップショットは、新しいレプリカに対する冗長なモデルロードを排除することで、AI推論の効率的なスケーリングを可能にします。一度の初期化で永続的なスナップショットが作成され、新しいインスタンスは即座に復元できます。これにより、スケーリングが加速され、高価な過剰プロビジョニングの必要性が減少します。エージェントワークフローの場合、Podスナップショットは起動レイテンシを改善し、アイドル状態のサンドボックスを効果的に管理します。スナップショットは新しいエージェント環境を迅速に初期化し、アイドル状態のサンドボックスを即座に一時停止および再開できるようにします。この機能は、初期化フェーズが長い様々なワークロードに適応可能です。GKE Podスナップショットは、スナップショット管理のための宣言的ポリシーを通じて、Kubernetesワークフローとシームレスに統合されます。

Scale your AI workloads faster and more efficiently with GKE Pod snapshots cloud.google.com

RSS Hunter • 昨日

マルチクラスターGKEインファレンスゲートウェイで1%未満のオーバーヘッドを持つグローバルAIルーティング

AIインフラストラクチャ、特にアクセラレータの需要は非常に高く、データセンター全体で不足とコンピューティング容量の断片化を引き起こしています。大規模なコンテキストウィンドウを持つ最新のAIワークロードは、アクセラレータメモリを急速に消費し、利用率の問題を悪化させます。これに対処するため、グローバルに分散した容量を単一のプールとして扱うためのレイヤードルーティングアーキテクチャが開発されました。このシステムは、グローバルトラフィック分散のためのマルチクラスターGKEインファレンスゲートウェイと、メモリを意識したスケジューリングのためのLLM-dルーターを備えています。このアーキテクチャは、ランタイム、モデル、アクセラレータのタイプに依存しないように設計されています。大規模なマルチリージョンGKEデプロイメントでのベンチマークは、ほぼ線形のスループットスケーリングと99.9%の成功率を示しました。GKEインファレンスゲートウェイは1%未満のオーバーヘッドを追加し、直接クラスター呼び出しのスループットの99.5%を提供しました。トラフィックは、ライブアプリケーションシグナル、特にKV-キャッシュトークン利用率に基づいてルーティングされ、システムがリージョン間でインテリジェントにトラフィックをスプールすることを可能にします。このメモリを意識したルーティングは、アクセラレータがメモリ飽和によって孤立するのを防ぐことで、効率的な利用を保証します。その結果、追加されたアクセラレータからのほぼ比例したパフォーマンス向上を達成し、資本の無駄遣いを回避することで、「ドルあたりのインテリジェンス」を最大化します。主な教訓として、スマートなロードバランシングの重要性、エージェンティックワークロードのメモリボトルネックの考慮、AIトラフィックレイテンシへの適応、ネイティブサービングパターンとのルーティングの統合、そしてオープンでポータブルなスタックの選択が強調されています。

Global AI routing with <1% overhead on multi-cluster GKE Inference Gateway cloud.google.com

RSS Hunter • 昨日

AlloyDBとCloud SQLにおけるネイティブBM25ランキングの発表

ベクトル検索は、生成AIおよびRAGに不可欠ですが、正確な英数字IDには課題があります。セマンティックベクトル検索と正確なキーワード全文検索を組み合わせたハイブリッド検索は、この制限に対処します。以前は、AlloyDBまたはCloud SQLでBM25ランキングを実現するには、個別の全文検索バックエンドが必要であり、複雑さとデータサイロを引き起こしていました。現在、AlloyDBおよびCloud SQL for PostgreSQL 17+では、オープンソースのpg_textsearch拡張機能によって強化されたネイティブBM25インデックスがプレビューで利用可能です。これにより、冗長なシステムが不要になり、業界標準のキーワードランキングがデータベース内で直接提供されます。ネイティブBM25インデックスは、C言語で最適化された高速なスコアリングを提供し、データの重複と同期ラグを排除します。AlloyDBは、ScaNNおよびHNSWインデックスタイプを備えた超高速ベクトル検索も提供します。PostgreSQLのts_rankとは異なり、BM25は逆文書頻度と項頻度飽和を考慮することで、優れた関連性スコアリングを提供します。ハイブリッド検索は、セマンティックな理解と正確なキーワードマッチングを統合し、特定の関連性の高い結果が優先されるようにします。AlloyDBとCloud SQLは現在、ネイティブBM25をサポートしており、統一されたハイブリッド検索エクスペリエンスのためにベクトル検索と統合する方法を提供しています。

Announcing Native BM25 Ranking in AlloyDB and Cloud SQL cloud.google.com

RSS Hunter • 9月18日

国境なきレイクハウスの加速：クロスクラウドキャッシュのプレビューを発表

ボーダーレスなレイクハウスは、複数のクラウドにまたがる組織の完全なデータエステートへの統合されたアクセスを可能にします。以前は、分散データを統合するには複雑なETLパイプラインと高価なデータ転送が必要でした。レイクハウスは、さまざまなクラウドカタログにフェデレーションすることでデータをその場でクエリでき、パートナークロスクラウドインターコネクトを通じて転送コストを削減します。新しい機能強化により、データ転送を最小限に抑えることで、クロスクラウドクエリコストがさらに最適化されます。レイクハウスのクロスクラウドキャッシングは、クエリを透過的に高速化し、頻繁にアクセスされるデータをローカルにキャッシュすることでリモート転送コストを削減します。このキャッシングは、サブファイルブロックの粒度で動作し、保存時のデータを暗号化し、テナントとリージョンの分離を維持します。鮮度チェックは、キャッシュされた結果を提供する前にリモートデータが変更されたかどうかを確認することで、データの正確性を保証します。実際には、このキャッシングにより転送されるデータ量が大幅に削減され、多くの場合、処理されたデータの5％未満になります。この効率性は、総所有コスト（TCO）の削減につながり、エンタープライズ規模でクロスクラウド分析とAIを実用的なものにします。これをIcebergの圧縮と組み合わせることで、ネットワーク転送を処理された全データの3％未満に削減できます。BigQueryのクロスクラウド接続もプレビューで利用可能になり、他のクラウドの非Icebergデータへの直接クエリが可能になり、ワークロードが加速されます。これらの接続は、Google Cloudリージョン内のBigQueryコンピューティングワーカーを活用し、グローバルな可用性と完全なBigQuery機能の同等性を提供します。

Accelerating the borderless Lakehouse: Announcing preview of cross-cloud caching cloud.google.com

RSS Hunter • 9月18日

Google Public Sector によるエージェント時代におけるサービス提供の再考

州および地方自治体は、迅速で公平かつアクセスしやすいサービスの提供を目指していますが、レガシーシステム、サイロ化されたデータ、管理上の負担によって妨げられています。これらの問題は、手作業によるデータ入力や市民に対する反復的な検証プロセスなどの運用上のボトルネックを生み出しています。AIは現在、州のCIOにとって最優先事項として認識されており、彼らはAIが職員の能力向上とサービス提供の改善に不可欠であると考えています。課題は、古いシステムと最新のAI駆動型サービス提供との間のギャップを埋めることにあります。Googleは、政府が統合の課題を克服するのを支援するためにAIスタックを提供しています。例としては、ユタ州運輸局がAIを使用して不動産区画マッピングを行い、数年分の手作業を節約したことが挙げられます。ハートフォード市は、公聴会でリアルタイム翻訳にAIを使用し、参加を増やし、コストを節約しています。チャタヌーガ市は、衝突データを分析するためにAIを使用し、道路

Reimagining service delivery in the agentic era with Google Public Sector cloud.google.com

RSS Hunter • 9月18日

日々のマイクロ習慣を活用してエンタープライズAIビルダーのスキルアップを図る方法

開発者がセットアップの問題に直面し、通常のタスクに戻ってしまうため、企業は生成AIの導入に苦労しており、成功裡な実装を妨げています。開発者の学習時間の制約を考えると、週単位のブートキャンプのような従来のエンタイトルメント方法は効果がありません。Google Cloud Consultingは、迅速な日常的な実践に焦点を当てた、AIエンタイトルメントのための4つの柱のアプローチを提唱しています。これには、長時間のトレーニングセッションではなく、短い単一スキルの目標に学習を分解することが含まれます。事前に構成されたブラウザベースのサンドボックスは、セットアップのハードルを排除し、即時のコーディングを可能にします。毎日の連続記録とチームチャレンジを組み込むことで、実践は日常業務活動に変わります。各演習は機能的なコンポーネントにつながり、累積的に共有コードライブラリを構築します。Advent of Agentsプログラムは、セットアップなしで毎日5分間のブラウザベースの演習を提供することでこれを実証し、開発者の大幅な参加とエージェントコンポーネントの成功裡な作成につながりました。このデータは、セットアップとスケジューリングの障壁が取り除かれれば、開発者は既存のスケジュールに合った学習に参加することを示唆しています。効果的なAIエンタイトルメントには、一貫した実践と、通常の作業を妨げるのではなく、それに統合されるツールが必要です。Google Cloudは、このマイクロエンタイトルメントを促進するために、「Build with Gemini」ワークショップと「Gemini Enterprise Agent Ready」（GEAR）プログラムを提供しています。毎日の習慣とすぐに使えるツールで小さく始めることで、組織は効果的にAI機能を構築できます。

How to upskill enterprise AI builders by using daily micro habits cloud.google.com

RSS Hunter • 9月18日

ゲームを変える：GoogleはどのようにエージェンティックAIを活用して何億行ものコードを保護しているか

Googleは、AIエージェントを開発プロセスに直接統合することで、ソフトウェアセキュリティを強化しています。このプロアクティブなアプローチは、コードが書かれた後に脆弱性を検出するのではなく、コードが書かれている間に脆弱性を防止することを目的としています。このシステムは、コミットされる前にリアルタイムでコード変更を評価する、普及したプリサブミットスキャンを使用します。これは、問題が検出されるのが遅すぎることが多い、従来の遅い、一度きりのスキャンとは対照的です。精度を向上させるために、ライブコードベースのメタデータと依存関係情報を活用するローカライズされた脅威モデルを利用しています。その後、専門のトリアージエージェントが、潜在的な脆弱性を確認するために、迅速で軽量な検証を実行します。この2段階のプロセスにより、精度を損なうことなく低遅延が保証されます。自動バグ修正エージェントは、スキャン結果に基づいてコードパッチを自律的に生成します。これらの修正は、人間のレビューのために提出され、検出から解決までのサイクルが大幅に短縮されます。このAIネイティブ戦略は、毎月数百の脆弱性がGoogleのコードベースに入るのを防いできました。組織は、システムを分離し、コンテキストを賢く使用し、堅牢なハーネスを構築し、修正を自動化するという同様の原則を採用できます。

Changing the game: How Google uses agentic AI to secure hundreds of millions of lines of code cloud.google.com

RSS Hunter • 9月18日

DevFest コミュニティワークショップ体験：リアルエージェントを共に構築する

DevFest シーズンは、ニューヨーク市の Google Hudson Square で 80 人のエンジニアと共に始まりました。このワークショップでは、コードの丸暗記よりもコアコンセプトの理解を優先する、Workbench という新しいアプローチが紹介されました。参加者は、グラフエンジニアリング、自己進化型アーキテクチャ、自動自己パッチングハーネスのメンタルモデルに焦点を当てました。この日は、Google のエージェンティックスタックを使用して、長時間実行される自己進化型マルチエージェントシステムを構築しました。Ricky Robinett は、プロンプトエンジニアリングがエージェントの安全メカニズムとして不十分である理由を説明しました。Rachel Francois と GDG Brooklyn の主催者は、ローカル開発者コミュニティの重要性を強調し、パターンを共有しました。Annie Wang と Christina Lin は、参加者が Google の Agent Development Kit やその他のツールを使用したラボを主導しました。このセッションでは、長時間実行されるタスクを効率化するために、ステートとコンピューティングを分離することを示しました。その後、Logan Hennessy と Kartik Derasari は、より良い入札戦略のために BigQuery データを自律型パイプラインに統合するラボを促進しました。これには、支出の異常を検出し修正するための自己パッチングハーネスの実装が含まれ、ペースの速いクイズが競争的なエンゲージメントの要素を追加しました。DevFest Workbench 体験は、この秋にさらに 5 都市を巡回する予定で、登録枠は急速に埋まっています。

The DevFest Community Workshop Experience: Building Real Agents Together cloud.google.com

RSS Hunter • 9月18日

オーケストレーションの未来：Google Cloud 上の Pine59 の Airflow 3 への道のり

Pine59は、ロケーションインテリジェンスのための大規模データパイプラインを管理しており、メトリクスを時間単位から四半期単位で生成しています。同社のデイリーフットトラフィックメトリクスは、ジョブあたり最大1400万件のロケーションを処理し、Google Cloud上でBigQueryとManaged Service for Apache Airflowを使用し、Airflow 3によってオーケストレーションされています。データ量と機械学習ワークロードの増加に対応するため、Pine59は数百の有向非巡回グラフ（DAG）を含むモノレポをモダナイズしました。この移行により、MLOps機能、開発者のワークフロー、パイプライン速度が大幅に向上しました。同社は、新しいManaged Airflow（Gen 3）アーキテクチャに対して本番ワークロードのストレステストを実施し、処理速度、タスクスケジューリング、安定性の即時的な改善を観察しました。この移行は、モデル推論のために専用のGoogle Kubernetes Engineクラスタを統合し、オーケストレーションと重いML実行を分離することでMLOpsを最適化しました。Airflow 3の改善された開発者ワークフローとユーザーインターフェースは、「BigQuery Auto-linkify」や「DAG Run Configuration Search」のようなカスタムプラグインを通じて活用され、デバッグとトラブルシューティングを迅速化しました。互換性シムレイヤーは、Airflowバージョン間のオペレーター移行を合理化しました。定量的な結果としては、DAG実行のキューレイテンシが劇的に減少し、タスクがほぼ即座に開始されるようになりました。デイリーフットトラフィックパイプラインの完了時間は、38分から26分未満へと約32%短縮されました。Pine59は現在、すべての本番ワークロードをGen 3インスタンスで実行しており、将来のデータおよびAIパイプラインのための、より高速で回復力の高い基盤を確立しています。この移行により、同社のエンジニアリングチームは、インフラストラクチャ管理よりも価値提供に集中できるようになりました。

The future of orchestration: Pine59’s journey to Airflow 3 on Google Cloud cloud.google.com

RSS Hunter • 9月17日

Google、Forrester Wave™の外部脅威インテリジェンスサービスでリーダーに選出

Googleは、Forresterによって外部脅威インテリジェンスサービスにおけるリーダーとして選出されました。同社は、高度な脅威インテリジェンス機能において、複数の基準で最高スコアを獲得しました。Google Threat Intelligenceは、専門的なAIエージェントを活用して、迅速かつ自律的な調査とマルウェア分析を行います。これは、Mandiantのインシデント対応データとVirusTotalのクラウドソーシングによる可視性によってサポートされています。ディープウェブおよびダークウェブの監視は中核的な強みであり、脅威がエスカレートする前に検知します。GoogleのAIエージェントは、Geminiのようなフロンティアモデルによって強化されており、継続的な進化とより迅速な脅威コンテキストの提供を可能にします。同社のプラットフォームは、自律的なキャンペーンの属性特定と複雑なマルウェア分析を可能にします。Googleの脅威インテリジェンス研究者は、MITRE ATT&CKにマッピングされた証拠に基づいた属性特定を提供します。これらの機能は、検出品質を向上させ、セキュリティオペレーションセンターのルール作成を効率化します。顧客は、Google Threat Intelligenceにより、プロアクティブな脅威特定とチームの効率において大幅な改善を報告しています。

Google named a Leader in the External Threat Intelligence Service Forrester Wave™ cloud.google.com

RSS Hunter • 9月17日

AlloyDBとMCPで5大陸の入札プラットフォームを運営するソロファウンダーの方法

Lucius AIは、AlloyDB for PostgreSQL上でグローバルな入札インテリジェンスプラットフォームを運用しており、リレーショナルデータ、監査ログ、ベクトル埋め込みを統合しています。この統合アプローチにより、個別のデータベースシステムが不要になります。セマンティック検索をScaNNインデックスに移行したことで、クエリレイテンシが劇的に改善されました。クエリ時間は1.14秒からわずか24ミリ秒に短縮され、47倍の高速化を実現しました。同社はまた、Model Context Protocol（MCP）を使用してAIエージェントをAlloyDBに接続しています。この統合により、クエリ分析やデータ鮮度チェックなどの重要な管理タスクが自動化されます。安全なデータベース運用を確保するために、厳格な最小権限の原則が実装されました。Lucius AIのプラットフォームは、複数の大陸にわたる210,000件以上の入札をカバーしています。このアーキテクチャにより、一人の創業者でも広範な運用調整を効果的に管理できます。将来の計画には、自動化されたベクトル埋め込みとAlloyDBのコラムナーエンジンの活用が含まれます。AlloyDBとMCPを介した運用管理により、単一のエンジニアによって管理される回復力の高いマルチリージョンプラットフォームが可能になります。

How a solo founder runs a five-continent tender platform on AlloyDB and MCP cloud.google.com

RSS Hunter • 9月17日

M4N VM ファミリー、一般提供開始：I/O およびメモリバウンドなワークロード向けの最高のコアあたりの IOPS とスループット

エンタープライズアプリケーションは、ストレージI/Oとメモリアクセスのボトルネックに直面することが多く、コンピュートコアの過剰プロビジョニングとソフトウェアライセンスコストの増加につながります。Google CloudのCompute Engineにおける新しいM4Nマシンシリーズは、これらの課題に対処するために設計されています。これらのインスタンスは、I/O集約型でメモリ負荷の高いワークロードのために特別に構築されており、競合他社に対して大きな優位性を提供します。M4Nは、メモリ負荷の高いインスタンスに対して、コアあたりのIOPSとスループットを最高レベルで提供します。また、Oracleデータベースの総所有コストを20%以上削減します。M4Nインスタンスは、最大26:1の高いメモリ比率を特徴とし、最大6TBのメモリまで拡張可能です。Intelの第5世代XeonスケーラブルプロセッサとGoogle CloudのカスタムTitaniumオフロードアーキテクチャを搭載し、優れたホストストレージパフォーマンスを実現します。Hyperdisk Extremeと組み合わせることで、M4Nインスタンスは最大25 GiB/sの集約ストレージパフォーマンスと100万IOPSを達成します。この新しい提供は、既存のメモリ最適化ファミリーを補完し、特にストレージとネットワークのボトルネックを対象としています。M4Nは、ミッションクリティカルなデータベース、生成AIデータレイヤー、エンタープライズヘルスケア、リアルタイム分析に最適です。高いメモリ対コア比率により、迅速なデータ取り込みとゼロストールバックアップサイクルが可能になります。また、インスタンスは、大規模なベクトルインデックスのサブミリ秒類似性検索と400 Gbpsのネットワーク帯域幅をサポートします。この機能は、生成AIにおける分散モデル取得に不可欠です。エンタープライズヘルスケアおよびERPシステムでは、M4Nは持続的なI/Oヘッドルームを確保し、ピーク使用時のレイテンシスパイクを防ぎます。これは、Epic SystemsやSAP S/4HANAなどのアプリケーションにとって非常に重要です。リアルタイム分析および電子設計自動化は、大規模データセットのロードのための高いメモリ容量と最大のストレージ帯域幅から恩恵を受けます。これにより、効率的なチェックポインティングとインメモリ処理が可能になります。M4Nインスタンスは、インフラストラクチャの適切なサイジングを可能にすることで、Oracleライセンスコストを大幅に最適化します。企業は、パフォーマンス密度要件を満たしながら、コアの過剰プロビジョニングを削減できます。これにより、他のハイパースケーラーと比較して、TCOが大幅に削減されます。コアあたりのメモリが増えることで、データベースのより大きな部分がシステムグローバルエリアに配置され、高価なI/O操作が削減されます。初期の顧客体験は、さまざまなインスタンスサイズで高スループットを提供することにより、ワークロードを変革する上でのM4Nの役割を強調しています。新しいコンピューティングプラットフォームは、スケーラブルで回復力があり、パフォーマンスの高いエンタープライズOracleデプロイメントの可能性を示しています。M4Nは、大規模なメモリフットプリントと極端なI/Oパフォーマンスの間のギャップを埋め、追加のインフラストラクチャなしでボトルネックを最小限に抑えます。これにより、要求の厳しいデータ環境向けの強力なソリューションとなります。M4Nインスタンスは、現在、世界の一部の地域で利用可能です。

M4N VM family, now GA: Highest per-core IOPS and throughput for I/O and memory-bound workloads cloud.google.com

RSS Hunter • 9月16日

OrangeがFinOpsを全員の責任にするためにエージェントをどのように活用しているか

フランスの通信大手であるOrangeは、「FinOpsクリーンデー」を通じてクラウド支出の課題に成功裏に対処しています。これらのイベントでは、エンジニアリングチームが通常の業務を一時停止し、クラウドコストの最適化に協力して取り組みます。多くの場合、競争的なリーダーボードや報酬が用意されています。経験豊富な実践者が新規参加者を指導し、実践的な応用を通じて学習を促進し、スポンサーに具体的な成果を示します。このゲーミフィケーションされたアプローチは、OrangeのFinOpsコミュニティのエンゲージメントと満足度を大幅に向上させ、高いネットプロモータースコアを達成しました。同社の成功は、クラウドコストの共有責任と、変化を推進するためのコミュニケーションの必要性という、2つのコアなFinOps原則に根ざしています。Orangeは、FinOpsがクラウドセキュリティと同様に、プロジェクト内のすべてのステークホルダーが関与するものであることを強調しています。これを促進するために、標準化されたコミュニケーションチャネルを活用し、継続的な価値を確保するための実行可能なアップデートを提供するFinOpsコミュニティ・オブ・プラクティスを確立しました。クリーンデーの概念は、アジャイルチームの運用上の現実を理解することから生まれました。アジャイルチームでは、最適化はしばしばデリバリーの優先順位によって後回しにされます。これらの活動のために、専用の、協力的で楽しい時間を設けることで、Orangeはこの一般的なハードルを克服します。この戦略は、マッキンゼーのチェンジマネジメントフレームワークと一致しており、確信、正式なメカニズム、ロールモデリング、タレント開発に対処しています。ゲーミフィケーションと目に見える成功は、確信とロールモデリングを構築し、ピアツーピアのガイダンスはスキルを開発します。このエンゲージメントをコアグループの100人を超える範囲に拡大するには、AIエージェントの活用が必要です。これらのエージェントは、時間のかかるタスクを処理し、エンジニアの摩擦を軽減し、認識のギャップ、帯域幅の制限、またはレポートの複雑さといった永続的な課題に対処できます。AIエージェントの戦略的な導入は、まず機能に関する情報提供と提案から始め、信頼が確立され、運用リスクが管理されたら、徐々に変更を実行するエージェントへと移行していくべきです。これらのAIソリューションの構築は、ノーコードのGemini Enterprise Appや、開発者向けのより高度なGemini Enterprise Agent Platformなど、さまざまなコーディングレベルで行うことができます。最終的に、効果的なクラウドFinOpsは、AIエージェントによって強化された強力な文化基盤に駆動され、中央集権的なレポートから分散型の行動へと移行しています。Orangeの功績は、このコミュニティ主導のアプローチを育成することの重要性を、最初の重要なステップとして強調しています。

How Orange uses agents to make FinOps everyone's responsibility cloud.google.com

RSS Hunter • 9月16日

クラウドCISOの見解：GoogleはAIの脅威をどのように監視し、AI防御を進化させているか

この記事では、AI開発者およびセキュリティ企業としてのGoogleの二重の役割について論じ、AIの脅威に関する独自の洞察を提供しています。Sandra Joyceは、AIがソフトウェア開発を再構築し、攻撃対象領域を拡大し、脅威能力を強化するという3つの主要な変化を強調しています。攻撃者はAI支援コーディングツールを汚染し、プロンプトインジェクションなどの手法でAIエージェントを標的にしています。Googleは、リアルタイムの「サイバーセキュリティのためのスペルチェック」機能により、AI開発パイプラインに直接セキュリティを組み込んでいます。セキュリティのための単一のAIモデルでは不十分であり、Googleは包括的な脆弱性検出のためにマルチモデルアプローチを使用しています。敵対者は、GPUアクセスを標的にし、貴重なAIデータ、モデル、認証情報を盗むことで、AIワークロードを悪用しています。Googleは、これらの拡大する脅威に対抗するために、コード、モデル、データ、IDを接続する統一されたセキュリティグラフを提唱しています。AI駆動型攻撃に対抗するために、手動のインシデント対応は機械速度の運用に置き換えられています。防御側は、AIモデルにフィードして、より迅速かつ正確なセキュリティを実現できる深い内部コンテキストを持っているため、有利です。Googleは、悪意のあるインフラストラクチャを無効化し、AIモデルを強化し、脆弱性ハンティングを自動化し、高度な防御を開発することで、エコシステムを積極的に防御しています。この記事は、AI時代を確保するには、AI駆動型の防御と、継続的な機械速度の保護への移行が必要であることを強調しています。

Cloud CISO Perspectives: How Google monitors AI threats and advances AI defenses cloud.google.com

RSS Hunter • 9月16日

SeaVerseでは、GKE Agent Sandboxによりインフラコストが60%削減されます。

SeaVerseは、ユーザーがシンプルなプロンプトから作成したプレイ可能なAI体験のためのプラットフォームを構築するゲーミングスタートアップです。ユーザーはゲームをプレイしたり、AIキャラクターとチャットしたり、独自のインタラクティブアプリやビジュアルパターンを作成したりできます。このプラットフォームは、従来のコーディングなしでアイデアを迅速に洗練し公開できる、高速で簡単なクリエイティブループを優先しています。これを実現するために、SeaVerseは、強力な分離と低遅延を備えた動的なマルチテナントAIワークロードを実行できる堅牢なインフラストラクチャを必要としていました。これらの要求を満たすために、Google Kubernetes Engine (GKE) と GKE Agent Sandbox を採用しました。GKE は Kubernetes オペレーションのための管理された基盤を提供し、エンジニアをクラスターメンテナンスから解放しました。GKE Agent Sandbox は、Kata Containers や gVisor などのテクノロジーを使用して、動的なサンドボックスワークロードのための深いカーネルレベルの分離を提供しました。このソリューションにより、SeaVerse はユーザーエクスペリエンスの速度を損なうことなく、強力なセキュリティ境界を達成することができました。プラットフォームは現在、サンドボックスパフォーマンスのオブザーバビリティが向上し、問題解決が迅速化されています。この強化された可視性により、以前は不透明だったサンドボックスの障害が透明なプロセスに変わりました。さらに、GKE Agent Sandbox はコストの柔軟性を提供し、SeaVerse はリソースをワークロードに適切にマッチさせ、インフラストラクチャコストを最大60%削減することができました。プラットフォームは現在、進化するクリエーションのための永続ストレージをサポートしており、クリエイターエクスペリエンスを向上させています。SeaVerse は、AI体験を即時的で、表現力豊かで、つながりのあるものにすることを目指しており、GKE と GKE Agent Sandbox は将来の成長とイノベーションのための強力な基盤を提供しています。

For SeaVerse, GKE Agent Sandbox reduces infrastructure costs by 60% cloud.google.com

RSS Hunter • 9月16日

ネイティブで詳細な制御を備えた新しいセッション管理ツールの紹介

Google Cloud は、セキュリティを強化し、認証情報窃盗を軽減するために、セッション管理を強化しました。これまで独自のセッション長を設定していなかったすべての顧客に、デフォルトで 16 時間のセッション長が適用されるようになりました。このセキュリティ標準は、より広範な保護を確保するためにグローバルに拡張されました。セッション制御は、単純な管理者設定を超えて進化し、Context-Aware Access と統合された詳細な機能になりました。このアップデートにより、管理者は柔軟性の向上、自動化の改善、およびより合理化されたセキュリティワークフローを実現できます。Terraform、gcloud CLI、および REST API を介したインフラストラクチャとしてのコードのサポートにより、セッションポリシーのプログラムによる管理が可能になります。Google グループを使用してポリシーを正確にターゲット指定できるようになり、特権昇格ユーザーなどの異なるユーザーグループに対して個別のセッション長を設定できます。セッション制御は、Google Cloud Console や gcloud CLI などの特定のアプリケーションにも適用でき、過度に制限的な一律ポリシーを防ぎます。管理者は、Access Context Manager を介して Google Cloud Console 内で直接これらのポリシーを管理できるようになり、統一されたエクスペリエンスが提供されます。これらの変更により、開発者の生産性を妨げることなく、高リスク領域での再認証境界をより厳密にすることができます。

Introducing new session management tools with native, granular controls cloud.google.com

RSS Hunter • 9月15日

Agent Substrateは、GKEに高密度、スケーラブル、信頼性の高いインフラストラクチャをもたらします。

オープンソースのエージェント実行ランタイムであるAgent Substrateが、Google Kubernetes Engine (GKE) で利用可能になりました。この技術は、標準コンテナよりも大幅に高い密度で、数百万のサンドボックス化された自律エージェントを実行するように設計されています。Agent Substrateは、ネイティブなゼロトラストカーネルとネットワーク分離によって実現される、高速なサスペンドおよびレジューム操作を誇ります。トップランクのHermes Agentの背後にあるNous Researchのような主要なAIチームは、すでにAgent Substrateを活用しています。エージェントプラットフォームのスケーリングは、不透明な信頼境界やツールアクセスにおける摩擦などの課題を提示します。従来のアーキテクチャは、エージェントアクティビティの大量のバーストやアイドル状態のコンピューティングリソースに苦労します。Agent Substrateは、エージェント実行とマシン管理を分離することで、これらの問題に対処します。マイクロVMまたはgVisorサンドボックスを使用したデフォルトでのセキュリティと、きめ細かなネットワーク制御を提供します。システムは、エージェントのサブ秒アクティベーションと、アイドルエージェントをサスペンドしてコンピューティングを解放することによる高効率を保証します。これは、任意のKubernetesクラスタで実行され、コスト効率のためにカスタムComputeClassesとArmベースのプロセッサを利用してGKEに最適化されています。Agent Substrateは、本番環境のエージェントアプリケーションを構築するためのスケーラブルで信頼性の高い基盤を提供します。

Agent Substrate brings high-density, scalable, trusted infrastructure to GKE cloud.google.com

RSS Hunter • 9月15日

Telco Autonomyのスケールアップ：分散GraphFlowを用いたGNNの活用

電気通信業界は、現代のネットワークの複雑化が進むにつれて、自律的なネットワーク運用へと移行しています。従来の人的な手法や基本的な機械学習では、これらの洗練されたシステムを自動化するには不十分です。AIエージェントは推論能力を提供しますが、ネットワークデータの膨大な規模には苦労します。このギャップを埋めるために、グラフニューラルネットワーク（GNN）がAIエージェントと統合され、大規模な時間的および関係的データを処理しています。この組み合わせにより、推論とアクション実行に加え、根本原因分析や容量計画などの高度な診断が可能になります。Google Cloudの自律ネットワーク運用フレームワークは、データ、ML、AIの3つのコンポーネントアプローチを使用しています。基盤となるのは、ライブネットワークの動的なグラフ表現であるネットワークデジタルツインであり、スケーラビリティとマルチモデルサポートのためにGoogle CloudのSpanner Graphでホストされています。MLレイヤーは、GNNライフサイクルの管理のためのオープンソースPythonライブラリであるDistributed Graph Flow（DGF）を利用し、予測的な洞察を可能にします。DGFはGNNモデルの開発を簡素化し、異常検出、根本原因分析、予測保守などのアプリケーションを可能にします。また、ネットワークの変更とその影響をシミュレートすることによる「What-if」分析も容易にします。5段階のプロセスは、DGFとGNNを使用した根本原因分析の実装を概説しており、デジタルツインへの接続、予測モデルのトレーニング、リアルタイム推論のためのデプロイが含まれます。このGNNを活用した進化は、障害時間の短縮、容量の最適化、顧客体験の向上を約束します。

Scaling Telco Autonomy: Leveraging GNNs with Distributed GraphFlow cloud.google.com

RSS Hunter • 9月15日

クラウド信頼性インシデント対応のベストプラクティス

クラウドの停止は、軽微な影響から広範囲にわたる影響まで、サービスの提供を著しく妨げる可能性があります。これらのインシデントを処理するには、検証、調査、報告、解決、レビューの構造化されたワークフローが推奨されます。障害を想定した設計や対応手順の練習を含む、プロアクティブな準備が不可欠です。このガイドは、セキュリティ固有の対策を除外し、信頼性インシデント処理の基本的なベストプラクティスに焦点を当てています。サイト信頼性エンジニアリングでは、AIエージェントを活用した高度な技術も登場しています。最初のステップは準備であり、自動化された対応のための設計、容易に入手可能で複製されたデータの確保、明確な役割が定義されたプレイブックの開発、および定期的なトレーニングドリルを実施することを含みます。次のフェーズは検証であり、検出された障害はGoogle、ユーザー、またはサードパーティのいずれかに起因するものと特定する必要があります。パーソナライズドサービスヘルスと公開されているクラウドサービスヘルスダッシュボードを確認することで、Googleがインシデントを宣言したかどうかを判断するのに役立ちます。調査には、特にGoogleがインシデントを宣言していない場合、メトリクスとログを分析して原因を特定し、最近の変更を考慮することが含まれます。ヘルスダッシュボードが緑色であるにもかかわらずサービスが失敗している場合は、適切な優先順位設定と詳細なケース提出とともに、Googleへの報告が必要です。解決には、ステークホルダーとのコミュニケーション、可能な場合はセカンダリシステムへのフェイルオーバー、および回避策の特定が含まれます。企業は規制上の報告要件も考慮する必要があります。安定性が回復した後、プレイブック、ツール、およびトレーニングの改善点を特定するために、非難のない事後分析が不可欠です。このレビュープロセスは、将来の障害に対するインシデント対応能力を洗練するのに役立ちます。

Best practices for handling cloud reliability incidents cloud.google.com

RSS Hunter • 9月15日

Filestore エージェントボリュームのご紹介：エージェントワークスペース向けのフルマネージドストレージ

エンタープライズにとってデータ駆動型タスクの実行は極めて重要ですが、現在のエージェントストレージソリューションでは、状態のシャトルや手動でのディスク管理といった複雑な回避策が必要です。これらの方法は、エージェントフリートがスケールするにつれて、レイテンシ、運用上の複雑さ、コストのトレードオフにつながります。組織は、厳格な分離、インスタントセッション再開、従量課金制のエコノミクス、そして円滑なマルチエージェントコラボレーションを提供するストレージを必要としています。これらのニーズに対応するため、Google Cloudは、フルマネージドで高性能、かつ弾力的なファイルストレージソリューションであるFilestore agent volumesを導入します。この新しい機能は、Google Cloud上でエージェントワークロードをスケーリングするために特別に設計されており、GKE上のAgent Substrateのような専用コンピューティング環境を補完します。Filestore agent volumesは、GKEサンドボックスに対して、分離された永続的なファイルストレージへのインスタントアクセスを提供し、ボリュームライフサイクル全体を自動化します。主なメリットには、詳細な分離とエンタープライズガードレール、コスト削減のためのサブセカンドセッション再開、従量課金制のスマートライフサイクルエコノミクス、そしてネイティブRWXサポートによるマルチエージェントコラボレーションが含まれます。このソリューションは、ソフトウェアエンジニアリングサンドボックス、協調的なマルチエージェントスウォーム、インタラクティブな長期的ワークフローなど、さまざまなエージェントワークロードを可能にします。Filestore agent volumesは現在、非本番ワークロードで利用可能であり、本番サポートはallowlist経由で提供され、スケーラブルなエージェントプラットフォームのためにGKEとのシームレスな統合を提供します。

Introducing Filestore agent volumes: fully managed storage for agent workspaces cloud.google.com

RSS Hunter • 9月15日

Dataflow における Pause/Resume および NVIDIA RTX PRO 6000 Blackwell GPU サポートを発表

企業は、効率的なAIおよびエージェンティックワークフローのためにサーバーレスプラットフォームを必要としており、データ準備が主要な課題となっています。Google Cloud上のDataflowは、分析およびAI向けのバッチおよびストリーミングパイプラインを促進します。大幅な機能強化により、長時間実行されるバッチジョブのコンピューティング効率が向上し、AIワークロードの推論能力が強化されました。DataflowバッチジョブのPause/Resumeの一般提供により、ユーザーは最後のチェックポイントから失敗したジョブを再開でき、コンピューティングリソースを節約し、生産性を向上させることができます。この機能は、優先度の高いAIタスクのためにコンピューティングリソースを動的に再割り当てすることも可能にします。さらに、DataflowはNVIDIA RTX PRO 6000 Blackwell GPUを搭載したG4 VMをサポートするようになりました。これらの新しいGPUは、メモリと帯域幅の増加を含む、AI推論のための大幅なパフォーマンス向上を提供します。これにより、Dataflowジョブは700億を超えるパラメータを持つモデルを直接処理できるようになります。顧客は、これらの新しいGPUを使用して、RunInferenceやGPU対応の自動スケーリングなどのネイティブDataflow ML機能を活用できます。Pause/Resumeと新しいGPUを組み合わせることで、バッチジョブのコストが最適化され、要求の厳しいAIワークロードが加速されます。これらの進歩は、顧客のAI開発とデプロイメントを簡素化することを目的としています。

Announcing Pause/Resume and NVIDIA RTX PRO 6000 Blackwell GPU support in Dataflow cloud.google.com

RSS Hunter • 9月14日

エージェント対応分析：BigQuery拡張分析によるインサイトの解放

BigQuery は、複雑なデータ分析を自動化するために、拡張分析テーブル値関数 (TVF) を導入しました。これらの関数は、AI、ML、および統計的手法を組み合わせて、データ内で直接、より迅速なインサイトの発見を可能にします。6 つの新しい TVF が利用可能です。AI.KEY_DRIVERS はメトリック変更のドライバーを特定し、AI.CAUSAL_EFFECT はアクションの影響を定量化し、ML.CORRELATION はメトリック関係を測定し、ML.DETECT_CHANGE_POINTS はデータのシフトを見つけ、ML.TREND はノイズから根本的な成長を分離し、ML.SEASONALITY は予測可能なサイクルを明らかにします。これらの TVF は、複数ステップの分析のために連鎖させることができます。例では、ML.DETECT_CHANGE_POINTS、AI.KEY_DRIVERS、および AI.CAUSAL_EFFECT を使用して、バイクシェアのトリップデータを分析する方法を示しています。この連鎖プロセスは、まずトリップ量の有意なシフトを特定し、次にそれらのシフトを推進する要因を特定し、最後に実際のビジネスへの影響を定量化します。これらの TVF は、会話型分析とも統合されており、自然言語クエリで複雑な複数ステップのデータ調査をトリガーできます。例では、会話型プロンプトがこれらの TVF を活用して、タクシーと酒類の販売データの相関およびトレンド分析を行う方法を示しています。これらの関数は、データ駆動型のインサイトを効率的に理解し、それに基づいて行動する能力を大幅に向上させます。

Agent-ready analytics: Unlocking insights with BigQuery augmented analytics cloud.google.com

RSS Hunter • 9月14日

Googleは、The Forrester Wave™: Public Cloud Platforms, Q3 2026のリーダーです。

Google Cloudは、Forrester Wave™: Public Cloud Platforms, Q3 2026レポートにおいて、リーダーとして認められました。「現在の提供」カテゴリで最高スコアを獲得しました。また、評価された30の基準のうち23項目で最高評価を受け、AI開発、データベース、分析、セキュリティにおける強みを強調しました。この認識は、エージェンティック時代に向けたGoogle Cloudの統合プラットフォーム戦略を裏付けるものです。同社のインフラストラクチャは、GeminiやSearchなどのサービスのために10年以上にわたって共同設計されてきました。この統合AIスタックは、コンピューティング、オーケストレーション、ネットワーキングを提供し、付加価値を高めます。Google Cloudは、急速なイノベーションとAI対応プラットフォームに注力する企業にとって、有利な立場にあります。このプラットフォームは、Kubernetesを活用して、安全で柔軟な基盤上で自律エージェントを実行することをサポートします。最近の強化には、安全なコード実行のためのGKE Agent Sandboxや、コンピューティングコストを削減するためのGKE Pod Snapshotsが含まれます。Agentic Data Cloudは、トランザクションデータと分析データを統合し、リアルタイムのコンテキストを提供します。Google Cloudは、データベース、分析、データガバナンスサービスに優れており、統合されたデータエステートを提供します。これにより、エージェントは高価なデータ移動なしにライブエンタープライズデータをクエリでき、決定論的な応答性を促進します。

Google is a leader in The Forrester Wave™: Public Cloud Platforms, Q3 2026 cloud.google.com

RSS Hunter • 9月14日

Goldman Sachs Communicopia & Technology ConferenceにおけるThomas Kurianの基調講演からの3つのハイライト

トーマス・クリアンは、ゴールドマン・サックス・テック・カンファレンスでGoogle Cloudの戦略を発表し、フルスタックAIアプローチを強調しました。Google Cloudは、パフォーマンス、コスト、品質で差別化を図りながら、AIスタック全体にわたるソリューションを提供し、市場と収益を拡大しています。同社は、10億ドルを超える収益を上げる17の製品ラインを誇り、顧客はしばしばコミットメントを50％以上超過しています。1億ドルから10億ドルの取引で顕著な成長が見られ、300社以上の顧客が1億ドルを超えるコミットメントを保持しています。Google CloudのAIインフラストラクチャは、差別化された製品に基づいて構築されており、AIモデルのコストを削減し、パフォーマンスを向上させます。同社のAIサーバーは2年間のペイバック期間を持ち、TPUはさらに迅速なリターンを提供します。AIインフラストラクチャの総契約価値の大部分は、コミットされた5年間の契約から来ています。Gemini Enterpriseの採用は堅調であり、コスト効率が高く、管理されたビジネスインサイトを提供します。Google CloudのAI製品を利用する顧客は、より多くの製品（1.8倍）を使用しており、エンゲージメントが高まっています。これらの記述は将来の見通しに関するものであり、様々なリスクと不確実性の影響を受ける可能性があります。

3 Highlights from Thomas Kurian’s Keynote at the Goldman Sachs Communicopia & Technology Conference cloud.google.com

RSS Hunter • 9月11日

Google Cloud Developer Plugin for AI Coding Agents のご紹介

エージェントのスキルはAIワークフローを強化しますが、個別に管理するのは煩雑になる可能性があります。プラグインは、関連するスキルとツールをインストール可能なユニットにバンドルすることで、この問題を解決するために導入されました。Google Cloudは現在、AIコーディングエージェント向けの新しいプラグインを提供しており、Google Cloud固有の機能でそれらを強化しています。このプラグインは、関連する機能をパッケージ化することで、ツールの結合という課題に対処します。これにより、エージェントはGoogle Cloudのスキルを効果的に取得し、ドキュメントを使用し、プログラムでプラットフォームと対話できるようになります。このプラグインは、オープンなAgent Plugins仕様に基づいて構築されており、AIコーディング環境全体での相互運用性を促進します。フラッグシッププラグインであるgoogle-cloud-developerは、認証やプロジェクト管理などの基本的なGoogle Cloudインタラクションでエージェントを支援します。また、最新のドキュメントのためにDeveloper Knowledge MCPサーバーをバンドルしています。このプラグインは、環境認識とベストプラクティスレビューを通じて、プロジェクトのオンボーディングやID認証などのプロセスを合理化します。Google Cloudプラグインのインストールは、CLIコマンドまたはマーケットプレイスの追加を通じて簡単に行えます。ユーザーは、新しいプラグインを試して、ガイド付きセットアップとより深い洞察のための追加リソースを探索することをお勧めします。

Introducing the Google Cloud Developer Plugin for AI Coding Agents cloud.google.com

RSS Hunter • 9月10日

AlloyDB Omni RPM Orchestrator によるエンタープライズグレードの PostgreSQL が一般提供開始

AlloyDB Omni Red Hat RPMオーケストレーターの一般提供により、PostgreSQLワークロード向けの本番環境対応のセキュリティと低ダウンタイム運用が実現しました。このリリースは、スタンドアロンRPMおよびKubernetesを使用したコンテナ化オプションを含む4つのデプロイメントモードをサポートしています。RPMデプロイメントは、特にワークロードのモダナイゼーションや規制対象環境において、ローカル制御によるクラウドパフォーマンスを必要とする組織に最適です。また、低レイテンシ処理や切断された運用向けに、エッジおよびオンプレミスデプロイメントも可能にします。オーケストレーターは、クラスタプロビジョニングとライフサイクル管理を簡素化し、柔軟なリファレンスアーキテクチャを提供します。高可用性は、同期レプリケーションと自動フェイルオーバー処理により実現され、リードプールはリードワークロードの動的なスケーリングを可能にします。データ保護は、GCSまたはS3互換ストレージへのポイントインタイムリカバリをサポートする、自動バックアップおよびリストア機能により強化されています。SELinux強制は厳格なコンプライアンスのために提供され、低ダウンタイムメンテナンスはロールバックサポート付きのアップデートとスケーリングを自動化します。オーケストレーターは、ノードの追加または削除による動的な設定チューニングとクラスタメンテナンスを簡素化します。高度なロギング、リッチなオブザーバビリティのためのカスタムメトリクスを提供し、生成AIアプリケーション向けにAlloyDBのAI機能を統合します。

Enterprise-grade PostgreSQL with AlloyDB Omni RPM Orchestrator is generally available cloud.google.com

RSS Hunter • 9月9日

Googleは、2026年版ガートナー®マジック・クアドラント™エンタープライズAIアシスタント部門のリーダーです。

Gartnerは、その初の2026年エンタープライズAIアシスタント向けマジック・クアドラントにおいて、ビジョンの完全性と実行能力を評価し、Googleをリーダーに指名しました。Gemini Enterpriseは、AIを日常業務に安全に統合する統合プラットフォームとして強調されており、基本的なチャットを超えてAIエージェントによる複雑なワークフローを自動化します。既存のツールやインフラストラクチャと連携し、組み込みのセキュリティとガバナンスにより、スケーラビリティとコスト効率を提供します。Gartnerは、Gemini Enterpriseの統合されたAIフロントドア、様々なシステムへのオープンな接続性、そして分かりやすい価格設定を高く評価しています。このプラットフォームは、堅牢なガバナンスをすぐに利用できる状態で提供し、GoogleのフルスタックAIインフラストラクチャの恩恵を受けています。最近の進歩には、法律および金融サービス向けのカスタマイズされた業界ソリューション、Google Antigravityのような開発者ツール、そして改善されたFinOpsとコスト管理が含まれます。Accenture、Cleary Gottlieb、Deutsche Bank、Williams & Connollyなどの顧客は、すでに大きな価値と効率の向上を体験しています。Gemini Enterpriseは、組織がすべてのチームにわたってガバナンスされた接続エージェントを展開することを可能にします。読者は、エンタープライズAIアシスタント市場の包括的な分析のために、完全なGartnerレポートをダウンロードできます。

Google is a Leader in the 2026 Gartner® Magic Quadrant™ for Enterprise AI Assistants cloud.google.com

RSS Hunter • 9月9日

DMSを超えて：SQL ServerのログインとユーザーをCloud SQLへ移行する

Database Migration Service は効率的にデータをレプリケートしますが、セキュリティおよびコンプライアンス上の理由から、ログインのようなサーバーレベルのオブジェクトは除外されます。この意図的な省略は、オンプレミスの権限が自動的にクラウドに移行しないようにすることで、不正な権限昇格を防ぎます。監視なしで暗号化されたパスワードハッシュを移行することも、PCI-DSS や SOC 2 のようなコンプライアンスフレームワークに違反します。このプロセスは、古い資格情報を削除し、クラウドネイティブ認証に移行することで、ID のモダナイゼーションも可能にします。SQL Server は、サーバーレベルで接続を認証するログインと、データベース内のアクションを承認するユーザーを分離します。セキュリティ識別子 (SID) は、サーバーログインとデータベースユーザーをリンクします。データベースが対応するログインなしで、または SID の不一致で移行されると、ユーザーは孤立する可能性があります。Microsoft の sp_help_revlogin スクリプトは、元のパスワードハッシュと SID を持つログインを再作成するための T-SQL ステートメントを生成します。このスクリプトは、移行クエリを生成するためにソースインスタンスで実行されます。生成されたクエリは、次に宛先の Cloud SQL インスタンスで実行され、必要なログインを作成します。ユーザーが孤立した場合、ALTER USER コマンドを使用して正しいサーバーログインに再マッピングできます。セキュリティを強化するために、集中型の Kerberos ベースの認証のために Customer-Managed Active Directory への移行を検討してください。

Beyond DMS: Accelerating Migrations SQL Server Logins and Users to Cloud SQL cloud.google.com

RSS Hunter • 9月9日

Airtelがどのようにして完璧なインドプレミアリーグ2026クリケット放送を実現したか

Airtelは、数百万人のファンにインディアン・プレミアリーグのクリケットシーズンを完璧なライブストリーミングで提供することを目指しました。彼らは、IPL 2026シーズンのデジタル配信のためにGoogle Cloudと提携しました。ストリーミングインフラストラクチャは、74試合にわたる数百ペタバイトのデータを処理し、決勝戦では数十億のリクエストを処理しました。大規模な同時接続スパイク時のビデオ配信には、ローカライゼーションとプロアクティブな監視に焦点を当てたエッジアーキテクチャが必要でした。Airtelは、Google CloudのMedia CDNとその広範なグローバルエッジネットワークを活用し、ローカルエッジとの深い近接性と優れたキャッシュ効率を実現しました。これにより、トーナメントトラフィックの99.9%がインド国内でローカルに配信され、ネットワークホップが最小限に抑えられました。アーキテクチャは、98%以上のキャッシュヒット率で優れたキャッシュ効率を達成し、オリジンサーバーの負荷を最小限に抑えました。一貫した超低遅延、特にp99が300ms未満であったことは、ストリームの開始時間の短縮とバッファリングの削減を保証しました。アーキテクチャを超えて、綿密な運用準備とプロアクティブな試合日の実行が不可欠でした。統合された運用サポートには、トーナメント前の準備状況レビューと継続的なMonitoring as a Service (MaaS)が含まれていました。試合日と週末の専用サポートにより、共同エンジニアリングチームからのリアルタイムイベント支援が確保されました。

How Airtel delivered its flawless Indian Premiere League 2026 cricket broadcasts cloud.google.com

RSS Hunter • 9月9日

Spanner: DMLトランザクションの累積ミューテーション制限の削除

Google Cloud Spanner、グローバルに一貫性のあるリレーショナルデータベースは、より大きく複雑な操作のためのトランザクション処理を更新しました。以前は、Spanner はトランザクションの変更を合計 80,000 の「ミューテーションモッド」に制限していました。行数に列数を掛け、インデックスを加えた値として計算されるこの制限は、進化するアプリケーションによって到達される可能性がありました。新しい柔軟性により、この 80,000 ミューテーションモッドの制限は、トランザクション全体から個々のデータ操作言語 (DML) ステートメントに移行しました。これは、各ステートメントが独自の 80,000 モッド制限を遵守する限り、単一のトランザクションに複数の DML ステートメントを含めることができることを意味します。これにより、開発者はビジネス要件によって DML ステートメントを論理的にグループ化でき、人工的な分割が不要になります。この変更は既存の Spanner クライアントライブラリと後方互換性があり、アプリケーションコードの更新は不要です。ただし、開発者は、より大きなトランザクションはロックをより長く保持し、アボートを増加させる可能性があることに注意する必要があります。80,000 モッド制限は DML ステートメントに個別に適用されますが、Mutation API を使用した単一のコミット呼び出しにおけるミューテーションのセット全体には引き続き適用されます。開発者は、CommitStats の mutation_count を介して合計モッドを監視できます。80,000 モッドを超える単一の DML ステートメントは引き続きエラーとなり、バイトサイズなどの他のトランザクション制限は有効なままです。ベストプラクティスには、CommitStats の監視と大規模な操作の最適化が含まれます。Spanner は、スケーラブルで常時稼働する運用アプリケーションにとって信頼性の高い選択肢であり、現在、開発者向けの柔軟性が向上しています。

Spanner: Removing cumulative mutation limits for DML transactions cloud.google.com

RSS Hunter • 9月9日

Antigravity SDK を搭載したパワーエージェントハブまたはカスタムハーネスを 1 つのツールキットにまとめる

エンタープライズエージェントの採用は様々で、マネージドプラットフォームを選択する企業もあれば、カスタムエージェントハブを構築する企業もあります。独自のハブを開発する開発者は、予測可能な実行、ロギング、サンドボックス化のための信頼性の高いツールを必要とします。Antigravity SDKは、これらのハブを構築するためのランタイムエンジンとCLIを提供し、セーフティポリシー、テレメトリ、ステートフルパーシステンスを提供します。これは、LLMワークロードを監視および管理するマルチエージェントコントロールプレーンを強化します。このコントロールプレーンには、モデルインタラクションとツール実行のためのAntigravity SDKエージェントコア、およびライフサイクルフックを使用したリアルタイムテレメトリのためのオブザーバビリティレイヤーが含まれます。ユースケースとしては、運用エンジニアが複数のエージェントを監視することが挙げられますが、これは従来、ログの断片化や可視性の欠如といった課題を抱えています。Antigravity SDKは、ストリーミングAPI、ライフサイクルフック、ポリシーエンジン、スキル管理、セッション状態を提供し、統一されたビューを実現するソリューションを提供します。舞台裏では、ランタイムがセッションの初期化、スキルの解決、同時ストリーム生成、サンドボックス化されたツール実行を処理します。ライフサイクルフックを介したテレメトリの傍受により、エージェント実行のリアルタイムな観測と制御が可能になります。SDKは、モジュラースキル、サンドボックス化されたツール、セッション分離、リアルタイムテレメトリの4つのコアビルディングブロックに整理されています。

Power agent hubs or custom harnesses with the Antigravity SDK in one toolkit cloud.google.com

RSS Hunter • 9月8日

Data Agent Kitを用いたエージェント分析

データの実践者は、多様なソースからのデータが必要とされるオープンエンドな質問に課題を抱えています。Data Agent Kit は、IDE 内で直接データワークフローを可能にすることで、この課題に対処します。Model Context Protocol (MCP) を利用して、エージェントをさまざまなデータシステムに接続します。Markdown で定義されたスキルは、エージェントに特定のデータスタックとの対話方法を教えます。手動でのクエリの代わりに、エージェントはユーザーに代わってクエリを実行し、結果を取得します。たとえば、平均注文額の低下に関する調査では、BigQuery、Cloud SQL、Cloud Storage に対してクエリが実行されました。エージェントは、プロモーションコードによる平均注文額の低い新しい卸売チャネルを発見しました。次に、新しい卸売アカウントを特定し、プロモーションコードの影響を確認しました。データ分析からエグゼクティブサマリーの生成まで、すべての調査は単一のチャットセッション内で完了しました。最後に、エージェントは、アドホック分析を再現可能な dbt プロジェクトに変換でき、データ品質テストの作成と修正も含まれます。

Agentic analytics with the Data Agent Kit cloud.google.com

RSS Hunter • 9月8日

KDDIは、より高速で信頼性の高いコンシューマー向けRAGアプリ「Buffmee」をどのように構築したか

電気通信会社KDDIは、生成AIアプリケーション「Buffmee」において、品質と速度のバランスを取るという課題に直面していました。Buffmeeは、100以上の多様な情報源に基づいた情報を提供することで、ユーザーの成長を支援し、信頼性を確保し、ハルシネーションを防ぐように設計されています。当初、KDDIはレイテンシの問題と、膨大な量の独自コンテンツを処理する必要性に苦労していました。これらの障害を克服するために、自動評価フレームワークとパフォーマンス最適化技術を導入しました。この体系的なアプローチにより、アプリケーション全体の応答レイテンシを38%削減し、Time To First Token（TTFT）を約18%改善するという顕著な進歩を遂げました。KDDIは、Gemini Enterprise Agent Platform Evaluation Serviceを自動テストに利用し、手作業による作業をデータ駆動型のプロセスに置き換え、グラウンデッドネススコアを25%向上させました。フォーマットとメディア構成に基づいたバイナリ評価システム、戦略的なコンテンツサンプリング、そして製品の判断に基づいたしきい値の調整を採用しました。BigQuery Agent AnalyticsとAgent Development Kit（ADK）のログ分析エージェントを使用してボトルネックを特定し、解決しました。これにより、プロンプトの肥大化とスキルの分割の問題を特定することができました。大規模なシステムプロンプトは、アテンションのドリフトを回避し、応答時間を最適化するためにADKスキルにモジュール化されました。これらの技術により、KDDIは取り込まれたコンテンツが即座に機能するRAGシステムを作成し、ユーザーにメディアを探索するための安全でパーソナライズされた方法を提供することができました。Buffmeeの成功は、信頼性の高い生成AIアプリケーションにおける体系的な評価とパフォーマンス分析の重要性を示しています。

How KDDI built Buffmee, a faster, reliable consumer RAG app cloud.google.com

RSS Hunter • 9月8日

GTIG AI脅威トラッカー：プロンプトから自律性へ – 敵対的AIの進化

敵対的なアクターは、基本的なAIプロンプティングから洗練されたエージェンティックAIワークフローや自動化へと移行し、その技術を急速に進化させています。この進化は、防御側の応答ウィンドウを著しく縮小させます。2026年第2四半期には、脅威アクターがクラウドリソースを侵害してから6時間以内に、AIを使用して大規模な認証情報収集操作を実行しました。さらに、脅威アクターは、スパイ活動、恐喝、窃盗を目的として、独自のモデル、ソースコード、クラウドコンピューティングリソースを含むAIアセットをますます標的にしています。AI支援コーディングツールとオープンソースソフトウェアの統合により、ソフトウェアサプライチェーンのリスクが拡大しています。敵対者は、開発者、AIコーディングアシスタント、AIセキュリティスキャナーを積極的に標的にして、オープンソースソフトウェアを侵害しています。モデルやコードなどの独自のAI知的財産も、さまざまなセクターで主要な標的となっています。エージェンティックAIと自動化への移行により、敵対者は複雑な攻撃パイプラインを自律的に管理し、運用上のエラーを解決できるようになります。AIは、偵察からマルウェアの難読化、ポストエクスプロイト活動まで、攻撃ライフサイクル全体にわたってフォースマルチプライヤーとして機能します。脅威アクターは、情報操作キャンペーンを拡大するためにAIを実験しています。アクセスコストを回避し、セキュリティ対策を迂回するために、敵対者は不正なアカウントを入手し、企業クラウドインフラストラクチャを乗っ取って不正なAI計算を行っています。この激化する脅威ランドスケープは、プロアクティブなモデル保護、専門的な脅威インテリジェンス、標的を絞った封じ込めを含む、堅牢な防御戦略を必要とします。Googleは、顧客とインフラストラクチャを保護するために、これらの多面的な防御策を実装しています。これらの進歩は、急速に進化するAIランドスケープにおけるセキュリティ対策の強化という重要な必要性を浮き彫りにしています。

GTIG AI Threat Tracker: From Prompting to Autonomy – The Evolution of Adversarial AI cloud.google.com

RSS Hunter • 9月8日

YahooがManaged Service for Apache Sparkで柔軟なVMを使用してリソースを最適化する方法

Yahooは、グローバルなメディアおよびテクノロジー企業であり、高速分析ワークロードにおける固定仮想マシン（VM）構成によるデータパイプラインの脆性に課題を抱えていました。地域的な容量の制約が発生した場合、Managed Service for Apache Sparkでのクラスタープロビジョニングが停滞し、重要なデータパイプラインが遅延する可能性がありました。この問題に対処するため、YahooはManaged Service for Apache Sparkクラスターに柔軟なVMを導入しました。これにより、許容可能なVMシェイプのランク付けされたリストを定義することで、システムはリソースの変動を自動的に吸収できるようになります。Auto-Zone配置を有効にすると、システムはリージョン全体で容量を検索し、手動介入なしでパイプライン実行を維持できます。この最適化は、オンプレミスのビッグデータ基盤をGoogle Cloudに移行するというYahooの広範なデータモダナイゼーションジャーニーの一環です。柔軟な構成は、優先されるVMタイプが利用できない場合にランク付けされたリストから選択することで、クラスター作成の成功率を高めます。また、リージョン全体で容量を検索することで、地域的なリソース利用率を向上させます。柔軟なクラスターの構成には、オートゾーン配置を有効にし、VMシェイプ間でコアとメモリの対称性を維持する必要があります。また、YARNやSparkのリソース割り当てなどのコンポーネントプロパティを整合させることも重要です。Yahooは、この柔軟なVMアプローチを実装することで、地域的な在庫切れによるクラスタープロビジョニングの失敗を85％削減することに成功しました。これにより、ワークロードの継続的な実行が保証され、大規模なデータパイプライン全体での下流処理の遅延を防ぐことができます。

How Yahoo optimizes resources with flexible VMs in Managed Service for Apache Spark cloud.google.com

RSS Hunter • 9月4日

Spannerマイグレーション：Antigravity CLIによるデュアルライトの自動化で最小限のダウンタイムを実現

Google の Finance Engineering チームは、グローバルに分散され、強力な一貫性を持つデータベースである Spanner を使用して、レガシーデータレイヤーを近代化する必要がありました。ダウンタイムなしでの移行は、多数のデータアクセスオブジェクト（DAO）にわたるデュアルライトロジックの手動書き換えが遅く、エラーが発生しやすいため、大きな課題でした。これを克服するために、Antigravity CLI をヘッドレスモードで使用した自動リファクタリングパイプラインを開発しました。このアプローチにより、移行速度が向上し、ステージング環境でのデータパリティが確保されました。移行は、履歴データのバックフィル、デュアルライト/デュアルリードの実装、および自動 API 検証の 3 つのフェーズで構成されました。彼らの規模では、MutationConverter やロールバックロジックのような各 DAO の固有の要件を手動で実装することは非現実的であり、数ヶ月かかると推定されていました。Spanner スキーマの翻訳を専用の MutationConverter ユニットに分離することで、DAO のリファクタリングパターンを標準化しました。これにより、AI コーディングエージェントがコードを確実に生成するための決定論的な契約が作成されました。Antigravity CLI のヘッドレスモードにより、人間のプロンプトなしで多数のファイルにわたって繰り返しリファクタリングが可能になりました。決定論的なプロンプト、自動検証によるバッチ実行、および大規模な夜間実行により、移行作業が大幅に削減されました。これにより、持続的なデータ忠実度を持つ非常に信頼性の高いデータ移行が実現し、エンジニアはより価値の高いタスクに集中できるようになりました。主な教訓は、スキーマ翻訳の分離、インタラクティブチャットからヘッドレス自動化への移行、および AI コード生成のガードレールとしてのビルドシステムの利用を強調しています。

Spanner migrations: Automating dual-write with Antigravity CLI for minimal disruption cloud.google.com

RSS Hunter • 9月4日

全てのLLMワークロードは等しくない：分類と生成におけるTPUパフォーマンスのベンチマーク

LLMのエンタープライズ本番デプロイは、パフォーマンスとコストにおけるインフラストラクチャの重要な役割を明らかにします。すべてのLLMリクエストがハードウェアに均等に負荷をかけるわけではないため、標準的なベンチマークでは不十分です。本研究では、Google Cloud TPU v6e上でGemma 3 12Bと27Bを比較し、異なるワークロードでの大規模なインフラストラクチャパフォーマンスを理解します。デコード負荷の高い生成では、Gemma 3 12Bモデルは高同時実行性でより良くスケールしますが、飽和する27Bモデルとは異なります。プレフィル負荷の高い分類タスクでは、12Bと27Bの両方のモデルが同様のスケールを示し、スループットペナルティなしでより大きなモデルを可能にします。ハードウェアの飽和は、レイテンシの急増とサイレントリクエストのドロップを引き起こし、CPU/メモリだけでなく、エンドツーエンドのレイテンシに基づいたスケーリングを必要とします。アーキテクチャは、GKE、TPU v6e、vLLMサービングフレームワーク、およびGemma 3モデルで構成されます。分類タスクは入力が高く出力が低い一方、生成タスクは入力が低/中程度で出力が高いです。ベンチマークは、高同時実行性での生成スケーリングにおける12Bモデルの優位性を示していますが、分類では両モデルとも同様のパフォーマンスを示します。最適化するには、モデル選択とサービング構成を特定のワークロードの入出力プロファイルに合わせます。

Not All LLM Workloads Are Equal: Benchmarking TPU Performance on Classification vs. Generation cloud.google.com

RSS Hunter • 9月4日

Google Gen AI SDK for Kotlin 1.0を発表：Geminiへの慣用的なマルチプラットフォームアクセス

Googleは、生成AI向けのKotlin Multiplatform SDKのバージョン1.0をリリースしました。このSDKにより、開発者はGeminiモデルをJVMおよびAndroidアプリケーションに簡単に統合できます。非同期操作のために、コルーチンやFlowといった慣用的なKotlin機能を提供します。このSDKは、Google AI StudioとGoogle CloudのGemini Enterprise Agent Platformの両方へのアクセスを統合します。管理されたコンテキストでの単項およびストリーミングテキスト生成、マルチターンのチャット会話をサポートします。事実確認のためのGoogle検索グラウンディングにより、マルチモーダル分析が強化されています。このSDKは、Geminiの画像生成モデルも完全にサポートしています。WebSocket経由のGemini Live APIを通じて、リアルタイムの双方向インタラクションが可能です。構造化されたツールおよび関数呼び出し機能は、エージェント的なワークフローのために含まれています。このリリースは、生成AIアプリケーションを構築するためのクリーンでマルチプラットフォームな基盤を提供します。

Announcing the Google Gen AI SDK for Kotlin 1.0: Idiomatic multiplatform access to Gemini cloud.google.com

RSS Hunter • 9月3日

Googleが2026 Gartner® Magic Quadrant™ for SCPSでリーダーに選出

Googleは、ビジョンの包括性を評価され、9年連続でGartnerの戦略的クラウドプラットフォームサービスにおけるリーダーとして認められました。Google Cloudは、要求の厳しいワークロードの構築とスケーリングにおける顧客の成功への献身を強調しています。同社は、動的なインフラストラクチャと、アプリケーション、データ、エージェントのための統合プラットフォームにより、顧客のエージェンティック時代への移行を加速させることを重視しています。3つの主要な利点が提示されています。共同設計されたテクノロジースタック、安全なスケーリングのための動的なインフラストラクチャ、そして真の選択肢を提供するデジタル主権です。Google Cloudは、柔軟性、パフォーマンス、および制御を通じて、顧客のイノベーションとスケールを促進することにコミットしています。最初の設計原則は、シリコンからアプリケーションまで共同設計されたオープンスタックでAIを加速することであり、TPUやAxionプロセッサなどのカスタムハードウェアを特徴としています。このアプローチは、ベンダーロックインなしで運用効率を最大化し、オープンソースと標準を採用しています。2番目の原則は、容量管理を自動化し、アプリケーションを最新化する動的なインフラストラクチャで、迅速かつ経済的にスケーリングすることに焦点を当てています。これにより、組織はデータ、アプリケーション、エージェントを安全に接続し、グローバルなエクスペリエンスを最適化できます。3番目の原則は、柔軟なデプロイメントオプションを通じて、組織がデータの制御を維持し、規制に準拠できるようにするデジタル主権を推進しています。これらのオプションには、境界制御によるデータ主権、パートナー運用クラウドによるローカルコンプライアンス、およびGoogle Distributed Cloudによるオンプレミスでの柔軟性が含まれます。

Google named a Leader in 2026 Gartner® Magic Quadrant™ for SCPS cloud.google.com

RSS Hunter • 9月3日

新しいBigQuery ID列でパイプラインを簡素化する

BigQuery は、データジャーニーにおける顧客の力を強化するために、ID 列をリリースしました。この機能は、テーブル内のユニークな識別子として、シーケンシャルな 64 ビット整数値を自動生成します。データエンジニアは、よりスムーズで信頼性の高いデータ取り込みのための強力な組み込みメカニズムとして、この機能を見出すでしょう。ID 生成を BigQuery にオフロードすることで、データパイプラインの複雑さが軽減され、インサイトに集中できるようになります。ID 列の実装は、データアーキテクチャの開発と保守を合理化します。アプリケーションロジックまたは ETL ツールでの事前計算されたユニークキーの必要性をなくすことで、取り込みが簡素化されます。定型コードも削減され、よりクリーンで保守性の高い SQL につながります。ID 列は、標準的な DML 操作とシームレスに統合され、自動的にユニークな識別子を割り当てます。柔軟性があり、INSERT または MERGE ステートメントを使用して既存のワークフローに適応します。ID 列の設定は簡単で、GENERATED ALWAYS AS IDENTITY または GENERATED BY DEFAULT AS IDENTITY のオプションがあります。この機能は、柔軟で高性能、かつ標準に準拠したデータプラットフォームに対する BigQuery のコミットメントを強調しています。

Simplify pipelines with new BigQuery identity columns cloud.google.com

RSS Hunter • 9月2日

Mantis、オープンソースのバグ発見・修正ハーネスの始め方

AIは現在、ソフトウェアの脆弱性を自律的に発見し、悪用することができます。これに対抗するため、Googleは脆弱性の発見、トリアージ、再現、パッチ適用を自動化するオープンソースフレームワークであるMantisを開発しました。Mantisは、機械速度のセキュリティ分析を可能にすることで、防御側にAIの優位性を提供することを目指しています。真陽性率が低い他のAIツールとは異なり、Mantisはエージェント技術とサンドボックス化された脆弱性再現を採用して精度を高めています。リポジトリ内の過去のセキュリティ修正から学習し、アーキテクチャと脅威モデルのドキュメントを構築します。Mantisは大規模なコードベースを階層的なセキュリティ概要ツリーに凝縮し、トークンオーバーヘッドを大幅に削減します。このフレームワークは広範なサイバーセキュリティ知識を抽出し、GitHubで利用可能です。ユーザーはMantisをローカルにクローンし、コーディングエージェントにプロンプトを与えることで、コードレビューと脆弱性分析を開始できます。Google社内では、このアプローチにより実際の脆弱性を特定することに成功しています。Mantisはサンプルサンドボックスオプションを提供し、カスタムサンドボックスの実装も可能です。脆弱性の発見、フィルタリング、パッチ適用を容易に開始する方法を提供します。mantis-adviseスキルは、さらに蓄積された知識を活用して、最初から安全なコードを作成します。AI主導の脆弱性発見を最大化するために、ツールにコンテキストを提供し、明確な脆弱性受容基準を持つサイバーサンドボックスを構築することが推奨されます。

Getting started with Mantis, our open-source bug finding-and-fixing harness cloud.google.com

RSS Hunter • 9月2日

BigQueryにおけるTabFMの紹介：予測分析の再考

予測分析には、以前は複雑なカスタムモデルの構築とトレーニングサイクルが必要でした。この従来の取り組みには、手動での特徴量エンジニアリング、長時間のチューニング、専門的なスキルが必要であり、予測モデルの活用不足につながることがよくありました。Google Researchは、テーブルデータ向けの事前トレーニング済み基盤モデルであるTabFMを導入しました。これは現在BigQueryで利用可能です。TabFMは、インコンテキスト学習を利用して、単一のSQLステートメントを通じて即座に高精度の予測を提供し、個別のトレーニングとデプロイメントのステップを不要にします。このシステムはゼロショット予測を提供し、広範な機械学習の専門知識を持たないユーザーのプロセスを簡素化します。また、インフラストラクチャを管理することなく予測能力を提供することで、エージェント型アプリケーションを強化します。TabFMは、ベンチマークにおいて従来のモデルを上回る最先端の精度を示します。開発者エクスペリエンスは、ネイティブなBigQuery統合と簡単なSQL構文によって簡素化されます。TabFMは特徴量エンジニアリングタスクを自動的に処理し、そのスケーラビリティにより、数百万行を迅速に処理できます。ユーザーはAI.PREDICTを利用して即座に予測を行い、AI.EVALUATEを利用してモデルのパフォーマンスを評価できます。TabFMは迅速な洞察と頻繁な再トレーニングに優れていますが、非常に大規模なデータセットの場合や、特徴量の重要性の説明可能性が重要な場合は、従来のモデルが引き続き適しています。この統合により、標準的なSQLクエリを実行するのと同じくらい簡単に予測機械学習が可能になります。

Introducing TabFM in BigQuery: Predictive analytics reimagined cloud.google.com

RSS Hunter • 9月1日

BlacklineがVPC Service Controlsでペリメーターポリシーインテリジェンスを簡素化する方法

VPC Service Controlsは、クラウド環境をデータ漏洩やその他の脅威から保護するために不可欠です。Google Cloudは、VPC-SCの管理とトラブルシューティングを簡素化するために、新しいポリシーインテリジェンス機能を導入しました。これらの新しいツールには、バイオレーションアナライザーとバイオレーションダッシュボードが含まれます。金融オペレーションリーダーであるBlackLineは、VPC-SCを使用して機密性の高い顧客データを保護し、リスクを軽減しています。バイオレーションアナライザーは、APIリクエストの違反に関与するプリンシパルとリソースを特定することにより、BlackLineの管理者がセキュリティ境界を適応させるのに役立ちます。以前は、これらの違反を解決するには複雑なCloud Loggingクエリが必要でしたが、新しいツールは詳細なレポートを直接提供します。バイオレーションダッシュボードは、組織全体のすべてのサービス境界違反を集約し、傾向の特定とフィルタリングを行います。バイオレーションアナライザーは、手動のログ分析なしに、特定のルールへの拒否をマッピングすることにより、調査を合理化します。これらのツールは、新しい境界のテストからポリシーの洗練、インシデントの効率的な解決まで、VPC-SCのライフサイクル全体を簡素化します。これらの進歩を活用することで、組織は調査に費やす時間を減らし、クラウドイニシアチブを安全に拡張する時間を増やすことができます。

How Blackline simplifies perimeter policy intelligence with VPC Service Controls cloud.google.com

RSS Hunter • 9月1日

財政的に動機づけられた脅威アクター BREEZE COMET がブラジルを標的に

Mandiantは、BREEZE COMETとして知られる、以前はUNC5669として知られていた、金銭目的の脅威アクターを追跡しています。このアクターは2024年からブラジルの金融機関を積極的に侵害しています。このグループは、不正送金を行うために決済システムとバンキングソフトウェアを操作することを専門としています。BREEZE COMETは、カスタマイズされたマルウェアスイートを採用し、初期アクセスとコマンド＆コントロールのために侵害された信頼できるウェブサイトを利用しています。彼らの活動は、マルウェア開発のために生成AIを活用することにまで拡大しており、運用上の洗練度を高める可能性があります。このグループは、National Financial System Networkへのアクセスを持つエンティティを標的とし、認証された不正取引のためにmTLS認証情報を必要とします。BREEZE COMETは、ボイスフィッシングや侵害された政府ウェブサイトの悪用を含む、さまざまな方法で初期侵害を行います。また、不正なハードウェアデバイスを小売ネットワークに直接接続することで足場を確保します。権限昇格のために、彼らは偵察ツールとカスタムマルウェアを利用し、特にクラウドおよび開発環境を標的として認証情報とAPIキーを取得します。BREEZE COMETは、乗っ取られたサービスアカウントとCOBALTSPINのような特殊なルーティングマルウェアを使用してネットワーク内を横断します。彼らはLIGHTPAINT、MILDFROST、KICKPLATE、BOATBEAMのようなカスタムバックドアを通じて永続性を維持し、しばしばWindows Defenderのようなエンドポイント防御を無効にします。金融アプリケーションを侵害した後、BREEZE COMETは大量の不正取引を実行し、その後、痕跡を隠すためにイベントログをクリアします。彼らの進化する戦術は、ラテンアメリカのサイバー犯罪における大きな変化を表しており、小売詐欺から中核的な金融インフラへの直接的な侵入へと移行しています。BREEZE COMETのAIの使用は、脅威アクターの能力、速度、および規模を向上させる上でのその影響を示しています。

Financially Motivated Threat Actor BREEZE COMET Targets Brazil cloud.google.com

RSS Hunter • 9月1日

BigQuery Graph が GA になりました：エージェンティック時代の知識基盤

現在一般公開されているBigQuery Graphは、ネイティブのグラフ分析をデータウェアハウスに直接統合し、サイロ化や運用上のオーバーヘッドを排除します。この新機能により、ISO標準のGQLを用いて従来のSQLと並行して複雑なグラフクエリを実行できるようになります。BigQueryのペタバイト規模の処理能力、既存のセキュリティ対策を活用し、BigQuery MLやAI機能とも統合しています。サイバーセキュリティ、金融、小売、ITなど多様な業界のデータチームがBigQuery Graphを採用しています。ユースケースには、脅威や不正の検出、サプライチェーン最適化、顧客360、ナレッジグラフ作成、ネットワーク管理などが含まれます。最近の改良には、より高速かつ広範なグラフエンジンの導入が含まれ、GQLの実行速度と表現力が向上しています。新しいボーダーレスGraph Lakehouse機能により、BigQuery GraphはネイティブのBigQueryテーブルに存在するデータや、異なるクラウドにまたがるオープンIcebergテーブルをデータ移動なしでカバーできるようになりました。これにより、エージェントは複数のソースからのデータで構成された仮想知識グラフを移動可能になり、サポートエージェントがGoogle CloudやAWSで顧客や製品情報を照会するようになっています。会話型分析により、グラフとの自然な言語操作が可能になり、AIエージェントの曖昧さや幻覚を軽減します。さらに、エージェントはデータセットをノードやエッジに変換してグラフを作成し、作成や検証の機能も備えています。コンテキストグラフ機能はAIエージェントに監査可能なメモリを提供し、BigQuery Graph内のクエリ可能なトレースとして彼らの推論や意思決定を記録します。これにより説明可能性が保証され、将来のエージェント行動改善の基盤となります。

BigQuery Graph is now GA: the knowledge foundation for the agentic era cloud.google.com

RSS Hunter • 8月31日

数週間から数分へ：データパイプラインの新しいエージェント時代

Google Cloudは、Google Cloud NEXT ’26で発表された新しいOrchestration Pipelinesフレームワークにより、データパイプラインのオーケストレーションを民主化しています。このフレームワークは、データエンジニアリングツールの無料のオープンソースコレクションであるData Agent Kitを通じて利用可能になります。このキットは、一般的なIDEやCLIに統合され、Data EngineeringタブとAirflow DAG用のエージェントスキルを提供します。これにより、データ専門家は自然言語を使用して、本番環境レベルのAirflow DAGを作成、デプロイ、トラブルシューティングできます。このフレームワークは、宣言型のYAML DSLを使用して、オーケストレーションロジックとコンピューティング実行を分離することでMLOpsを合理化します。これにより、すべてのデータペルソナは、複雑なPython Airflowの定型コードを回避できます。実践的な例では、プロアクティブなサプライチェーン管理のためのMLOpsアーキテクチャの構築が実証されています。このアーキテクチャは、BigQuery、Managed Service for Apache Spark、Gemini Enterprise Agent Platform、およびdbtを使用して輸送時間を予測します。Data Agent Kitは、自然言語プロンプトからPySparkスクリプトと宣言型のYAMLパイプラインを生成します。トレーニングエンジン、毎日の推論パイプライン、および自動評価と分岐パイプラインの3つの異なるパイプラインが実証されています。デプロイはCI/CDを通じて自動化され、Data Agent Kitが必要なワークフローを生成します。Day-two運用では、キットはIDE内でリアルタイム監視とエージェントによるトラブルシューティングを提供します。障害を診断し、根本原因を特定し、問題に対するインライン修正を提案します。Orchestration PipelinesとData Agent Kitは、MLOpsアーキテクチャの構築と保守にかかる時間と複雑さを大幅に削減します。

From weeks to minutes: The new agentic era of data pipelines cloud.google.com

RSS Hunter • 8月31日

クラウドCISOの見解：AI時代における水セクターのセキュリティに関するヒント

「2026年8月版のこのCloud CISO Perspectivesでは、Chris SistrunkとStephanie Kielが登場し、水道セクターにおける重要なセキュリティ問題に対処します。攻撃者は、特に水道事業者のインターネットに接続されたプログラマブルロジックコントローラー（PLC）など、重要インフラをますます標的にしています。手動オーバーライドが歴史的にセーフティネットを提供してきましたが、AI時代においては基本的なデジタルセキュリティが最重要です。水道・下水事業者は、脅威に基づいたリスク管理された対応を推奨します。主な対策には、資産の棚卸し、基本的なセキュリティ衛生の実装、堅牢なバックアップの維持、ネットワークセグメンテーションと多要素認証の活用が含まれます。緊急時計画には、既存のオールハザードシステムにサイバーインシデント対応を統合する必要があり、サードパーティベンダーへのアクセスは厳格に保護する必要があります。ITおよびOTのリーダーは協力して、サイバーフィジカルシステムのレジリエンスを強化するための統一されたガバナンスフレームワークを構築する必要があります。AIを活用したセキュリティアプローチは、防御を近代化し、少数精鋭のセキュリティチームのフォースマルチプライヤーとして機能するために不可欠です。「Mandiant Operational Technology (OT) Theory of 99」は、ほとんどの侵害がコンピューターワークステーションとサーバーで発生することを強調しており、AIを活用して中間インフラを保護することで、防御側に有利をもたらします。人間の監視のもと、AIツールを戦略的に統合することで、ネットワークセキュリティにおけるバランスを防衛側に有利にシフトさせることができます。水道システムの保護は公共の安全に関わる必須事項であり、政府による行動や、Office of the National Cyber Directorとテキサス州が開始したパイロットプログラムのような取り組みの増加につながっています。」

Cloud CISO Perspectives: Tips on securing the water sector in the AI era cloud.google.com

RSS Hunter • 8月31日

Cloud Run インスタンスでパーソナルAIエージェントをデプロイする

Google Cloud は、AI エージェントのような長期間実行されるステートフルなワークロードを低コストで実行するための新しいソリューションである Cloud Run インスタンスを導入しました。従来の Cloud Run サービスはゼロにスケールするため、継続的に実行されるエージェントには適していません。専用仮想マシンは常に利用可能ですが、コストが高く、管理も必要です。Cloud Run インスタンスは、自動スケーリングなしで単一インスタンスを実行する、専用のシングルトンコンピューティングランタイムを提供します。デフォルトの自動再起動ポリシーにより、最大 7 日間の継続的なランタイムをサポートします。各インスタンスには、更新や再起動を通じて安定したままの永続的な HTTPS URL が割り当てられます。ユーザーは必要に応じてインスタンスを停止および再開することもできます。バースト予算を利用した共有 vCPU を使用すると、継続的に実行されるインスタンスを 30 日間実行するためのコストはわずか 5.70 ドルからとなります。このモデルは、断続的なコンピューティング集約型のタスクを持つエージェントに最適です。OpenClaw のような AI エージェントのデプロイは、設定ファイルをアップロードした後の簡単なコマンドラインデプロイで簡素化されます。これらのデプロイされたインスタンスは無期限に実行でき、さまざまな通信プラットフォームを介して対話できます。Google Cloud ユーザーはすでに肯定的な結果を報告しており、OffDeal はコールドスタートの大幅な削減と高い信頼性を指摘しています。Cloud Run インスタンスは現在プレビュー段階にあり、この新しいクラスのワークロードに費用対効果の高いオプションを提供します。

Deploy personal AI agents with Cloud Run instances cloud.google.com

RSS Hunter • 8月27日