2021/05/21(金) に開催されたIBM Cloud Festa Online 2021 ”E-1 DXを継続させる運用高度化の提言”のセッション資料です。
© 2020 IBM CorporationDXを継続させる運⽤⾼度化の提⾔2021年05⽉21⽇⽇本アイ・ビー・エム株式会社データ・AI・オートメーション事業部
View Slide
© 2021 IBM Corporation2堤 康広 ⽇本アイ・ビー・エム株式会社オファーリングマネージャ⾦融系ユーザ企業での⻑年のインフラ運⽤・設計をへて2020年にIBMに⼊社。2021年はAIOpsを中⼼としたオファーリングを担当しており、ユーザ企業の運⽤の⾼度化・⾃動化の必要性を訴求している。2Speaker紹介江⽥ 幸弘 ⽇本アイ・ビー・エム株式会社Tech SalesSIerとして多数のインフラ構築案件のデリバリーに従事。IBM⼊社後はテクニカルセールスとして、主にハイブリッド環境の構築/運⽤⾃動化、及びAIOpsの分野に注⼒している。平岡 ⼤祐 ⽇本アイ・ビー・エム株式会社Tech Sales業務系や基幹系システムの設計、開発、運⽤など広範な業務に従事した後、2017年よりIBM Cloud上でOpenShiftの商⽤環境の構築/運⽤業務を担当。以降、コンテナやOpenShiftの業務を多く経験する。現在はテクニカル・セールスとして企業システムのクラウドネイティブ化を⽀援。著書は『コンテナ・ベース・オーケストレーションDocker/Kubernetesで作るクラウド時代のシステム基盤』(共著/発⾏︓翔泳社)
© 2021 IBM Corporation3202120222023202420252025年の崖2025年以降、⼈⼝の減少やコストの不⾜により、現状のシステムをメンテできる⼈材が不⾜しシステム障害が頻発する可能性が⾼くなり、経済や我々の⽣活をマヒさせてしまう、というもの。A: あと3年以上はあるからなんとかなるすでに「運⽤崩壊」が始まっているQ: 2025年までに残された時間は︖
© 2021 IBM Corporation4企業の新たな取り組みクラウドへの移⾏プライベートクラウドパブリッククラウド& SaaS専有クラウドマイクロサービス化コンテナ化アプリのコンテナ化モダナイズアジャイルによる迅速な開発アジャイル新しい運⽤体制マインドセット開発部⾨運⽤部⾨事業部⾨l SREl DevSecOpsl AIOps
© 2021 IBM Corporation5新たな課題︖Q: 企業はこれらの華々しい新技術や⼿法を使って、それぞれ対策を始めている様です、これでもう安⼼︖A: いえ、そんなことはありません。実はかなり深刻な状況になっています。
© 2021 IBM Corporation6•今後はレガシーとクラウドネイティブのハイブリッド環境が暫く続く新たな課題︓新技術に対しての知識と対応⼒が求められる時間クラウドネイテ(ブレガシ-現在既存アプリに新しい機能を追加レガシー・アプリとクラウドネイティブ・アプリの共存と協働が進⾏最終⽬標マイクロサービス・アーキテクチャーを完全に適⽤レガシー・アプリとクラウドネイティブ・アプリは共存
© 2021 IBM Corporation720212022202320242025新たな課題︓新技術への対応とナレッジの継承・喪失・新技術のキャッチアップが追いつかない・専⾨的知識を持った⼈(匠)の⾼齢化による知識の継承匠の⼈数キャッチアップ・対応すべき新技術や課題
© 2021 IBM Corporation8新たな課題︓さらに増す複雑性定義ビルド定義 定義ビルド ビルドリリースリリース リリースアジャイルリアルタイムで全て把握するのは困難 → 有事のインパクト分析が出来ない1. 動的に変化する構成情報• 負荷状況に応じてリソースが移動 (vMotion など)• 障害時に ポッドが別の ワーカーノード 上で起動• オートスケールによりリソースが動的に増減2. 頻繁なアプリ・マイクロサービスの変更や新規リリース
© 2021 IBM Corporation9新たな課題:イベント・アラート過多,意思決定が困難/遅延より複雑で動的になっていく環境クラウド・サービスプロセス物理インフラストラクチャー仮想マシン 仮想マシンプロセスプロセスプロセスプロセスプロセスアプリケーションおよびサービスコンテナ コンテナ管理対象の増加イベント過多横断的分析・意思決定が困難解決までの時間の⻑さ結果として時間とコストの浪費による、機会損失の増⼤
© 2021 IBM Corporation10⼈を増やして乗り切れるか︖Q: でも、これらの問題は⼈的リソースの投⼊で解決するのでは︖(予算確保すればいい︖)A: 残念ながら・・・それも難しいのです
© 2021 IBM Corporation1111社会的要因による課題※三菱UFJリサーチ&コンサルティング 「2030年までの労働⼒⼈⼝・労働投⼊量の予測」より抜粋l 労働⼒⼈⼝は2023年までは増加基調が続くl しかし、労働時間も含めた労働投⼊量の観点も必要l 労働投⼊量は2020年まで増加、2022年まで横ばい2023年から減少が始まるl 残された時間はわずかしかない1. 少⼦化、労働⼈⼝減に伴う⼈材の不⾜ ※2. 労働需給のミスマッチ(IT⼈材の嗜好の変化)※3. 専⾨家の⾼齢化4. コロナ禍の影響⽣産性を向上させる取り組みが遅れれば成⻑を阻害
© 2021 IBM Corporation1220212022202320242025「運⽤崩壊」の現実・2023年からはより少ない⼈数でより複雑な環境を管理し新技術もキャッチアップ・対応すべき新技術や課題労働投⼊量今よりも少ない⼈数で対応・2022年中に対策を終える→ 今年中に⽅針決定・予算確保すべき
© 2021 IBM CorporationIBM AutomationGartnerによると• AIOps = AI for IT Operations• ITオペレーションにAI(機械学習とデータ・サイエンス)を適⽤• 主な機能⁃ 可⽤性とパフォーマンスのモニタリング⁃ イベントの相関付けと分析⁃ ITサービスの管理と⾃動化• 2023年にはAIOpsを使⽤する⼤企業の割合が30%に上昇13AIOpsとはhttps://www.atmarkit.co.jp/ait/articles/1910/04/news007.html
© 2021 IBM CorporationIBM Automation14なぜAIOpsが必要なのか︖AIOps リファレンスアーキテクチャhttps://www.ibm.com/cloud/architecture/architectures/sm-aiops/reference-architecture1. 運⽤の複雑化・データの増加段階的にクラウドネイティブなアプリケーションを実⾏するハイブリッドクラウド環境の運⽤を⾏うにつれ、運⽤は複雑になり、⼤量な運⽤データを処理する必要が⽣じるため、AIを活⽤した⾼度な⾃動化が求められます。2. CI/CDによる迅速な変化のサポートクラウドネイティブアプリケーションの複雑な依存関係を頻繁な変更に対して動的に対応する必要がある。また、AIを組み込むことで問題を早期に発⾒し、障害を回避することが求められます。3. ルール・しきい値ベースの監視の限界従来のインフラストラクチャの可⽤性の監視だけでは不⼗分で、サービスやアプリケーションの可⽤性、信頼性、速度、品質を管理していく必要があります。その為にAIによる潜在的な問題の検出や迅速な問題解決および根本原因分析が求められます。AIOps フィールドガイドhttps://www.ibm.com/cloud/architecture/content/field-guide/aiops-field-guide/
15 Cloud Engagement HubCloud Service Management& OperationsOperational Readiness• Review, Analyze, Improve,RepeatBuild to ManageNew roles Fault-tolerance• Blue-green deployment forchange management• Fast recovery practice• Circuit-breaker practice• Chaotic testingCulture change• Agility & iteration• Blame-free environment• Collaboration without silos• Rigid eng ineering• TransparencyAutomation• Zero-touch design for proactiveoperational tasks• Continuous development ofevent-driven automation forreactive tasks• Bot frameworks for ChatOpsApplication /Micro ServiceHealth APIRunbookEventsLogsManagement ToolManagementSystemSME /IncidentSpecialistIncidentCommanderFirstResponderSite ReliabilityEngineer(SRE)AvailabilityManager(AVM)EnvironmentOpsDevOpsSite ReliabilityEngineeringServiceManagement,ITIL, IT4IT,ZeroOutage15 © 2021 IBM Corporation
© 2021 IBM CorporationIBM Automation16システム管理者から”SRE”へインフラストラクチャ志向 アプリケーション/サービス志向VM/ベアメタル中⼼の監視 クラウドネイティブ中⼼の監視l 基本的に運⽤業務にフルアサインl 変更管理は少ないが、レビューなどを重ね、変更時(リリース時)の期間やコストが⼤きいl アプリケーション開発者と役割・組織が完全に分かれていることが多いl 機器やコンポーネントからのアラートを中⼼に対応。インシデント管理はリアクティブであり、マニュアル化されている。根本原因の特定に⾮常に時間がかかるl 運⽤業務は50%以下に抑え、残りをサービスを改善するエンジニアリング活動に当てるl 変更管理が頻繁に⾏われ、変更(リリース)は⾃動化されているl アプリケーション開発者(DevOpsエンジニア)と密に連携が必要(+セキュリティ(DevSecOps))l アプリケーションやサービスのSLIを監視し、SLOを満たすためにプロアクティブに対応。インシデント対応は⾃動化され、根本原因の特定がスムーズ。システム管理者 SRE (Site Reliability Engineer)
© 2021 IBM CorporationIBM Automation17SREを⽀援するAIOpsl 運⽤業務は50%以下に抑え、残りをサービスを改善するエンジニアリング活動に当てるl 変更管理が頻繁に⾏われ、変更(リリース)は⾃動化されているl アプリケーション開発者(DevOpsエンジニア)と密に連携が必要(+セキュリティ(DevSecOps))l アプリケーションやサービスのSLIを監視し、SLOを満たすためにプロアクティブに対応。インシデント対応は⾃動化され、根本原因の特定がスムーズ。SRE (Site Reliability Engineer)l プロビジョニングの⾃動化l 構成変更の⾃動化l SLOの定義および監視l アプリケーションのリアルタイム監視l エンドユーザーアクセスのリアルタイム監視l アプリケーション・デプロイの⾃動化l セキュリティチェックの⾃動化l インシデント対応の⾃動化l イベント統合(不要なアラートの削減)l 予兆検知の実装l 異なる種類の時系列データの関連性分析IBM Cloud Pak for Multicloud ManagementGitLab Ultimate for IBM Cloud PaksIBM Observability with InstanaIBM Cloud Pak for Watson AIOps
© 2021 IBM Corporation18AI / MLを活⽤して問題のコンテキストを把握問題に対するNext Best Actionを提⽰既存のツール、プロセスワークフローを活⽤することでIT デリバリーを加速、効率性を向上複数データを全体で処理することによってのみ理解できる固有の洞察を得るIBM Watson AIOps : AIOpsによる運⽤⾼度化SREを負担のかかる⼿作業から解放し、価値の⾼い作業やイノベーションに集中できる⼿段を提供説明可能なAIで⾃動化収集データサイロを超えて検知あらゆるデータタイプから決定予測とアドバイス実⾏AIの洞察ChatOps での問題通知とコンテキスト連携Slack / MS Teams⾃動イベント分析動的トポロジー情報各種ツール の詳細へのドリルダウンメトリック情報Next Best Action の提⽰提携発表(2020年10⽉)ServiceNow との連携ServiceNow との連携イベント/アラートチケット・データ(例: ServiceNow ITSM)メトリックトポロジーログ・データ⾮構造化構造化
© 2021 IBM Corporation19AIOpsを適⽤したらどれぐらいの効果が期待ができるの︖海外⼤企業3社の例特定までの平均時間検知までの平均時間診断までの平均時間対応までの平均時間対応完了までの平均時間4時間5〜48時間6時間12〜36時間1〜48時間リアルタイム再発防⽌策・根本的解決に時間を活⽤異常・インシデント管理の流れ単位︓1件当たりの時間確認・対応完了対応診断特定検知
© 2021 IBM Corporation20Cloud Pak for Watson AIOpsのコンポーネントRed Hat OpenShift Container PlatformAutomation FoundationRPA ⾃然⾔語対話 プロセス/タスク マイニング イベント検知 機械学習 3rd Party統合 運⽤モデルMetric ManagerTopologyAI ManagerEvent Managerモニタリングログ管理異常検知 予兆検知イベント・グルーピング優先順位付け、分析動的トポロジー情報ログ異常検知障害箇所分析影響範囲分析類似事例解析コラボレーションチケット管理*コンテナ化対応中既存ツール統合接続、監視、および取り込み相関付け、ノイズとインシデント削減包括的なコンテキストの取得異常の識別コラボレーション ⾃動化/修正追跡、測定、改善製品基盤
© 2021 IBM Corporation21Cloud Pak for Watson AIOpsの主要アルゴリズム類似インシデント検索(過去の対応履歴)ログ チケットイベント、アラート、ログログ異常検知 イベントグルーピングエンティティリンキングイベント、アラート、ログの異常などの関連イベントのグループ化• ⼤量イベント発⽣の抑制• 障害調査の⾼速化AIOpsを賢くするしくみログからの異常検知価値概要• インシデントの診断にかかる平均時間(MTTD)を短縮• ルールベースのアラートよりも早期に異常を検出• 静的なしきい値なし特定の問題の説明(障害箇所・障害影響範囲)について、過去から上位k位にランク付けされた同様のインシデントを探索• 関連する類似のインシデントが迅速なインシデント解決につながる学習 モデル作成 学習 モデル作成 学習 モデル作成
© 2021 IBM Corporation22異常ログ分析を実装するまでの流れ1.モデルの作成• 事前に学習⽤のログを⽤いてモデルを作成します。• モデルの作成はポリシーやプロファイルのような事前定義を⾏う必要なく、Log Anomaly Detectorにログ・データを読込せることで教師なしの機械学習を⾏います。• 事前学習によって、ログのパターンを識別しテンプレートを作成します。2.リアルタイム分析• 事前学習で作成されたテンプレートを⽤いリアルタイムに読込まれるログ・データのパターン処理を⾏なったのち異常ログ分析を⾏います。3.モデルの再学習• 作成したモデルは再学習させることでシステムの変化に対応させることが可能です。学習⽤ログ1.事前学習TemplateTemplateTemplate実環境ログ2.リアルタイム分析 ログ異常の検知3.再学習
© 2021 IBM Corporation23Cloud Pak for Watson AIOps性能情報異常検知(Metric Manager)ログ異常検知から通知までの処理概要AlertsTicketsMetricsLogsTopologyログ異常検知(AI Manager)イベントグルーピング(AI Manager)影響箇所・影響範囲可視化 (AI Manager,ASM Topology) 類似インシデント検索既存のデータ・ツールイベント/アラートメトリックトポロジーログチケット構造化データ⾮構造化データChatOps(Slack /Teams)イベント異常検知(Event Manager)データ送信(リアルタイム)インシデントに関連するログ・アラート・メトリック・トポロジーの情報をホスト名、IPアドレス、類似エラーなどキーに1つのグループとして取りまとめを⾏う通知リアルタイム処理Watson AIOpsは既存のデータ・ツールからデータをリアルタイムに取り込みリアルタイムで障害を検知、そしてAIがインシデントレポート作成しリアルタイムに通知を⾏う(前提) Watson AIOps導⼊後にAIに学習済(教師なし学習でモデル作成)*Watson AIOpsを導⼊してAIに学習させ、既存のデータをWatson AIOpsに取り込むと利⽤開始できる
© 2021 IBM Corporation24Cloud Pak for Watson AIOps デモ!シナリオ︓「 e-コマース・サイトでシステム障害が発⽣した時に運⽤担当者が、WatsonAIOpsを使ってシステム障害に、どのように対処し、解決まで結びつけるのか︖ 」
© 2021 IBM Corporation25e-コマース・サイトのアーキテクチャ
© 2021 IBM Corporation26e-コマース・サイトのアーキテクチャ障害発⽣
© 2021 IBM Corporation27e-コマース・サイトの障害発⽣時の処理概要AI ManagerMetric ManagerRed Hat OpenShift on IBM Cloud (ROKS)Demo Apps ログ送信ツールEvent Manager (NOI)Topology (ASM)AlertsEvents相関付け エンリッチ化類似インシデントLog異常検知レポート作成Event GroupingLog StreamLogFilesLogStreamコンテナ化対応中今回不使用EventsレポートAlert異常検知レポートEventEventEventEventEventEventEventログ集約・イベント管理ツールe-コマース・サイトCloud Pak for Watson AIOpsChatOps ( Slack)通知
© 2021 IBM Corporation28Cloud Pak for Watson AIOps デモ
© 2021 IBM Corporation29AI技術の適⽤と⾃動化推進による 運⽤業務⾼度化障害対応にAI技術と⾃動化を適⽤し、必要な対処をスピーディーに実⾏分散系サーバー分散系サーバーパブリック・クラウド分散系コンソールクラウド対応要否の判断社員が重ねてきた過去の経験トポロジー情報の理解問題情報の検索オペレーターからの電話オペレーターからの電話対応策の検討・実⾏対応要否の判断 対応策の検討・過去の対応から類似インシデント検索・ログ情報解析(アノマリー検知)・メトリック解析(潜在的イベント)対応⾃動化できるものは⼿順書を⾃動化し効率化(Runbook Automation)対応策の⾃動化AIによる⽀援Best Next Actionの提⽰+ 過去の経験とスキルɾɾɾɾɾɾɾw駆けつけ調査解決策による新しい運⽤現在の運⽤分散系サーバー分散系サーバーパブリック・クラウドWatson AIOps AI Manager対応の効率化限られた事象に集中して対応が可能にChatOps必要なデータをセキュアにホストコンソール過去の対応チケット内容⼈が介在するステップは後段にホストホストクラウド分散系コンソールホストコンソールWatson AIOps EventManager
© 2021 IBM Corporation30n Cloud Pak for Watson AIOps 概要https://www.ibm.com/jp-ja/cloud/cloud-pak-for-watson-aiopsn Webセミナー Watson AIOpsをクイックに理解するhttps://ibm.biz/Bdfy9Vn クリックスルーデモ環境今回の実施したデモをクリックベースで体験することができます。(要IBM ID)https://www.ibm.com/demos/live/gated/watson-aiops-experience/simulationDemo/self-servicen デモ動画https://mediacenter.ibm.com/id/1_r6l53940Cloud Pak for Watson AIOps in Action
© 2021 IBM Corporation31本セッションの登壇陣が執筆した「DXを継続させる運⽤⾏動化の提⾔」も、ぜひご⼀読ください。Provision URL: https://ibm.biz/BdfzYfProvision -お客様と⽇本IBMを繋ぐ技術情報誌
IBM Technology Day - ハイブリッドクラウド&AIテクノロジーの今と未来を解説 © 2021 IBM Corporation技術者による技術者のためのテクニカルイベント 6⽉17⽇(⽊) 13:00 開催IBM Technology Dayハイブリッドクラウド&AIテクノロジーの今と未来を解説いまのビジネスを⽀えているシステムを維持しながら、デジタル変⾰に取り組むための新しいテクノロジー導⼊も加速しなければならない。企業のIT部⾨には、これまで以上に、⼤きな期待が寄せられると同時に負担も⼤きくなってます。未来を⾒据えて新しい仕組みを取り⼊れ、ITでビジネスを牽引するためには、どのようなテクノロジーが必要となってくるのでしょうか?IBM Technology Day では、これからの10年先を⾒据えたアプリケーションやインフラストラクチャーを検討されるITプロフェッショナルの皆様を対象に、IBM が提唱しているハイブリッドクラウドとAIが企業ITにどのように役⽴つのか、その最新テクノロジーをご紹介します。IBMリサーチの基礎研究から⽣まれたソリューション、AIをフル活⽤できるソフトウェアやサービス、オープンでマルチクラウドの世界に役⽴つ基盤など、⾒どころ満載です。2021年6⽉17⽇(⽊) 13:00-17:30IT 部⾨ ご担当の⽅(インフラ、アプリケーション、運⽤、データベース 、セキュリティー)オンライン(Webブラウザー)開催形式⽇時開催形式対象お申し込みURLibm.biz/tech_day
IBM Technology Day - ハイブリッドクラウド&AIテクノロジーの今と未来を解説 © 2021 IBM Corporationゼネラル・セッション / 特別講演[ゼネラル・セッション]ハイブリッドクラウドとAIの今と未来13:30|13:45 デジタル変⾰を⽀えるテクノロジーとは? 本セッションでは今とこれからをつなぐハイブリッドクラウドとAIのテクノロジーの潮流をご紹介します。⽇本アイ・ビー・エム株式会社執⾏役員テクノロジー事業本部テクニカル・セールス⼤久保 そのみ13:40|13:45[特別講演]思考の枠を超える- IBMリサーチが挑むテクノジーとの未来テクノロジーが我々を魅了するのは、それが社会と経済のあらゆる分野に変⾰をもたらすというだけでなく、直線的な思考の枠を超えまったく新しい変⾰をも可能とするからです。 本セッションでは、ハイブリッドクラウドやAIをはじめとするIBMリサーチの最新の研究の紹介を通じ、テクノロジーがもたらす新しい可能性について考察します。17:00|17:30⽇本アイ・ビー・エム株式会社IBM東京基礎研究所技術理事⼩原 盛幹配布資料のみ
IBM Technology Day - ハイブリッドクラウド&AIテクノロジーの今と未来を解説 © 2021 IBM Corporationセッション詳細14:00-14:30 14:00-14:30 14:00-14:30[A-1] アプリケーション開発者にとってコンテナの次のスキルとは? [B-1] どこから始める?AIOps を⾒据えたSRE中⼼のIT運⽤ [C-1] AIの実践的活⽤を⽀えるIBM AIテクノロジーの進化OSSを活⽤したアプリ開発にとって、コンテナは必須の技術であることが認知されています。さらにアプリ開発者にとって、開発プラットフォームのコンテナ移⾏は、単に⽣産性を上げるだけではない⼤きな⾶躍に繋がります。本セッションではIBMのコンテナ戦略から、具体的ソリューションに⾄る技術を、デモをおこないながら解説します。⽇本IBM 髙良 真穂多くの企業がDX実現に取り組む中、SREという考え⽅により、IT運⽤のあり⽅を⾒直す動きが出始めています。しかし現実は、依然⼿作業や個⼈のスキルに頼っている部分も多く、なかなか運⽤の⾼度化に着⼿できないのが現実です。本セッションでは Cloud Pak for Watson AIOps が提供する様々なステップの運⽤⾼度化⾃動化について説明し、各企業の現状や課題に合わせた「次のステップ」をご紹介します。⽇本IBM 堤 康広 / 江⽥ 幸弘AI活⽤の普及とともにビジネスのためのAIに必要な機能的・⾮機能的要件も変化を続けています。専⾨⽤語の理解、質問の意図に合った回答や洞察の提供、業務アプリケーションへの連携や組み込み、信頼性の⾼いデータとAIの運⽤といった要件に対し、IBMのAIテクノロジーがどのように先鞭をつけてきたか、そしていまIBM AIがどのような要件を⾒越し進化しているか、本セッションでご紹介します。⽇本IBM ⽥中 孝14:45-15:15 14:45-15:15 14:45-15:15[A-2] モダンなアプリを作ろう - スキルやコストを⼼配せずに始める⽅法 [B-2] 処理能⼒の"桁"を上げるKafkaとアジャイルな統合アーキテクチャー [C-2] ユースケースと最新機能に学ぶAIとデータサイエンスの実践活⽤Container, Kubernetesを使いモダンなアプリケーションを開発・運⽤したいけれど、スキルギャップや運⽤コストなど、もどかしさを感じている⽅に朗報です。アプリのソースコードだけ⽤意すれば、Container, Kubernetesのメリットが得られる便利なサービス「Code Engine」が登場しました。本セションでは、どれほど簡単にアプリ環境にコンテナが適⽤できるかをデモを交えながらご紹介いたします。⽇本IBM 佐藤 光太企業の中核的な価値を提供する基幹システムを新しいアプリケーションに安全・迅速に解放すること、基幹システム⾃体をハイパースケールなものに変⾰していくこと。これらの課題に対処するための鍵となるのが統合技術です。本セッションでは現在のIT環境を出発点に、ITアーキテクチャーをモダナイズするためのアプローチを具体的な製品技術を交えてご説明します。⽇本IBM 恩⽥ 洋仁AIは実⽤フェーズに⼊り、さまざまな業務やアプリケーションへの組み込みが進んでいます。本セッションでは、具体的にどのようなユースケースでWatson/AIやデータサイエンスの効果的な利⽤が⾏われているか、またWatsonの最新機能によってどのようなユースケースが可能になるかご紹介するとともに、AIの開発からデプロイ、運⽤を⽀えるサイクルとテクノロジーについてお話しします。⽇本IBM 須⽥ 佳代⼦ / 京⽥ 雅弘 / 瀬川 喜⾂15:30-16:00 15:30-16:00 15:30-16:00[A-3] 分散クラウド - オンプレなどでもクラウドサービスが使えたら? [B-3] ゼロトラストを実現するアクセス管理と認証基盤の作り⽅ [C-3] データとAIの活⽤を当たり前にするプラットフォーム実現の要件「パブリッククラウドのサービスをパブリッククラウドの外の任意の環境で動かす」ことを想像したことはありますか?⼤量データが保存されているオンプレミス環境やデータをクラウドに持ち出せない様な環境でもクラウドサービスを稼働できるようにする仕組み「分散クラウド」、そしてそれを実現するIBM Cloud Satelliteのご紹介を通じて、皆様をハイブリッドクラウドの新たな世界へお連れします。⽇本IBM 古川 正宏新型コロナウィルスは企業のDXを加速させ、社員の働き⽅は多様化し、会社の外と内といった境界線は存在しなくなりました。スピードや柔軟性を重視する現在のハイブリッド・マルチクラウド環境では⼈の記憶に頼ったパスワード認証では限界があり、ぜロトラストを前提とした認証基盤が不可⽋です。本セッションではIBMSecurity Verifyを使って簡単に多要素認証を実現できる具体的な⽅法をご紹介します。⽇本IBM 宮坂 真⼸ /⽇本情報通信株式会社⼭本 仁⼀ ⽒企業のあらゆる業務でデータ活⽤が進みます。そのためのプラットフォームに必要なのは、さまざまなロケーションやシステムにあるデータが物理的に動かすことなく統合され、必要なデータが必要なときにアクセスでき、データから価値を引き出すための機能があること、さらにはスピードや柔軟性、ガバナンスや運⽤性です。OpenShiftやデータカタログ、仮想化といったテクノロジーがこれを実現します。⽇本IBM 久保 俊平16:15-16:45 16:15-16:45 16:15-16:45[A-4] 既存資産を変⾰し、DXを加速するITインフラ・モダナイゼーション [B-4] これからのJava - ITシステムを「レガシー」にしないために [C-4] 業務部⾨と進めるビジネス・プロセスのデジタル化とその未来よりスピーディーにコスト効率よくDXを推進するためには、既存のIT資産を軸に新しい技術を最⼤限に活⽤した企業システムが必要不可⽋です。その実現を根幹から⽀えるのがITインフラであり、可⽤性や安全性とともにアジャイルなアプリ開発を⽀える能⼒がますます重要となります。本セッションでは、コンテナをはじめとする最新技術活⽤のポイントや今後のITインフラのあり⽅についてご説明します。⽇本IBM 野村 幸平昨年25周年を迎えたJavaは今でも業務システムの中⼼的な実装⾔語として使われています。しかし時代に合わせたモダナイズを実施しなければ、システムがビジネスの負債となりかねません。IBM WebSphere Libertyは、モダナイズに必要な全てを備えた最強のアプリケーション・サーバーです。当セッションでは⾰新性と⻑期の互換性を両⽴しながら、いかに業務システムをクラウドに適合させるかをご紹介します。⽇本IBM ⽥中 孝清コロナ禍、DXを背景にビジネス・プロセスのデジタル化、⾃動化の必要性が増しています。同時に、IT部⾨と業務部⾨にも新たな関係性が求められています。本セッションでは、業務部⾨との共通認識の醸成⼿段としてのプロセス・モデリングの重要性やプロセス⾃動化のプラットフォームに求められる要素、また、⾃動化の先にあるハイパーオートメーションについて説明します。⽇本IBM ⻑⾕ 真太郎配布資料のみ
© 2021 IBM Corporation35ワークショップ、セッション、および資料は、IBMまたはセッション発表者によって準備され、それぞれ独⾃の⾒解を反映したものです。それらは情報提供の⽬的のみで提供されており、いかなる参加者に対しても法律的またはその他の指導や助⾔を意図したものではなく、またそのような結果を⽣むものでもありません。本講演資料に含まれている情報については、完全性と正確性を期するよう努⼒しましたが、「現状のまま」提供され、明⽰または暗⽰にかかわらずいかなる保証も伴わないものとします。本講演資料またはその他の資料の使⽤によって、あるいはその他の関連によって、いかなる損害が⽣じた場合も、IBMは責任を負わないものとします。 本講演資料に含まれている内容は、IBMまたはそのサプライヤーやライセンス交付者からいかなる保証または表明を引きだすことを意図したものでも、IBMソフトウェアの使⽤を規定する適⽤ライセンス契約の条項を変更することを意図したものでもなく、またそのような結果を⽣むものでもありません。本講演資料でIBM製品、プログラム、またはサービスに⾔及していても、IBMが営業活動を⾏っているすべての国でそれらが使⽤可能であることを暗⽰するものではありません。本講演資料で⾔ 及している製品リリース⽇付や製品機能は、市場機会またはその他の要因に基づいてIBM独⾃の決定権をもっていつでも変更できるものとし、いかなる⽅法においても将来の製品または機能が使⽤可能になると確約することを意図したものではありません。本講演資料に含まれている内容は、参加者が開始する活動によって特定の販売、売上⾼の向上、またはその他の結果が⽣じると述べる、または暗⽰することを意図したものでも、またそのような結果を⽣むものでもありません。 パフォーマンスは、管理された環境において標準的なIBMベンチマークを使⽤した測定と予測に基づいています。ユーザーが経験する実際のスループットやパフォーマンスは、ユーザーのジョブ・ストリームにおけるマルチプログラミングの量、⼊出⼒構成、ストレージ構成、および処理されるワークロードなどの考慮事項を含む、数多くの要因に応じて変化します。したがって、個々のユーザーがここで述べられているものと同様の結果を得られると確約するものではありません。記述されているすべてのお客様事例は、それらのお客様がどのようにIBM製品を使⽤したか、またそれらのお客様が達成した結果の実例として⽰されたものです。実際の環境コストおよびパフォーマンス特性は、お客様ごとに異なる場合があります。IBM、IBM ロゴ、ibm.com、IBM Cloud、IBM Cloud Paksは、 世界の多くの国で登録されたInternational Business Machines Corporationの商標です。他の製品名およびサービス名等は、それぞれIBMまたは各社の商標である場合があります。現時点での IBM の商標リストについては、www.ibm.com/legal/copytrade.shtmlをご覧ください。
© 2021 IBM Corporation36