AWS認定資格 WEB問題集&徹底解説

AIプラクティショナー

Amazon Neptune の概要と試験出題ポイントは?

AWSサービスの一つであるAmazon Neptuneはどんな内容なのでしょうか?また、AWS認定資格のAIプラクティショナー(AIF)に合格するためには、サービスのどんなポイントを押さえておけばよいのでしょうか?
ここでは、そんなあなたの疑問に回答していきたいと思います

Amazon Neptune 徹底解説 | AWS認定試験の頻出ポイントまとめ

1. サービス概要

Amazon Neptuneは、AWS が提供するフルマネージドのグラフデータベースサービスです。ノード(頂点)とエッジ(辺)で構成されるグラフ構造のデータを効率的に格納・クエリできます。

ソーシャルネットワーク・不正検出・レコメンデーションエンジン・知識グラフ・サプライチェーン分析など、データ間の関係性(つながり)の分析が重要なユースケースに最適です。

2. 主な特徴と機能

2.1 サポートするグラフモデルとクエリ言語

  • Property Graph (PG): ノードとエッジにプロパティを持つグラフモデル。
    • Gremlin(Apache TinkerPop): グラフトラバーサル言語。
    • openCypher: Neo4jで使われるグラフクエリ言語(2022年以降サポート)。
  • RDF(Resource Description Framework): セマンティックウェブ・知識グラフ向けの標準モデル。
    • SPARQL: RDFグラフのクエリ言語。

2.2 高可用性ストレージ

Auroraと同様に3AZにわたる6コピーの分散ストレージ。最大128TiBまで自動拡張。フェイルオーバー時はレプリカが自動的にプライマリに昇格(30秒以内)。

2.3 Neptune Serverless

トラフィックに応じてコンピューティングを自動スケールするサーバーレスオプション。断続的・予測困難なワークロードに適しています。

2.4 Neptune グローバルデータベース

複数リージョンへの低レイテンシレプリケーション(通常1秒未満)でディザスタリカバリとグローバル読み取りを実現。

2.5 Neptune ML

Neptune とAmazon SageMakerを統合してグラフ上の機械学習(Graph Neural Networks)を実行。ノード分類・リンク予測・不正検出に活用。

2.6 Neptune Analytics

インメモリのグラフ分析エンジン。大規模グラフデータに対する高速な分析クエリ(コミュニティ検出・最短経路・PageRank等)を実行。Neptune Databaseとは別サービス。

3. アーキテクチャおよび技術要素

  • クラスター構成: プライマリ(書き込み)+最大15台のリードレプリカ(読み取り専用)。
  • エンドポイント: クラスターエンドポイント(書き込み)・リーダーエンドポイント(読み取り分散)・インスタンスエンドポイントを提供。
  • VPC内配置: パブリックアクセス不可。VPC内のみからアクセス可能。
  • ポート: HTTPSポート8182でBolt/Gremlin/SPARQL/openCypherエンドポイントを提供。

4. セキュリティと認証・認可

  • VPC内配置: パブリックエンドポイントなし。セキュリティグループで通信を制御。
  • TLS暗号化: クライアント-クラスター間の通信をTLSで暗号化。
  • 保存時の暗号化: KMSによるストレージ・スナップショット・バックアップの暗号化。
  • IAM認証: IAMポリシーによるアクセス制御(SigV4署名でHTTPSリクエストを認証)。

5. 料金形態

  • インスタンス: インスタンスタイプ × 稼働時間で課金(Neptune Serverlessは Neptune Capacity Unit: NCUで課金)。
  • ストレージ: 使用ストレージGB/月で課金。
  • I/O: 100万リクエストあたりで課金。
  • バックアップ: クラスターストレージを超えたバックアップ保存に課金。

6. よくあるアーキテクチャ・設計パターン

  • ソーシャルネットワーク分析: ユーザー・フォロー・友人関係をグラフで格納→Gremlin/openCypherで「共通の友人」「影響力のあるユーザー」を効率的にクエリ。
  • 不正検出: トランザクション・アカウント・デバイスの関係をグラフで表現→連鎖的な不正パターンをリアルタイムで検出。
  • レコメンデーションエンジン: ユーザー・購入・商品の関係グラフから「この商品を買った人はこれも買っています」を効率的に計算。
  • 知識グラフ(RDF/SPARQL): エンタープライズの知識・概念の関係をRDFトリプルで表現→SPARQLで意味的な検索・推論を実行。

7. 設定・デプロイ手順(ハンズオン例)

  1. Neptuneコンソール→「クラスターを作成」→グラフモデル・インスタンスタイプ・VPC/サブネットを設定。
  2. セキュリティグループでポート8182のアクセスを許可。
  3. クラスター作成後、Neptune Workbenchまたはクライアントからエンドポイントに接続。
  4. Gremlin/openCypher/SPARQLでクエリを実行してグラフを操作。

8. 試験で問われやすいポイント

8.1 Neptuneの役割

  • Q: ソーシャルネットワーク・不正検出・レコメンデーション等、データ間の関係性を扱うAWSマネージドDBサービスは?
    A: Amazon Neptune(フルマネージドグラフDB)。Gremlin・openCypher(Property Graph)またはSPARQL(RDF)でクエリ。

8.2 クエリ言語の使い分け

  • Q: NeptuneのProperty GraphとRDFのクエリ言語は?
    A: Property Graph → Gremlin(Apache TinkerPop)またはopenCypher。RDF → SPARQL。

8.3 高可用性

  • Q: Neptuneのストレージの高可用性の仕組みは?
    A: Auroraと同様に3AZ×2コピー=6コピーの分散ストレージ。フェイルオーバー時はレプリカが自動昇格(30秒以内)。

8.4 他DBサービスとの選択基準

  • Q: リレーショナルDBとグラフDBの使い分けは?
    A: データ間の関係性(つながり・ネットワーク)の分析が重要 → Neptune(グラフDB)。構造化データの通常のCRUD・集計 → RDS/Aurora(リレーショナルDB)。