Amazon SageMakerでのAWS Lambdaを含む、AWSサービスの連携について

最終更新日：2026年8月10日

はじめに

項目	AWS	Microsoft Azure	Google Cloud
世界シェア	約33%（首位）	約22%	約11%
強み	サービス数・実績	Microsoft製品連携	データ分析・AI
無料枠	12ヶ月+常時無料	12ヶ月無料	常時無料枠あり
主な資格	CLF / SAA / SAP	AZ-900 / AZ-104	ACE / PCA

Amazon SageMakerでは、その他のAWSサービスと連携することで、効率的な開発をすることができます。本記事では、AWS SageMakerにおけるAWS Lambdaおよびその他のAWSサービスの連携した例について紹介します。ですが、まずはAmazon SageMakerの概要や統合されている機能やサービス、またAWS Lambdaの概要と利点について紹介します。

Amazon SageMakerとは

Amazon SageMakerは、あらゆる規模の機械学習モデルを迅速かつ簡単に構築、トレーニング、デプロイできる機械学習のプラットフォームを提供するフルマネージド型サービスです。Amazon SageMakerに統合されている機能などを簡単に紹介します。

• Amazon SageMaker Ground Truth － フルマネージド型のラベリングサービスで、機械学習のためのトレーニングデータセットを簡単に構築および管理できます。
• Amazon SageMaker Studio － 機械学習用のIDEで、機械学習開発に関するすべてのワークフローを実行できます。
• Amazon SageMaker Autopilot － 完全に制御して可視化しつつ、データに基づいて分類または回帰の最適な機械学習モデルを自動的に構築し、トレーニングします。
• Amazon SageMaker Studio Notebooks －フレキシブルなコンピューティングリソースを備えた、 ワンクリックで素早く起動できるJupyterノートブックです。
• Amazon SageMaker Experiments － 入力パラメータや、構成、結果などを自動的に記録し、「実験結果（experiments）」として保存することで、繰り返し作業を管理しやすくする機能です。
• AWS Marketplace － 独立系ソフトウェアベンダーが提供するソフトウェアを掲載したデジタルカタログで、Amazon SageMakerでは、数百ものアルゴリズムやトレーニング済みのモデルを取得して、すぐに使い始めることができます。
• Amazon SageMaker Debugger － 機械学習トレーニングジョブのデバッグプロセスを自動化できます。
• Automatic Model Tuning － ワンクリックでハイパーパラメータの最適化ができます。
• Amazon SageMaker Model Monitor － デプロイ済みの機械学習モデルで、自動的にコンセプトドリフトを検知し、問題の原因究明に役立つ詳細なアラートを出します。
• Amazon SageMaker Neo － 一度トレーニングした機械学習モデルをクラウドやエッジのどこへでもデプロイできるようにする機能です。
• Amazon Augmented AI － 機械学習モデルの予測について、人によるレビューを取り入れたワークフローを簡単に構築できるサービスです。

AWS Lambdaとは

AWS Lambdaは、サーバーレスコンピューティングを提供するサービスです。プログラムはクラウド上で実行されるため、サーバーのプロビジョニングや管理をすることなく、コードの実行ができます。利点を以下に示します。

• サーバーレス － AWS Lambdaは、前述のようにサーバーレスコンピューティングを提供しており、アップロードされたコードが自動的に実行されます。
• 自動スケーリング － アップロードされたコードは、他のAWSサービスから自動的にトリガーする、もしくはウェブやモバイルアプリケーションから直接呼び出すように設定できます。AWS Lambdaでは、この毎回のトリガーに対応してコードを実行し、自動的にアプリケーションをスケールします。
• 安定したパフォーマンス － AWS Lambdaでは、関数に適切なメモリサイズを選択することで、コードの実行時間の最適化ができます。また、Provisioned Concurrencyを有効にすることで、コールドスタートを抑え、短い時間で応答することができます。

Amazon SageMakerとAWS Lambdaの連携について

Amazon SageMakerとAWS Lambdaおよびその他のAWSサービスを連携することで、効率的な開発ができます。以下では、その例を紹介します。

Amazon API GatewayとAWS Lambdaによるモデルの呼び出し

トレーニングと検証を終えたAmazon SageMakerの機械学習モデルは、本番環境におけるエンドポイントとしてデプロイできます。Amazon API GatewayとAWS Lambdaを利用すると、デプロイされた機械学習モデルを呼び出すことができます。そのプロセスを以下に示します。

• クライアントスクリプトがAmazon API Gateway のAPIアクションを呼び出し、パラメータ値を渡す
• AWS Lambda が保護されたプライベートネットワーク内に留まって実行されるようにバックエンドをシール（seal）する
• Amazon API Gateway がパラメータ値を AWS Lambdaに渡す
• AWS Lambda関数は、渡されたパラメータ値を解析し、Amazon SageMaker の機械学習モデルのエンドポイントへ送る
• 機械学習モデルは予測を実行し、予測値を AWS Lambda関数へ返す
• AWS Lambda関数は返された値を解析し、Amazon API Gateway に送り返す
• Amazon API Gateway はその解析された値をクライアントへ返信する

問題発生時のトレーニングジョブの自動停止

Amazon SageMaker Debuggerは、トレーニングや検証、混同行列、学習勾配などのトレーニング中のリアルタイムのメトリクスを自動的に取得し、モデルの精度向上を支援することで、トレーニングプロセスの透明性を向上します。

Amazon SageMaker Debuggerには、トレーニングプロセスの異常な動作に対する組み込みのDebuggerルールが用意されています。Debuggerルールは、トレーニングプロセスにおける勾配消失や勾配発散、過学習に関する問題を検出します。DebuggerルールとAmazon CloudWatch Eventsを連携して使用することで、次の処理を自動化できます。

トレーニングプロセスにおける問題をDebuggerルールが検出し、「IssuesFound」ステータスをトリガーすると、Amazon CloudWatch Events が AWS Lambda関数を呼び出し、自動的にトレーニングジョブを停止する

Amazon EventBridgeによるAmazon SageMakerの自動化

Amazon EventBridgeは、AWSサービスや独自のアプリケーション、SaaSアプリケーションからのデータを使用して、アプリケーションを容易に接続できるようにするサーバーレスEvent Busです。Amazon SageMakerにおいてAmazon EventBridgeは、次のものを監視します。

• Amazon SageMakerのラベリングやトレーニング
• ハイパーパラメータのチューニング
• プロセスジョブ
• 推論エンドポイントのステータス変更イベント

Amazon EventBridgeを使用すると、Amazon SageMakerでの作業を自動化し、トレーニングジョブやエンドポイントのステータス変更などのイベントに自動的に反応し、AWS Lambda関数を呼び出すことができます。

ちなみに、AWS Lambda関数の呼び出し以外にも、簡単なルールを記述することで、注目するイベントと、イベントがルールに一致した場合に自動的にトリガーできるオペレーションには、以下のものがあります。

• Amazon EC2 Run Commandの呼び出し
• Amazon Kinesis Data Streamsへのイベントの中継
• AWS Step Functionsステートマシンの有効化
• Amazon SNSトピックもしくはAmazon SQSキューへの通知

押さえておきたいポイント

• Amazon SageMakerは2024年以降ブランドが再編され、従来のML構築・学習・デプロイ機能は「Amazon SageMaker AI」に、プラットフォーム全体は「SageMaker Unified Studio」に整理されている。連携設計をする際は最新のサービス名称・構成をAWS公式サイトで確認する。
• Amazon API Gateway・AWS Lambda・Amazon EventBridgeを組み合わせることで、モデルの呼び出しからトレーニングジョブの異常検知・自動停止まで、サーバーを意識しないサーバーレスな運用フローを構築できる。
• AWS Lambdaは自動スケーリングとProvisioned Concurrencyによる応答性能の最適化が特長で、EventBridge経由のイベント駆動処理と組み合わせることで開発・運用の効率化につながる。

よくある質問

Amazon SageMakerとAWS Lambdaを連携させるメリットは何ですか？

SageMakerの機械学習モデルをAWS Lambda経由で呼び出すことで、サーバーの管理なしにモデル推論をAPI化したり、トレーニングジョブの異常検知や自動停止などの運用処理をイベント駆動で自動化したりできる点が大きなメリットです。EC2インスタンスを常時起動しておく必要がないため、コスト面でも効率的です。

「Amazon SageMaker」と「Amazon SageMaker AI」の違いは何ですか？

2024年以降のブランド再編により、本記事で紹介しているようなモデルの構築・トレーニング・デプロイといった従来機能は「Amazon SageMaker AI」という名称に整理されました。「Amazon SageMaker」全体は、データ分析やAI開発を統合的に扱う「SageMaker Unified Studio」を指す名称として使われています。機能自体は継続して利用できますが、名称やコンソールのメニュー構成が変わっているため、最新情報はAWS公式サイトでご確認ください。

AWS Lambdaを使う際に注意すべき点はありますか？

Lambda関数には実行時間やメモリサイズの上限があるため、大規模な処理には向きません。SageMakerのモデル呼び出しのように短時間で完結する処理に適しています。また、初回呼び出し時のコールドスタートによる遅延が気になる場合は、Provisioned Concurrencyの利用を検討するとよいでしょう。

まとめ

本記事では、Amazon SageMakerにおけるAWS Lambdaとその他のAWSサービスが連携した例について紹介しました。ですが、本記事で紹介したものは一部であり、Amazon SageMakerでは他にも様々なサービスと連携することで効率的な開発を図ることができます。機械学習の開発において時間などのリソース面に悩まされている方は、ぜひ利用してみてください。