AWS vs GCP vs Azure 完全比較2025：サービス別マッピング、コスト、資格、選択基準の総まとめ

• はじめに：クラウド市場（しじょう）2025
• 1. サービスマッピング表（ひょう）：30以上（いじょう）のサービスを1:1比較（ひかく）
  • 1.1 コンピューティング（Compute）
  • 1.2 ストレージ（Storage）
  • 1.3 データベース（Database）
  • 1.4 AI/ML
  • 1.5 ネットワーキング（Networking）
  • 1.6 サーバーレス＆イベント
  • 1.7 DevOps＆モニタリング
• 2. コンピューティング詳細比較（しょうさいひかく）
  • 2.1 仮想（かそう）マシン：EC2 vs GCE vs Azure VM
  • 2.2 サーバーレス：Lambda vs Cloud Functions vs Azure Functions
• 3. ストレージ詳細比較（しょうさいひかく）
  • 3.1 オブジェクトストレージ：S3 vs GCS vs Blob Storage
• 4. データベース詳細比較（しょうさいひかく）
  • 4.1 リレーショナルDB：Aurora vs AlloyDB vs Azure SQL
  • 4.2 NoSQL：DynamoDB vs Firestore vs Cosmos DB
  • 4.3 データウェアハウス：Redshift vs BigQuery vs Synapse
• 5. AI/MLサービス比較（ひかく）
  • 5.1 MLプラットフォーム：SageMaker vs Vertex AI vs Azure ML
  • 5.2 LLM/生成（せいせい）AI比較（ひかく）
• 6. Kubernetes比較（ひかく）：EKS vs GKE vs AKS
  • 6.1 マネージドKubernetes比較（ひかく）
• 7. コスト比較（ひかく）
  • 7.1 課金（かきん）モデル比較（ひかく）
  • 7.2 無料（むりょう）ティア比較（ひかく）
  • 7.3 コスト最適化（さいてきか）戦略（せんりゃく）
• 8. 強（つよ）みと弱（よわ）みの分析（ぶんせき）
  • 8.1 AWS
  • 8.2 GCP
  • 8.3 Azure
• 9. 資格（しかく）ロードマップ
  • 9.1 AWS資格（しかく）
  • 9.2 GCP資格（しかく）
  • 9.3 Azure資格（しかく）
  • 9.4 資格（しかく）比較（ひかく）
• 10. 意思決定（いしけってい）フレームワーク
  • 10.1 シナリオ別（べつ）推奨（すいしょう）
  • 10.2 意思決定（いしけってい）フローチャート
• 11. マルチクラウドおよびハイブリッド戦略（せんりゃく）
  • 11.1 マルチクラウドを検討（けんとう）すべき場合（ばあい）
  • 11.2 マルチクラウド技術（ぎじゅつ）スタック
  • 11.3 マルチクラウドの注意事項（ちゅういじこう）
• 12. 面接（めんせつ）予想質問（よそうしつもん）15選（せん）
  • 基礎（きそ）質問（しつもん）
  • 中級（ちゅうきゅう）質問（しつもん）
  • 上級（じょうきゅう）質問（しつもん）
• 13. クイズ
• 参考資料（さんこうしりょう）

はじめに：クラウド市場（しじょう）2025

2025年（ねん）の世界（せかい）クラウド市場（しじょう）規模（きぼ）は約（やく）6,000億（おく）ドルを超（こ）えました。3大（だい）クラウドベンダーの市場（しじょう）シェアは以下（いか）の通（とお）りです：

AWSが依然（いぜん）としてリードしていますが、Azureはエンタープライズ市場（しじょう）で急速（きゅうそく）に成長（せいちょう）しており、GCPはデータ/AI/MLとKubernetes分野（ぶんや）で強力（きょうりょく）な地位（ちい）を確立（かくりつ）しています。

どのクラウドを選（えら）ぶべきでしょうか？ この記事（きじ）では、3大（だい）クラウドをサービス別（べつ）にマッピングし、コスト、強（つよ）み/弱（よわ）み、資格（しかく）、意思決定（いしけってい）フレームワークまで完全（かんぜん）に比較（ひかく）します。

1. サービスマッピング表（ひょう）：30以上（いじょう）のサービスを1:1比較（ひかく）

1.1 コンピューティング（Compute）

1.2 ストレージ（Storage）

1.3 データベース（Database）

1.4 AI/ML

1.5 ネットワーキング（Networking）

1.6 サーバーレス＆イベント

1.7 DevOps＆モニタリング

2. コンピューティング詳細比較（しょうさいひかく）

2.1 仮想（かそう）マシン：EC2 vs GCE vs Azure VM

パフォーマンス比較（vCPU 4、メモリ16GB基準）:

AWS EC2 (m6i.xlarge):
- vCPU: 4, Memory: 16GB
- オンデマンド: 約$0.192/hr (約$140/月)
- ネットワーク: 最大12.5 Gbps

GCP GCE (n2-standard-4):
- vCPU: 4, Memory: 16GB
- オンデマンド: 約$0.194/hr (約$142/月)
- カスタムマシンタイプ: CPU/メモリを独立調整可能（GCP独自の強み!）

Azure VM (D4s v5):
- vCPU: 4, Memory: 16GB
- オンデマンド: 約$0.192/hr (約$140/月)
- ハイブリッド特典: 既存のWindows Serverライセンスで最大40%割引

主（おも）な違（ちが）い：

• AWS：インスタンスタイプが最（もっと）も多様（たよう）（500種類以上（しゅるいいじょう））。Graviton（ARM）プロセッサでコスト対（たい）性能（せいのう）が優秀（ゆうしゅう）
• GCP：カスタムマシンタイプで柔軟（じゅうなん）なリソース配分（はいぶん）。継続使用割引（けいぞくしようわりびき）が自動適用（じどうてきよう）
• Azure：Windowsワークロードに最適化（さいてきか）。ハイブリッド特典（とくてん）で既存（きそん）ライセンスを活用（かつよう）

2.2 サーバーレス：Lambda vs Cloud Functions vs Azure Functions

サーバーレス関数比較:

AWS Lambda:
- 最大実行時間: 15分
- メモリ: 128MB〜10GB
- 同時実行: 1,000（デフォルト、増加可能）
- コールドスタート: 中程度（SnapStartで改善）
- プロビジョニングされた同時実行をサポート

GCP Cloud Functions (2nd gen):
- 最大実行時間: 60分（2nd gen）
- メモリ: 128MB〜32GB
- 同時実行: インスタンスあたり最大1,000リクエスト
- コールドスタート: 最も短い
- Cloud Runベースのスケーリング

Azure Functions:
- 最大実行時間: 無制限（Premium Plan）
- メモリ: 1.5GB〜14GB
- 同時実行: 200（デフォルト）
- Durable Functions: ステートフルワークフロー
- Visual Studio統合が優秀

3. ストレージ詳細比較（しょうさいひかく）

3.1 オブジェクトストレージ：S3 vs GCS vs Blob Storage

4. データベース詳細比較（しょうさいひかく）

4.1 リレーショナルDB：Aurora vs AlloyDB vs Azure SQL

4.2 NoSQL：DynamoDB vs Firestore vs Cosmos DB

NoSQL比較:

AWS DynamoDB:
- モデル: キーバリュー + ドキュメント
- レイテンシ: 1桁ミリ秒
- 容量モード: オンデマンド / プロビジョニング
- グローバルテーブル: マルチリージョンレプリケーション
- DAX: インメモリキャッシュレイヤー
- 強み: 大規模トラフィック処理、安定した性能

GCP Firestore:
- モデル: ドキュメント（コレクション + ドキュメント）
- レイテンシ: 数ミリ秒
- リアルタイム同期: 内蔵（モバイル/Web）
- オフラインサポート: ネイティブ
- 強み: モバイル/Webアプリ開発、リアルタイム機能

Azure Cosmos DB:
- モデル: マルチモデル（ドキュメント、キーバリュー、グラフ、カラム）
- API: SQL, MongoDB, Cassandra, Gremlin, Table
- グローバル分散: ターンキーマルチリージョン
- 一貫性: 5つのレベルから選択可能
- 強み: マルチモデルの柔軟性、グローバル分散

4.3 データウェアハウス：Redshift vs BigQuery vs Synapse

BigQueryの圧倒的（あっとうてき）な強（つよ）み: サーバーレスアーキテクチャでインフラ管理（かんり）不要（ふよう）、ペタバイト級（きゅう）のデータも秒（びょう）単位（たんい）でクエリ、スキャンデータ量（りょう）ベースの課金（かきん）でコスト予測（よそく）が容易（ようい）。

5. AI/MLサービス比較（ひかく）

5.1 MLプラットフォーム：SageMaker vs Vertex AI vs Azure ML

5.2 LLM/生成（せいせい）AI比較（ひかく）

LLMサービス比較:

AWS Bedrock:
- モデル: Claude (Anthropic), Llama, Titan, Mistral
- 特長: 多様なモデル選択、モデルカスタマイズ
- Fine-tuning: サポート
- RAG: Knowledge Bases機能

GCP Vertex AI:
- モデル: Gemini (Google), PaLM 2
- 特長: Google検索連携、Grounding
- Fine-tuning: サポート
- マルチモーダル: Geminiの画像/動画理解

Azure OpenAI:
- モデル: GPT-4o, GPT-4, DALL-E, Whisper
- 特長: OpenAIとの独占パートナーシップ
- Fine-tuning: サポート
- エンタープライズ: 最も強力なセキュリティ/コンプライアンス

6. Kubernetes比較（ひかく）：EKS vs GKE vs AKS

6.1 マネージドKubernetes比較（ひかく）

GKEがKubernetesのゴールドスタンダードである理由（りゆう）： GoogleがKubernetesを作（つく）ったため、最速（さいそく）のバージョンサポート、Autopilotモードの完全管理（かんぜんかんり）、優秀（ゆうしゅう）なネットワーキング性能（せいのう）を提供（ていきょう）しています。

7. コスト比較（ひかく）

7.1 課金（かきん）モデル比較（ひかく）

7.2 無料（むりょう）ティア比較（ひかく）

AWS無料ティア（12ヶ月）:
- EC2: t2.micro 750時間/月
- S3: 5GB
- RDS: db.t2.micro 750時間/月
- Lambda: 100万リクエスト/月（Always Free）
- DynamoDB: 25GB + 25 WCU/RCU（Always Free）

GCP無料ティア（12ヶ月）:
- GCE: e2-micro（Always Free、USリージョン）
- Cloud Storage: 5GB（Always Free）
- BigQuery: 1TBクエリ/月（Always Free）
- Cloud Functions: 200万呼び出し/月（Always Free）
- Firestore: 1GB保存（Always Free）

Azure無料ティア（12ヶ月）:
- VM: B1s 750時間/月
- Blob: 5GB
- Azure SQL: 250GB S0インスタンス
- Functions: 100万リクエスト/月（Always Free）
- Cosmos DB: 1000 RU/s + 25GB（Always Free）

7.3 コスト最適化（さいてきか）戦略（せんりゃく）

コスト最適化の共通戦略:

1. 適切なインスタンスサイズ選択（Right-sizing）
   - AWS: Compute Optimizer
   - GCP: Recommender
   - Azure: Advisor

2. リザーブドインスタンス/確約利用割引の活用
   - 安定したワークロード: 1〜3年確約で最大72%節約

3. Spot/Preemptibleインスタンスの活用
   - バッチ処理、CI/CD、非重要ワークロードに適合
   - 最大90%のコスト削減

4. オートスケーリングの設定
   - 非使用時間帯に自動縮小

5. ストレージライフサイクルポリシー
   - 古いデータを自動的に安価なティアに移動

6. コストモニタリングツールの活用
   - AWS: Cost Explorer, Budgets
   - GCP: Billing Reports, Budgets
   - Azure: Cost Management

8. 強（つよ）みと弱（よわ）みの分析（ぶんせき）

8.1 AWS

強（つよ）み：

• サービス範囲（はんい）：200以上（いじょう）のサービスで最（もっと）も広（ひろ）いポートフォリオ
• 市場成熟度（しじょうせいじゅくど）：最（もっと）も古（ふる）いクラウド（2006年（ねん）開始（かいし））、最大（さいだい）のコミュニティ
• グローバルインフラ：33リージョン、100以上（いじょう）のアベイラビリティゾーン
• パートナーエコシステム：最（もっと）も多（おお）いISV、SIパートナー
• Graviton：ARMベースプロセッサでコスト対（たい）性能（せいのう）が最高（さいこう）

弱（よわ）み：

• 課金構造（かきんこうぞう）が複雑（ふくざつ）（特（とく）にサービス間（かん）データ転送（てんそう）コスト）
• コンソールUXがGCPより複雑（ふくざつ）
• マネージドKubernetes（EKS）がGKEより設定（せってい）が複雑（ふくざつ）
• ネイティブデータ分析（ぶんせき）がBigQueryより弱（よわ）い

8.2 GCP

強（つよ）み：

• データ/AI：BigQuery、Vertex AI、TPUでデータ分析（ぶんせき）/ML最強（さいきょう）
• Kubernetes：GKE Autopilotが最（もっと）も成熟（せいじゅく）したマネージドK8s
• ネットワーク：Googleのグローバルネットワーク（海底（かいてい）ケーブル保有（ほゆう））
• コスト透明性（とうめいせい）：継続使用割引（けいぞくしようわりびき）自動適用（じどうてきよう）、カスタムマシンタイプ
• 開発者体験（かいはつしゃたいけん）：きれいなコンソールUX、優秀（ゆうしゅう）なドキュメント

弱（よわ）み：

• サービス範囲（はんい）がAWS/Azureより狭（せま）い
• エンタープライズサポートの成熟度（せいじゅくど）がAWS/Azureより低（ひく）い
• サービス廃止（はいし）の履歴（りれき）が多（おお）く、信頼性（しんらいせい）に懸念（けねん）
• 一部（いちぶ）のリージョンでアベイラビリティゾーン数（すう）が少（すく）ない

8.3 Azure

強（つよ）み：

• エンタープライズ：Active Directory統合（とうごう）、Office 365/Teams連携（れんけい）
• ハイブリッドクラウド：Azure Arc、Azure Stackでオンプレミス統合（とうごう）
• コンプライアンス：政府（せいふ）/金融（きんゆう）/医療（いりょう）の規制（きせい）準拠（じゅんきょ）認証（にんしょう）が最（もっと）も多様（たよう）
• OpenAIパートナーシップ：GPT-4oへの独占（どくせん）アクセス
• Windowsワークロード：.NET、SQL Server最適化（さいてきか）

弱（よわ）み：

• 安定性（あんていせい）の問題（もんだい）がAWS/GCPより頻繁（ひんぱん）（特（とく）に2024年（ねん）の大規模（だいきぼ）障害（しょうがい））
• 一部（いちぶ）サービスのドキュメントがAWS/GCPより不足（ふそく）
• Linuxワークロードでのコスト競争力（きょうそうりょく）がAWS/GCPより低（ひく）い
• コンソールが複雑（ふくざつ）で遅（おそ）い

9. 資格（しかく）ロードマップ

9.1 AWS資格（しかく）

AWS資格ロードマップ:

入門: Cloud Practitioner (CLF-C02)
  |
中級: Solutions Architect Associate (SAA-C03)  <- 最も人気
  |
中級: Developer Associate (DVA-C02)
  |
中級: SysOps Administrator Associate
  |
上級: Solutions Architect Professional (SAP-C02)
  |
上級: DevOps Engineer Professional
  |
専門: Security Specialty / Database Specialty / ML Specialty

9.2 GCP資格（しかく）

GCP資格ロードマップ:

入門: Cloud Digital Leader
  |
中級: Associate Cloud Engineer (ACE)  <- 最も人気
  |
上級: Professional Cloud Architect (PCA)
  |
上級: Professional Data Engineer
  |
上級: Professional ML Engineer
  |
専門: Professional Cloud Security Engineer

9.3 Azure資格（しかく）

Azure資格ロードマップ:

入門: Azure Fundamentals (AZ-900)
  |
中級: Azure Administrator (AZ-104)  <- 最も人気
  |
中級: Azure Developer (AZ-204)
  |
上級: Azure Solutions Architect Expert (AZ-305)
  |
専門: Azure Security Engineer (AZ-500)
  |
専門: Azure AI Engineer (AI-102)

9.4 資格（しかく）比較（ひかく）

10. 意思決定（いしけってい）フレームワーク

10.1 シナリオ別（べつ）推奨（すいしょう）

シナリオ別クラウド推奨:

スタートアップ（初期段階）:
-> AWS: 最も広い無料ティア、クレジットプログラム、豊富なチュートリアル
-> GCP: $300クレジット、Firebaseの無料ティア（モバイルアプリに最適）

データ/AI中心チーム:
-> GCP: BigQuery + Vertex AI + TPUの組み合わせが圧倒的
-> AWS: SageMaker + Bedrockも強力だがコストが高い

エンタープライズ（既存MS環境）:
-> Azure: AD統合、Office 365、Hybrid Benefitが決定的
-> AWS: MS環境がないエンタープライズに適合

Kubernetes中心アーキテクチャ:
-> GCP: GKE Autopilotが最高のK8s体験を提供
-> AWS: EKS + Karpenterも良いが設定が複雑

コンプライアンス重視（政府/金融/医療）:
-> Azure: 最も多いコンプライアンス認証を保有
-> AWS: GovCloudで政府ワークロードをサポート

コスト最優先:
-> GCP: 継続使用割引 + カスタムマシンタイプ
-> AWS: Graviton + Spotインスタンスの組み合わせ

10.2 意思決定（いしけってい）フローチャート

クラウド選択の意思決定:

Q1: 既存のMicrosoft環境（AD、Office 365）があるか？
  - Yes -> Azure（Hybrid Benefit + AD統合）
  - No -> Q2へ

Q2: 主要ワークロードがデータ分析/AIか？
  - Yes -> GCP（BigQuery + Vertex AI）
  - No -> Q3へ

Q3: Kubernetesがコアインフラか？
  - Yes -> GCP（GKE Autopilot）
  - No -> Q4へ

Q4: サービスの多様性とエコシステムが重要か？
  - Yes -> AWS（200+サービス）
  - No -> Q5へ

Q5: 予算が最も重要な制約か？
  - Yes -> GCP（継続使用割引）またはAWS（Graviton）
  - No -> AWS（最も安定、最も広いパートナーエコシステム）

11. マルチクラウドおよびハイブリッド戦略（せんりゃく）

11.1 マルチクラウドを検討（けんとう）すべき場合（ばあい）

マルチクラウドが必要なシナリオ:

1. ベンダーロックイン防止
   - コアサービスを特定のクラウドに依存しない
   - Kubernetes + Terraformで移植性を確保

2. Best-of-Breedアプローチ
   - AI/ML: GCP（BigQuery + Vertex AI）
   - バックエンドインフラ: AWS（EC2 + Lambda）
   - ID管理: Azure（Active Directory）

3. コンプライアンス
   - データ主権: 特定のリージョンにのみデータを保存
   - 複数クラウドで規制要件を充足

4. ディザスタリカバリ（DR）
   - 1つのクラウド障害時に別のクラウドへフェイルオーバー
   - Active-ActiveまたはActive-Passive DR

11.2 マルチクラウド技術（ぎじゅつ）スタック

マルチクラウド技術スタック:

IaC（Infrastructure as Code）:
- Terraform: 全クラウドサポート、最も人気
- Pulumi: プログラミング言語でIaCを記述

コンテナオーケストレーション:
- Kubernetes: すべてのクラウドで実行可能
- Istio/Linkerd: サービスメッシュでクロスクラウド通信

CI/CD:
- GitHub Actions: クラウド独立
- GitLab CI: セルフホスト可能

モニタリング:
- Datadog: マルチクラウド統合モニタリング
- Grafana + Prometheus: オープンソースの代替

サービスメッシュ:
- Istio: クロスクラウドトラフィック管理
- Consul: サービスディスカバリ + マルチクラウド

11.3 マルチクラウドの注意事項（ちゅういじこう）

マルチクラウドは複雑性（ふくざつせい）を大幅（おおはば）に増加（ぞうか）させます。 以下（いか）を考慮（こうりょ）してください：

• 運用（うんよう）チームの能力（のうりょく）：2〜3つのクラウドの専門家（せんもんか）が必要（ひつよう）
• ネットワークコスト：クラウド間（かん）のデータ転送（てんそう）コストが高（たか）い
• 一貫性（いっかんせい）：セキュリティポリシー、IAM、ロギングを統合管理（とうごうかんり）する必要（ひつよう）
• 最低（さいてい）2チームの合意（ごうい）なしにマルチクラウド導入（どうにゅう）は危険（きけん）

現実的（げんじつてき）なアドバイス: ほとんどの組織（そしき）では、1つの主力（しゅりょく）クラウド + 特殊用途（とくしゅようと）で1〜2つのサービスだけを使用（しよう）するのが最適（さいてき）です。真（しん）のマルチクラウドは大企業（だいきぎょう）でのみ必要（ひつよう）です。

12. 面接（めんせつ）予想質問（よそうしつもん）15選（せん）

基礎（きそ）質問（しつもん）

Q1: AWS、GCP、Azureの核心的（かくしんてき）な違（ちが）いを簡潔（かんけつ）に説明（せつめい）してください。

AWSは最（もっと）も広（ひろ）いサービスポートフォリオ（200以上（いじょう））と最大（さいだい）の市場（しじょう）シェアを保有（ほゆう）しています。GCPはデータ分析（ぶんせき）（BigQuery）、AI/ML（Vertex AI、TPU）、Kubernetes（GKE）で強（つよ）みがあります。AzureはMicrosoftエコシステム（AD、Office 365）の統合（とうごう）とエンタープライズ/ハイブリッドクラウドで強（つよ）みがあります。

Q2: サーバーレスコンピューティングとは何（なん）ですか？各（かく）クラウドのサービスを比較（ひかく）してください。

サーバーレスとはサーバー管理（かんり）なしでコードを実行（じっこう）するモデルです。AWS Lambda（最大（さいだい）15分（ふん）、最（もっと）も広（ひろ）いイベントソース）、GCP Cloud Functions（最大（さいだい）60分（ぷん）2nd gen、Cloud Runベース）、Azure Functions（Durable Functionsでステートフルワークフロー）。Lambdaが最（もっと）も成熟（せいじゅく）しており、Cloud Functionsがコールドスタートが最（もっと）も短（みじか）いです。

Q3: 各（かく）クラウドの無料（むりょう）ティアの違（ちが）いは？

AWS：EC2 t2.micro 750時間（じかん）、S3 5GB、Lambda 100万（まん）リクエストAlways Free。GCP：e2-micro Always Free（US）、BigQuery 1TB/月（つき）Always Free、Cloud Functions 200万（まん）呼（よ）び出（だ）し。Azure：B1s VM 750時間（じかん）、250GB SQL、Functions 100万（まん）リクエスト。GCPのAlways Free範囲（はんい）が最（もっと）も広（ひろ）いです。

Q4: ベンダーロックインとは何（なん）ですか？どのように軽減（けいげん）しますか？

ベンダーロックインとは特定（とくてい）のクラウドの独占（どくせん）サービスに依存（いぞん）し、他（ほか）のクラウドへの移行（いこう）が困難（こんなん）な状態（じょうたい）です。軽減方法（けいげんほうほう）：1）Kubernetes + Terraformの使用（しよう）、2）オープン標準（ひょうじゅん）ベースの技術選択（ぎじゅつせんたく）（PostgreSQL vs Aurora）、3）抽象化（ちゅうしょうか）レイヤーの導入（どうにゅう）、4）コンテナベースのデプロイ。

Q5: Reserved InstanceとSpot Instanceの違（ちが）いを説明（せつめい）してください。

Reserved Instanceは1〜3年（ねん）の確約（かくやく）で最大（さいだい）72%割引（わりびき）を受（う）けるモデルで、安定（あんてい）したワークロードに適合（てきごう）します。Spot Instanceはアイドル容量（ようりょう）を最大（さいだい）90%割引（わりびき）で使用（しよう）しますが、いつでも回収（かいしゅう）される可能性（かのうせい）があり、バッチ処理（しょり）やCI/CDなど中断（ちゅうだん）可能（かのう）なワークロードに適合（てきごう）します。

中級（ちゅうきゅう）質問（しつもん）

Q6: BigQueryがRedshiftよりデータ分析（ぶんせき）に有利（ゆうり）な理由（りゆう）は？

BigQueryは完全（かんぜん）サーバーレスでインフラ管理（かんり）が不要（ふよう）であり、スキャンデータ量（りょう）ベースの課金（かきん）でコスト予測（よそく）が容易（ようい）です。ストレージとコンピューティングが分離（ぶんり）されて独立（どくりつ）にスケーリングでき、MLモデルをSQLで直接実行（ちょくせつじっこう）（BigQuery ML）できます。Redshiftはクラスタサイズを事前（じぜん）にプロビジョニングする必要（ひつよう）があります。

Q7: GKEがEKS/AKSよりKubernetes体験（たいけん）が優（すぐ）れている理由（りゆう）は？

GoogleがKubernetesを作（つく）ったため、最速（さいそく）のバージョンサポートを提供（ていきょう）します。GKE Autopilotはノード管理（かんり）を完全（かんぜん）に自動化（じどうか）し、Pod単位（たんい）の課金（かきん）が可能（かのう）です。ネットワーキング性能（せいのう）が優秀（ゆうしゅう）で、Anthos Service Meshがマネージドで提供（ていきょう）されます。EKSはコントロールプレーンのコストが発生（はっせい）し、設定（せってい）が複雑（ふくざつ）です。

Q8: Azureがエンタープライズ市場（しじょう）で強（つよ）い理由（りゆう）は？

Active Directory統合（とうごう）で既存（きそん）のID管理（かんり）システムとシームレスに連携（れんけい）します。Office 365、Teams、Dynamics 365との統合（とうごう）が自然（しぜん）です。Azure ArcとAzure Stackでオンプレミス-クラウドのハイブリッド運用（うんよう）が可能（かのう）です。Windows Server Hybrid Benefitで既存（きそん）のライセンスコストを削減（さくげん）できます。

Q9: マルチクラウド戦略（せんりゃく）の長所（ちょうしょ）と短所（たんしょ）を説明（せつめい）してください。

長所（ちょうしょ）：ベンダーロックイン防止（ぼうし）、Best-of-Breedサービス活用（かつよう）、ディザスタリカバリ強化（きょうか）、コンプライアンスの容易（ようい）さ。短所（たんしょ）：運用（うんよう）の複雑性（ふくざつせい）増加（ぞうか）、専門（せんもん）人材（じんざい）が必要（ひつよう）、ネットワークコスト増加（ぞうか）、セキュリティポリシーの一貫性（いっかんせい）維持（いじ）が困難（こんなん）。ほとんどの組織（そしき）では1つの主力（しゅりょく）クラウドを推奨（すいしょう）します。

Q10: クラウドコスト最適化（さいてきか）戦略（せんりゃく）を5つ説明（せつめい）してください。

1）Right-sizing：Compute Optimizer/Recommenderで適切（てきせつ）なインスタンスサイズを選択（せんたく）。2）リザーブドインスタンス/CUDで安定（あんてい）ワークロードの割引（わりびき）。3）Spot/Preemptibleで非重要（ひじゅうよう）ワークロードのコスト削減（さくげん）。4）オートスケーリングで非使用時間帯（ひしようじかんたい）の縮小（しゅくしょう）。5）ストレージライフサイクルポリシーで安価（あんか）なティアへの自動移行（じどういこう）。

上級（じょうきゅう）質問（しつもん）

Q11: Cosmos DBとDynamoDBのアーキテクチャの違（ちが）いを説明（せつめい）してください。

DynamoDBはキーバリュー + ドキュメントモデル専用（せんよう）で、一貫（いっかん）した1桁（けた）ミリ秒（びょう）のレイテンシを保証（ほしょう）します。Global Tablesでマルチリージョンレプリケーションが可能（かのう）です。Cosmos DBはマルチモデル（ドキュメント、キーバリュー、グラフ、カラム）をサポートし、5つの一貫性（いっかんせい）レベル（Strong〜Eventual）を選択（せんたく）できます。ターンキーのグローバル分散（ぶんさん）が強（つよ）みです。

Q12: クラウドマイグレーション戦略（せんりゃく）（6R）を説明（せつめい）してください。

1）Rehost（Lift and Shift）：変更（へんこう）なしで移行（いこう）。2）Replatform：最小限（さいしょうげん）の最適化後（さいてきかご）に移行（いこう）。3）Refactor：クラウドネイティブに再設計（さいせっけい）。4）Repurchase：SaaSに転換（てんかん）。5）Retain：オンプレミス維持（いじ）。6）Retire：廃止（はいし）。多（おお）くの場合（ばあい）Rehostから開始（かいし）し、段階的（だんかいてき）にRefactorします。

Q13: Terraformでマルチクラウドを管理（かんり）する方法（ほうほう）を説明（せつめい）してください。

TerraformはHCLでインフラを定義（ていぎ）し、Providerを通（つう）じてAWS/GCP/Azureすべてをサポートします。State管理（かんり）はリモートバックエンド（S3、GCSなど）を使用（しよう）し、Moduleで再利用可能（さいりようかのう）なインフラコンポーネントを定義（ていぎ）します。Workspaceで環境（かんきょう）（dev/staging/prod）を分離（ぶんり）します。

Q14: 各（かく）クラウドのAI/MLエコシステムを比較（ひかく）してください。

AWS：SageMaker（MLプラットフォーム）+ Bedrock（LLM：Claude/Llama）— 最（もっと）も広（ひろ）いフレームワークサポート。GCP：Vertex AI + BigQuery ML + TPU + Gemini — データ分析（ぶんせき）とMLの統合（とうごう）が最強（さいきょう）。Azure：Azure ML + Azure OpenAI（GPT-4o独占（どくせん））— エンタープライズ生成（せいせい）AIで最強（さいきょう）。

Q15: クラウドネイティブアプリケーション設計原則（せっけいげんそく）を説明（せつめい）してください。

12-Factor Appの原則（げんそく）に基（もと）づいて：1）マイクロサービスアーキテクチャ。2）コンテナベースのデプロイ。3）CI/CD自動化（じどうか）。4）Infrastructure as Code（IaC）。5）ステートレス設計（せっけい）。6）オブザーバビリティの内蔵（ないぞう）。7）オートスケーリング。8）障害分離（しょうがいぶんり）（Circuit Breakerなど）。9）宣言的（せんげんてき）API。10）イベント駆動（くどう）の非同期処理（ひどうきしょり）。

13. クイズ

参考資料（さんこうしりょう）

• AWS公式（こうしき）ドキュメント
• Google Cloud公式（こうしき）ドキュメント
• Azure公式（こうしき）ドキュメント
• Gartner Magic Quadrant for Cloud Infrastructure
• Flexera State of the Cloud Report
• CNCF Cloud Native Survey
• Google Cloud Architecture Framework
• AWS Well-Architected Framework
• Azure Architecture Center
• Terraform Documentation
• Kubernetes Documentation
• InfoQ Cloud Trends Report
• The New Stack - Cloud Native News
• Cloud Native Computing Foundation (CNCF)
• CloudHealth by VMware