# IT企業｜SaaSプロダクトのAWS→GCP乗り換えでML基盤強化・費用最適化｜テクノスフィア > AWSで運用するSaaSプロダクトをGCPへ移行。ECS→GKE、RDS→Cloud SQL、S3→Cloud Storageへ移行しBigQuery・Vertex AIでML基盤を一新。コスト45%削減・デプロイ頻度3倍向上の事例。 URL: https://technosphere.co.jp/cloud-migration/itfirm-aws-gcp [（図: ロゴ：株式会社テクノスフィア）](https://technosphere.co.jp/) [NEW 採用情報](https://technosphere.co.jp/recruit) ** IT・SaaS企業 / クラウド間移行 # SaaSプロダクトの AWS → GCP 乗り換えで ML基盤を強化・費用最適化 45%MLコスト削減 3倍デプロイ頻度向上 6ヶ月移行期間 0件サービス障害ゼロ ## プロジェクト概要 東京都内に本社を置くIT系スタートアップ企業様。BtoB向けの業務効率化SaaSプロダクトをAWSで運用していましたが、機械学習・データ分析機能の強化を目的に、GCPへの移行を決断されました。 AWS ECSで動くマイクロサービス群、RDS（PostgreSQL）のデータベース、S3の大量ファイルストレージを、それぞれGKE・Cloud SQL・Cloud Storageへ移行。さらにBigQueryとVertex AIを活用してML基盤を一新し、データ活用の幅を大きく広げることに成功しました。 テクノスフィアはインフラ設計・移行実装の全工程をワンストップで担当。本番サービスへの影響ゼロで6ヶ月での移行を実現しました。 ## 課題と解決アプローチ ⚠ CHALLENGE（課題） - AWSのML系サービス（SageMaker）のコストが高く拡張に限界 - ECSのクラスター管理が複雑でデプロイに時間がかかる - BigQuery相当の大規模データ分析基盤がない - S3のデータ転送コストが毎月高額に - 本番稼働中のSaaSのため無停止での移行が必須 → ✅ SOLUTION（解決策） - ECS → GKE（Autopilot）でKubernetes移行・CI/CD刷新 - RDS(PostgreSQL) → Cloud SQL（Postgres）にデータ移行 - S3 → Cloud Storageへオブジェクトストレージ移行 - BigQuery導入でデータウェアハウスを一元化 - Vertex AIでML基盤を構築・SageMakerからモデル移植 ## 移行前後のアーキテクチャ比較 【移行前：AWS構成】 AWS ECS (Fargate) × 8マイクロサービス AWS RDS PostgreSQL 13（Multi-AZ） Amazon S3 × 4バケット（計 12TB） AWS SageMaker：MLモデル学習・推論 Amazon Redshift：データウェアハウス AWS CodePipeline / CodeBuild：CI/CD CloudWatch：監視・ログ収集 Route53 / ALB：DNS・ロードバランサ → 【移行後：GCP構成】 GKE Autopilot × 8マイクロサービス Cloud SQL PostgreSQL 15（HA構成） Cloud Storage × 4バケット（計 12TB） Vertex AI：MLモデル学習・推論 BigQuery：データウェアハウス（列指向） Cloud Build / Artifact Registry：CI/CD Cloud Monitoring / Cloud Logging：監視 Cloud DNS / Cloud Load Balancing：DNS・LB ## 移行の進め方（6段階アプローチ） ### Phase 1：調査・設計（月1） 既存AWSアーキテクチャのインベントリ調査、依存関係マッピング、GCPへの対応サービスの選定。移行コスト試算とROI分析も実施。 ### Phase 2：GCP基盤構築（月1〜2） Terraform によるGCPインフラのコード化（Infrastructure as Code）。VPC・サブネット・IAM・GKEクラスター・Cloud SQL・Cloud Storageを構築。 ### Phase 3：コンテナ移行（月2〜3） ECS TaskDefinitionからKubernetes Manifestへの変換。Helmチャートで各マイクロサービスをGKEにデプロイ。Cloud Build でCI/CDパイプラインを再構築。 ### Phase 4：データ移行（月3〜4） RDS → Cloud SQL：pg_dumpベースの移行＋Database Migration Service（DMS相当）での差分同期。S3 → Cloud Storage：Storage Transfer Serviceで12TBを並列転送（5日間）。 ### Phase 5：ML基盤移行（月4〜5） SageMakerのモデルをONNX形式でエクスポートし、Vertex AIにインポート。BigQueryへRedshiftのデータを移行し、分析クエリを書き換え。 ### Phase 6：切り替え・並行稼働（月5〜6） AWS・GCP並行稼働期間を2週間設け、全APIの応答を比較検証。DNS切り替えはTraffic Splittingで10%→50%→100%と段階移行し障害リスクをゼロに。 ## 移行結果・成果 45%ML処理コスト削減 （Vertex AI vs SageMaker） 3倍デプロイ頻度向上 （月8回→月25回） 80%データ分析クエリ速度向上 （BigQuery列指向） 0件本番障害ゼロ （切り替え時） ## クラウド間移行（AWS → GCP）のポイント - **サービスの対応表を先に整理**：ECS/Fargate→GKE、SageMaker→Vertex AI、Redshift→BigQueryなど、移行前に対応サービスを確定させることで設計のブレをなくします。 - **Terraformでインフラをコード化**：AWSとGCPのTerraformプロバイダーは異なりますが、ステート管理のノウハウは共通です。Infrastructure as Codeで再現性を担保。 - **データ転送コストに注意**：AWS→GCPへの大量データ転送はEgress課金が発生します。Storage Transfer Serviceを活用し、転送中のコストを最小化。 - **BigQueryの列指向の活用**：RDBの行指向からBigQueryの列指向に変わることで、集計クエリが劇的に速くなります。データモデルの見直しも並行して実施。 [← 前の事例 物流業：COBOL/AS400 → Azure フルリプレイス](https://technosphere.co.jp/cloud-migration/logistics-cobol-azure) [次の事例 → 自治体：Solaris/SPARC → OCI 移行](https://technosphere.co.jp/cloud-migration/government-solaris-oci) プロジェクト概要 - 業種IT・SaaS企業 - 規模従業員120名 - 移行元AWS（ECS・RDS・S3） - 移行先GCP（GKE・Cloud SQL・BigQuery） - パターンRe-platform（再プラットフォーム化） - 期間約6ヶ月 - 停止時間ゼロ（段階的DNS切り替え） - データ量約12TB（S3）＋2TB（RDS） AWSからGCP・Azure・OCIへの クラウド間移行もお任せください 現在のクラウドから別のクラウドへの移行・コスト最適化をご支援します。まずはご相談ください。 [無料相談はこちら](https://technosphere.co.jp/contact) 初回ヒアリング無料 ## クラウド間の乗り換えも、コスト最適化もテクノスフィアにお任せください。 [無料相談・お問い合わせ](https://technosphere.co.jp/contact) [事例一覧に戻る](https://technosphere.co.jp/cloud-migration/) [（図: ロゴ：株式会社テクノスフィア）](https://technosphere.co.jp/) [技術コラム](https://technosphere.co.jp/blog/) [採用情報](https://technosphere.co.jp/recruit) [プライバシーポリシー](https://technosphere.co.jp/privacy) © 2023 Technosphere Inc. - [Facebook](https://www.facebook.com/technosphere.co.ltd) - [X（旧Twitter）](https://x.com/technosphere_co) - [Instagram](https://www.instagram.com/technosphere_co/) - [TikTok](https://www.tiktok.com/@technosphere.co)