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
- 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
- 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
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
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
（Vertex AI vs SageMaker）
（月8回→月25回）
（BigQuery列指向）
（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。