AWS S3 (2006・クラウドストレージ起源)（エーダブリューエスエススリー）
2006年に登場した、世界初の本格的な商用クラウドストレージサービス。オブジェクト形式でデータを保存し、極めて高い耐久性とスケーラビリティを備え、現代のクラウドコンピューティング基盤を形作った原点である。
概要
AWS S3は、単なるデータ保存領域を超え、現代のデジタル経済を支える「データの基盤」として機能しています。2006年の登場以来、ストレージとコンピューティング資源を分離し、必要な時に必要な分だけ利用する「Pay-to-use（従量課金）」モデルを確立しました。これは従来の物理サーバー運用における大規模な先行投資（CapEx）を、運用コスト（OpEx）へと変換するパラダイムシフトをもたらしました。
2025年以降の動向として、生成AIや大規模言語モデル（LLM）の爆発的な普及に伴い、S3は「データレイク」としての重要性をさらに増しています。膨大な非構造化データを低コストで保持し、機械学習パイプラインへシームレスに供給する役割は、現代のAIインフラにおいて不可欠な要素となっています。また、エッジコンピューティングとの連携により、分散されたデータの集約地点としても進化を続けています。
スペック表
| 特徴 | 詳細内容 | | :--- | : | | データ耐久性 | 99.999999999% (11 nines) | | アクセスインターフェース | RESTful API / SOAP API | | ストレージクラス | Standard, Intelligent-Tiering, Glacier 等 | | スケーラビリティ | 無制限のオブジェクト数と容量 | | 整合性モデル | 強整合性（Strong Consistency）対応 |
比較表: ストレージ形態の比較
| 比較項目 | オブジェクトストレージ (S3) | ブロックストレージ (EBS等) | ファイルストレージ (EFS等) |
|---|---|---|---|
| 主な用途 | データレイク、バックアップ、静的配信 | OS起動、データベース用ドライブ | 共有ファイルサーバー、共同作業 |
| 構造 | キー・値によるフラットな管理 | セクタ単位のブロック管理 | ディレクトリ階層構造 |
| 拡張性 | 極めて高い（容量を意識不要） | 容量制限があり拡張には再構築が必要 | 高い（共有アクセスが可能） |
| コスト感 | 非常に低コスト | 中程度（性能に依存） | |
| アクセス速度 | レイテンシはやや高め | 低レイテンシ・高速 |
関連用語との違い
オブジェクトストレージ vs ブロックストレージ
S3のようなオブジェクトストレージは、データに「メタデータ」と「一意の識別子（キー）」を付与して管理します。一方、EBSなどのブロックストレージは、ハードディスクのようにデータを細かなブロック単位で扱います。前者は大規模データの保存に向き、後者はOSやデータベースのような高速な読み書きが必要なアプリケーションに適しています。
データレイク vs データウェアハウス
S3を用いた「データレイク」は、構造化・非構造化を問わず生のデータをそのまま貯める場所です。対して、データウェアハウス（DWH）は、あらかじめ整理・加工された構造化データを格納し、高速な分析を行うための仕組みです。現代のアーキテクチャでは、S3に蓄積した生データを加工してDWHへ送るフローが標準的です。
FAQ
Q1: なぜ「11ナイン」という耐久性が重要なのですか？
A1: 99.999999999%という数値は、数千年に一度レベルのデータ消失確率を意味します。これにより、企業は物理的なバックアップ機材を自社で管理するリスクから解放され、データの永続性をクラウド側に委ねることが可能になりました。
Q2: コスト削減を実現するための鍵は何ですか？
A2: データのアクセス頻度に応じた「ストレージクラス」の適切な選択です。頻繁に利用しないデータは低コストなGlacier等へ自動移行する「Intelligent-Tiering」を活用することで、管理負荷を抑えつつ劇的なコスト最適化が可能です。
Q3: AI開発においてS3はどう活用されていますか？
A3: LLMの学習にはテラバイト・ペタバイト級の画像やテキストデータが必要です。これらを安価かつスケーラブルに保持し、計算リソース（GPUインスタンス）から直接参照できるS3は、AI開発における「データの供給源」として中核を担っています。