こんにちは、技術広報の yayawowo です。 システム開発 で重要な『開発とテスト』について、 エンジニアの体験談やTipsを覗いてみませんか？ 延べ450名以上の参加申込をいただいた、 『開発×テスト LT会』全2開催分の資料をまとめて紹介します！ イベント詳細はこちらをご確認ください！ ・ 開発×テスト LT会 ・ 開発×テスト LT会 - vol.2 開発×テスト Tips 11選 絶対にテストコードを書かないチームのテストルール 意外とカンタン!?テストコードの改善から始めるシステム開発の効率化 テスト嫌いなプログラマがテストを語る ISTQB/JSTQBシラバスから学ぶAgileTesting 単体テストゼロからテスト文化を醸成させた話 少しずつ手厚くして不具合や仕様漏れを防ぐために CircleCIでtiming dataに基づいたテスト分割をDartで利用できるようにした話 ソフトウェアエンジニアが品質保証を学んでわかったこと 個人開発でテストを書いてみて良かったこと＆伸びしろ UTアンチパターン インシデントゼロを支える技術 最後に 開発×テスト Tips 11選 絶対にテストコードを書かないチームのテストルール 発表者： ヒグ！ さん speakerdeck.com ◆ 発表内容 ・テストコードのいいところ 　→テストを自動化して効率化 　→ 単体テスト を入れることでコードの品質を評価 　→修正して再テストが容易 ・手動テスト/自動テストのメリット/デメリット ・自動テストデータの扱いやすさ、手動テストの柔軟性 　→双方の長所を活かして生産性向上に繋げていきたい 意外とカンタン!?テストコードの改善から始める システム開発 の効率化 発表者： 面川泰明 さん speakerdeck.com ◆ 発表内容 ・テストやっててつらいことはありませんか？ 　→考慮漏れしたテストケースで不具合を発見できない 　→テスト用のドキュメントをいちいち作成/更新するのが面倒 ・今回取り組んだ内容 　① テストコードは適切にケース分けする 　② あえてDRYをやめ、べた書きする ・続けて良かったこと 　エンジニア：テストケースの考慮漏れに気づきやすくなった 　テスター ：テスト用のドキュメントを作成/更新する手間が削減された テスト嫌いな プログラマ がテストを語る 発表者： 白柳隆司 さん speakerdeck.com ◆ 発表内容 ・テストが「嫌い」な プログラマ は多いはず 　→おおっぴらに「嫌い」とも言えない空気感 ・「嫌い」だから遠ざけていいわけではない ・「嫌い」の理由を見つめる 　→そこから出てくる視点を活用する ISTQB/ JSTQB シラバス から学ぶAgileTesting 発表者： Daiki Tanoguchi さん speakerdeck.com ◆ 発表内容 ・品質はチームのもの ・リスク評価は「相対見積もり」でできる ・探索的テストはセッションベースドかつテストチャーターを用いて行おう ・要求エンジニアリングの技法を使ってテストを考えよう 単体テスト ゼロからテスト文化を醸成させた話 発表者： south さん speakerdeck.com ◆ 発表内容 ・やったこと 　→ライブラリ導入（Jest/Testing Library） 　→ドキュメント（ライブラリの主要な API /テスト観点/サンプルコード） 　→モック関数を用意 　→読書&発表 　→ ペアプロ ・モブプロ ・ライブラリを導入して終わりではなくテストが書きやすい環境を整備 ・テストは慣れるしかない！が段階的に慣れていくための支援をしよう 少しずつ手厚くして不具合や仕様漏れを防ぐために 発表者： fumiyasac さん 少しずつ手厚くして不具合や仕様漏れを防ぐために from Fumiya Sakai www.slideshare.net ◆ 発表内容 ・少しずつUnitTestを手厚くして複雑になっても仕様を読み取れる様にする 　①　仕様を良い意味で疑いながら必要な観点を洗い出す 　②　UnitTestがあると以前の仕様の確認もできる 　③　言葉だけでは紛らわしい部分にはテストを手厚く書く様にする CircleCIでtiming dataに基づいたテスト分割を Dart で利用できるようにした話 発表者： operandoOS さん speakerdeck.com ◆ 発表内容 ・ Dart testsでCircleCIのtiming dataを利用して良い感じにテスト分割/並行実行したい…！ 　① Dart testの結果を Junit XML で出力する 　② 出力した Junit XML をテスト メタデータ としてCircleCIに認識させる 　③ テスト実行のコマンドを書き換える ・"No timing found for <ファイル>"というエラーが出た場合 　原因：timing dataのfile keyの値がnull 　対応 　・ dart -junitreportの内部で利用している dart -testreportライブラリの修正 　・ dart -junitreportで Junit XML 出力する際、testcase elementにfile attributeの追加 　・file attributeに記載されたfile pathをCI上で sed コマンドを利用して書き換え ソフトウェアエンジニアが品質保証を学んでわかったこと 発表者： hisaichi5518 さん speakerdeck.com ◆ 発表内容 ・品質を定義するのが重要 ・プロダクト品質を保証するには、品質を作りこむことが大事 ・品質を作り込むには、チーム全員が 開発プロセス をすべてフェーズでテストをする＝Holistic testing ・テストとは、 開発プロセス のフェーズで出来た成果物に対してチーム全員が想定したものか確認すること 個人開発でテストを書いてみて良かったこと＆伸びしろ 発表者： あきお さん akio-blogger.blogspot.com ◆ 発表内容 ・なんで個人開発でテストを書こうと思ったのか？ 　→個人開発では0からテストを書くことができる 　→個人開発だから自由に技術選定ができる 　→若干仕様が複雑な部分がある ・良かったこと 　→テストが開発記録代わりになる 　→最初以外はテストのメンテコストを感じない 　→少し時間はかかるけどチャレンジングなことができる UT アンチパターン 発表者： ryo07 さん UTアンチパターン from ryoheiseki1 www.slideshare.net ◆ 発表内容 ・ アンチパターン 　① 「そもそもテストが存在しない！」 　② 「テスト名が雑！」 　③ 「mock, verify に any を使うな！」 　④ 「テストの中に実装コードを混ぜるな！」 　⑤ 「なにもアサートしていない」 　⑥ 「Null チェックが甘い」 インシデントゼロを支える技術 発表者： Yuji Yamaguchi さん speakerdeck.com ◆ 発表内容 ・フロントエンドテストのつらみ 　→ 単体テスト は問題ないのに手戻りや結合バグが多くなりがち ・testing-libraryの導入で良かったこと/難しかったこと ・testing-libraryを使うと、実態に近い状態でテストをすることができる ・全体仕様を把握するための材料として、テストケースを作成するのもオススメ ・ 単体テスト よりもコストがかかるので、やりすぎないように注意が必要 最後に 『開発×テスト LT会』のまとめはいかがでしたでしょうか？ 参考になる システム開発 /テストのTIpsが1つでもありましたら、幸いです。 また、『開発×テスト LT会 vol.3』が7/20(水)19:00～、開催を予定しております！ rakus.connpass.com 登壇/視聴ともに募集をしておりますので、是非お気軽にご参加ください！ 最後までお読みいただきありがとうございました！ エンジニア 中途採用 サイト ラク スでは、エンジニア・デザイナーの 中途採用 を積極的に行っております！ ご興味ありましたら是非ご確認をお願いします。 https://career-recruit.rakus.co.jp/career_engineer/ カジュアル面談お申込みフォーム どの職種に応募すれば良いかわからないという方は、カジュアル面談も随時行っております。 以下フォームよりお申込みください。 rakus.hubspotpagebuilder.com ラク スDevelopers登録フォーム https://career-recruit.rakus.co.jp/career_engineer/form_rakusdev/ イベント情報 会社の雰囲気を知りたい方は、毎週開催しているイベントにご参加ください！ ◆TECH PLAY techplay.jp ◆connpass rakus.connpass.com

4/16に ラク スに入社しました、技術広報の飯野です。 入社して1ヶ月と少し経ちましたので入社エントリを書いてみることにしました。 本投稿は社外の方はもちろんですが社内メンバーにも自己紹介の絶好の機会ですので、社内外を問わず読み物としてお楽しみいただければと思います。 「技術広報って何をしているの？」「なぜエンジニアから技術広報に？」という方から「 ラク スってどんな会社か知りたい！」という方にまで幅広く読んでいただければ幸いです。 目次 経歴 転職のきっかけ 入社の決め手 ラクスの技術広報とは 入社後やっていること 社内の雰囲気 入社後の課題感 まとめ 経歴 大学 文学部日本文学科を卒業しており、生粋の文系です。 入社1社目の常駐先で「好きな古文は 源氏物語 です」と言ったところ、大層変わった子扱いをされていました。（そんなに変わった人間ではないです。） 1社目 前述の中小 SIer に新卒で入社し、SES（客先常駐）の形態で約4年働いていました。 Web広告代理店、宝くじ、 クラウド サービス、ネット証券等の現場でエンジニア経験を積ませていただきました。 SESあるあるかと思いますが（6年前の情報なので今とは違うかもしれません）、 常駐先によって待遇がかなり変わること 完全な ウォーターフォール だと一部工程にしか携われず自分が何を作っているのかすらよく分からない現場もあったこと 会社同士の契約のため来月自分がどこに居ることになるかすら分からなかったこと 等々、働き方について疑問を抱くようになり転職を決めました。 ただし、いろいろな現場に行って様々な業種のプロダクトを社外のエンジニアと毎回違う言語や フレームワーク で開発していたことは、間違いなくわたしのエンジニアスキルの土台になっています。 2社目 Web広告代理店で約6年働いていました。 自社のエンジニアと自社システムを作りたかった（エンジニアが99%内製でした）のと、入社時から新規プロダクトの開発に従事できるということで入社を決めました。 上述の、新規プロダクトであるクライアントが使用する広告発注システムの構築や、営業の売上と粗利をデイリーで管理するデータ分析基盤の実装、計上ツールの保守等、様々なプロダクトに携わりました。 また、この会社で アジャイル について学び、 スクラム 開発を実践していました。 エンジニア リングマ ネージャー（一般用語で言うところの課長レイヤーにあたるかと思います）兼開発チームのエンジニアを約5年、＋ スクラム マスターというやりたがりが溢れ出たロールを担当していました。 2020年2月からはフルリモートで働いていました。 上記の通り、 ラク スが3社目で転職経験は2回です。 転職のきっかけ 前職はとても居心地のよい会社で、働きやすく、かつ人もよく、とても恵まれた環境であったと言えます。 「やりたい」と声を上げれば大抵のことはやらせてもらえましたし、価値が見出せないものやあまりにも短納期な要望は「やりたくない」と正直に言っていました。 （※ここは個人の性格によるところが大いにあります、全員が全員そう言っていたわけではないです。） 若い時からどんどんチャレンジさせてもらえて、新卒入社2年目で課長職になっている社員もいました。 実成果云々ではなく「やりたい」と言った社員へ挑戦機会を多く与える、といった風土です。（もちろん素質があればこそです。） そんな恵まれた環境に身を置いていたわけですが、だんだんと自分の市場価値について考えるようになりました。 立場上裁量も大きく、言い方がよくないかもしれませんが大体のことは言えばなんとかなっていた感覚があり、周りのメンバーからも「飯野が言うなら」といった空気を感じていました。 また、入社してからずっと同じプロダクト/チームに携わっていたため、他の環境に行った際にどのくらい太刀打ちできるものなのかが全く分からず、変化を求めている状態が続いていました。 とは言え「絶対に転職したい」という強い願望はなく、とりあえず手っ取り早く市場価値を知りたかったので、 ヘッドハンティング 型の転職サイトに登録しました。 ありがたいことにスカウトはそれなりにいただいていたのですが、同じようなポジションで同じような働き方なのであれば無理に会社を離れる必要はないと思っており、求人情報を見るだけの日々を過ごしていました。 そして転職サイト登録後半年を経過した頃、「技術広報」というポジションで ラク スからスカウトをいただきました。 入社の決め手 そもそもスカウトを貰うまで「技術広報」というポジションをよく知らなかったわたし。 カジュアル面談で開発部の組織体制や技術広報の業務内容について話を聞き、 これまで培ってきたエンジニアリングを土台に新しい分野で活躍できること 横断組織のため関わりを持つ社員がとても多いこと 対外的な組織 ブランディング に携われること に心惹かれて選考に進みました。 もともとコミュニケーションを取りながらチームで成果を上げることが好きだったので、より多くの人と関わり、プロダクトやチームを横断して組織のために働ける環境が魅力でした。 また、エンジニアから完全に離れることには不安もあったので、オファー面談の際に「もし技術広報が合わなければエンジニアでも」と言ってもらえたのも大きかったです。 ということで、転職活動は完全受け身で ラク ス1社のみエントリーし、ご縁がありまして入社に至りました。 内定をいただいてからも採用課の方も含め何度も話を聞いていただき（週1の頻度で電話 or Web面談で連絡を取り、オファー面談の際にも「現場のエンジニアと話したい」というわがままも聞いてもらいました）会社の制度面についてや、どういった人がいるのか、どういった人がカルチャーマッチしているか、という話を根掘り葉掘り教えていただきました。 納得いくまで悩む時間とサポートをくださったことで、安心して入社を決めることができました。 転職活動をほとんど行っていないので他社と比較しづらいですが、かなり手厚い方なのではないかと思います。 ラク スの技術広報とは 前述の通りですが、 ラク スの技術広報は 開発組織の ブランディング 、認知拡大 を行うことで、最終的には開発組織の 採用強化 を図ることを目的としています。 具体的な業務内容としては、 ラク ステックブログの運営 社外向け技術イベントの企画・運営 外部イベントの発掘・情報収集 上記取り組みによる集計作業・分析 の4点が挙げられます。 もちろん技術広報だけで全てを賄うことはできないので、現場のエンジニア/デザイナー、マネージャーの皆さまの力をお借りして活動を行っています。 より具体的な活動内容は こちらの投稿 をぜひご覧ください。 tech-blog.rakus.co.jp 入社後やっていること 出勤 2年ぶりのオフィス出勤なので、まずは通勤に慣れるところから始めましたw （※ ラク スは対面でのコミュニケーションを重視しており、緊急事態宣言等の要請がない限りは基本的にオフィス出勤となります。） 始めは電車に乗るのも緊張していたのですが、転職したてのわたしにとって対面コミュニケーションは関係構築をするにあたりかなり有効に働いていると思います。 もちろんリモートでも関係構築は可能です。 が、やはりリモートに比べてコミュニケーション量（雑談含む）が全く違います。 困ったときの「ちょっといいですか？」も2秒でできます、すごい。 「あの席にいるあの人にXXについて聞きたい」も歩いて行って5秒でできます、すごい。 業務外だけど誰かに話したいくだらないこともすぐに言えます、すごい。 リモートでは必須と思われる「場作りをしてから雑談をする」という必要性がなくなり、気軽にコミュニケーションが取れるようになりました。 副次的な効果としては、圧倒的に運動量が増えなんと体重も減りました。歩くの大事。 イベント企画・運営 わたしは4月中旬入社のため、入社時点で今期の計画はほぼ出来上がっている状態でした。 が、社外向け技術イベントを追加するにあたり、わたしも入社1週目からさっそく企画に携わることとなりました。 6月〜8月にかけて行われるLT会のうち、6本のイベント企画をさせていただいております。 「初めはお試しと思ってとりあえずやってみよう」というご厚意によりたくさん採択していただいて、嬉しいやら緊張やらです。 直近ですと6月中旬に「 アジャイルについてゆるく語りたい！ 」（LT会）を開催予定です。 アジャイル 開発での取り組みやプロダクトの開発手法について聞いてみたい！という方はぜひご視聴ください！ rakus.connpass.com 集計作業の自動化 技術広報はブログやイベント等の数値を扱っており、改善サイクルを回すために集計作業が必須です。 集計作業を行うにあたり、これまでは手作業でやっていた定型業務を少しずつ自動化しています。 「集計が速くなった！楽になって嬉しい！」と言ってもらえるとにんまりします。（これまでのエンジニア経験も活かせていますね！） チームビルディング 入社後は毎日1on1の時間を30分取っていただいていて、雑談や現状困っていること等をチームのリーダーと話しています。 入社3日目の1on1で「メンバーも増えましたし（自分のことですが）チームビルディングのワークがやりたいです」と言ったところ「どうぞどうぞ」と快諾していただいたのでさっそくやってみました。 技術広報チームではチームビルディングの経験があるメンバーは少なかったので、まずはチームビルディングの目的と効果について認識合わせを行いました。 チームビルディングを行うことで、 コミュニケーションの円滑化 心理的 安全性が高くなる チームに一体感が生まれる＝生産性が向上 といった効果を期待できる、という話をしました。 ドラッカー 風エクササイズ 技術広報チームの初ワークには前職でも行っていた ドラッカー 風エクササイズを採用しました。 「 ドラッカー 風エクササイズ」とは、 アジャイルサムライ の著者であるJonathan Rasmusson氏が書籍やブログで紹介しているチームビルディングの手法 4つの質問にチーム全員が答えることで、相互理解の促進と期待値のすりあわせという効果があり、特にプロジェクトの開始時や新メンバーを迎えるときに効果的 と言われているワークです。 主にソフトウェア開発をしているチームで取り組むことが多い（と思われる）ので、開発外のチームで行ったのは初めてでした。 ドラッカー 風エクササイズでは参加メンバーの得意なことや大切にしている価値観を知ることができるので、自己開示を目的としているワークの場合に有効な選択肢だと思います。 実際にやってみて、参加メンバーからの感想も貰いました。 期待値の擦り合わせは良かった。 期待値の得点づけで4-5が多いあたり、対人の気遣いができるメンバー達なのだなと思った反面、 心理的 安全性はまだ低いのかなとも考えた。 一緒に仕事をする上で、チームの得意・不得意、価値観などが詳細にきけて良かったです。 今後仕事をする上で、期待値の相互理解ができたことはとても良いと思いました。 関わっている期間が長い人/短い人とで、期待値の変化が起こると思うので、期が変わる頃にもやってみたいなーと思いました。 改めてコミュニケーション、自己客観視の機会が持ててよかったと思う。 チームの現状やメンバーの得意なことが大きく伝わってきて理解が深まった。 自分へのコメントがいただけることで、自分の位置や目指していく方向わかりやすくなったと思う。 今後いい意味で変化できたらと思いました！ プロダクト開発のチーム以外で行ったのは初めてでしたが、ポジティブなFBが多く貰えました。 「 心理的 安全性はまだ低いのかな」という意見もあり、メンバーが増員したばかりということももちろんあるでしょうし、まだお互いに気は遣っている状態ということがこういったワークを通して明るみになった点もよかったと思います。 社内の雰囲気 情報共有の文化 チャット上での交流がとても活発に行われていて、社外の技術イベントのレポートやおすすめの記事、ネットニュース、美味しいランチ情報が流れてくるチャンネルもあります。 （※ ラク スの開発部門では「Mattermost」をチャットツールとして採用しています。） こういった情報発信ってリアクションがないと切ないですよね。 わたしも技術広報活動の一環で社内報を流す機会が多いのですが、絵文字で反応をいただけるととてもありがたいです！ また、有志での集まりも盛んな印象です。 技術広報主導ではない社外向けイベントがあったり、読書会が開かれたりと、主体性を持つ社員によってチームを横断した活動が行われています。 わたしも読書会に参加予定なので楽しみです！ フラットで柔軟な社員が多い 技術広報では社外向け技術イベントの企画・運営をしていますが、その一環で社内のエンジニアやデザイナーに登壇依頼をする機会があります。 わたしも入社してから何名かの方に「登壇いかがですか？」と声を掛けさせていただきましたが、「お誘いありがとうございます！」「発表内容考えておきます！」とさくっと快諾いただけることが多く感動しました。 社内でこういったアウトプットの文化を作るのはすごく難しいと思います。 前職でも「ブログ書いてよ」と言うのも言われるのもなんだかハードルが高いなと感じていました。（実際にはそんなことはないのですが。） ラク スでは年間のブログ計画を技術広報と開発部内で連携して作成しています。 この計画ブログだけでも大変にありがたいのですが「LT会に向けてブログを執筆したのでアップしてほしい」「連載物を書きたい」等の飛び込み執筆者がいらっしゃいます。 強制ではなくこういった形でブログを書いてくださる方が増えると、日頃のインプットを気軽にアウトプットする流れが根付きそうですね。 技術広報としてもそういった社員のアウトプットの場をどんどん増やしていければと思っています。 入社後の課題感 人力の作業を自動化したい 集計作業や管理業務にはまだまだ手作業が多い状況です。 なんでもかんでも自動化すればいいってものでもないですが、完全にルーチン化していて人がやる必要のない作業はなるべく人力を減らして、より企画や分析等のクリエイティブな箇所に注力していきたいですね。 技術広報として会社のことをもっと知りたい まだ入社して日が浅いこともありますが、会社に関するインプットの日々が続いています。 プロダクトも社員も多く、それぞれのプロダクト毎の技術スタックや開発手法、日々の取り組み等まだまだ分からないことだらけです。 が、技術広報は横断組織のため関わる社員は本当に多いです！ 前職までは業務で関わりのあるエンジニアやデザイナーはかなり限られていたので、横断組織ならではの特色だと思います。 日々少しずつですが、関わりを通してプロダクトや組織毎の特色を学び、組織 ブランディング に活かせるような企画に繋げていきたいです。 ラク ス社員の皆さま、今後ともよろしくお願いいたします！ まとめ 以上、エンジニアから技術広報に ジョブチェンジ した話でした。 入社して一ヶ月と少しですが、すでにいろいろな機会をいただけているなと改めてふりかえることができました。 まだまだ技術広報としては ひよっこ ですが、組織の認知拡大目指して邁進します！ 最後までお読みいただき、ありがとうございました！ エンジニア 中途採用 サイト ラク スでは、エンジニア・デザイナーの 中途採用 を積極的に行っております！ ご興味ありましたら是非ご確認をお願いします。 https://career-recruit.rakus.co.jp/career_engineer/ カジュアル面談お申込みフォーム どの職種に応募すれば良いかわからないという方は、カジュアル面談も随時行っております。 以下フォームよりお申込みください。 rakus.hubspotpagebuilder.com ラク スDevelopers登録フォーム https://career-recruit.rakus.co.jp/career_engineer/form_rakusdev/ イベント情報 会社の雰囲気を知りたい方は、毎週開催しているイベントにご参加ください！ ◆TECH PLAY techplay.jp ◆connpass rakus.connpass.com

技術広報の yayawowo です。 いつも ラク スのエンジニアブログをお読みいただき、ありがとうございます！ 今回は2022年度最初の ラク スMeetup、 『 技術刷新の課題取り組み - 共通基盤/k8s/技術ロードマップ - 』 の発表内容について紹介させていただきます！ テーマは『先行技術検証の事例』です。 当社の技術課題解決に向け、新技術の導入検証に取り組む専門組織のマネージャー/メンバーたちが登壇させていただきました！ なお、本イベントは以下のような方にオススメとなっております。 ◆ こんな方にオススメ！ ・時代の変化/ビジネス要求に合わせて システム開発 したい ・5年10年続いたサービスをさらにこれから10年維持したい方 ・ ラク スの技術ロードマップ運用が気になる ・現実的な技術検証の取り組みを知りたい ・技術検証組織に興味がある ・ SaaS 開発に携わるエンジニアの話が聞きたい ・当社で働くことに興味がある 発表の紹介 横断部門としての取り組み紹介（研究開発、共通基盤開発） Kubernetes導入に備えたGitOpsなCI/CDを構築する サービスを陳腐化させない組織だった技術刷新 　ラクスのエンジニアと話をしてみたい方へ 終わりに 発表の紹介 それではここから各発表内容と資料を共有させていただきます！ イベントの詳細は以下をご確認ください。 rakus.connpass.com 横断部門としての取り組み紹介（研究開発、共通基盤開発） 登壇：堀内 泰秀 [所属：技術推進課 マネージャー] speakerdeck.com まずは、技術推進課マネージャーの堀内からの組織についてご紹介させていただきました！ 術推進課は技術的な横断部門として活動しており、各サービス開発部門が手をつけられない領域にチャレンジする組織となっています。 例えば サービス開発のチームでは取り組めないテク ノロ ジー の研究開発 各サービスを横断する機能の開発 開発部門だけでなくビジネス部門への技術情報提供 など様々です。 本発表では、以下ポイントについてお話しさせていただきました。 技術推進課の取り組み 研究開発成果の一例のご紹介 研究開発を組織化して行う意義 組織が抱える課題　 Kubernetes 導入に備えたGitOpsなCI/CDを構築する 登壇：岡本 拓也 [所属：技術推進課] speakerdeck.com 続いて、岡本より検証事例をご紹介しました！ ラク スのサービスのほとんどはオンプレミスで構築し運用していますが、コンテナ技術を生かした開発の需要の高まりやECSで運用しているサービスのオンプレミスへの移行に備え、 Kubernetes での運用を視野に入れています。 そのため、 Kubernetes 導入に備え従来のCI/CDをIaCの特徴を活かしたものに変化させる必要があります。 今回はGitOpsを採用して ラク スの技術スタックに沿った Kubernetes ネイティブなCI/CDを考案、構築したお話をさせていただきました。 ◆ 関連ブログ tech-blog.rakus.co.jp サービスを陳腐化させない組織だった技術刷新 登壇：鈴木 勇 [所属：技術推進課 speakerdeck.com 最後は、鈴木の発表です。 数年どころか、数ヶ月も持たずに消えていくシステムがある一方、上手く軌道に乗ると10年以上運用されるものもあります。 ラク スでは長く続いているサービスを複数抱えていますが、長く続くサービスの悩みといえば「技術的負債」と「仕組みの陳腐化」です。 今回は仕組みの陳腐化に対してどのような取り組みを行っているのかをご紹介しました。 長く続くサービスにありがちな「システム面では陳腐化しているが、ビジネス面では問題となっていない」というよくあるシチュエーションに対してどのようなアプローチを行っているのかという話をさせていただきました。 ちなみに予想通りか、期待外れか、 銀の弾丸 になるような話ではなく地道な努力となります。 ◆ 関連ブログ tech-blog.rakus.co.jp 　 ラク スのエンジニアと話をしてみたい方へ 今回登壇した技術推進課では、東京/大阪開発拠点にて 『プロダクト共通基盤開発チーム（立ち上げメンバー）』 を積極的に募集しております！ ラク スのプロダクトを複数契約されているお客様に、複数契約ならでの付加価値を提供するため開発チームです。 立ち上げ組織のため、ご経験に応じて下記ポジションをお任せしたいと考えております。 エンジニア リングマ ネージャー PdM（プロダクトマネージャー） 開発エンジニア ◆ 東京開発拠点 career-recruit.rakus.co.jp ◆ 大阪開発拠点 career-recruit.rakus.co.jp career-recruit.rakus.co.jp 「まだ応募する段階では…」 という方は、是非 カジュアル面談 もご検討ください！ 【こんな方におすすめ】 ポジションが経験にマッチするか確認したい 働き方/環境・体制/事業・プロダクト/文化/制度を詳しく知りたい 応募前に選考の概要を聞きたい（人物像、基準など） エンジニア・デザイナーの人となりを知りたい 以下申込フォームとなります。 rakus.hubspotpagebuilder.com 「イベントで登壇していた●●さんとお話をしたい・・・」 などご要望がありましたらその旨をご記入の上、お申込みください！ お気軽にどうぞ 😊 終わりに 『技術刷新の課題取り組み - 共通基盤/ k8s /技術ロードマップ -』はいかがでしたでしょうか？ 今回初めて、技術課題解決に向けて新技術の導入検証に取り組む専門組織をご紹介させていただきました！ 実際、検証からサービスへの反映までは3～4年ほどの期間がかかります。 そんな技術ロードマップを検討、技術検証をしてくれる当社の技術推進課は当社にとって重要なポジションとなっております。 また、採用を強化しているサービス共通基盤開発も大変大きな役割を担っていきます。 そんな重要組織の一員として一緒に働いてくれる方を大大募集中でございます！ 今回ご紹介した3名の発表を通じ、大規模 SaaS の開発に携わっている方や、同様の課題と向き合っている方の一助となれば幸いです。 最後までお読みいただきありがとうございました！ エンジニア 中途採用 サイト ラク スでは、エンジニア・デザイナーの 中途採用 を積極的に行っております！ ご興味ありましたら是非ご確認をお願いします。 https://career-recruit.rakus.co.jp/career_engineer/ カジュアル面談お申込みフォーム どの職種に応募すれば良いかわからないという方は、カジュアル面談も随時行っております。 以下フォームよりお申込みください。 rakus.hubspotpagebuilder.com ラク スDevelopers登録フォーム https://career-recruit.rakus.co.jp/career_engineer/form_rakusdev/ イベント情報 会社の雰囲気を知りたい方は、毎週開催しているイベントにご参加ください！ ◆TECH PLAY techplay.jp ◆connpass rakus.connpass.com

はじめに こんにちは。mst_78710と申します。 今回は、初見では発音の仕方が分からない" kubernetes "について書いてみようと思います。 今となってはご存じの方も多いと思いますが、発音は「クバネティス」や「クーベネティス」でいいようです。 また「 k8s 」とも表現され、「k + 8 文字(ubernete) + s」から取ったとのことで、なかなかユニークな表現ですね。 さて、その kubernetes ですが、内容が膨大でブログの一記事では到底収まりきらないです。 なので、今回は kubernetes の概要と特徴の一部(主にPod)について、一例を交えながら説明できればと思います。 この記事のターゲットとしては、以下のような方が対象になります。 ・ kubernetes って聞いたことはあるけど詳しくは知らない ・ちょっと調べてみたけど複雑でイメージがわかない 少しでも kubernetes についての理解の補助になれば幸いです。 それではいきましょう。 目次 はじめに 目次 これまでとどう違うのか kubernetesとは 宣言的な構成管理と自動化を促進 コンテナ化されたワークロードやサービスを管理する ポータブルで拡張性のある Kubernetesの特徴 具体例 まとめ 参考情報 これまでとどう違うのか まず、これまでとどう違うかをざっくりと理解するため、 一般的なサーバと kubernetes をすごく簡略化した図にしてみました。 一般的なサーバの方は説明するまでもないかと思います。 kubernetes 側で"master"と"node"という言葉がありますが、仮想サーバを表しています。( AWS 環境であれば、EC2になります。) masterでは、 kubernetes を動かすために必要な機能が稼働します。 詳細な機能を書いてしまうと長くなってしまうので、公式にお任せします。 Kubernetesのコンポーネント | Kubernetes 一方のnodeでは、アプリケーションが"Pod"という枠で稼働します。 こちらは後ほど説明します。 簡単なまとめとして、 kubernetes ではmaster上で稼働する管理機能を利用して、node上でアプリを稼働させることになりそうですね。 kubernetes とは 公式でさらっと書かれているこの一言を掘り下げて、 kubernetes の概要を説明していこうと思います。 Kubernetes は、宣言的な構成管理と自動化を促進し、コンテナ化されたワークロードやサービスを管理するための、ポータブルで拡張性のある オープンソース のプラットフォームです。 Kubernetesとは何か？ | Kubernetes わかったようで結局よくわからない感じですね。分解してみましょう。 宣言的な構成管理と自動化を促進 構成管理と自動化はお馴染みかもしれないですが、"宣言的"という言葉はそれほど使わないかもしれないですね。 これまでのサーバ構築であれば、一般的にはサーバを構築して ミドルウェア やアプリケーションなどのインストール、設定をしたうえで稼働させていたと思います。 kubernetes では、 マニフェスト と呼ばれるファイルを作成し、それを kubernetes に読み込ませることで ミドルウェア などを設定・実行させることができます。 この「 マニフェスト 」ですが、英単語の意味としては以下のような意味があります。 明らかにする、明示する manifestの意味・使い方・読み方｜英辞郎 on the WEB つまり、 kubernetes で稼働させるアプリや ミドルウェア の設定などを明示して(① マニフェスト 作成)、 kubernetes に「明示した通りに稼働させて」と宣言すると(② マニフェスト 実行)、 kubernetes 上で想定通りにアプリや ミドルウェア を稼働させることができる(③Pod作成)ということです。 コマンド実行したり、 シェルスクリプト を流して結果確認などして設定していたのが、 マニフェスト というファイルを作ればアプリや ミドルウェア を効率的に設定して稼働させることができるようになる、ということになります。 図にすると以下のようになります。 ① マニフェスト 作成 ここでは、nginxのPodを2個作成するという マニフェスト を作成しています。 (記載している内容は例としているだけなので、実際には正しい記載方法があります。) ② マニフェスト 実行 kubernnetesに マニフェスト 通りに稼働させるよう宣言します。 ③Pod生成 マニフェスト に記載された内容でPodを生成します。 Podの設定を変更したければ、 マニフェスト を編集して kubernetes に宣言すると変更内容が反映されます。 マニフェスト をバージョン管理することで、戻したい内容の マニフェスト を実行すれば kubernetes が即座に自動でその通りに再作成してくれるので、万が一トラブルがあった際にも最小限の被害で対応できそうですね。 コンテナ化されたワークロードやサービスを管理する ワークロードという言葉は kubernetes ではどういう意味で使われるのか、調べてみます。 ワークロードとは、 Kubernetes 上で実行中のアプリケーションです。ワークロードが1つの コンポーネント からなる場合でも、複数の コンポーネント が協調して動作する場合でも、 Kubernetes ではそれらはPodの集合として実行されます。 ワークロード | Kubernetes kubernetes の世界ではワークロードという言葉を使っていますが、いわゆるアプリケーションのことを表していて、アプリケーションは先ほど出てきた"Pod"として管理します。 "複数の コンポーネント が協調して動作する場合でも"という言葉について少し補足すると、 同じPodでも、アプリケーションとして稼働させるもの以外に、LBの役割やcronのjob実行などで稼働させることも可能です。 ものすごくざっくり言うと、 kubernetes では"Pod"という形式にすることで様々な機能を持ったコンテナをまとめて管理できる、ということになりそうです。 管理というと曖昧になってしまうので、例えばPodの状態確認とするとわかりやすくなるかもしれません。 上記でNginxのPodを作成したので、その状態確認を実施すると以下のようになります。 ※ kubernetes 用の コマンドライン ツール"kubectl"で確認します。 $ kubectl get pod NAME READY STATUS RESTARTS AGE Nginx1 1/1 Running 0 2m Nginx2 1/1 Running 0 2m このように作成したPodが一覧で表示され、状態確認ができます。 項目 詳細 READY 準備が完了しているかどうかを表します。1/1となっているので正常稼働しています。 STATUS Podの作成状況を表します。Runningとなっているので、正常稼働しています。 RESTART Podが再起動した回数を表示します。 AGE 作成されてどれくらい時間が経過したかを表します。上記では、2分前に作成されたことがわかります。 ここで他のPodも作成してみることにします。 LBとcronのPodを作成する マニフェスト を新しく作り、実行したとします。 $ kubectl get pod NAME READY STATUS RESTARTS AGE Nginx1 1/1 Running 0 5m Nginx2 1/1 Running 0 5m lb1 1/1 Running 0 3m cronjob1 1/1 Completed 0 1m LBのPodが新たに作成されていることが分かります。 また、cronのPodも新たに作成されていますが、STATUSが他のPodとは異なっています。 定期実行の設定がされたPodは、指定した実行時間にのみ起動されます。 Completedの場合はcron実行されて処理が終わった状態を示しています。 このように、 kubernetes ではPodという単位にすることで、様々な機能をまとめて管理することが可能となります。 ポータブルで拡張性のある こちらは上記の"宣言的"という言葉にも少し関連してきます。 例えば、上記で例に挙げたとおり「このアプリケーションをPod2個で稼働させて」と kubernetes に宣言すると、その通りに稼働します。 稼働させているうちにさらに2個Podが必要になった場合、「このアプリケーションをPod4個で稼働させて」と宣言すると、 即座にPodが2個追加され、4個のPodが稼働するようになります。 Pod追加時に、 kubernetes がこの時点でのnodeのリソース状態を確認し、よりリソースの少ないnodeを選んで、 全体のnodeのリソースが均等になるようにPodを作成してくれます。 さらに、運用上でPodを毎日再起動する必要があったりすると、その都度各nodeに分散させてPodを再作成します。 また、Pod自体のリソース(メモリなど)も指定することができ、同様に宣言すれば kubernetes が変更してくれます。 このように、 マニフェスト を実行することで、Podを簡単に稼働させることができたり、node上でのPod配置もその時に応じて変わったり、リソースの拡張や縮小も可能になります。 "ポータブルで拡張性のある"という言葉の持つイメージが湧いてきたかと思います。 Kubernetes の特徴 kubernetes の特徴について、公式の以下のリンクを確認してみます。 Kubernetesとは何か？ | Kubernetes サービス ディスカバリー と負荷分散 ストレージ オーケストレーション 自動化されたロールアウトと ロールバック 自動ビンパッキング 自己修復 機密情報と構成管理 今回は、上記で説明した内容とも関わってくる"自動化されたロールアウトと ロールバック "と"自己修復"について見てみましょう。 自動化されたロールアウトと ロールバック Kubernetes を使うとデプロイしたコンテナのあるべき状態を記述することができ、制御されたスピードで実際の状態をあるべき状態に変更することができます。例えば、アプリケーションのデプロイのために、新しいコンテナの作成や既存コンテナの削除、新しいコンテナにあらゆるリソースを適用する作業を、 Kubernetes で自動化できます。 自己修復 Kubernetes は、処理が失敗したコンテナを再起動し、コンテナを入れ替え、定義したヘルスチェックに応答しないコンテナを強制終了します。処理の準備ができるまでは、クライアントに通知しません。 Podについて自動作成したりできるのは、何となくイメージがついたかと思います。 ただ、 マニフェスト に記載して宣言すればPodが作成されるようだけど、実際はどのように動いているのかという疑問が浮かんでくると思います。 具体例 AWS 環境を例として、Podを作成するまでの段取りも含めて見てみましょう。 ①dockerfileからdocker imageを作成 →自動で色々やってくれる kubernetes ですが、元となるものはやはり必要です。なので、稼働させたいdocker imageを作成します。 ②作成したdocker imageをECRにpushして格納 →ECRはdocker imageの保存場所です。 ③格納したdocker imageを利用するよう マニフェスト に記載して、 kubernetes に宣言 → マニフェスト にECRのどの リポジトリ にあるどの名前のdocker imageを利用するのかを明示して、 kubernetes に宣言します。 ④ kubernetes が マニフェスト に従って、ECRに格納しているdocker imageをpullしPodを作成 → マニフェスト に記載されたdocker imageを利用して、Podを作成します。 マニフェスト にどのdocker imageを使うのか明示しておくことで、 kubernetes は指定されたdockerを利用し、 マニフェスト に記載された通りに動作させようとしてくれます。 この時に、"自動化されたロールアウトと ロールバック "が効果を発揮します。 新規作成したい時や変更を加えたい時など、対象のdocker imageで新しいPodを作成しつつ、古いPodがあれば自動で削除してくれます。 また、稼働させていたPodに何らかのトラブルが発生し、正常に稼働できなくなったとしても、 kubernetes の自己修復機能によって、問題のあるPodを削除して、同じdocker imageで新しいPodを作成してくれます。 kubernetes の特徴である"自動化されたロールアウトと ロールバック "と"自己修復"を利用してうまく運用すれば、比較的障害に強いシステムを作ることができそうですね。 まとめ "宣言的な構成管理と自動化を促進し、コンテナ化されたワークロードやサービスを管理するための、ポータブルで拡張性のある オープンソース のプラットフォーム"という言葉の意味や kubernetes の特徴やPodについて、少しでもイメージできたでしょうか？ 今回の内容はほんの一部分なので kubernetes を理解したということにはならないのですが、何かのお役に立てば幸いです。 最後までお読みいただき、ありがとうございました。 参考情報 Kubernetesドキュメント | Kubernetes KubernetesのWorkloadsリソース（その1） | Think IT（シンクイット） エンジニア 中途採用 サイト ラク スでは、エンジニア・デザイナーの 中途採用 を積極的に行っております！ ご興味ありましたら是非ご確認をお願いします。 https://career-recruit.rakus.co.jp/career_engineer/ カジュアル面談お申込みフォーム どの職種に応募すれば良いかわからないという方は、カジュアル面談も随時行っております。 以下フォームよりお申込みください。 rakus.hubspotpagebuilder.com ラク スDevelopers登録フォーム https://career-recruit.rakus.co.jp/career_engineer/form_rakusdev/ イベント情報 会社の雰囲気を知りたい方は、毎週開催しているイベントにご参加ください！ ◆TECH PLAY techplay.jp ◆connpass rakus.connpass.com

はじめに 本記事では Python ライブラリ「Keras」を用いたレビューデータの２値分類用の ニューラルネットワーク モデルの作成についてまとめます。Kerasについてはインターネット上で多くの情報を手に入れられますが、本記事ではKerasによるモデルの作成に加えて、パラメータ最適化 フレームワーク 「Optuna」を用いた一部パラメータの自動最適化の試みについても紹介します。 はじめに Kerasとは Optunaとは Kerasによるニューラルネットワークモデルの作成の流れ Pythonのバージョンと利用ライブラリ データの入手 実行ディレクトリの整備 データの前処理 文字列の整形 データの読み込みと分割 文字列のベクトル化 Kerasによるニューラルネットワークモデルの定義 モデル作成・訓練・評価実行用クラスの定義 Optunaによる最適なパラメータの探索 最適なパラーメータの探索とニューラルネットワークモデルの作成・訓練の実施 作成したニューラルネットワークモデルの利用 結果と考察 全体スクリプト Kerasとは Kerasは オープンソース の ニューラルネットワーク /深層学習ライブラリです。 ニューラルネットワーク モデルを作成するためのライブラリにはKeras以外にも、TensorFlowやPytorchなどいくつか種類がありますが、Kerasは簡潔な記述で ニューラルネットワーク を作成できるといわれています。実際にKerasでは十数行で ニューラルネットワーク モデル周りの スクリプト を記述できます。 Keras公式サイト(日本語) keras.io Optunaとは Outunaはハイパーパラメータ自動最適化 フレームワーク です。専門用語を使わずに簡単に説明すると、Optunaは「人が自ら調整する必要があった 機械学習 モデル等のパラメータの最適値を自動的に見つけてくれるツール」です。 ニューラルネットワーク モデルでは隠れ層のユニット数など一部のパラメータの最適化を人が行うことになりますが、Optunaを使うとそれらのパラメータの最適化を自動化できます。 www.preferred.jp 　 Kerasによる ニューラルネットワーク モデルの作成の流れ 今回は以下の流れで ニューラルネットワーク モデルを作成します。 　　　　 Python のバージョンと利用ライブラリ 利用した Python のバージョンは「 Python 3.9.9 」です。 今回の ニューラルネットワーク モデル作成に際し、以下の外部ライブラリを利用しています。 KerasはTensorflowのtensorflow.kerasモジュールを通して利用します。 pandas cleantext scikit-learn tensorflow optuna データの入手 今回は英語のレビュー投稿に対し、内容が肯定的か否定的かを予測する ニューラルネットワーク モデルの作成を試みます。そのために必要なデータをKaggleから入手することにします。 Kaggleについて詳しくは公式サイトや紹介記事を参照して下さい。 www.kaggle.com ai-kenkyujo.com 今回は、こちらのTrip Advisor Hotel Reviewsという英語のホテルのレビュー投稿のデータを使います。 www.kaggle.com このデータは行毎にレビュー本文とレーティング(肯定的か否定的かの指標になります)がセットになっている形式のため、モデルの訓練用として使いやすいと思います。 　　　　 *Alam, M. H., Ryu, W.-J., Lee, S., 2016. Joint multi-grain topic sentiment: modeling semantic aspects for online reviews. Information Sciences 339, 206–223. ※　レビュー本文を見てみると文法的に？な英文が結構ありますが、今回はそのまま使うことにします。(公開用に匿名化処理をした影響なのかもしれません。) 実行 ディレクト リの整備 予め以下のような構造で実行 ディレクト リを整備しておきます。実行用のpyファイル、ダウンロードしたレビューの csv ファイル、Tensorboardに表示するデータの保存先となるフォルダを配置します。 　　　 データの前処理 レビューデータはそのまま使わず、文字列の整形やデータの分割、文字列のベクトル化といった前処理を行います。まずはそのための関数をいくつか定義します。 文字列の整形 レビュー本文は英語のため、それほど複雑な処理は必要ないと思います。今回は、 Python の前処理ライブラリのclean-textと組み込み関数のみで前処理を実施します。 Clean-text pypi.org ※ インストール時にはハイフンありのものを指定してください。「cleantext」という別のライブラリもあるので注意してください。 　　 pip install clean-text ※　 Python の スクリプト を掲載する際には、なるべく説明のコメントを入れ、関数には Google スタイルのdocstringライクな説明をつけるようにします。 def normalize_doc (text, no_digits= False , no_numbers= False , to_ascii= False ): """訓練データ正規化 訓練用データ(テキスト)を正規化します。 Args: text (str): 正規化したいテキスト no_digits (bool, optional): 桁数を維持したまま全ての数字を0に変換するかどうか(123は000に、5678は0000に変換されます) no_numbers (bool, optional): 桁数を残さず数字を全て指定した文字列(今回は0に設定しています)に変換するかどうか(123は0に5678も0に変換されます) to_ascii (bool, optional): 非アスキー文字をアスキー文字に変換するかどうか (日本語は非アスキー文字なため、日本語を含むテキストにはFalseを設定) Returns: str: 正規化済テキスト """ # テキストの最初と最後の余分なスペースを除去します。 text = text.strip() # 正規化用ライブラリを使ってデータを正規化します。ここではunicode errorの除去とアルファベットの小文字化のみを行っています。 text = cleantext.clean(text, no_digits=no_digits, to_ascii=to_ascii, no_numbers=no_numbers, replace_with_number= "0" ) return text データの読み込みと分割 CSV ファイルを読み込み、レーティングのつけ直しとデータ数の学習用と評価用への分割を行います。 レーティングのつけ直しでは、今回の予測を「レビューがポジティブかネガティブか」の2値予測(2値分類)とするため、レーティング1と2を「0」(ネガティブ)、レーティング４と５は「1」(ポジティブ)につけ直します。どちらとも取れそうなレーティング３は除外することにします。 また、データを学習用とモデルの評価用に分割する処理も行います。このとき、ポジティブレビューとネガティブレビューそれぞれで学習用と評価用に分割し、その後に学習用のポジティブレビューとネガティブレビュー同士、評価用のポジティブレビューとネガティブレビュー同士を結合します。 (全体の8割を学習用とした場合、すべてのネガティブレビューが学習用となり、評価用にはポジティブレビューしか含まれなくなることを防ぐためです。2番目の図で示す処理を行います。) 　　　　 def load_data (path): """訓練データ、正解ラベルの加工と訓練用。評価用への分割 CSVファイルから訓練データと正解ラベルを取り出し、正解ラベルの2値への変換と データの学習用と評価用への分割を行います。 訓練用データのデータフレームと評価用データのデータフレームを返します。 Args: path (str): レビュー本文とレーティングのCSVファイルのパス :Returns: pandas.DataFrame: 学習データのデータフレーム pandas.DataFrame: 評価用ラベルのデータフレーム """ # レビュー本文とレーティングのCSVファイルをデータフレーム形式で読み込みます。 review_df = pd.read_csv(path, header= 0 ) # データフレームの列を参照するときに便利なので列ラベルを取得しておきます。 columns = review_df.columns # レビューを「ポジティブ」、「ネガティブ」の2値で予測するため、レーティング1-2は0(ネガティブ)に、4-5は1(ポジティブ)に変換します。 # 今回中間の3は無視します。(3はポジティブともネガティブともとれる場合がありそうなため) mapping = { 1 : 0 , 2 : 0 , 3 : 3 , 4 : 1 , 5 : 1 } review_df[columns[ 1 ]] = review_df[columns[ 1 ]].map(mapping) # ネガティブレビューのみでフィルターをかけます。 negative_review_df = review_df[review_df[columns[ 1 ]] == 0 ] # ポジティブレビューのみでフィルターをかけます。 positive_review_df = review_df[review_df[columns[ 1 ]] == 1 ] # ネガティブレビュー、ポジティブレビューそれぞれを学習用と評価用に分割します。今回は学習用8割、評価用2割に分割します。 # 分割にはsklearnのtrain_test_splitを利用します。 # レビュー本文の前処理を同時に行うためにいったんデータをリスト形式に変えています。 xn = [normalize_doc(review_body) for review_body in negative_review_df[columns[ 0 ]]] yn = list (negative_review_df[columns[ 1 ]]) xp = [normalize_doc(review_body) for review_body in positive_review_df[columns[ 0 ]]] yp = list (positive_review_df[columns[ 1 ]]) xn_train, xn_test, yn_train, yn_test = train_test_split( xn, yn, test_size= 0.2 , random_state= 42 , ) xp_train, xp_test, yp_train, yp_test = train_test_split( xp, yp, test_size= 0.2 , random_state= 42 , ) # ネガティブレビューとポジティブレビューデータを結合し、学習用データのデータフレームと評価用データのデータフレームを作成します。 x_train = xn_train + xp_train x_test = xn_test + xp_test y_train = yn_train + yp_train y_test = yn_test + yp_test # 学習用データのデータフレーム train = list () for x, y in zip (x_train, y_train): train.append([x, y]) train_df = pd.DataFrame(train, columns=[ "Review" , "Rating" ]) # 評価用データのデータフレーム test = list () for x, y in zip (x_test, y_test): test.append([x, y]) test_df = pd.DataFrame(test, columns=[ "Review" , "Rating" ]) # 関数の戻り値としてデータフレームをセットする際に「.sample(frac =1).reset_index(drop=True)」でデータをシャッフルしインデックスをふり直します。 return train_df.sample(frac= 1 ).reset_index(drop= True ), test_df.sample(frac= 1 ).reset_index(drop= True ) 文字列のベクトル化 モデルの訓練の際、テキストデータをそのまま入力とすることができません。 ベクトル化というテキストを数値列に変換する作業が必要になります。そこで今回は「TF-IDF」というテキスト内の単語の重要性を反映した数値列によるベクトル化を行ってみます。 また、今回は「 ストップワード 」という頻度単語のフィルタを使わない代わりに、SklearnのTfidfVectorizerのパラメータの「max_df」を設定し、重要ではない単語の除去を試みます。 Tf-idfについて atmarkit.itmedia.co.jp Sklearnの公式ドキュメント scikit-learn.org def get_vectorizer (corpus_x_train, corpus_x_test): """テキストのTF-IDFによるベクトル化 レビュー本文データをtfidfによってベクトル化します。ベクトライザー(ベクトルへの変換器)はデータのうち モデルの訓練に使うデータのみで訓練します。評価用データは学習データで訓練したベクトライザーを使いベクトル化します。 Args: corpus_x_train (iterator): データのうち訓練用に分割した部分 corpus_x_test (iterator): データのうち評価用に分割した部分 Returns: sklearn.feature_extraction.text.TfidfVectorizer: 訓練後のTF-IDFベクトライザー ndarray: ベクトル化の対象となった語彙のリスト (ndarray of str objects) ndarray: ベクトル化した訓練用データ ndarray: ベクトル化した評価用データ ベクトライザー、ベクトル化の対象となった語彙のリスト、ベクトル化した訓練用データ、ベクトル化した評価用データ """ # ベクトライザーを作成します。max_dfの値を設定すると指定した値の割合以上の文書に含まれる語彙はベクトル化の対象とならなくなります。 # max_dfの値を0.3に設定していますが、データの実情に合わせて調整が必要です vectorizer = TfidfVectorizer(max_df= 0.3 ) # 訓練用データを使ってベクトライザーを訓練し、同時に訓練用データのベクトル化も行います。 vec_corpus_x_train = vectorizer.fit_transform(corpus_x_train) # 訓練したベクトライザーで評価用データのベクトル化を行います。 vec_corpus_x_test = vectorizer.transform(corpus_x_test) return vectorizer, vectorizer.get_feature_names_out(), vec_corpus_x_train.toarray(), vec_corpus_x_test.toarray() Kerasによる ニューラルネットワーク モデルの定義 データの前処理用関数の定義が終わったので、Kerasを使い ニューラルネットワーク モデルを定義していきます。 今回は次のような ニューラルネットワーク モデルを定義していきます。 　　　 ※　中間層が2層ある ニューラルネットワーク モデルは深層学習モデルともみなせますが、本記事では「 ニューラルネットワーク モデル」と呼ぶことにします。 テキスト(今回はレビュー本文)のベクトルデータを入力とし、入力層→中間層1→中間層2→出力層と処理を行っていきます。 今回はKerasのFunctionalモデルを使いこのモデルを定義します。Kerasでは、モデルの定義に「Functional API 」と「Sequentialモデル」が使えますが、複数入力、複数出力をするような複数なモデルを定義する際にはFuncitional API を使います。(今回はベクトル1つを入力とするので複数入力ではありませんが、将来的な発展の可能性も考えて、Functional API を選んでいます。) KerasはTensorflowのtensorflow.kerasモジュールからインポートして使います。 keras.io keras.io Kerasでモデルを定義する際は、keras.layers.Inputやkeras.layers.Denseを使い各層のユニット数や活性化関数を定義していきます。 上の図では省略していますが、中間層1と中間層２の間、中間層2と出力層の間にDropout層(keras.layers.Dropout)を追加し 過学習 対策をします。(上の図では省略) deepage.net 最後にkeras.Modelのcompileメソッドを使い、モデルの損失関数や オプティマ イザを指定します。 def create_model (n_vocab, unit): """Kerasによるニューラルネットワークの定義 KerasのFuncitional APIを使いニューラルネットワークモデルを定義します。 Args: n_vocab (int): 入力として渡すデータの次元数です。入力層のユニット数となります。(ベクトライザーから取得する語彙のリスト内の要素数とします。) unit (int): 中間層のユニット数です。任意の数を設定できますが、今回はOptunaによる最適な値(整数)を自動で設定します。 Returns: tensorflow.keras.Model: ニューラルネットワークモデル(オブジェクト) """ # 入力層を追加します。ユニット数はvocabと同じです。 input_ = keras.layers.Input(shape=(n_vocab,)) # 中間層(全結合層)とドロップアウト層を追加します。ユニット数は引数unitで指定します。 x = keras.layers.Dense(unit, activation= "relu" )(input_) x = keras.layers.Dropout( 0.8 )(x) # 2層目の中間層(全結合層)とドロップアウト層を追加します。ユニット数は引数unitで指定します。 x = keras.layers.Dense(unit, activation= "relu" )(x) x = keras.layers.Dropout( 0.5 )(x) # 出力層を追加します。 ソフトマックス関数を使う2値分類のためユニット数は2です。 output = keras.layers.Dense( 2 , activation= "softmax" )(x) # モデル(オブジェクト)を作成します。 model = keras.Model(inputs= input , outputs=output) # パラメータの更新や損失関数、評価関数に何を使うかを設定します。変更する必要はないかと思います。 model.compile( optimizer= "adam" , loss= "sparse_categorical_crossentropy" , metrics=[ "accuracy" ] ) # モデルの概要を出力します。 print (model.summary()) return model モデル作成・訓練・評価実行用クラスの定義 Kerasによる ニューラルネットワーク モデルの定義ができたので、次に「モデル(のオブジェクト)を作成し、そのモデルの訓練を行うクラス」を作成します。 これまでに作成した前処理関数を使い、学習データを整え、 ニューラルネットワーク もですの作成、訓練から評価までを行うクラスとしてみます。 class NnModel : """ニューラルネットワーク作成・訓練・評価用クラス ニューラルネットワークモデルオブジェクトの作成、訓練、評価を行うためのクラスです。 Attributes: vec_x_train (ndarray): ベクトル化済の訓練用データ x_test (pandas.Series): ベクトル化前の評価用データ vec_x_test (ndarray): ベクトル化済の評価用データ y_train (pandas.Series): モデルの訓練時に使う正解ラベル y_test (pandas.Series): モデルの評価時に使う正解ラベル model (tensorflow.keras.Model): model_fit実行時に作成されるニューラルネットワークオブジェクト """ def __init__ (self, path): # CSVファイルから訓練データと正解データを取得します。 train_df, test_df = load_data(path) columns = train_df.columns x_train = train_df[columns[ 0 ]] self.x_test = test_df[columns[ 0 ]] self.y_train = train_df[columns[ 1 ]] self.y_test = test_df[columns[ 1 ]] # 訓練データをベクトル化します。 self.vectorizer, self.vocab, self.vec_x_train, self.vec_x_test = get_vectorizer(x_train, self.x_test) # 後で訓練後のモデルを利用する際に必要になるので、ベクトライザーのオブジェクトをpickleファイルに保存しておきます。 with open ( "my_vectorizer.pickle" , "wb" ) as f: pickle.dump(self.vectorizer, f) def model_fit (self, unit, logdir, validation_split= 0.2 , epochs= 20 , batch_size= 32 ): """ニューラルネットワークモデル (tensorflow.keras.Model)の作成と用意した訓練データでの訓練 ニューラルネットワークモデルオブジェクトを作成し、用意した訓練データで訓練します。 Optunaとの連携のため、ニューラルネットワークオブジェクトはこのメソッドで作成します。 Args: unit (int): 中間層のユニット数です。今回はoptunaによって最適な値を設定します。 logdir (str): 訓練時の学習ログを保存するフォルダを指定します。(tensorboardを使う場合にこのフォルダ内のログを参照します。) validation_split (float): 訓練時(keras.Modelのfitメソッド実行時)の各エポックで検証用に使う訓練データの割合を指定します。 epochs (int): 訓練データを繰り返して学習させる回数を指定します。 batch_size (int): 何件の訓練データ毎にパラメータの更新を行うかを指定します。 Returns: float: モデルの評価用データでの損失値 """ # ニューラルネットワークモデル(オブジェクト)を作成します。 self.model = create_model( len (self.vocab), unit) # 学習の進行状況の可視化や精度が向上しなくなった際の学習の早期終了を行う関数をコールバックにまとめます。 tensorboard = keras.callbacks.TensorBoard(log_dir=logdir) early_stopping = keras.callbacks.EarlyStopping(monitor= 'val_loss' , patience= 3 ) model_name = "my_neural_model.h5" modelCheckpoint = keras.callbacks.ModelCheckpoint( filepath=model_name, monitor= 'val_loss' , verbose= 1 , save_best_only= True , save_weights_only= False , mode= 'min' , period= 1 ) callbacks = [tensorboard, early_stopping, modelCheckpoint] # モデルの訓練を実施します。 self.model.fit( self.vec_x_train, self.y_train, validation_split=validation_split, epochs=epochs, batch_size=batch_size, callbacks=callbacks # 上で定義したコールバック関数のリストを指定します。 ) # my_neural_model.h5に保存されている(各エポックのうち最も精度の良かった)モデルを読み込んでテスト用データで精度を算出します。 model = keras.models.load_model(model_name) pred = model.evaluate(self.vec_x_test, self.y_test) # ニューラルネットワークモデルの隠れ層の最適ユニット数の推定のため、今回はテストデータでの損失値を学習メソッドの戻り値としておきます。 return pred[ 0 ] def model_predict (self): """ニューラルネットワークモデルの性能評価 train_test_splitで分割したデータのうち評価用のデータを使い、 model_fitで訓練したモデルの性能を評価します。 Returns: list: モデルの予測結果のリスト(予測ラベルのリスト) """ # (keras.Modelの)predictメソッドに評価用のデータを渡します。 y_pred = self.model.predict(self.vec_x_test) # 予測結果のうち、「1」(あり)、「０」(なし)のうち予測数値が高かった方をリストに追加します。 y_pred = [p.argmax() for p in y_pred] # sklearnのスコア算出用の各関数に予測ラベルと正解ラベルを渡しモデルの性能を評価します。 print ( "result" ,f "accuracy: {accuracy_score(self.y_test, y_pred)}" , f "precision: {precision_score(self.y_test, y_pred)}" , f "recall: {recall_score(self.y_test, y_pred)}" , sep= " \r\n " ) return y_pred Optunaによる最適なパラメータの探索 Kerasを使った ニューラルネットワーク モデルの作成から評価までを行うクラスが定義できたので、実行して結果を得ることもできるのですが、今回は中間層の最適なユニット数を「Optuna」を使って自動最適化してみます。 Optunaを使う際には、最適化したいパラメータとそのデータ型、ある値が最適かどうかを判断するための指標に何を使うかを指定します。今回は: 最適化したいパラメータとそのデータ型: 中間層のユニット数　整数(int)型 最適かどうかの指標: 指定したパラメータでのモデル訓練後の損失値 という条件でパラメータの自動最適化を実施します。 keras.io keras.io def objective (trial): """Optunaでパラメータ推定を行う際の処理内容 Optunaでパラメータ推定を行うための関数です。 目的のパラメータを変更した際の精度の指標となる数値が戻り値となるようにしておく必要があります。 (値が改善すればより良いパラーメータ値とみなします。) Args: trial: OptunaのStudyオブジェクトが設定します。 :Returns: float: Optunaがパラメータを設定した作成したモデルの損失値(精度指標) """ # 今回はニューラルネットワークモデルの中間層のユニット数の自動推定を試みます。 # 指定した数値(今回は2-30)の間で最も精度が高くなる数値を最適なユニット数とみなします。 # 推定する数値は後で参照するために"unit"と指定しておきます。 unit = trial.suggest_int( "unit" , 2 , 30 ) loss = nn_model.model_fit(unit, r"logs" , epochs= 100 ) return loss 最適なパラーメータの探索と ニューラルネットワーク モデルの作成・訓練の実施 これまで定義してきた関数とクラス、Optunaを使い、最適なユニット数の探索と最適なユニット数を設定したモデルの作成を行います。 処理の流れは次のようになります。 ニューラルネットワーク モデル作成用オブジェクトの作成(学習/評価用データの前処理) OptunaのStudyオブジェクトを作成、最適なユニット数を探索 探索完了後にStudyオブジェクトからユニット数の数値を取得 ニューラルネットワーク モデル作成用オブジェクト(keras.Model)のモデル作成/訓練メソッド(fit)に最適なユニット数を渡してモデルを作成/訓練 評価用データでモデルを評価 # ニューラルネットワークモデル作成用オブジェクトを作成します。 target_data = r"tripadvisor_hotel_reviews.csv" nn_model = NnModel(target_data) def main (): """実行用関数 これまでに作成してきた関数とクラスを使い最適な中間層ユニット数の推定から モデルの定義、訓練、評価までを実行します。 Returns: None """ # oputunaで最適なユニット数を見つけます。最後にBest unitとして出力されます。 # directionは損失関数の場合はminimizeを指定します。(正解率を精度指標とする場合にはmaxizeを指定します。) study = optuna.create_study(direction= "minimize" ) # 最適なユニット数を見つけるために何度試行するかを指定し、自動推定を実行します。 study.optimize(objective, n_trials= 10 ) # 最適なユニット数はこの変数から　best_params["unit"]　とすると取得できます。ディレクトリ型の参照と同じです。 best_params = study.best_params print (f "Best unit: {best_params}" ) # 最適な数値を中間層のユニット数に指定し、モデルの定義と訓練、評価を行います。 nn_model = NnModel(target_data) nn_model.model_fit(best_params[ "unit" ], r"logs" , epochs= 100 ) nn_model.model_predict() if __name__ == "__main__" : main() 今回作成したモデルの評価結果は以下のようになりました。 　　　　 Accuracy: 0.9555 　　　　 Precision: 0.9609 　　　　 Recall: 0.9861 かなり良い数値ですが、Tensorboardでモデル損失のグラフを確認してみると、2エポック以降減少が見られません。対策はしていましたが 過学習 をしてしまったようです。 (濃い青の線が学習データでの損失値、水色の線が評価用データでの損失値) 　　　　 (Tensorboardでは学習データでモデルを繰り返し訓練する中で、どのように性能が変化していったかを確認することができます。) (model_fitメソッドのtensorboard = keras.callbacks.TensorBoard(log_dir=logdir)の行でtensorboardの設定を行っています。) www.tensorflow.org deepage.net 作成した ニューラルネットワーク モデルの利用 最後に作成したモデルを使って、未知のデータでの予測を行うための関数を作成してみます。 モデル作成時に使った ベクトラ イザーと保存した ニューラルネットワーク モデルを読み込み、それらに予測を行いたいデータ(テキスト)を渡して予測結果の確率を出力します。 保存したモデルは、tensorflow.keras.models.load_modelで読み込みます。 def model_load_predict (x, model_h5, vec_pickle): """ニューラルネットワークモデルを利用した未知データに対する予測用関数 作成・保存したニューラルネットワークモデルを利用して、未知データの予測を行います。 Args: x (str): テキストデータ(レビュー本文と同じ形式) model_h5 (str): 作成したニューラルネットワークモデルのh5ファイルのパス vec_pickle (str): 保存したベクトライザーのpickleファイルのパス Returns: int: 予測ラベルの整数値(入力したテキストをネガティブと予測した場合は0,、ポジティブと予測した場合は1) """ # モデルとベクトライザーを読み込みます。 model = keras.models.load_model(model_h5) with open (vec_pickle, 'rb' ) as f: vectorizer = pickle.load(f) # 入力データの正規化とベクトル化を行います。 x = normalize_doc(x) vec_x = vectorizer.transform([x]).toarray() # 入力データに対して予測を行い、結果を出力します。 pred = model.predict(vec_x) print ( "== Result ==" ) print ( "Positive" ) if pred[ 0 ][ 1 ] > pred[ 0 ][ 0 ] else print ( "Negative" ) print (f "Positive: {pred[0][1]}, Negative: {pred[0][0]}" ) return pred.argmax() if __name__ == "__main__" : x = input ( ">>>" ) model_h5 = "my_neural_model.h5" vec_pickle = "my_vectorizer.pickle" res = model_load_predict(x, model_h5, vec_pickle) print ( "予測ラベル: " , res) 関数を実行し「>>>」と表示されたら、ネガティブかポジティブかを予測したいテキストを入力します。テキスト入力後に「enter」を押すと予測結果が出力されます。(予測結果の前に警告が表示されることがありますが、今回は無視します。) 　　　　 　　　　 結果と考察 KerasとOptunaを使い、実際に予測を行うことができる ニューラルネットワーク モデルを作成することができました。 このモデルは評価結果の数値を見ると悪くないように見えるのですが、未知のレビューデータに対する予測性能が高いとは言えません。一目でポジティブとわかる内容のレビューに対して、99％ネガティブという予測をすることもありました。 今回の反省点としては、 データの質が良くなかった。 　　→　今回は文法的に怪しい英文もそのまま使いました。これが良くなかったのかもしれません。 　　→　非常に長いレビュー本文を持つレコードが含まれていましたが、この手のレコードは「いい点もあった。が、しかし…」という流れでポジティブな側面とネガティブな側面を持っている可能性があり、どちらかに分類するには容易ではないのかもしれません。 データが足りなかった。 　　→　2万レコードでは足りなかったのかもしれません。 ベクトル化の方法が良くなかった。 　　→ TF-IDFよりも単語の意味を反映するとされる分散表現の方がよかったのかもしれません。 別のハイパーパラメータもOptunaで最適化すべきだった。 　　→ ユニット数以外にも学習率やバッチサイズも最適な値をOptunaで設定するとよかったのかもしれません。 モデルの アーキテクチャ が適切でなかった。 　　→ 今回のような ニューラルネットワーク モデルよりもリカレント ニューラルネットワーク モデルの方がテキスト分類には適しているのかも知れません。 といったことが考えられます。このモデルを改善する際や新たなモデルを作成する際には、上記の反省点を踏まえる必要があると感じています。 特にデータに関しては、大量のデータが必要になるため、ある試行でうまくいかなかった際に、簡単に代替のデータを用意できるとは限りません。 自前でデータを用意する際には、最初から質の高いデータが揃うようにデータ収集作業を行う必要があると思います。 全体 スクリプト 最後に、今回の ニューラルネットワーク モデル作成の試みに関わる スクリプト 全体をまとめておきます。 テキストデータの分類であれば、少しの編集でいろいろなデータを扱えると思います。ぜひ、ご自身のデータで予測モデルを作成してみてください。 # coding: utf-8 import pandas as pd import pickle import cleantext import optuna from sklearn.feature_extraction.text import TfidfVectorizer from sklearn.model_selection import train_test_split from sklearn.metrics import accuracy_score, precision_score, recall_score from tensorflow import keras def normalize_doc (text, no_digits= False , no_numbers= False , to_ascii= False ): text = text.strip() text = cleantext.clean(text, no_digits=no_digits, to_ascii=to_ascii, no_numbers=no_numbers, replace_with_number= "0" ) return text def load_data (path): review_df = pd.read_csv(path, header= 0 ) columns = review_df.columns mapping = { 1 : 0 , 2 : 0 , 3 : 3 , 4 : 1 , 5 : 1 } review_df[columns[ 1 ]] = review_df[columns[ 1 ]].map(mapping) negative_review_df = review_df[review_df[columns[ 1 ]] == 0 ] positive_review_df = review_df[review_df[columns[ 1 ]] == 1 ] xn = [normalize_doc(review_body) for review_body in negative_review_df[columns[ 0 ]]] yn = list (negative_review_df[columns[ 1 ]]) xp = [normalize_doc(review_body) for review_body in positive_review_df[columns[ 0 ]]] yp = list (positive_review_df[columns[ 1 ]]) xn_train, xn_test, yn_train, yn_test = train_test_split( xn, yn, test_size= 0.2 , random_state= 42 , ) xp_train, xp_test, yp_train, yp_test = train_test_split( xp, yp, test_size= 0.2 , random_state= 42 , ) x_train = xn_train + xp_train x_test = xn_test + xp_test y_train = yn_train + yp_train y_test = yn_test + yp_test train = list () for x, y in zip (x_train, y_train): train.append([x, y]) train_df = pd.DataFrame(train, columns=[ "Review" , "Rating" ]) test = list () for x, y in zip (x_test, y_test): test.append([x, y]) test_df = pd.DataFrame(test, columns=[ "Review" , "Rating" ]) return train_df.sample(frac= 1 ).reset_index(drop= True ), test_df.sample(frac= 1 ).reset_index(drop= True ) def get_vectorizer (corpus_x_train, corpus_x_test): vectorizer = TfidfVectorizer(max_df= 0.3 ) vec_corpus_x_train = vectorizer.fit_transform(corpus_x_train) vec_corpus_x_test = vectorizer.transform(corpus_x_test) return vectorizer, vectorizer.get_feature_names_out(), vec_corpus_x_train.toarray(), vec_corpus_x_test.toarray() def create_model (n_vocab, unit): input_ = keras.layers.Input(shape=(n_vocab,)) x = keras.layers.Dense(unit, activation= "relu" )(input_) x = keras.layers.Dropout( 0.8 )(x) x = keras.layers.Dense(unit, activation= "relu" )(x) x = keras.layers.Dropout( 0.5 )(x) output = keras.layers.Dense( 2 , activation= "softmax" )(x) model = keras.Model(inputs= input , outputs=output) model.compile( optimizer= "adam" , loss= "sparse_categorical_crossentropy" , metrics=[ "accuracy" ] ) print (model.summary()) return model class NnModel : def __init__ (self, path): train_df, test_df = load_data(path) columns = train_df.columns x_train = train_df[columns[ 0 ]] self.x_test = test_df[columns[ 0 ]] self.y_train = train_df[columns[ 1 ]] self.y_test = test_df[columns[ 1 ]] self.vectorizer, self.vocab, self.vec_x_train, self.vec_x_test = get_vectorizer(x_train, self.x_test) with open ( "my_vectorizer.pickle" , "wb" ) as f: pickle.dump(self.vectorizer, f) def model_fit (self, unit, logdir, validation_split= 0.2 , epochs= 20 , batch_size= 32 ): self.model = create_model( len (self.vocab), unit) tensorboard = keras.callbacks.TensorBoard(log_dir=logdir) early_stopping = keras.callbacks.EarlyStopping(monitor= 'val_loss' , patience= 3 ) model_name = "my_neural_model.h5" modelCheckpoint = keras.callbacks.ModelCheckpoint( filepath=model_name, monitor= 'val_loss' , verbose= 1 , save_best_only= True , save_weights_only= False , mode= 'min' , period= 1 ) callbacks = [tensorboard, early_stopping, modelCheckpoint] self.model.fit( self.vec_x_train, self.y_train, validation_split=validation_split, epochs=epochs, batch_size=batch_size, callbacks=callbacks ) model = keras.models.load_model(model_name) pred = model.evaluate(self.vec_x_test, self.y_test) return pred[ 0 ] def model_predict (self): y_pred = self.model.predict(self.vec_x_test) y_pred = [p.argmax() for p in y_pred] print ( "result" , f "accuracy: {accuracy_score(self.y_test, y_pred)}" , f "precision: {precision_score(self.y_test, y_pred)}" , f "recall: {recall_score(self.y_test, y_pred)}" , sep= " \r\n " ) def objective (trial): unit = trial.suggest_int( "unit" , 2 , 30 ) loss = nn_model.model_fit(unit, r"logs" , epochs= 100 ) return loss target_data = r"tripadvisor_hotel_reviews.csv" nn_model = NnModel(target_data) def main (): study = optuna.create_study(direction= "minimize" ) study.optimize(objective, n_trials= 10 ) best_params = study.best_params print (f "Best unit: {best_params}" ) nn_model = NnModel(target_data) nn_model.model_fit(best_params[ "unit" ], r"logs" , epochs= 100 ) nn_model.model_predict() def model_load_predict (x, model_h5, vec_pickle): model = keras.models.load_model(model_h5) with open (vec_pickle, 'rb' ) as f: vectorizer = pickle.load(f) x = normalize_doc(x) vec_x = vectorizer.transform([x]).toarray() pred = model.predict(vec_x) print ( "== Result ==" ) print ( "Positive" ) if pred[ 0 ][ 1 ] > pred[ 0 ][ 0 ] else print ( "Negative" ) print (f "Positive: {pred[0][1]}, Negative: {pred[0][0]}" ) return pred.argmax() if __name__ == "__main__" : main() x = input ( ">>>" ) model_h5 = "my_neural_model.h5" vec_pickle = "my_vectorizer.pickle" res = model_load_predict(x, model_h5, vec_pickle) print (res) エンジニア 中途採用 サイト ラク スでは、エンジニア・デザイナーの 中途採用 を積極的に行っております！ ご興味ありましたら是非ご確認をお願いします。 https://career-recruit.rakus.co.jp/career_engineer/ カジュアル面談お申込みフォーム どの職種に応募すれば良いかわからないという方は、カジュアル面談も随時行っております。 以下フォームよりお申込みください。 rakus.hubspotpagebuilder.com ラク スDevelopers登録フォーム https://career-recruit.rakus.co.jp/career_engineer/form_rakusdev/ イベント情報 会社の雰囲気を知りたい方は、毎週開催しているイベントにご参加ください！ ◆TECH PLAY techplay.jp ◆connpass rakus.connpass.com

【目次】 PdM とは PM（プロジェクトマネージャー）との違い PdM/PMの役割表 PdM に必要なスキル おすすめの書籍/勉強会 ラクスのPdMとして活躍してみませんか？ 終わりに 技術広報の yayawowo です。 昨今、PdM（プロダクトマネージャー）という言葉を耳にすることが増えたのではないでしょうか？ しかしながら… 「実際何をしている人かわからない！」 「PdMを目指しているけど、必要なスキルって…？」 と不明点もあると思います。 本記事では、PdM（プロダクトマネージャー）の基本や必要なスキル等を紹介させていただきます。 ◆ 関連ブログも合わせてご確認ください！ ・ プロジェクトマネジメント とは 【まとめ】 ・ PMBOK とは【まとめ】 ・ 要件定義 とは【まとめ】 ・ プロジェクトマネジメントTips 20選　～現場から語るプロマネの極意～ PdM とは PdMとは、プロダクトマネージャーのことを指します。 経営方針や企業戦略、ビジネスサイド側の販売計画に基づく顧客要求の分析、要求分析/定義を行い、「プロダクト（製品・商品・サービス）」を成功に導く責任者をPdMと呼びます。 またプロダクトとは、一般的にお客様へ販売する製品のことを言いますが、ソフトウェア・データ等も含まれます。 元々、製造業で使われていた言葉でしたが、昨今はIT/Web業界にまで派生し、注目を集めています。 当社PdM（プロダクトマネージャー）は、製品企画を行う「製品力会議」から参加します。 「製品力会議」では、ビジネスサイドの部長やカスタマーサクセスと顔を合わせるため、開発ロードマップにPdM（プロダクトマネージャー）としての声を反映させることができます！ 　 また、PdM（プロダクトマネージャー）の類似職種として、PM（プロジェクトマネージャー）があります。 以下にて、職種の違いを解説します。 PM（プロジェクトマネージャー）との違い PM（プロジェクトマネジャー）とは、期間が定められたプロジェクトの達成/成功に向けて進捗、品質、コストを管理しコン トロール する人のことを指します。 担当プロジェクトに対し、責任をもって管理することが求められる職種です。 プロジェクトマネジメントを解説している記事も是非ご参考ください。 tech-blog.rakus.co.jp PdM/PMの役割表 職種 役割 PdM 経営方針や企業戦略、ビジネスサイド側の販売計画に基づく顧客要求の分析、要求分析/定義を行い、「プロダクト（製品・商品・サービス）」を成功に導く責任を担う PM 期間が定められたプロジェクトの達成/成功に向けて進捗、品質、コストの管理責任を担う PdM、PMとの役割が異なることをご理解いただけたでしょうか？ PdM に必要なスキル ◆ マネジメント面 ・ コミュニケーション力 ・ 進捗管理 能力 ・ 課題解決力 プロダクトマネージャーという名前の通り、マネジメント面でのスキルは重要です。 上記3点は、特に必要となるスキルセットとなります。 ◆ ビジネス面 ・ マーケティング 力 ・ 業界知識 市場調査を行い、分析することで市場ニーズを把握することが必要です。 プロダクトを開発にするにしても、市場のニーズに合っていないものを開発するのは会社としてもメリットがありません。 マーケティング 力と業界知識は、PdM（プロダクトマネージャー）にとって大切なスキルと言えるでしょう。 ◆ テク ノロ ジー 面 ・ UI/UXデザイン ・ 開発スキル お客様にシステムを長く使ってもらうには、使いやすいデザイン、構成となっているのが大切です。 お客様に選ばれるプロダクトにするためには、UI/UXのスキルを深めておくことが大切となります。 また、デザイン性だけでなくプロダクト設計も同様のことが言えますので、ある程度の開発スキルがあることは好ましいと思います。 おすすめの書籍/勉強会 おすすめの書籍と勉強会をご紹介いたします！ ◆ 書籍 PdM（プロダクトマネージャー）におすすめの書籍を並べてみました。 学習の一助となれば幸いです。 『 プロダクトマネジメント のすべて 事業戦略・IT開発・UXデザイン・ マーケティング からチーム・組織運営まで』 タイトルの通り、まさに プロダクトマネジメント の決定版といえる書籍です。 180点超の図版で分かりやすく解析しています。 また、 ケーススタディ もついているので、実践的に学ぶことができます。 『INSPIRED 熱狂させる製品を生み出す プロダクトマネジメント 』 シリコンバレー で実施している プロダクトマネジメント の手法がまとめられている書籍です。 例えば、 Google 、 Apple 、 Facebook 、 Netflix 、Tesla、 Amazon 等の手法を学ぶことが出来ます。 『 プロダクトマネジメント ―ビルドトラップを避け顧客に価値を届ける』 プロダクトマネジメント で必要な情報が一通り書かれている一冊です。 マネジメント手法において必要な戦略や、組織、プロセスについてを論じています。 ◆ 勉強会 当社主催の技術イベントに「PdM TIps LT会」がございます。 rakus.connpass.com 2021年3月に開催した際は、以下発表テーマがありました。 【発表テーマ】 ・ アラフィフの開発者が プロダクトマネジメント をはじめてみた ・ ジョブ理論とプロダクト開発 ・ oVice着想から初有料ユーザーを獲得するまでのPMビハインドストーリー ・ PMが「開発を巻き込んだ施策相談会」で工夫したポイント ・ 私たち“プロダクト主導組織”になれてるかな？を問う自問自答Tips ・ LabTech企業の初代PMになってやってきたこととこれから ・ PdM忙しい問題どうします？ -80点以上のプロダクトを目指したら緩和されてきた話- ・ PjM→PdMになった1年目の失敗とTips vol.2も今年の夏ごろに開催を予定しております。 ご興味ありましたら connpass 又は TECH PLAY を定期的にご確認いただけますと幸いです！ ラク スのPdMとして活躍してみませんか？ 当社 ラク スでは、プロダクトマネージャーを積極的に募集しております！ PdM（プロダクトマネージャー）組織は2021年8月からスタートし、サービス全体の視点を持って働ける環境が備わっております。 ビジネスサイドを通じてお客様の課題把握、プロダクトの開発部隊へ抜けもれなく効率的に要求を落とし込み、開発側へ連携するために当社ではPdMというポジションを置いております。 そのため、当社PdMは以下スキルを重要視しております。 Webサービス で開発知識 RFP 、要求仕様策定の実務経験 ステークホルダー との折衝・調整経験 そんな ラク スのPdM特徴は以下の通りです！ ラク スのPdM 開発スタイル ベスト・オブ・ブリード （異なるフェーズのマルチプロダクト） 組織 プロダクト単位でコミット 案件 顧客課題・案件単位のコミット 当社PdM（プロダクトマネージャー）の面白さは、挑戦の裁量と規模です。 当社最大のプロダクトについてサービス全体の視点を持って動けること 新しいチームで、PdMの役割そのものを立ち上げていけること 上記の内容にピンっ！ときた方は、以下の求人内容を是非ご確認ください！ career-recruit.rakus.co.jp 「まずは、会社説明を聞いてみたい！」というのも大歓迎です。 以下フォームより申し込みをお願いいたします！ rakus.hubspotpagebuilder.com 終わりに PdM（プロダクトマネージャー）のまとめ記事はいかがでしたでしょうか？ 年々、社会全体としてPdMポジションは重要となってきております。 今後PdMを目指す方にとって、本記事の内容が少しでもお役に立てれば幸いです！ もし当社PdMに少しでもご興味をお持ちになりましたら、定期的に行っているイベントもございます。 是非ご参加ください！ ◆ イベント情報 < connpass > rakus.connpass.com < TECH PLAY > techplay.jp PdM Tips LT会 - vol.2の開催が決定！ ご興味ありましたら以下より、ご登壇/ご視聴の申込をお願いいたします！ techplay.jp rakus.connpass.com お気軽にどうぞ。 最後までお読みいただきありがとうございました！ エンジニア 中途採用 サイト ラク スでは、エンジニア・デザイナーの 中途採用 を積極的に行っております！ ご興味ありましたら是非ご確認をお願いします。 https://career-recruit.rakus.co.jp/career_engineer/ カジュアル面談お申込みフォーム どの職種に応募すれば良いかわからないという方は、カジュアル面談も随時行っております。 以下フォームよりお申込みください。 rakus.hubspotpagebuilder.com ラク スDevelopers登録フォーム https://career-recruit.rakus.co.jp/career_engineer/form_rakusdev/ イベント情報 会社の雰囲気を知りたい方は、毎週開催しているイベントにご参加ください！ ◆TECH PLAY techplay.jp ◆connpass rakus.connpass.com

こんにちは、弊社サービスのインフラを運用している id:keijiu (ijikeman)です。 今回は、「Knative on minikubeでServing & Eventing Helloworldを動かすまで(構築編)」を記載します。 [対象読者] Knative Eventing環境を自分で作ってみたい人 Knative EventingでサンプルコードHelloworldを動かしたい人 Knative Eventingの構成を理解したい人 [記事を読んでわかること] knative Cli [kn] を使ってminikube上でKnative Eventingを構築 [構築環境情報] CPU 4 Memory 4GB OS Alma Linux 8.5 minikube version 1.23.4 minikube Driver docker Knative v1.4.0 目次 目次 1. docker-ceのセットアップ docker-ceリポジトリのセットアップ docker-ceのインストールと起動 docker-ceの起動を確認 2. minikube CLIのセットアップ minikube CLIコマンドのセットアップ minikubeの動作確認 minikube用アカウントを用意する k8sユーザに変更し、minikubeクラスタを構築する 3. Knativeのセットアップ kubectlコマンドの設置 knative Cli(kn) + Knative quickstart pluginによる構築 knativeのバージョン指定 kn(Knative cli)の設置 Knative Quickstart Pluginの設置 Knative(Serving + Eventing)のセットアップ Knative環境の動作状況を確認する 1. docker-ceのセットアップ minikubeを動作させる為にはいくつかのDriverをあらかじめセットアップしておく必要があります。 参考: Drivers | minikube から今回はdocker-ceを選択します。 Docker-CEのセットアップは以下の情報を元にセットアップを行います。 Docker CE の入手（CentOS 向け） — Docker-docs-ja 20.10 ドキュメント docker-ce リポジトリ のセットアップ # sudo yum install -y yum-utils \ device-mapper-persistent-data \ lvm2 # sudo yum-config-manager \ --add-repo \ https://download.docker.com/linux/centos/docker-ce.repo docker-ceのインストールと起動 # sudo yum install -y docker-ce # sudo systemctl enable docker # sudo systemctl start docker docker-ceの起動を確認 # sudo systemctl status docker --- ● docker.service - Docker Application Container Engine Loaded: loaded (/usr/lib/systemd/system/docker.service; enabled; vendor preset: disabled) Active: active (running) since Wed 2022-05-25 23:56:00 EDT; 2s ago Docs: https://docs.docker.com Main PID: 26493 (dockerd) Tasks: 9 Memory: 35.2M CGroup: /system.slice/docker.service └─26493 /usr/bin/dockerd -H fd:// --containerd=/run/containerd/containerd.sock --- 2. minikube CLI のセットアップ 参考: minikube start | minikube 今回は RPM を使ってセットアップします。 ※ご自身の環境に合わせて選択肢を変更してください。 minikube CLI コマンドのセットアップ # sudo curl -LO https://storage.googleapis.com/minikube/releases/latest/minikube-latest.x86_64.rpm # sudo rpm -Uvh minikube-latest.x86_64.rpm minikubeの動作確認 以下の様にroot権限のアカウントではminikubeは起動できませんので専用アカウントを用意します。 確認の為にminikube Driverにdockerを指定してminikube clusterを構築します。 # sudo minikube start --driver=docexitker --- * Rocky 8.5 (amd64) 上の minikube v1.25.2 * ユーザーの設定に基づいて docker ドライバーを使用します * 「docker」ドライバーは root 権限で使用すべきではありません。 * If you are running minikube within a VM, consider using --driver=none: * https://minikube.sigs.k8s.io/docs/reference/drivers/none/ X DRV_AS_ROOT が原因で終了します: 「docker」ドライバーは root 権限で使用すべきではありません。 --- minikube用アカウントを用意する minikube構築用に k8s グループとユーザを作成し、dockerグループに付属させます。 # groupadd k8s # useradd k8s -g k8s -s /bin/bash -d /home/k8s # sudo usermod -aG docker k8s && newgrp docker dockerグループに付属していることを確認 # egrep docker /etc/group --- docker:x:987:k8s --- k8s ユーザに変更し、minikube クラスタ を構築する # su - k8s -c 'minikube start --driver=docker' --- * Rocky 8.5 (amd64) 上の minikube v1.25.2 * 既存のプロファイルを元に、docker ドライバーを使用します * minikube クラスター中のコントロールプレーンの minikube ノードを起動しています * ベースイメージを取得しています... * docker 「 minikube 」 container がありません。再生成します。 * docker container (CPUs=2, Memory=2200MB) を作成しています... * Docker 20.10.12 で Kubernetes v1.23.3 を準備しています... - kubelet.housekeeping-interval=5m - 証明書と鍵を作成しています... - コントロールプレーンを起動しています... - RBAC のルールを設定中です... * Kubernetes コンポーネントを検証しています... - gcr.io/k8s-minikube/storage-provisioner:v5 イメージを使用しています * 有効なアドオン: storage-provisioner, default-storageclass * kubectl が見つかりません。kubectl が必要な場合、'minikube kubectl -- get pods -A' を試してください * 完了しました！ kubectl が「"minikube"」クラスタと「"default"」ネームスペースを使用するよう構成されました --- minikube clusterの作成が可能であることが確認できましたので、作成したminikube clusterを削除しておきます # su - k8s -c 'minikube delete' --- * docker の「minikube」を削除しています... * コンテナー「minikube」を削除しています... * /home/k8s/.minikube/machines/minikube を削除しています... * クラスター「minikube」の全てのトレースを削除しました。 --- 3. Knativeのセットアップ ここまでこればKnative環境を構築するのは簡単です。 Knative環境の構築方法は以下2種類あります。 knative Cli (kn) + Knative quickstart plugin こちらはKnative ServingとKnative Eventingの両方をセットアップしてくれます。 動作が保証された状態でセットアップできることから、環境構築に手間をかけたくない。とりあえずKnative触ってみたいといった人に向いています。 kubectl + YAML こちらはKnativeのInstallページに沿ってKnativeのBrokerやTriggerなど各 コンポーネント をセットアップしていきます。 Knative Serving環境だけ作りたい人や、BrokerやTrigger等の コンポーネント において複数種のソリューションの選択が可能ですので、上記基本セットアップ以外の環境で動かしたい人に向いています。 kubectlコマンドの設置 どちらの構築方法を選択してもkubectlコマンドの設置が必要となりますので、実施します。 # sudo curl -L -o /usr/local/bin/kubectl "https://storage.googleapis.com/kubernetes-release/release/$(curl -s https://storage.googleapis.com/kubernetes-release/release/stable.txt)/bin/linux/amd64/kubectl" # sudo chmod +x /usr/local/bin/kubectl knative Cli (kn) + Knative quickstart pluginによる構築 公式サイトに書かれている方法構築していきます。 Install Knative using quickstart - Knative knativeのバージョン指定 Knativeのバージョンを指定します。 KNATIVE_VERSION='1.4.0' kn(Knative cli )の設置 上記指定したバージョンにてknコマンドを設置します。 # sudo curl -LO https://github.com/knative/client/releases/download/knative-v${KNATIVE_VERSION}/kn-linux-amd64 # sudo mv kn-linux-amd64 /usr/local/bin/kn # sudo chmod +x /usr/local/bin/kn Knative Quickstart Pluginの設置 次にquickstart plugin用コマンドを設置します。 # sudo curl -LO https://github.com/knative-sandbox/kn-plugin-quickstart/releases/download/knative-v${KNATIVE_VERSION}/kn-quickstart-linux-amd64 # sudo mv kn-quickstart-linux-amd64 /usr/local/bin/kn-quickstart # sudo chmod +x /usr/local/bin/kn-quickstart Knative(Serving + Eventing)のセットアップ 一旦 k8s ユーザに切り替えます。 # su - k8s いよいよKnativeのセットアップを行います。 下記ログより minikube clusterの構築 kubectlコマンドの参照先をknative クラスタ を参照させる Knative Servingのセットアップ Kourier Netowrk Layerのセットアップ Knative Eventingのセットアップ をそれぞれ実施しています。 k8s$ kn quickstart minikube --- Running Knative Quickstart using Minikube Minikube version is: v1.25.2 ☸ Creating Minikube cluster... Using the standard minikube driver for your system If you wish to use a different driver, please configure minikube using minikube config set driver <your-driver> * Rocky 8.5 (amd64) 上の [knative] minikube v1.25.2 ! Specified Kubernetes version 1.23.4 is newer than the newest supported version: v1.23.4-rc.0 * docker ドライバーが自動的に選択されました ! あなたの cgroup ではメモリーの設定ができません。 - 追加情報: https://docs.docker.com/engine/install/linux-postinstall/#your-kernel-does-not-support-cgroup-swap-limit-capabilities X 要求された 3072MiB のメモリー割当は、システムのオーバーヘッド (合計システムメモリー: 3684MiB) に十分な空きを残しません。安定性の問題に直面するかも知れません。 * 提案: Start minikube with less memory allocated: 'minikube start --memory=3072mb' * knative クラスター中のコントロールプレーンの knative ノードを起動しています * ベースイメージを取得しています... * Kubernetes v1.23.4 のダウンロードの準備をしています > preloaded-images-k8s-v17-v1...: 505.67 MiB / 505.67 MiB 100.00% 35.55 Mi * docker container (CPUs=3, Memory=3072MB) を作成しています... * Docker 20.10.12 で Kubernetes v1.23.4 を準備しています... - kubelet.housekeeping-interval=5m - 証明書と鍵を作成しています... - コントロールプレーンを起動しています... - RBAC のルールを設定中です... * Kubernetes コンポーネントを検証しています... - gcr.io/k8s-minikube/storage-provisioner:v5 イメージを使用しています * 有効なアドオン: default-storageclass, storage-provisioner * 完了しました！ kubectl が「"knative"」クラスタと「"default"」ネームスペースを使用するよう構成されました 🍿 Installing Knative Serving v1.4.0 ... CRDs installed... Core installed... Finished installing Knative Serving 🕸️ Installing Kourier networking layer v1.4.0 ... Kourier installed... Ingress patched... Finished installing Kourier Networking layer 🕸 Configuring Kourier for Minikube... Domain DNS set up... Minikube tunnel... Finished configuring Kourier 🔥 Installing Knative Eventing v1.4.0 ... CRDs installed... Core installed... In-memory channel installed... Mt-channel broker installed... Example broker installed... Finished installing Knative Eventing 🚀 Knative install took: 3m25s 🎉 Now have some fun with Serverless and Event Driven Apps! --- Knative環境の動作状況を確認する まずは、namespace情報を確認します knative-eventing, knative-serving, kourier-systemができていることが確認できます。 ※kube-node-lease, kube-public, kube-systemはminikubeのnamespaceです。 k8s$ kubectl get namespaces NAME STATUS AGE default Active 9m26s knative-eventing Active 7m27s knative-serving Active 8m26s kourier-system Active 8m1s kube-node-lease Active 9m28s kube-public Active 9m28s kube-system Active 9m28s 次に各deploymentの状況を確認します。全てREADY 1/1となっているか確認します。 ※pingsourceは0/0で問題ありません。 knative-eventingの コンポーネント です。 ChannelはIn Memory Channel(imc-*)が選択されています。 BrokerはMT-Channel-based(mt-broker-*)が選択されています。 $ kubectl get deployment --namespace knative-eventing --- NAME READY UP-TO-DATE AVAILABLE AGE eventing-controller 1/1 1 1 13m eventing-webhook 1/1 1 1 13m imc-controller 1/1 1 1 12m imc-dispatcher 1/1 1 1 12m mt-broker-controller 1/1 1 1 12m mt-broker-filter 1/1 1 1 12m mt-broker-ingress 1/1 1 1 12m pingsource-mt-adapter 0/0 0 0 13m --- knative-servingの コンポーネント です。 networkにkourier network layerが選択されています。 $ kubectl get deployment --namespace knative-serving --- NAME READY UP-TO-DATE AVAILABLE AGE activator 1/1 1 1 16m autoscaler 1/1 1 1 16m controller 1/1 1 1 16m domain-mapping 1/1 1 1 16m domainmapping-webhook 1/1 1 1 16m net-kourier-controller 1/1 1 1 16m webhook 1/1 1 1 16m --- $ kubectl get deployment --namespace kourier-system --- NAME READY UP-TO-DATE AVAILABLE AGE 3scale-kourier-gateway 1/1 1 1 16m --- 環境構築は以上で終了です。 続はいよいよ 構築したKnative on minikubeでServing & Eventing Helloworldを動かすまで(実行編) にて Knative ServingのHelloworldの動作確認 Knative Eventing Helloworldの動作確認 Knative Serving + Eventingを組み合わせたHelloworld を行います。お楽しみに！！ エンジニア 中途採用 サイト ラク スでは、エンジニア・デザイナーの 中途採用 を積極的に行っております！ ご興味ありましたら是非ご確認をお願いします。 https://career-recruit.rakus.co.jp/career_engineer/ カジュアル面談お申込みフォーム どの職種に応募すれば良いかわからないという方は、カジュアル面談も随時行っております。 以下フォームよりお申込みください。 rakus.hubspotpagebuilder.com ラク スDevelopers登録フォーム https://career-recruit.rakus.co.jp/career_engineer/form_rakusdev/ イベント情報 会社の雰囲気を知りたい方は、毎週開催しているイベントにご参加ください！ ◆TECH PLAY techplay.jp ◆connpass rakus.connpass.com

はじめに こんにちは、 id:FM_Harmony です。 ラク スの一部サービスでは iOS 向けのアプリを提供していますが、 今回はそれに関連して、 iOS アプリ開発 のCI/CDについてまとめてみました。 これから iOS アプリ開発 のプロジェクトを始められる方、 既にあるプロジェクトにCI/CDを導入する方の参考になれば幸いです。 なお、「CI/CDとは？」といった部分に関しては、過去の記事に詳しいものがあるため、 そちらをご一読いただいてからこの記事を読まれますと、より理解が深まるかと思います。 tech-blog.rakus.co.jp 目次 はじめに 目次 Bitriseとは fastlaneとは 実例紹介 CI / CD環境について CIの取り組み CI戦略 具体例 CDの取り組み CD戦略 具体例 おわりに Bitriseとは 公式サイトの説明 によればBitriseとは、 Bitriseは、モバイルアプリ開発（iOS、Android、React Native、Flutterなど）に主に焦点を当てたサービスとしての継続的インテグレーションおよびデリバリー（CI / CD）プラットフォーム（PaaS）です。 これは、ソフトウェアプロジェクトの開発と自動化を支援するツールとサービスのコレクションです。 とのことです。 つまり、 スマートフォン 向けアプリでCI/CDを行うための環境を提供してくれるサービス という事です。 他にもCI/CD環境を提供するサービスはありますが、コスト面やワークフロー *1 の作り易さから、 Bitriseの採用に至っています。 ラク スにおけるBitriseの利用についても、過去の記事がありますので、 よろしければ併せてご一読ください。 tech-blog.rakus.co.jp fastlaneとは こちらも 公式サイトの説明 によれば、fastlaneとは、 fastlane is the easiest way to automate beta deployments and releases for your iOS and Android apps. It handles all tedious tasks, like generating screenshots, dealing with code signing, and releasing your application. とのことです。 つまり、 スマートフォン 向けアプリのリリースに関するタスクを自動化するためのツール という事です。 リリースだけでなく、自動テストやレポーティングといった機能も備えています。 BitriseだけでもCI/CDは行えるのですが、Bitriseがトラブルで利用できないときや、 コミット前にローカルでテストを動かしたいときを考え、 ビルドツールとしてfastlaneを使う ビルド環境としてBitriseを使う というように使い分けをしています。 実例紹介 CI / CD環境について 以下は、ある スマートフォン 向け アプリ開発 におけるCI / CDの環境構成の例になります。 図1：CI/CD環境 プロジェクトは社内のGitLabで管理しており、開発者がコードのプッシュ等を行うと、 Bitriseでビルド用の 仮想マシン が作成されます。 その 仮想マシン にプロジェクトの ソースコード をクローンして、 fastlaneでのテストやビルドを行うといった構成です。 ビルドの終了時にはGitLabのPipelineに成功/失敗が通知されますが、 同時に社内のチャットツール（mattermost）にも通知されるようにしています。 これにより、開発者がGitLabを確認せずともCIの完了を把握できるようにしています。 図2：チャットツールへの通知例 では、具体的にCI / CDとしてどういったことを行っているか紹介します。 CIの取り組み CI戦略 CIとしては、例えばfastlaneで以下を実行しています。 SwiftLint による静的解析 XCTest による ユニットテスト ユニットテスト については、 Xcov でその カバレッジ を集計するようにしています。 基本的にはGitLabのマージリク エス ト（MR）が作成、MRへコミットがプッシュされたタイミングで、 上記を行うようにしています。 というのも、2022年5月現在で利用しているBitriseのプランは、 同時に1ワークフローのみ実行可能なものであるためです。 Bitriseを利用しているプロジェクトはいくつか存在し、プッシュされるたびにワークフローを実行すると、 他プロジェクトのワークフローが待ち状態になることがあります。 それを避けるため、ワークフローの実行は必要最小限にしています。 ただし、masterブランチやリリース用のブランチは デグレード が発生した場合に速やかに修正する必要があるため、 コミットのプッシュごとにCIを実行しています。 図3：GitのブランチとCI戦略の関係 具体例 では、CIの実行例を見てみましょう。 CIが行われたとき、fastlaneにより実行結果のレポートが作成されます。 これにより、CIが失敗したときにその失敗理由を確認することが出来ます。 また、CIが失敗した際は Danger により、失敗した箇所がMRにコメントされます。 fastlaneにより作成されたレポートはBitriseに保存されるのですが、Dangerも利用することで、 原因が簡単に分かるものは、MRのコメントを基にコードを修正する 詳細な原因を知りたいものは、Bitriseに保存されたレポートを基にコードを修正する というようにでき、簡単なものであればBitriseとGitLabを行ったり来たりしなくても済むようにしています。 図4：Dangerによる静的解析のコメント例 さらに、 ユニットテスト の カバレッジ もDangerによるコメントを行っています。 これにより、 ここはカバーできているのでOK ここはこういった理由でカバーしなくてもOK といった情報を、MRのコメントでレビュワーに伝えています。 図5：Dangerによる カバレッジ のコメント例 CDの取り組み CD戦略 CDとしては、例えばfastlaneで以下を行っています。 アプリのバージョン番号変更 Test Flightへのアプリアップロード ただし、以下の理由により必要なタイミングでのみ実行出来た方が都合がよいため、 CIと違って自動実行ではなく、手動でBitriseのワークフローを実行しています。 バージョン番号変更はファイルのコミットを伴う アップロードに伴って変更されたビルド番号も含めた状態で、プロジェクトにタグを打つ運用になっている また、事前にリリース時期の社内調整が必要なことがほとんどであるため、 アップロードしたアプリの公開も手動で行っています。 具体例 こちらも具体例を見てみましょう。 あるプロジェクトではそのバージョンの開発が完了すると、 成果物がコミットされたmasterブランチをreleaseブランチへマージし、 バージョン番号を変更するという運用を行っています。 バージョン番号変更においては、 fastlane-plugin-versioning を利用しています。 以前はInfo.plistに設定された値を修正してバージョン番号を更新していたのですが、 Xcode 11よりBuild Settingに設定を行うようになりました。 fastlane-plugin-versioningはバージョン番号を渡すと、その辺りを考慮して適切に設定値を更新してくれるため、 バージョン番号変更に利用しています。 その後、プロジェクト全体の 結合テスト 等を経てリリース準備が完了すると、 releaseブランチでビルドしたアプリを署名してTest Flightへアップロードし、審査に提出しています。 このアプリビルドやアップロードについては、fastlaneで用意された機能を利用しています。 具体的には、 ビルド： gym 署名： match アップロード： Pilot を利用するといった構成です。 また、アップロードに App Store Connect API を利用することで、 2段階認証を行うことなくBitriseからのアプリアップロードを行えるようにしています。 おわりに いかがでしたでしょうか。 個人的な感想になりますが、CI/CD環境の整備により、 実装コードに対する安心感が向上する アプリビルドやアップロードの間もローカルマシンで別のことを行える といった点で、それまでと比べて開発環境が改善されたと感じています。 今回の記事が iOS アプリでCI/CDを行う際の一案として、みなさまの参考になれば幸いです。 エンジニア 中途採用 サイト ラク スでは、エンジニア・デザイナーの 中途採用 を積極的に行っております！ ご興味ありましたら是非ご確認をお願いします。 https://career-recruit.rakus.co.jp/career_engineer/ カジュアル面談お申込みフォーム どの職種に応募すれば良いかわからないという方は、カジュアル面談も随時行っております。 以下フォームよりお申込みください。 rakus.hubspotpagebuilder.com ラク スDevelopers登録フォーム https://career-recruit.rakus.co.jp/career_engineer/form_rakusdev/ イベント情報 会社の雰囲気を知りたい方は、毎週開催しているイベントにご参加ください！ ◆TECH PLAY techplay.jp ◆connpass rakus.connpass.com *1 : Jenkinsのジョブのようなもの

こんにちは、negimixです。 ファイルやデータベースなど、各所に散らばっているデータをデータベースに集約して活用したいなぁと漠然と思っていました。 単純にデータを読み込んで、データベースに登録するプログラムを作ればいいんですが、今回はEmbulkを使ってみたので、Embulkの利用方法を紹介したいと思います。 　 【目次】 Embulkとは Embulk環境構築 サンプル実行 データをデータベースに登録 まとめ Embulkとは Embulkは、さまざまなストレージ、データベース、NoSQL、 クラウド サービス間のデータ転送を支援する並列バルクデータローダーです。 必要に応じて プラグイン を利用することで自由に拡張することが可能です。 Embulk環境構築 環境は以下の状態からはじめました。 OS Rocky Linux release 8.5 Java openjdk version "1.8.0_332" https://www.embulk.org/ Embulk公式ページの　 Quick Start 　をそのまま実行します。 curl --create-dirs -o ~/.embulk/bin/embulk -L " https://dl.embulk.org/embulk-latest.jar " chmod +x ~/.embulk/bin/embulk echo ' export PATH="$HOME/.embulk/bin:$PATH" ' >> ~/.bashrc source ~/.bashrc 0.9.24 　がインストールされました。 embulk --version embulk 0 . 9 . 24 サンプル実行 Embulkにはサンプルが付属されているので、すぐに動作確認が行えます。 ※ CSV ファイルを読み込み、その結果を画面に出力します。 https://www.embulk.org/ こちらも、Embulk公式ページの　 Next steps 　をそのまま実行します。 embulk example ./try1 embulk guess ./try1/seed.yml -o config.yml embulk preview config.yml embulk run config.yml 各コマンドでやっている内容は、概ね以下のとおりです。 1行目：サンプルの展開 ■展開後 tree ./try1 ./try1 ├── csv │ └── sample_01.csv.gz └── seed.yml 1 directory, 2 files 2行目：seed.ymlを元にconfig.ymlを生成 seed.ymlの　 path_prefix 　のファイルの中身を参照してconfig.ymlを作成してくれます。 ■seed.yml in : type : file path_prefix : './try1/csv/sample_' out : type : stdout ■config.yml ※サンプルではいい感じにconfig.ymlが生成されていますが、実データでは上手く生成されない場合があります。 　例) 参照したファイルに列名が無い場合 　その際は、config.ymlを直接編集する必要があります。 　また、追加で設定が必要な場合もconfig.ymlを直接編集してください。 in : type : file path_prefix : ./try1/csv/sample_ decoders : - { type : gzip } parser : charset : UTF-8 newline : LF type : csv delimiter : ',' quote : '"' escape : '"' null_string : 'NULL' trim_if_not_quoted : false skip_header_lines : 1 allow_extra_columns : false allow_optional_columns : false columns : - { name : id, type : long } - { name : account, type : long } - { name : time, type : timestamp, format : '%Y-%m-%d %H:%M:%S' } - { name : purchase, type : timestamp, format : '%Y%m%d' } - { name : comment, type : string } out : { type : stdout } 3行目：config.ymlを使ってプレビュー表示 config.ymlの設定があっているか、プレビューで確認します。 ■プレビュー表示 +---------+--------------+-------------------------+-------------------------+----------------------------+ | id:long | account:long | time:timestamp | purchase:timestamp | comment:string | +---------+--------------+-------------------------+-------------------------+----------------------------+ | 1 | 32,864 | 2015-01-27 19:23:49 UTC | 2015-01-27 00:00:00 UTC | embulk | | 2 | 14,824 | 2015-01-27 19:01:23 UTC | 2015-01-27 00:00:00 UTC | embulk jruby | | 3 | 27,559 | 2015-01-28 02:20:02 UTC | 2015-01-28 00:00:00 UTC | Embulk "csv" parser plugin | | 4 | 11,270 | 2015-01-29 11:54:36 UTC | 2015-01-29 00:00:00 UTC | | +---------+--------------+-------------------------+-------------------------+----------------------------+ ※Embulk自体のログは省略しています。 4行目：config.ymlを使って実行 ■実行結果 ※出力先(out)が　 stdout 　になっているので画面に実行結果が出力されます。 1,32864,2015-01-27 19:23:49,20150127,embulk 2,14824,2015-01-27 19:01:23,20150127,embulk jruby 3,27559,2015-01-28 02:20:02,20150128,Embulk "csv" parser plugin 4,11270,2015-01-29 11:54:36,20150129, ※Embulk自体のログは省略しています。 データをデータベースに登録 サンプルでは、 CSV ファイルを読み込み、その結果を画面に出力しました。 ここでは、結果をデータベースに登録したいと思います。 データベースは、普段利用している PostgreSQL を利用します。 環境は以下のとおりです。 PostgreSQL psql ( PostgreSQL ) 12.9 実施する作業 Embulkに postgreSQL 出力用 プラグイン を導入 プラグイン は、 embulk-output- postgresql を使います。 embulk gem install embulk-output-postgresql postgreSQL 出力用config.ymlを作成 サンプルで利用したconfig.ymlを利用して postgreSQL 出力用config.ymlを作成します。 ファイル名は、config_ postgresql .ymlにしました。 出力先(out)の設定を PostgreSQL 用に変更しています。 詳しい設定内容については、embulk-output- postgresql の　 README 　を参照ください。 https://github.com/embulk/embulk-output-jdbc/tree/master/embulk-output-postgresql ■config.yml と config_ postgresql .ymlの差分 diff -u config.yml config_postgresql.yml --- config.yml +++ config_postgresql.yml @@ -15,10 +15,19 @@ skip_header_lines: 1 allow_extra_columns: false allow_optional_columns: false + default_timezone: Asia/Tokyo columns: - {name: id, type: long} - {name: account, type: long} - {name: time, type: timestamp, format: '%Y-%m-%d %H:%M:%S'} - {name: purchase, type: timestamp, format: '%Y%m%d'} - {name: comment, type: string} -out: {type: stdout} +out: + type: postgresql + host: localhost + user: postgres + password: {パスワード} + database: embulk + table: embulk_postgresql_sample + default_timezone: Asia/Tokyo + mode: truncate_insert ※登録時に、timezoneの違いにより、日時がずれるため　 default_timezone 　を追加しています。 Embulkを実行 ■Embulk実行前( PostgreSQL ) embulk = # \ d リレーションが見つかりませんでした。 embulk = # ■Embulk実行 embulk run config_postgresql.yml ■Embulk実行後( PostgreSQL ) テーブルが作成されています。 ※事前にテーブルを作成して、データを登録することも可能です。 embulk = # \ d リレーション一覧 スキーマ | 名前 | 型 | 所有者 ----------+--------------------------+----------+---------- public | embulk_postgresql_sample | テーブル | postgres ( 1 行 ) embulk = # embulk = # \ d embulk_postgresql_sample テーブル " public .embulk_postgresql_sample " 列 | 型 | 照合順序 | Null 値を許容 | デフォルト ----------+--------------------------+----------+---------------+------------ id | bigint | | | account | bigint | | | time | timestamp with time zone | | | purchase | timestamp with time zone | | | comment | text | | | embulk = # データも登録されています。 embulk = # select * from embulk_postgresql_sample; id | account | time | purchase | comment ----+---------+------------------------+------------------------+---------------------------- 1 | 32864 | 2015 - 01 - 27 19 : 23 : 49 + 09 | 2015 - 01 - 27 00 : 00 : 00 + 09 | embulk 2 | 14824 | 2015 - 01 - 27 19 : 01 : 23 + 09 | 2015 - 01 - 27 00 : 00 : 00 + 09 | embulk jruby 3 | 27559 | 2015 - 01 - 28 02 : 20 : 02 + 09 | 2015 - 01 - 28 00 : 00 : 00 + 09 | Embulk " csv " parser plugin 4 | 11270 | 2015 - 01 - 29 11 : 54 : 36 + 09 | 2015 - 01 - 29 00 : 00 : 00 + 09 | ( 4 行 ) embulk = # まとめ 環境構築からデータベースへの登録を紹介しました。 今回は、 プラグイン を1つだけ利用しましたが、他にも入出力、フィルタ等の プラグイン が用意されています。 https://plugins.embulk.org/ 拡張性もあり、大量のデータ処理にも向いているため、今後より活用できる機会を探っていけたらと思います。 エンジニア 中途採用 サイト ラク スでは、エンジニア・デザイナーの 中途採用 を積極的に行っております！ ご興味ありましたら是非ご確認をお願いします。 https://career-recruit.rakus.co.jp/career_engineer/ カジュアル面談お申込みフォーム どの職種に応募すれば良いかわからないという方は、カジュアル面談も随時行っております。 以下フォームよりお申込みください。 rakus.hubspotpagebuilder.com ラク スDevelopers登録フォーム https://career-recruit.rakus.co.jp/career_engineer/form_rakusdev/ イベント情報 会社の雰囲気を知りたい方は、毎週開催しているイベントにご参加ください！ ◆TECH PLAY techplay.jp ◆connpass rakus.connpass.com

プロジェクトマネジメント とは Quality：品質マネジメント Cost：費用マネジメント Delivery：納期マネジメント プロジェクトマネージャーに必要な3つのスキル ①. 管理スキル ②. コミュニケーションスキル ③. 問題解決スキル プロジェクトマネジメント 関連資格 プロジェクトマネージャ試験（PM） PMP（Project Management Professional） おすすめ書籍 終わりに 技術広報の yayawowo です。 PM（プロジェクトマネージャー）という言葉を聞いたことがある人は多いと思います。 では、具体的に何をしているのかを説明できますでしょうか？ 本記事では、プロジェクトマネジメントの基本的な内容をはじめ、 プロジェクトマネジメントに必要なスキル・関連資格や書籍をご紹介させていただきます！ ◆ 関連ブログも合わせてご確認ください！ ・ 仕様書 とは 【まとめ】 ・ PMBOK とは【まとめ】 ・ 要件定義 とは【まとめ】 ・ プロジェクトマネジメントTips 20選　～現場から語るプロマネの極意～ ・ PdM （プロダクトマネージャー）とは 【まとめ】 プロジェクトマネジメント とは プロジェクトマネジメントとは、期間が定められたプロジェクトの達成/成功に向けて進捗、品質、コストを管理しコン トロール していくことです。 重要となる役割の方がプロジェクトマネージャー（PM）や、プロジェクトマネジメントオフィス（PMO）、プロジェクトリーダー（PL）等が挙げられます。 また、プロジェクトマネジメントをする上で重要となるのがQCDです。 Q（Quality：品質マネジメント） C（Cost：費用マネジメント） D（Delivery：納期マネジメント） QCDについて簡単に触れてみましょう。 Quality：品質マネジメント QCDの中でも重要とされているのが、「Quality：品質マネジメント」です。 ユーザーから要求された品質を担保していない成果物は、ユーザー満足度・信頼度の低下を招いてしまいます。 クオリティファーストという言葉があるように、優先して達成すべき指標となります。 Cost：費用マネジメント プロジェクトを進める中で、計画外の無駄なコスト発生は言語道断です。 また、大規模プロジェクトを担当する場合は多数の ステークホルダー と長期的な関係を築くため、慎重な費用計画と管理が必要となります。 費用を適切に管理しながら、高い品質の成果物を作成できるかが重要となります。 Delivery：納期マネジメント 納期内に成果物を納品することもプロジェクトマネジメントの上では、大切なことです。 もし納期内に収めることが出来ない場合は、ユーザーからの信頼度の低下や会社間のトラブルを引き起こしてしまう可能性があります。 計画を行う上では、各工程内での遅延リスクを考慮しつつ、余裕を持った計画を練ることが必要です。 プロジェクトマネージャーに必要な3つのスキル ①. 管理スキル プロジェクトマネージャーは前述したQCDの通り、スケジュールや予算を管理する能力が求められます。 プロジェクトを遂行する中で、全体スケジュールの把握は重要であり、作業時間・作業人数などを想定し、各工程の 進捗管理 を行っていきます。 スケジュールや 進捗管理 を整理する際、良く利用されているのが WBS （Work Breakdown Structure）です。 プロジェクト完了までの全作業を出来るだけ抜け漏れなく洗い出し、 進捗管理 を怠らないようにしましょう。 また、限られた予算内でプロジェクト完遂且つ、可能な限りの利益を出すための予算管理スキルも求められます。 ②. コミュニケーションスキル プロジェクトマネージャーは、コミュニケーションスキルも欠かせません。 プロジェクトオーナーやチームメンバーが意見を出しやすくするための環境づくりだけでなく、チームメンバーの育成もプロジェクトを遂行していく中ではとても大切です。 密なコミュニケーションをとり、プロジェクトの成功に結び付けましょう。 ③. 問題解決スキル プロジェクトマネージャーは、プロジェクト遂行時に発生する問題に立ち向かうため、問題解決スキルが重要となります。 長期的なプロジェクトであれば、トラブル発生はつきものです。 トラブルを軽減するための リスク管理 も重要ではありますが、発生した場合はプロジェクトマネージャーが冷静に原因分析、解決方法を提案する決断力も必要となります。 常日頃から合理的な判断ができるよう、問題解決スキルを身につけておくと良いと思います。 プロジェクトマネジメント 関連資格 プロジェクトマネージャ試験（PM） IPA 独立行政法人 情報処理推進機構 が運営している試験です。 www.jitec.ipa.go.jp 年1回秋期に実施が予定されており、プロジェクトマネージャーを目指す方に最適な資格となります。 対象者像は以下の通りです。 １．対象者像 高度IT人材として確立した専門分野をもち、 システム開発 プロジェクトの目標の達成に向けて、責任をもって、プロジェクト全体計画（プロジェクト計画及びプロジェクトマネジメント計画）を作成し、必要となる要員や資源を確保し、予算、スケジュール、品質などの計画に基づいてプロジェクトを実行・管理する者 　 　　　　　　　　　　　　　　　　　　　　　　　　　　　　引用元： IPA - プロジェクトマネージャ試験(PM) 情報処理の基本をはじめ、プロジェクトマネジメントの実務レベルの幅広い知識が問われるため、プロジェクトマネジメントのスキル指標として受験されてみてはいかがでしょうか？ PMP （Project Management Professional） プロジェクトマネジメント協会（Project Management Institute, Inc.）、通称PMIが資格認定を行うプロジェクトマネジメントに関する国際資格です。 www.pmi-japan.org 本資格習得に伴い、期待できる効果は以下の通りです。 PMP ® 取得により期待できる効果 ● スキルアップ 体系的な仕事の進め方が身につくため、飛躍的に業務の効率化が図れます。 また、ご自分の経験を体系的なプロジェクトマネジメントの方法論として再整理できます。 ●キャリアアップ この資格の取得によって社内外に対してプロジェクトマネジメントの専門性を証明できます。 資格認定後は、名刺への資格名称の記載が可能となります。 ●人的ネットワークの拡大 PMのコミュニティでの活動を通して、人的なネットワークを広げることも可能です。 　 　　　　　　　　　　　　　　　　　　　　　　　　　　　　引用元： PMI Japan - PMI® 試験・資格について プロジェクトマネジメントの国際資格を取得してみたい！という方は、是非ご検討ください！ おすすめ書籍 初心者向けのプロジェクトマネジメントのおすすめ書籍を並べてみました。 学習の一助となれば幸いです。 『マンガでわかるプロジェクトマネジメント』 漫画で読みやすくプロジェクトマネジメントについてまとめられています。 基本となる手法や用語が分かりやすく解説されております！ これから学習を始めたい！という方にオススメの一冊です。 『「プロジェクトマネジメント」実践講座』 こちらもプロジェクトマネージャーをご担当された際、読んでおきたい1冊です。 「目標設定」「計画」「実行」の3つの視点でまとめられており、図解が多いといった特徴があります。 『プロジェクトマネジメント知識体系ガイド PMBOK (R) ガイド 第7版』 PMBOK とは、プロジェクトマネジメントで必要とされる知識や手法を体系的にまとめた世界標準となります。 2021年11月に第7版が出版され、最新化されました！ 専門的な内容となり量も多いため、プロジェクトマネジメントの辞書として利用することをおすすめします。 ◆ 当社エンジニアマネージャーがまとめた以下記事も是非ご参考ください！ tech-blog.rakus.co.jp 終わりに プロジェクトマネジメントのまとめ記事はいかがでしたでしょうか？ 今回は基本的なことから、必要なスキル等と幅広い内容でまとめさせていただきました。 プロジェクトの成功に向けて、本記事が初めてマネジメントを経験する方や、再度学習される方の一助となれば幸いです。 最後までお読みいただきありがとうございました！ エンジニア 中途採用 サイト ラク スでは、エンジニア・デザイナーの 中途採用 を積極的に行っております！ ご興味ありましたら是非ご確認をお願いします。 https://career-recruit.rakus.co.jp/career_engineer/ カジュアル面談お申込みフォーム どの職種に応募すれば良いかわからないという方は、カジュアル面談も随時行っております。 以下フォームよりお申込みください。 rakus.hubspotpagebuilder.com ラク スDevelopers登録フォーム https://career-recruit.rakus.co.jp/career_engineer/form_rakusdev/ イベント情報 会社の雰囲気を知りたい方は、毎週開催しているイベントにご参加ください！ ◆TECH PLAY techplay.jp ◆connpass rakus.connpass.com

TimescaleDBの特徴 TimescaleDBの機能とライセンス TimescaleDBの開発状況 TimescaleDBのデータ管理 こんにちはヤマウチです。 ラク スではいろいろなサービスで PostgreSQL を使っていますが、ログのような時系列データを PostgreSQL で効率的に管理する方法について調査しました。 ログのような時系列データには以下のような特徴があります。 追記と削除のみで更新は必要ない 時間が経過するにつれデータ量が増える 一方、リレーショナルデータベースには以下の特徴があります。 トランザクション などデータを確実に更新する機能がある 一つのテーブルに大量のデータを保存するとデータの追加や検索が遅くなる 上記のことから時系列データをリレーショナルデータベースで管理すると機能過多かつ処理が遅くなることがあり、代わりにNoSQLが使われることが多くあります。 このような時系列データを PostgreSQL で効率的に扱うための拡張であるTimescaleDBを調査しました。 TimescaleDBの特徴 TimescaleDBは PostgreSQL で時系列データを扱うための 拡張機能 で アメリ カのTimescale社が開発しています。 データ量の多い時系列データを扱うために以下の機能を持っています。 日時カラムでのパーティショニング 古い パーティション の圧縮 また、 PostgreSQL の 拡張機能 として開発されているため以下の特徴があります。 SQL をそのまま使える 圧縮したデータも含めてダンプ・リストアが可能 PostgreSQL の レプリケーション にも対応 TimescaleDBの機能とライセンス TimescaleDBは オープンソース 機能とコミュニティ機能に分かれており、それぞれ Apache License 2.0 と Timescale ライセンスの元で使えるようになっています。 それぞれのライセンスとできることをまとめると、以下のようになっています。 機能 ライセンス できること オープンソース 機能 Apache License 2.0 ・日時カラムでのパーティショニング コミュニティ機能 Timescale License ・圧縮機能 ・ パーティション の並び替え、移動 Timescale License の元で使えるコミュニティ機能は TimescaleDBの機能を使った Database-as-a-Service を提供する場合を除き自由に使えるようになっています。 実際にTimescaleDBを使用する場合はライセンスの原文を確認するようお願いいたします。 TimescaleDB License Agreement | Timescale TimescaleDBの開発状況 OSS を利用する際には開発が活発に行われており、継続して利用できるかが重要となります。 このブログを書いている 2022-04-28 時点のリリース状況は以下のようになっており、活発に開発されていることが分かります。 バージョン リリース日 2.6.1 2022-04-11 2.6.0 2022-02-16 2.5.2 2022-02-09 2.5.1 2021-12-01 2.5.0 2021-10-28 また、v2.5.0ではPostgreSQL14にも対応しており、開発が止まって使えなくなるという心配は当面なさそうです。 Release notes | Timescale Docs TimescaleDBのデータ管理 TimescaleDBでは以下のようにハイパーテーブルとチャンクで時系列データを管理します。 TimescaleDBの アーキテクチャ 実際のデータはチャンクに格納されますが、データの追加や検索をハイパーテーブルに行うことでTimescaleDBが自動的に適切なチャンクに振り分けてくれます。 TimescaleDBでは上記の機能を PostgreSQL の継承によるパーティショニングを使って実現しており、継承によるパーティショニングとの関係は以下のようになっています。 TimescaleDBでの呼び方 継承によるパーティショニングでの呼び方 ハイパーテーブル 親テーブル チャンク 子テーブル また、一定期間を過ぎたチャンクを自動的に圧縮する設定が可能となっています。 圧縮しているかどうかでチャンクに対して実施できる更新操作が変わります。 チャンク 実施できるデータ更新操作 圧縮していないチャンク ・INSERT ・UPDATE ・DELETE 圧縮したチャンク ・INSERT ※UPDATE、DELETEは不可 圧縮したチャンクにはUPDATEはできませんが、ログのような時系列データを格納する場合は更新処理は実施しないため問題となりません。 また、DELETEもできませんが代わりに drop _chunks() という関数が用意されており古くなって不要になったデータはチャンクごと削除する仕組みとなっています。 drop_chunks | Timescale Docs drop _chunks() は内部的に DROP TABLE を実行するのと同じであるため、古いログをDELETEで削除したときのような不要領域が発生せず、かつ高速に処理が行われます。 今後TimescaleDBを使ったログ管理を検証していく予定です。 エンジニア 中途採用 サイト ラク スでは、エンジニア・デザイナーの 中途採用 を積極的に行っております！ ご興味ありましたら是非ご確認をお願いします。 https://career-recruit.rakus.co.jp/career_engineer/ カジュアル面談お申込みフォーム どの職種に応募すれば良いかわからないという方は、カジュアル面談も随時行っております。 以下フォームよりお申込みください。 rakus.hubspotpagebuilder.com ラク スDevelopers登録フォーム https://career-recruit.rakus.co.jp/career_engineer/form_rakusdev/ イベント情報 会社の雰囲気を知りたい方は、毎週開催しているイベントにご参加ください！ ◆TECH PLAY techplay.jp ◆connpass rakus.connpass.com

はじめに 皆さん初めましてseahoseTです。 今回はコンピュータプログラムの記述・編集を行うための ソースコード エディタの一つ『 Visual Studio Code 』、通称『 VSCode 』の最新のインストール事情について紹介していこうと思います。 VSCode のインストールについての過去の記事は Visual Studio Code のインストールと日本語化まとめ をご覧ください。 もくじ はじめに VSCodeとは ここがすごいよVScode ソースコードエディタの歴史 Vim Sublime Text Atom VSCode VSCodeをインストールしてみる(Windows) VSCodeの日本語化 webバージョンのVSCode おわりに VSCode とは VSCode とは Microsoft 社が提供している ソースコード エディタです。 Windows だけでなく、 MacOS や Linux にも対応しておりはたまたweb版もリリースされており開発環境に関わらず使用することが出来ます。 また、 オープンソース なので無料で入手してインストールすることが可能です。 VSCode の最大の利点はその拡張性の高さに有ります。 インストールの初期段階では機能が必要最低限となっており、非常に軽量となっています。 そこに膨大な 拡張機能 の中から好みのテーマやキーボードショートカットを選ぶことが出来、環境設定や使用したい機能を追加することで自分自身独自の ソースコード エディタにカスタマイズすることが出来ます。 また、2019年の調査では数多の ソースコード エディタの中での使用率が最も高い51%が観測されています。 これは二位以下に二倍以上の差をつけており一歩抜き出た人気を持っていることが伺えます。 この人気の秘密は前述した拡張性の高さに起因しているのではないでしょうか。 引用元「 Stack Overflow 」 ここがすごいよ VScode ソースコード エディタの歴史 VSCode の凄さと利便性を語る上で ソースコード エディタの歴史を外すことは出来ません。 なぜこんなにも VSCode のシェアが高く愛用されているのか語っていきます。 (長いので必要のない方は インストール までどうぞ) Vim 多くの GUI ソースコード エディタが存在する中 コマンドライン ベースで動作する『 Vim 』は開発から30年近く経っているのにも関わらず多くの開発者に使用されている ソースコード エディタです。 その特徴は、 高い互換性 にあります。 下位互換性が高いため多くのシステムに採用でき、どこででも利用できること可能です。 　 デメリットとしてもその下位互換性に有ります。 Vim で出来ることは他の ソースコード エディタでもほとんど可能です。 リリース当時と比べPCの性能が向上し当時は無駄としてそぎ落としていた部分が現在ではメリットとしての価値の方が大きくなり、評価されるようになったのです。 また、操作方法に関しては現在の インターフェイス とあまりに乖離があるため、新たに使い始めるにはハードルが高いのが現状です。 Sublime Text 2008年にリリースされた Sublime Text は Linux 、 MacOS 、 Windows で動作する クロスプラットフォーム の先駆けとなる ソースコード エディタです。 クロスプラットフォーム により、これまでにリリースされてきた ソースコード エディタに比べて多くのユーザーを取り込むことに成功しました。 そんな Sublime Textの最大の魅力はその拡張性です。 初期機能は少ないのですが、様々な プラグイン を使用して自分好みにカスタマイズすることが出来ます。この拡張性は VSCode も影響を受けています。 しかし、この ソースコード エディタにもデメリットが存在します。 まず日本語に公式が対応していないことです。この記事を読んでいる方の多くは困ることになるでしょう。 二つ目は追加の 拡張機能 を プラグイン をインストールするためのパッケージマネージャを外部に別のツールとして準備する必要があり、単体で簡潔していないことです。わざわざ二つのアプリを使い分けるのは面倒ですよね。 そして最も大きなデメリットは、プライグイン等々の 拡張機能 が Python でのみ作成することが可能となっている点です。 Python 自体は現在目にすることも多いと思いますが、現存する言語の中で多くのシェアを占めているとは言い切れません。 ポピュラーといった意味ではHTML、 CSS 、 JavaScript の三種が現存する言語の中では最もポピュラーなものとして扱われており、この三種を外すことは 拡張機能 の作成のハードルを上げる一端となってしまいます。追加の 拡張機能 をとしてインストールしようにも作成者がいないのであれば自身で作成するほかなく、手軽さが失われ魅力である拡張性が生かされることはありません。このように専門性が要求されてしまい、魅力である拡張性に関しては将来改良する余地を残していました。 Atom Atom は2014年に Github からリリースされました。 Atom は完成度がとても高く、上記の二つの ソースコード エディタの問題点をカバーしています。 機能追加のためのパッケージマネージャが内部に搭載され、 Atom 自体は JavaScript で作成されています。 拡張機能 はHTML、 CSS 、 JavaScript で作成することが出来、 Sublime Textの問題点であった Python に比べ 拡張機能 を作成する際の参入のハードルが大幅に低くなっています。しかし、そんな Atom も大きな問題を抱えていました。パフォーマンスの悪さです。起動は遅くメモリの消費量がとても多いです。置換処理を行うととても時間が掛かってしまいます。このような点から機能面では他を圧倒していたにも関わらず結果としてはトップシェアを奪うことは叶いませんでした。 VSCode 2015年満を持して登場しましたのが本記事の主題 VSCode です。 VSCode は Atom の問題点を克服しており、現存する ソースコード エディタの中では最終系と言えるでしょう。 設計には Atom と同様にElectronという フレームワーク が採用されており、 拡張機能 の作成にはHTML、 CSS 、 JavaScript が使用可能です。パッケージマネージャは内部に搭載されており利便性はとても高いです。 Sublime Textと同様に初期の機能を少なくすることで軽量化も果たしています。 機能の少なさをカバーするための拡張性の高さ、これを実現する 拡張機能 は Sublime Textから改善されより作成がしやすく流通しやすいようにブラッシュアップされています。 VSCode をインストールしてみる( Windows ) 1. VSCode のダウンロード 「 https://code.visualstudio.com/Download 」からダウンロードが行えます。 自身の環境に合ったものをダウンロードしましょう。 Windows でとくにこだわりが無ければ「 Windows 」を選択でOKです。 下の項目が気になる方のために簡単に各項目の説明を記載しておきます。 64/32bit OSの処理機能別の VSCode インストーラ です。 自身のPCの性能に合わせてお選び下さい。 「 Windows 」を選択すれば自動で判別してくれるので何か特別な意図が無い限りは選択する必要はありません。 ARM スマートフォン ・ タブレット などの携帯端末用で VSCode のインストールを行うための インストーラ です。 User Installer 「User Installer」を用いてインストールを行うと現在使用しているユーザーアカウントでのみ VSCode が使用可能になります。 System Installer 「User Installer」を用いてインストールを行うとPC内全てのアカウントで VSCode が使用可能になります。 インストールには管理者権限が必要です。 .zip 所謂ポケット版です。 VSCode をインストール不要で使用することが可能ですが、アップデートなどの機能が無いので VSCode の最新版は都度ダウンロードを行う必要があります。 他の環境の方は Windows の右にあるアイコンから、 Linux は真ん中のアイコン Mac は右のアイコンの下を選択してダウンロード、インストールをしてください。 2. VSCode のインストール 1.ランチャーを起動して同意を選択する 2.インストール先を指定する VSCode のインストール先を決定します。特に何か問題がなければデフォルトでOKです。 3.スタートメニューにプログラムのショートカットを作成 スタートメニューに VSCode のショートカットを作成します。 作成したくない場合は「 スタートメニューフォルダーを作成しない(D )」へチェックを入れましょう。 4.オプションの選択 VSCode をインストールする時に適用したいオプションを設定します。 「 PATHへの追加(再起動後に使用可能 )」の部分は必ずチェックを入れましょう。残りはお好みでどうぞ。 5.インストール設定確認 設定に問題が無いかを確認して VSCode のインストールを開始しましょう。 6.インストール完了 インストール完了です。これからは自由に思い存分 VSCode 生活を堪能してください。 VSCode の日本語化 VSCode は使用している言語を最適に設定してくれる機能があります。 起動した時に出る右下の案内に従って簡単に日本語化が可能です。 VSCode 上右下の「インストールして再起動」を選択すると画面が遷移して自動で日本語の設定を導入、再起動してくれます。再起動後は無事日本語になっています。 一応手動での言語設定の方法も記載しておきます。 1.「Ctrl」+「Shift」+「P」もしくはメニュー欄の「View」から「Coomand Palette」を選択。 2.「Configure Display Language」を選択 「Coomand Palette」に「Configure Display Language」を打ち込んで検索、設定を行います。 2.「Install Additional Language」を選択して使用言語を追加 3.日本語のインストール 4.インストール終了後「Restart」を選択 インストール終了後「Restart」を選択し。再起動が完了すると無事日本語化に成功。 webバージョンの VSCode 実は VSCode はWeb上で使用することが可能です。 インストールが不要で スマホ や タブレット で使用することが出来ます。 各端末で自由に好きなタイミングで ソースコード を書くことが可能です。 下記のURLにアクセスすれば今すぐにでも利用可能です。 https://vscode.dev/ ・・・しかし、世界はそんなに甘くありません。 webバージョンにはアプリケーションとは異なるデメリットが多数存在します。 その中からいくつかご紹介します。 5つのデメリット 1.フォルダが開けないブラウザがある webバージョンの VSCode の場合Edgeと Chrome に関しては問題無く自身のフォルダを利用することが出来るのですが FireFox などでは未対応でフォルダを開くことが出来ません。 2. 拡張機能 が少なく、動作が遅い アプリケーションバージョンとwebバージョンの VSCode は同じ 拡張機能 を使用することが出来ます。 しかし、ほとんどの 拡張機能 はwebバージョンには対応していないのです。 VSCode の魅力である拡張性の高さを活かすことが全くできていません。 また、webバージョンの VSCode の場合アプリケーションバージョンと比較すると明らかに動作が遅いことを感じます。 3.Terminal機能が無い アプリケーションバージョンの VSCode の場合ターミナル上で Windows PowerShell を使用することが可能で python ファイルなどを実行させることなどが可能ですが、webバージョンの VSCode ではこの機能が丸ごと抜け落ちていて使用することが出来ません。 4. webブラウザ の キーバインド と重なってしまう VSCode のショートカットキーを使用しようとするとブラウザ側で別の何かの機能に割り当てられており、うまく動作しないことが多々あります。 5.IntelliSenseの対応パターンが少ない IntelliSenseとはいわゆるオートコンプリートやオートコレクトなどの入力支援機能です。 webバージョンの VSCode はアプリケーションバージョンと比べると対応している用語が非常に少ないです。 また、アプリケーションバージョンだとマウスを合わせるだけで入力支援してくれるがアプリケーションバージョンにはこの機能は存在していません。 細かな箇所を上げればきりがないですが、不便な点がそこそこ目立ちます。 しかし、お手軽さや VSCode のアプリケーションバージョンが利用できない環境においては有用な選択肢であるため覚えておくと後々役に立つかもしれません。 おわりに 今回はソースエディタの VSCode のインストールについて執筆させていただきました。 コードを書こうにも何を使ったらよいかわからない、といった人の助けになればと思います。 ご高覧ありがとうございました。 エンジニア 中途採用 サイト ラク スでは、エンジニア・デザイナーの 中途採用 を積極的に行っております！ ご興味ありましたら是非ご確認をお願いします。 https://career-recruit.rakus.co.jp/career_engineer/ カジュアル面談お申込みフォーム どの職種に応募すれば良いかわからないという方は、カジュアル面談も随時行っております。 以下フォームよりお申込みください。 rakus.hubspotpagebuilder.com ラク スDevelopers登録フォーム https://career-recruit.rakus.co.jp/career_engineer/form_rakusdev/ イベント情報 会社の雰囲気を知りたい方は、毎週開催しているイベントにご参加ください！ ◆TECH PLAY techplay.jp ◆connpass rakus.connpass.com

技術広報の yayawowo です。 皆様、 「 PMBOK 」 という言葉を聞いたことがありますでしょうか？ プロジェクトマネジメントに携わる方は必ずと言っていいほど聞いたことがあるかもしれません。 初めて聞いた！という方は、是非この機会に覚えていただけますと幸いです。 今回は、プロジェクト達成のための世界標準知識、 「 PMBOK 」 についてご紹介します。 また、 PMBOK の中で重要と言われる 「5つのプロセス」 と 「10の知識エリア」 についても分かりやすくまとめさせていただきましたので、是非ご参考ください！ ◆ 関連ブログも合わせてご確認ください！ 仕様書 とは 【まとめ】 ・ 要件定義 とは【まとめ】 ・ プロジェクトマネジメントTips 20選　～現場から語るプロマネの極意～ ・ PMBOKとは？知識エリアとプロセスの解説 ・ プロジェクトマネジメント とは 【まとめ】 ・ PdM （プロダクトマネージャー）とは 【まとめ】 ■ 目次 プロジェクトマネジメントとは PMBOKとは PMBOKの目標 5のプロセス ① 立ち上げ ② 計画 ③ 実行 ④ 監視・コントロール ⑤ 終結 PMBOK 10の知識エリア 統合マネジメント スコープマネジメント スケジュールマネジメント コストマネジメント 品質マネジメント 資源マネジメント コミュニケーションマネジメント リスクマネジメント 調達マネジメント ステークホルダーマネジメント PMBOK 関連資格「PMP」 終わりに プロジェクトマネジメントとは プロジェクトマネジメントとは、決められた納期に向けて計画を立て、 プロジェクトを成功に導く（コン トロール する）ことを言います。 　 これらのコン トロール を担うのが、プロジェクトマネージャーです。 プロジェクトメンバーだけでなく、スケジュール・リスク・品質など数多くのコン トロール するものがあるため、 プロジェクトマネージャーはとても重要な役割と言えます。 PMBOK とは PMBOK とは、プロジェクトマネジメントで必要とされる知識や手法を体系的にまとめた参考書のようなものです。 云わば、プロジェクトマネジメントの フレームワーク と理解していただければよいと思います。 また、 PMBOK は「Project Management Body of Knowledge」の略称で通称は「ピンボック」と言います。 アメリ カのPMI（Project Management Institute、プロジェクトマネジメント協会）という 非営利団体 が、プロジェクトマネジメントの普及のために作り、現在はプロジェクトマネジメントの世界標準となっております。 PMBOK の目標 PMBOK の目標は、QCDの管理です。 Q（Quality：品質） C（Cost：費用） D（Delivery：納期） QCDを管理するということは、納期を守りながら、高品質で低コストを目的に計画を立て、プロジェクト遂行を行うことを指します。QCD管理を成功させるため、PBMOKでは「5のプロセス」を実行し、「10の知識エリア」を理解することを重要な要素としております。 では、次章にて「5のプロセス」と「10の知識エリア」をご説明していきます！ 5のプロセス PMBOK では、プロジェクト開始～ 終結 までを以下の5プロセスにて定義しています。一つ一つ見ていきましょう。 ① 立ち上げ ② 計画 ③ 実行 ④ 監視・コン トロール ⑤ 終結 ① 立ち上げ プロジェクト開始前に、プロジェクトの認可を得る段階です。 プロジェクトの目的、目標、予算や成果などを定義した上で、 ステークホルダー （利害関係者）から認可を得ます。 ② 計画 プロジェクトの具体的な計画立てを行う段階です。 プロジェクトの目的、目標達成に向けて計画を行い、実行すべきタスクや要員を明らかにします。 ③ 実行 「② 計画」に従い、リソース調達やプロジェクト作業を実行する段階です。 実行プロセスは、計画したリソースを消費する段階であるため結果に応じて計画を再検討する必要があります。 ④ 監視・コン トロール 計画と実態の差異を継続的にチェックし、差異がある場合には解消を図る段階です。 ⑤ 終結 プロセス完了を確認する段階です。 成果物の受け入れだけでなく、次のプロジェクトに向けてプロジェクト遂行中に蓄積されたノウハウや経験を貯めることも重要です。 PMBOK 10の知識エリア 次は、「10の知識エリア」について説明したいと思います。 前述した5のプロセスにて全て必要な知識エリアもあれば、一部のプロセルで必要な知識エリアもあります。 各プロセスにおける必要有無も簡単ではありますがまとめておりますので、是非ご参考ください。 10の知識エリア ①立ち上げ ②計画 ③実行 ④監視・コン トロール ⑤ 終結 統合マネジメント ○ ○ ○ ○ ○ スコープマネジメント - ○ - ○ - スケジュールマネジメント - ○ - ○ - コストマネジメント - ○ - ○ - 品質マネジメント - ○ ○ ○ - 資源マネジメント - ○ ○ ○ - コミュニケーションマネジメント - ○ ○ ○ - リスクマネジメント - ○ - ○ - 調達マネジメント - ○ ○ ○ ○ ステークホルダーマネジメント ○ ○ ○ ○ - 別記事にて PMBOK の詳細版があります。合わせてご確認ください！ tech-blog.rakus.co.jp 統合マネジメント 統合マネジメントとは、プロジェクトの方針決めや、調整を行う分野です。 統合マネジメント以外の9の知識エリアを統合し、マネジメントします。 スコープマネジメント スコープマネジメントとは、プロジェクトの作業範囲（スコープ）を明らかにする分野です。 作業範囲の中に必要な成果物やタスクがあり、プロジェクトの成功に影響するとても重要な分野とされています。 スケジュールマネジメント スケジュールマネジメントとは、 ガントチャート などによりスケジュール管理を行う分野です。 2017年に PMBOK 第6版のリリースに伴い、「 タイムマネジメント 」→「スケジュールマネジメント」に名称が変わりました。 コストマネジメント コストマネジメントとは、プロジェクトにて発生するコストを計画見積もりや予算設定等、費用に関わることを管理をする分野です。 品質マネジメント 品質マネジメントとは、プロジェクトの成果物の品質を管理する分野です。 品質は、作成した成果物の内容がユーザー要求を満たしているかが重要となります。 資源マネジメント 資源マネジメントとは、プロジェクトの成功に向けて、ヒトやモノの資源の調達や管理を遂行できるチームを組織する分野です。2017年の PMBOK 第6版のリリースに伴い、「人的資源マネジメント」→「資源マネジメント」に名称と内容が変わりました。 コミュニケーションマネジメント コミュニケーションマネジメントとは、 ステークホルダー （利害関係者）とのコミュニケーションを円滑化、管理する分野です。単に情報伝達するだけではなく、問題点を解消するために相手の理解を得るところまで求められます。 リスクマネジメント リスクマネジメントとは、プロジェクトを進める中で生じる可能性があるトラブルを予測し、対策を立てる分野です。脅威となるリスクを予防、コン トロール しながら管理/調整することが大切です。 調達マネジメント 調達マネジメントとは、 仕入 れ先や委託先を選定・管理し、調達を行う分野です。 調達の多くは契約が必要となりますが、契約のみが目的ではありません。 仕入 れ先や委託先の選定から納品スケジュールの管理/研修に至るまで調達に関わる全てを管理します。 ステークホルダー マネジメント ステークホルダー マネジメントとは、 ステークホルダー （利害関係者）と重要な情報を管理、伝達する分野です。 2012年に公表された PMBOK ガイド第5版により、「 ステークホルダー マネジメント」は「コミュニケージョンマネジメント」から独立して新しく設定された知識エリアになります。 PMBOK 関連資格「 PMP 」 プロジェクトマネジメントを学習した方が、その評価指標として受験している資格「 PMP （Project Management Professional）」があります。 PMP の試験内容や概要は、以下のPMI本部Webサイトをご参考ください。 PMI本部Webサイト 是非、スキル証明のために受験されてはいかがでしょうか？ 終わりに PMBOK について知識は深まりましたでしょうか？ PMBOK はプロジェクトマネジメントの フレームワーク となりますが、変化が激しい IT技術 の中で PMBOK だけでは対処できない課題も増えてきています。 あくまでも PMBOK は、プロジェクト成功に向けた参考スキルとして捉えていただき、ご自身の経験や会社として蓄積しているノウハウを活用して、効率的なプロジェクト管理を目指していただければ幸いです！ ◆ 当社エンジニア リングマ ネージャがおすすめする書籍 tech-blog.rakus.co.jp 最後までお読みいただきありがとうございました！ エンジニア 中途採用 サイト ラク スでは、エンジニア・デザイナーの 中途採用 を積極的に行っております！ ご興味ありましたら是非ご確認をお願いします。 https://career-recruit.rakus.co.jp/career_engineer/ カジュアル面談お申込みフォーム どの職種に応募すれば良いかわからないという方は、カジュアル面談も随時行っております。 以下フォームよりお申込みください。 a rakus.hubspotpagebuilder.com ラク スDevelopers登録フォーム https://career-recruit.rakus.co.jp/career_engineer/form_rakusdev/ イベント情報 会社の雰囲気を知りたい方は、毎週開催しているイベントにご参加ください！ ◆TECH PLAY techplay.jp ◆connpass rakus.connpass.com

はじめに みなさんこんにちはa_renrenです。 日々、サーバを運用される方であれば、サーバの動作が遅くなったり、不具合が発生した場合、原因を特定するためにコマンドでサーバのリソース状況を確認するかと思います。 リソース状況を確認するコマンドは、topやfreeなど色々コマンドがありますが、今回は、リソース状況の確認でよく使用するsarコマンドについて少しまとめてみました。 はじめに sar コマンドとは sar [ オプション ] <時間間隔> <回数> よく使うオプション リソース状況の確認 CPUの確認 メモリの確認 スワップの確認 ネットワーク情報の確認 ディスクI/Oの確認 まとめ 参考文献 Linux の理解をより深めたい方へ以下関連おすすめブログ ・ ls コマンド 【使い方 まとめ】 ・ find コマンド 【使い方 まとめ】 ・ iptables まとめ【Linux ファイアウォール】 ・ sed コマンド【使い方 まとめ】 ・ vi コマンド【使い方まとめ】 ・ Linuxのファイル操作でよく使うLinuxコマンド ・ 初心者のためのawkコマンド ・ 実務で使える！基本的なシェル（Linux）コマンドの話 ～forとsed～ ・ 【Linux】今振り返りたい、プロセスって何？ 　・ iptables まとめ【Linux ファイアウォール】 sar コマンドとは sarコマンドはとても多機能なコマンドで、CPUやメモリ、ディスクI/O、パケット数、 ロードアベレージ などのさまざまなシステム統計情報を確認することができます。 また、ほかのコマンドと違い、sarコマンドでは現状のリソース状況に加え、過去のリソース状況についても確認することができます。 sarコマンドは、以下のような書式となっています。 sar [ オプション ] <時間間隔> <回数> また、sarコマンドには様々なオプションが用意されており、オプションを使い分けることで一つのコマンドで確認できる情報が変わってきます。 よく使うオプション オプション 説明 -A 全ての項目を表示する -b ディスクの入出力と転送レート情報を表示する -c プロセスの生成回数を表示する -f ログファイルを指定する -n DEV ネットワーク関連の情報を表示する -n EDEV ネットワーク関連のエラー情報を表示する -r メモリと スワップ 関連の情報を表示する -u CPU関連の情報を表示する (オプションがない場合と同様) -P id/ALL CPUごとの情報を表示する -S スワップ の情報を表示する 実際にsarコマンドを使用してリソース状況の確認を行ってみたいと思います。 ※コマンドは CentOS Linux release 8.3.2011の環境で実行しています リソース状況の確認 CPUの確認 CPUの確認では、sar -P ALL オプションをよく使用します。 実際に使用すると以下のように、当日の0時からsarコマンドを使用した時間までのCPUの情報を表示してくれます。 デフォルトでは、10分おきに記録されるようになっているため、10分毎の情報が出力されています。 こちらの記録間隔は /usr/lib/systemd/system/sysstat-collect.timer の OnCalendar=*:00/10 の値を変更することによって変えることができます。 [root@test ~]# sar -P ALL Linux 4.18.0-193.14.2.el8_2.x86_64 (test) 2022年04月06日 _x86_64_ (1 CPU) 00時00分04秒 CPU %user %nice %system %iowait %steal %idle 00時10分04秒 all 0.20 0.00 0.36 0.01 0.01 99.42 00時10分04秒 0 0.20 0.00 0.36 0.01 0.01 99.42 00時10分04秒 CPU %user %nice %system %iowait %steal %idle 00時20分00秒 all 0.14 0.00 0.30 0.00 0.01 99.55 00時20分00秒 0 0.14 0.00 0.30 0.00 0.01 99.55 : 省略 : 16時10分00秒 CPU %user %nice %system %iowait %steal %idle 16時20分00秒 all 0.13 0.00 0.30 0.00 0.02 99.56 16時20分00秒 0 0.13 0.00 0.30 0.00 0.02 99.56 16時20分00秒 CPU %user %nice %system %iowait %steal %idle 16時30分00秒 all 0.12 0.00 0.30 0.01 0.02 99.55 16時30分00秒 0 0.12 0.00 0.30 0.01 0.02 99.55 平均値: CPU %user %nice %system %iowait %steal %idle 平均値: all 0.15 0.01 0.32 0.00 0.02 99.50 平均値: 0 0.15 0.01 0.32 0.00 0.02 99.50 表示されている項目の内容は、以下の通りです。 項目 説明 %user ユーザ(アプリケーション)が使用しているCPU使用率 %nice nice 値が変更されたプロセスがCPUを使用した時間の割合 %system カーネル がCPUを使用している時間の割合 %iowait ディスクI/O待ちの時間の割合 %steal 仮想環境を使用している環境においてゲスト OPS がCPUを割り当てられなかった時間の割合 %idle CPUが処理待ちの状態の時間の割合 過去(今月)の日にちの情報を確認するには、 -f /var/log/sa/sa02 のようにログファイルを指定します。 sa02の 02 は日付を表していますので、こちらの値を 10 にすれば当月の10日の情報を確認することができます。 [root@test ~]# sar -P ALL -f /var/log/sa/sa02 Linux 4.18.0-193.14.2.el8_2.x86_64 (test) 2022年04月02日 _x86_64_ (1 CPU) 00時00分04秒 CPU %user %nice %system %iowait %steal %idle 00時10分05秒 all 0.22 0.00 0.38 0.01 0.02 99.38 00時10分05秒 0 0.22 0.00 0.38 0.01 0.02 99.38 00時10分05秒 CPU %user %nice %system %iowait %steal %idle 00時20分06秒 all 0.15 0.00 0.31 0.00 0.02 99.53 00時20分06秒 0 0.15 0.00 0.31 0.00 0.02 99.53 : 省略 : 23時30分01秒 CPU %user %nice %system %iowait %steal %idle 23時40分02秒 all 0.16 0.00 0.30 0.00 0.01 99.53 23時40分02秒 0 0.16 0.00 0.30 0.00 0.01 99.53 23時40分02秒 CPU %user %nice %system %iowait %steal %idle 23時50分02秒 all 0.15 0.00 0.30 0.00 0.02 99.53 23時50分02秒 0 0.15 0.00 0.30 0.00 0.02 99.53 平均値: CPU %user %nice %system %iowait %steal %idle 平均値: all 0.16 0.01 0.32 0.00 0.02 99.49 平均値: 0 0.16 0.01 0.32 0.00 0.02 99.49 リアルタイムの情報を確認する場合は、以下のようにコマンドの最後に時間間隔を指定すると、その時間間隔でこちらが止めるまで情報を出力してくれます。 回数を指定すると、その回数までリアルタイムの情報を出力してくれます。 以下は、時間間隔を 2 で指定しているため、2秒ごとにCPUの情報を出力しています。 表示に変化をつけるため、sarコマンドを実行した数秒後に、CPUを使用するコマンドを裏側で実行してみました。 すると以下のように、 %idle の割合が減っていき、 %user と %system の割合が増えていっていることが確認でき、リアルタイムの情報を出力していることがわかります。 [root@test ~]# sar -P ALL 2 Linux 4.18.0-193.14.2.el8_2.x86_64 (test) 2022年04月06日 _x86_64_ (1 CPU) 17時12分27秒 CPU %user %nice %system %iowait %steal %idle 17時12分29秒 all 0.00 0.00 0.50 0.00 0.00 99.50 17時12分29秒 0 0.00 0.00 0.50 0.00 0.00 99.50 17時12分29秒 CPU %user %nice %system %iowait %steal %idle 17時12分31秒 all 47.00 0.00 32.50 0.00 0.00 20.50 17時12分31秒 0 47.00 0.00 32.50 0.00 0.00 20.50 17時12分31秒 CPU %user %nice %system %iowait %steal %idle 17時12分33秒 all 58.21 0.00 41.79 0.00 0.00 0.00 17時12分33秒 0 58.21 0.00 41.79 0.00 0.00 0.00 17時12分33秒 CPU %user %nice %system %iowait %steal %idle 17時12分35秒 all 56.72 0.00 43.28 0.00 0.00 0.00 17時12分35秒 0 56.72 0.00 43.28 0.00 0.00 0.00 : : Ctrl + C でコマンドを止めるまで続く メモリの確認 メモリの確認では、sar -r オプションを使用します。 CPUの時と同様、過去情報やリアルタイム情報を確認することができます。 [root@test ~]# sar -r 2 2 Linux 4.18.0-193.14.2.el8_2.x86_64 (test) 2022年04月06日 _x86_64_ (1 CPU) 17時27分06秒 kbmemfree kbavail kbmemused %memused kbbuffers kbcached kbcommit %commit kbactive kbinact kbdirty 17時27分08秒 867808 1172680 884240 50.47 3184 428640 3281076 119.25 401436 220864 0 17時27分10秒 867840 1172712 884208 50.47 3184 428640 3281076 119.25 401436 220864 0 平均値: 867824 1172696 884224 50.47 3184 428640 3281076 119.25 401436 220864 0 [root@test ~]# 表示されている項目の内容は以下の通りです。 項目 説明 kbmemfree 空きメモリの容量(KB) kbavail 利用可能なメモリの容量(KB) kbmemused 使用中のメモリの容量(KB) %memused メモリの使用率 kbbuffers バッファの使用量(KB) kbcached キャッシュの使用量(KB) kbcommit システムの動作に必要な事前に確保されているメモリ %commit 総メモリ容量に対する、システムの動作に必要なメモリの割合 kbactive 最近使用されたメモリで、必要のない限り再利用されないメモリの容量(KB) kbinact 最近使用されたメモリで、ほかに用途があれば再利用されるメモリの容量(KB) kbdirty ディスクに書き戻されるのを待機しているメモリの容量(KB) 実際のメモリ使用量は、kbmemused - ( kbbuffers + kbcached ) で求めることができます。 上記の実例の平均では、884,224 - ( 3,184 + 428,640 ) = 452,400KBが実際のメモリの使用量になります。 スワップ の確認 スワップ の確認では、sar -S オプションを使用します。 [root@test ~]# sar -S 2 2 Linux 4.18.0-193.14.2.el8_2.x86_64 (test) 2022年04月07日 _x86_64_ (1 CPU) 13時21分59秒 kbswpfree kbswpused %swpused kbswpcad %swpcad 13時22分01秒 999420 0 0.00 0 0.00 13時22分03秒 999420 0 0.00 0 0.00 平均値: 999420 0 0.00 0 0.00 [root@test ~]# 表示されている項目の内容は以下の通りです。 項目 説明 kbswpfree スワップ 領域の空き容量(KB) kbswpused スワップ 領域の使用量(KB) %swpused スワップ 領域の使用率 kbswpcad スワップ 領域のキャッシュの使用量(KB) %swpcad スワップ 領域のキャッシュの使用率 基本的にメモリに余裕があれば、 スワップ が使用されることはなく、 kbswpused の値が0となります。 恒常的に kbswpused の値が高い状態だと、メモリの容量が足りない可能性が高いため、メモリの見直し等が必要になってくるでしょう。 ネットワーク情報の確認 ネットワークの確認では、sar -n DEV オプションを使用します。 また、sar -n EDEV とするとネットワーク関連のエラー情報を表示することができます。 [root@test ~]# sar -n DEV 2 2 Linux 4.18.0-193.14.2.el8_2.x86_64 (test) 2022年04月08日 _x86_64_ (1 CPU) 11時39分28秒 IFACE rxpck/s txpck/s rxkB/s txkB/s rxcmp/s txcmp/s rxmcst/s %ifutil 11時39分30秒 virbr0-nic 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 11時39分30秒 lo 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 11時39分30秒 virbr0 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 11時39分30秒 eth0 12.50 0.50 0.73 0.05 0.00 0.00 0.00 0.00 11時39分30秒 IFACE rxpck/s txpck/s rxkB/s txkB/s rxcmp/s txcmp/s rxmcst/s %ifutil 11時39分32秒 virbr0-nic 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 11時39分32秒 lo 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 11時39分32秒 virbr0 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 11時39分32秒 eth0 18.00 0.50 1.07 0.09 0.00 0.00 0.00 0.00 平均値: IFACE rxpck/s txpck/s rxkB/s txkB/s rxcmp/s txcmp/s rxmcst/s %ifutil 平均値: virbr0-nic 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 平均値: lo 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 平均値: virbr0 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 平均値: eth0 15.25 0.50 0.90 0.07 0.00 0.00 0.00 0.00 [root@test ~]# 表示されている項目の内容は以下の通りです。 項目 説明 rxpck/s 1秒間当たりの受信パケット数 txpck/s 1秒間当たりの送信パケット数 rxkB/s 1秒間当たりの受信パケットサイズ(KB) txkB/s 1秒間当たりの送信パケットサイズ(KB) rxcmp/s 1秒間当たりの受信圧縮パケット数 txcmp/s 1秒間当たりの送信圧縮パケット数 rxmcst/s 1秒間当たりの受信 マルチキャスト パケット数。 %ifutil ネットワークインタフェースの利用率 ディスクI/Oの確認 ディスクI/Oの確認では、sar -b オプションを使用します。 [root@test ~]# sar -b 2 2 Linux 4.18.0-193.14.2.el8_2.x86_64 (test) 2022年04月08日 _x86_64_ (1 CPU) 12時02分59秒 tps rtps wtps bread/s bwrtn/s 12時03分01秒 0.00 0.00 0.00 0.00 0.00 12時03分03秒 0.00 0.00 0.00 0.00 0.00 平均値: 0.00 0.00 0.00 0.00 0.00 [root@test ~]# 表示されている項目の内容は以下の通りです。 項目 説明 tps 1秒間当たりのI/Oリク エス ト数 rtps 1秒間当たりの読み込みI/Oリク エス ト数 wtps 1秒間当たりの書き込みI/Oリク エス ト数 bread/s 1秒間当たりの読み込みブロック数 bwrtn/s 1秒間当たりの書き込みブロック数 まとめ 今回は、リソース状況の確認でよく使用するsarコマンドについてまとめてみました。 sarコマンドはオプションを使い分けることによって、様々なリソース状況を確認することができ、また、リアルタイム情報に加えて、過去情報も確認できる便利なコマンドということをわかっていただけたかと思います。 sarコマンド以外にもリソース状況を確認できるコマンドはたくさんありますので、ほかのコマンドと今回ご紹介したsarコマンドを合わせて使用して、より必要な情報を得ていただければと思います。 最後までお読みいただき有難うございました。 参考文献 Manpage of SAR sar ファイルの各項目について、改めて調査してみました | SIOS Tech. Lab sarコマンドの使い方 - Qiita エンジニア 中途採用 サイト ラク スでは、エンジニア・デザイナーの 中途採用 を積極的に行っております！ ご興味ありましたら是非ご確認をお願いします。 https://career-recruit.rakus.co.jp/career_engineer/ カジュアル面談お申込みフォーム どの職種に応募すれば良いかわからないという方は、カジュアル面談も随時行っております。 以下フォームよりお申込みください。 rakus.hubspotpagebuilder.com ラク スDevelopers登録フォーム https://career-recruit.rakus.co.jp/career_engineer/form_rakusdev/ イベント情報 会社の雰囲気を知りたい方は、毎週開催しているイベントにご参加ください！ ◆TECH PLAY techplay.jp ◆connpass rakus.connpass.com

2022/03/22 に Java 18が公式にリリース されたので今回は新しく追加された機能からいくつかをピックアップして紹介していこうかと思います。 また、本記事ではJava18のインストール方法についても書いていきます。 Javaとは Java 18のインストール方法 Java 18の機能紹介 400: UTF-8 by Default 408: Simple Web Server 最後に 参考文献 Java とは Java は1995年にリリースされた歴史の長い プログラミング言語 で、現在までで 18 ものバージョンがリリースされています。 新機能のリリースサイクルは半年に1回で3月と9月に発表されます。 毎回のリリースで様々な新機能が発表されています、例えば Java17: Sealed Classes extends, implements できるクラスの制限 Java15: Text Blocks Java コード内のでテキストブロックの導入 Java14: Switch Expressions switch構文を改良 などなど色々あります。 適当にピックアップしましたが、他にも色々とリリースしています。 気になる方は 公式サイト を見てみてください。(目次の Projects に各バージョンのリリース情報が載ってます。) リリースごとに進化を遂げて来た Java ですが、今回のリリースでも色々と面白い機能が追加されています。 この後それらの紹介をしていきますが、まずはローカルでJava18を使えるようにするためのインストール方法について説明したいと思います！ なお、今回は windows10 を用いて環境構築を行います。 Java 18のインストール方法 インストールの流れは以下です。 Java18のダウンロードページで インストーラ をダウンロード インストーラ を起動して環境設定とインストール まずダウンロードページに移動します。 https://www.oracle.com/java/technologies/downloads/ 今回は windows にJava18をインストールするので、Java18タブ > Windows タブ > x64 Installerをダウンロードします。 java ダウンロードページ 次に インストーラ を起動します。 以下のようなインストールウィザードが表示されるので「次へ」を押下します。 インストールウィザード Java のインストール先を聞かれます。 インストール先を変更したい場合は「変更...」でフォルダを指定した後「次へ」を押下します。 インストール先を選択 以下の画面が出たらインストール完了です。 インストール完了 Java コマンドを使えるようにするためには 環境変数 の設定が必要になります。 インストールの初期設定では、 Java コマンドが格納されているbinフォルダへの シンボリックリンク のPathが自動で 環境変数 に設定されています。 もし シンボリックリンク ではなく、 jdk のbinフォルダに直接指定したい場合は他記事にて詳しい内容が紹介されていますので、別途お調べになっていただけますと幸いです。 インストール方法についてのご紹介は以上になります。 Java 18の機能紹介 以下が今回追加された機能の一覧です。 400: ★ UTF-8 by Default 408: ★ Simple Web Server 413: Code Snippets in Java API Documentation 416: Reimplement Core Reflection with Method Handles 417: Vector API (Third Incubator) 418: Internet-Address Resolution SPI 419: Foreign Function & Memory API (Second Incubator) 420: Pattern Matching for switch (Second Preview ) 421: Deprecate Finalization for Removal openJDK JDK18: https://openjdk.java.net/projects/jdk/18/ 今回はこの中から★の機能をピックアップして紹介していきます。 400: UTF-8 by Default Summary Specify UTF-8 as the default charset of the standard Java APIs. With this change, APIs that depend upon the default charset will behave consistently across all implementations, operating systems, locales, and configurations. 上記の通り、 Java の標準 API のデフォルトの 文字コード が UTF-8 に統一されます。 これによってデフォルトの 文字コード に依存する標準 API が全て実行環境で一貫した動作をするようになります。(引数として 文字コード を指定した場合は従来通りの動きをします。) 「デフォルトの 文字コード 」 というのはアプリケーション実行環境(OSとかユーザー設定とか)に依存していて、これが統一されることでOSが変わると文字化けが発生するみたいな悩みが解消されることになります。 例えば、今までだとOS間で以下のような文字化けが発生していました。 java.io.FileWriter を用いて 文字コード を指定せず書き込みを行った場合 // (macOS)で書き込み FileWriter writer = new java.io.FileWriter( "hello.txt" ); writer.write( "こんにちは" ); writer.close(); java.io.FileReader(“hello.txt”) -> “こんにちは” (macOS) // windowsで文字化け発生 java.io.FileReader(“hello.txt”) -> “縺ォ縺。縺ッ” (Windows (ja-JP)) こういった問題が今回の修正によって減ることになります。 ちなみに、以下のコマンドで現在のデフォルトの 文字コード を調べることができます。 気になる方はぜひコマンドを叩いてみて下さい。 $ java -XshowSettings:properties -version 2>&1 | grep file.encoding 以下にJava8 と Java18 での表示の違いを載せておきます。 Java 8 windows だと以下のように表示されます。 file.encoding = MS932 となっている箇所が 文字コード です。 MS932なので UTF-8 で書き込まれた文字はしっかり文字化けします。 $ java -XshowSettings:properties -version 2>&1 | grep file.encoding file.encoding = MS932 file.encoding.pkg = sun.io Java 18 ちゃんと UTF-8 になっていますね！ $ java -XshowSettings:properties -version 2>&1 | grep file.encoding file.encoding = UTF-8 ただ JDK 18以前との互換性は気になるところで、アプリケーションに与える影響は大きそうです。 公式サイトにも以下のように記載されています。 一応困ったらすぐに、前のバージョンと同じ状態に戻すことは可能になるそうです。 We recognize that this change could have a widespread compatibility impact on programs that migrate to JDK 18. For this reason, it will always be possible to recover the pre-JDK 18 behavior, where the default charset is environment-dependent. 408: Simple Web Server Summary Provide a command-line tool to start a minimal web server that serves static files only. No CGI or servlet-like functionality is available. This tool will be useful for prototyping, ad-hoc coding, and testing purposes, particularly in educational contexts. コマンドを叩くだけで簡易的なwebサーバを立てられるようになりました。 簡易的なサーバなので出来ることとしては、静的ファイル(htmlファイル、画像ファイルとか)をレスポンスとして返すことくらいになります。 HTTPメソッドもGETとHEADのみを受け付ける仕様になっています。 なので、この機能の目的としてはプロトタイプの作成であったり、簡単なテスト、教育用といったものが上げられています。 では使い方を見ていきましょう。 まず、静的ファイルとして簡単なhtmlファイルを用意したいと思います。 index.html <!DOCTYPE html> < html lang = "ja" > < head > < meta charset = "UTF-8" > < title > Java 18 インストールと新機能紹介【最新版】 </ title > </ head > < body > < h1 > Hello Java 18! </ h1 > </ body > </ html > こちら作成後ローカルの /c/java18-test/index.html にファイルを配置します。 次に、webサーバーを立ち上げていきます。 まず、インストールした jdk のフォルダに移動します。 インストール時に指定したフォルダの中にbinフォルダがあるのでそこに入ります。 # binに移動 $ cd /c/Program Files/Java/jdk-18/bin binフォルダの中に jwebserver.exe という実行ファイルがあるので、起動することでサーバーを立ち上げることができます。 以下のようにコマンドを叩きます。 なお、今回 -d オプションによってhtmlファイルを配置した ディレクト リを指定しています。 # サーバー立ち上げ $ ./jwebserver -d /c/java18-test Binding to loopback by default. For all interfaces use "-b 0.0.0.0" or "-b ::". Serving C:\Program Files\Java\jdk-18\bin and subdirectories on 127.0.0.1 port 8000 URL http://127.0.0.1:8000/ http://127.0.0.1:8000/ にブラウザからアクセスすると以下のように表示され、先ほど配置したindex.htmlが表示されているのが分かります。 こんな感じで簡単にwebサーバーを立ち上げられました。 jwebserver 最後に 今回は Java のインストール方法と最新機能を紹介しました。 これからも半年毎にリリースが入りますので、引き続き注目していきたいと思います。 参考文献 openjdk jdk18: https://openjdk.java.net/projects/jdk/18/ エンジニア 中途採用 サイト ラク スでは、エンジニア・デザイナーの 中途採用 を積極的に行っております！ ご興味ありましたら是非ご確認をお願いします。 https://career-recruit.rakus.co.jp/career_engineer/ カジュアル面談お申込みフォーム どの職種に応募すれば良いかわからないという方は、カジュアル面談も随時行っております。 以下フォームよりお申込みください。 rakus.hubspotpagebuilder.com ラク スDevelopers登録フォーム https://career-recruit.rakus.co.jp/career_engineer/form_rakusdev/ イベント情報 会社の雰囲気を知りたい方は、毎週開催しているイベントにご参加ください！ ◆TECH PLAY techplay.jp ◆connpass rakus.connpass.com

技術広報の yayawowo です。 突然ですが、 システム開発 を行う中で お客様からの要求/要件漏れが発生し、スケジュール遅延が発生した経験はございますか？ （私は過去、苦労した経験があります…。） システム開発 を着実に成功させるためには、お客様の要求/要件をしっかりと引き出した上で分かりやすく成果物としてまとめることが大切です。 その大事な工程となるのが 要件定義 です。 本記事では、要件定義の概要・進め方だけでなく、重要ワード/ポイント、求められるスキルについてご紹介します。 要件定義とは？ 要件定義の進め方 1. ユーザー要求をヒアリング 2. 要求の深堀 3. 要件定義書の作成 重要ワードとポイント 業務要件 システム要件 機能要件 非機能要件 求められる4つのスキル コミュニケーションスキル 資料作成スキル 分析スキル スケジュール管理スキル おすすめ書籍をご紹介！ 要件定義 まとめ ◆ 関連ブログも合わせてご参考ください。 ・ 「はじめよう！ 要件定義 ～ビギナーからベテランまで」から学ぶ要件定義の始め方 ・ プロジェクトマネジメントTips 20選　～現場から語るプロマネの極意～ ・ PMBOK とは【まとめ】 ・ プロジェクトマネジメント とは 【まとめ】 ・ PdM （プロダクトマネージャー）とは 【まとめ】 ・ 仕様書 とは 【まとめ】 要件定義とは？ 要件定義は、お客様（以下、ユーザー）からの要望をシステムでどのように実現し、どのように進めるかをまとめる工程です。 システム開発 は、お客様の要望を実現することが重要です。 システムの開発を開始させるためには、要件定義にてお客様の要望を基に機能・非機能要件を固めた上で、具体的な進め方を決める必要があります。 そのため、ここで決めた要件を基に開発メンバーが システム開発 のインプットとするため、要件漏れがないようにしなくてはなりません。 【 システム開発 の流れ】 　① 要件定義 　　 　↓ 　② システム設計 　　 　↓ 　③ 開発/実装 　　 　↓ 　④ テスト 　　 　↓ 　⑤ リリース 上記 システム開発 の流れの通り、 要件定義はプロジェクト成功の鍵となる工程 なのです！ また、要件定義と良く似た言葉で 要求定義 があります。 要求定義は、ユーザーが出したシステム要望を整理することを指しており、要件定義を始める前に最初に行う工程となります。 要件定義の進め方 要件定義の進め方をご紹介します。 1. ユーザー要求を ヒアリ ング システムを実際に利用しているユーザーに ヒアリ ングを行います。 ここではユーザーに業務課題だけでなく、システム課題に至るまで細かに ヒアリ ングする必要があります。 何故ならば、ユーザー要求をシステム要件へと変換するのが要件定義であるため、ここでユーザー要求の漏れが発生することはプロジェクトの失敗を意味するからです。 しかしながら、プロジェクトには利用できる予算や期間があります。 ユーザー要求を漏れなく聞くことは重要ですが、限られた中でのシステム実現可能性を判断し、計画を立てることが必要です。 当社で言えば、製品力会議が要件を確認する場として設けられております。 2. 要求の深堀 ユーザーの ヒアリ ングが完了しましたら、要求内容を深堀し、要求の整理を行います。 前述した通り、全ての要求をシステムに落とし込むのは難しいため、ユーザーと話ながら要求の優先度をつけていく必要があります。 優先順位の決め方は各社異なるかと思いますが、例えば以下のようなつけ方があるかと思います。 「必須」：優先度高・・・対応必須 「希望」：優先度中・・・可能であれば対応してほしい 「任意」：優先度低・・・業務課題としては低いため、今後対応してほしい要件 優先度を決める際、ユーザーとの交渉に苦労することがあるかもしれません。 また、要求の深堀をしていく中でゴールの設定をするのも大切です。 システム開発 のプロジェクトが発足した際、ゴールを明確にすることでユーザー/システム担当を含めた関係者の意思決定をする際の合意形成に役立てることができます。 プロジェクトは短期的なものから長期的なものまで様々かと思いますが、このゴール設定が明確になっていることで、目的からの脱線を防ぐことができます。 要求の深堀をするにあたり、当社では ヒアリ ングシートを用いて表面的な要望ではなく、隠れた要求を引き出せるようにしています。 3. 要件定義書の作成 要件定義の成果物は、要件定義書になります。 要件定義工程でユーザーと検討した内容を資料に分かりやすく落とし込み、ユーザーに提出します。 ユーザー側に要件定義書の内容を確認してもらい、承認を得ることで システム開発 に入れるのです。 もし要件定義書に合意した要件がないことに気づくことなく、 システム開発 に入ってしまうとユーザーから不満がでたり、会社間の信用関係にも影響を与えてしまう可能性があります。 要件定義書への要件漏れがないよう、しっかりと要件を整理した上で資料化していくことをおすすめします。 要件定義書にまとめる項目例は以下の通りです。 ※会社によってはテンプレートも準備されていると思いますので、ご参考までにご確認ください。 ◆ 要件定義書の項目例 システムの概要 システム開発 の背景/目的 システム構成 機能要件 非機能要件 スケジュール 予算（見積） 重要ワードとポイント 業務要件 業務要件とは、 システム開発 の対象となる業務の流れを明らかにすること です。 システム化するならこの業務で使っているこの機能を…！ と、システムを意識した業務のお話しをされる方がいらっしゃいますが、この時は業務の流れだけを考えてください。 そのため、システムに詳しい方よりも業務に詳しい方に ヒアリ ングするのが一番だと思います。 ここで業務内容の漏れがでてしまうと、 システム開発 の際にユーザーシステム担当にて認識乖離が発生し、スケジュール遅延等に繋がってしまうので注意が必要です。 システムを導入する業務をどのように行うか、その中でシステムがどのような役割を果たすべきかが定まりましたら業務要件は完了となります。 システム要件 システム要件とは、業務要件にて定義した中でシステムに求める機能・性能等を定めること です。 業務要件にて定義したものを、システムの機能や、システムとしてどこまでできるかを落とし込む工程です。 システムとして「出来ること、出来ないこと」がありますのでそれを明確にし、ユーザーと認識を合わせることが大切です。 機能要件 機能要件は、システムで実装する機能のこと です。 機能要件は実際にシステムを利用するユーザーにとっては、業務効率を上げていくために重要な要件になります。 業務要件にて明確にした業務の流れが、 システム開発 によってどのように変更されるかをユーザーに提示します。 本工程にて定義した機能要件は、後続の設計フェーズでのインプット情報となりますので抜かりなく定義ください。 なお、機能要件にて扱うものとしては以下があります。 画面表示 画面操作 内部処理 外部連携処理 データ構造 データ種類 帳票出力　　　　など 非機能要件 非機能要件は、機能要件以外のもの全般のこと です。 非機能要件はクライアンから直接見えるところでないため、システム担当から提示する必要があります。 通常、 情報処理推進機構（IPA） が出している「非機能要求グレード」以下6つの項目に沿って、非機能要件を定義していきます。 可用性（サービス利用時間、バックアップ方法、障害発生時の復旧方法 など） 性能/拡張性（データ負荷量 など） 運用/保守性（バックアップ形式/頻度、運用時の役割 など） 移行性（停止期間、移行期間 など） セキュリティ（アクセス数、利用数 など） システム環境・ エコロジー （システム設置環境 など） 求められる4つのスキル ここからは、要件定義にて求められるスキルを4つご紹介します！ コミュニケーションスキル まず1つ目に大事なのが、ユーザーの要求を引き出すためのコミュニケーションスキルです。 ユーザーと仲が良いということではなく、如何にユーザーからの要求を細部まで引き出せるかが重要です。 また、システムを理解していないユーザーに対し分かりやすく説明するスキルも欠かせませんし、システム化できない部分に対しては、折衝することもあると思います。 要件定義においてコミュニケーションスキルは欠かせない重要スキルといえます。 資料作成スキル ユーザーと検討した内容を、数値や文章で正確に表現する資料作成スキルが必要です。 たかが資料と侮ってはいけません。 要件定義工程の成果物である要件定義書は、ユーザーへの説明資料だけでなく、後続工程のインプットとなるものです。 要件定義書にて、曖昧な表現やユーザーに理解できない資料を作成してしまうとスケジュール遅延やコスト面に影響がでてしまう可能性があります。 これらのことから、資料作成スキルも欠かせないスキルなのです。 分析スキル 次は、分析スキルです。 ユーザー要求の ヒアリ ングをしていく中で、業務の問題/課題を明らかにします。 システム化にて課題解決があるにもかかわらず、それを明確にできないまま後続の工程に進み、ユーザーとの検討不足や、不具合の発生ということは避けなければなりません。 また、ユーザーからの要求に対し、システム化した際の動きも分析する必要があります。 実現不可能な システム開発 をユーザーと合意してしまい、開発メンバーが苦労する… そんな システム開発 を避けるためにも分析スキルは重要なスキルとなります。 スケジュール管理スキル 最後は、 システム開発 を円滑に進めるためのスケジュール管理スキルです。 限られた期間、予算の中での システム開発 となるため全体的なスケジュール管理はとても大切です。 リリースまでのことを考えると要件定義に長く時間をかけることができません。 進捗管理 やリスクコン トロール を含めたスケジュール管理スキルが必要となります。 おすすめ書籍をご紹介！ 要件定義として参考にすべき、おすすめ書籍をまとめてみました。 『図解即戦力 要件定義のセオリーと実践方法がこれ1冊でしっかりわかる教科書』 『はじめよう! 要件定義 ~ビギナーからベテランまで』 『システムを作らせる技術 エンジニアではないあなたへ』 まだまだ多くの書籍がありますが、今回は3冊のみを紹介しました。 ◆ マネジメントにおすすめの書籍も是非ご参考ください。 tech-blog.rakus.co.jp 要件定義 まとめ 要件定義の進め方や、重要ワード/ポイント、求められるスキルはいかがでしたでしょうか？ 要件定義は システム開発 においてとても重要な工程です。 ここで抜かりなくユーザーの要求を引き出し、機能にどう落とし込めるかを定義していくことで後続の工程へと繋げることができます。 システム担当は一人ではありません。 プロジェクトのメンバーと一緒に着実な システム開発 遂行に向けて、協力しながら突き進んでください。 今回ご紹介した要件定義のまとめが、これから要件定義をされる方の一助となれば幸いです。 最後までお読みいただきありがとうございました！ エンジニア 中途採用 サイト ラク スでは、エンジニア・デザイナーの 中途採用 を積極的に行っております！ ご興味ありましたら是非ご確認をお願いします。 https://career-recruit.rakus.co.jp/career_engineer/ カジュアル面談お申込みフォーム どの職種に応募すれば良いかわからないという方は、カジュアル面談も随時行っております。 以下フォームよりお申込みください。 rakus.hubspotpagebuilder.com ラク スDevelopers登録フォーム https://career-recruit.rakus.co.jp/career_engineer/form_rakusdev/ イベント情報 会社の雰囲気を知りたい方は、毎週開催しているイベントにご参加ください！ ◆TECH PLAY techplay.jp ◆connpass rakus.connpass.com

配配メール開発課Jazumaです。 2022/04/09(土) ~ 04/11(月)の3日間に渡ってPHPerKaigi2022が開催されました。 今回は初のハイブリッド開催となり、現地・配信ともに大盛況でした。 このイベントは 日本PHPユーザ会 主催のイベントで、 ラク スはスポンサーとして協賛させていただいています。 phperkaigi.jp ラク スからは3人が登壇した他、多くのメンバーが参加しました。 そこで今回は参加者によるレポートを紹介させていただきます。 PHP 関連の取り組みは以下をご確認ください！ 　 ◆ PHP イベント PHPerのための「PHPer Kaigi 2022 を振り返る」PHPTechCafe 参加申込はこちら forms.gle ◆ PHP 関連記事 ・ 毎月開催しているPHPerのための学習コミュニティ、PHPTechCafe【21年度 まとめ】 ・ ラクスによる The PHP Foundation への寄付について 4/9 (土) 前夜祭 PHPのエラーを理解して適切なエラーハンドリングを学ぼう エラー監視とテスト体制への改善作戦 4/10 (日) 1日目 予防に勝る防御なし - 堅牢なコードを導く様々な設計のヒント MongoDB に溜まった約1.6億レコード、データ量1TBのあらゆるサイトの記事データを BigQuery で高速検索できるようにした話 PHPとGraphQL 新卒 Laravel 初心者が成長していく中で感じたコレジャナイ感 メルカリ、巨大モノリスにおける複雑性をリリース9年目にしてどう解決するか PHPで「時間がかかる処理」を並列でブン回す 作って遊ぼう！Composer Plugin 計測ことはじめ 〜アプリケーションを知るために〜 何でもキレイにiterationする方法を考える in PHP 割とアプリケーションが大きくなってから PHPStan を入れた時の体験談 Webサービスのバウンスメール処理の事始め 本当にあった怖いPHPコード7選 Predefined Interfacesを使って便利な独自クラスを作りましょう！ PHPerだってPHPから「OKグーグル」したい！ 4/11 (月) 2日目 PHPとゆかいな「型」たち PSR-7とPSR-15によるWebアプリケーション実装パターン ラクスからの登壇セッションのご紹介 今だから話せるPHP8バージョンアップの裏側～全5サービスの事例紹介～ 新卒PHPer奮闘記 ～配属されたのは3歳違いのプロダクト！？～ どんとこい、PhpStorm　〜Why don't you do IDE's best!〜 / Don't KOI PhpStorm!! Why don't you do IDE's best!! まとめ PHPerのためのコミュニティ PHPTechCafe 4/9 (土) 前夜祭 PHP のエラーを理解して適切なエラーハンドリングを学ぼう report by id:Jazuma 株式会社弁護士ドットコム 所属並里さんによるセッションです。 PHP のエラーとエラーハンドリングがテーマでしたが、特にエラーハンドリングの部分が興味深かったです。 speakerdeck.com エラーハンドリングについて エラーハンドリングの目的 エラー発生箇所・原因の特定 処理を中断する ユーザにエラーを知らせる エラーハンドリングで大事なこと 例外を握りつぶさずに適切に対応する。 エラーハンドリングのスコープを狭くする。 捕捉すべきものとそうでないものを区別する。 エラーハンドリングのスコープを狭くするとエラーの原因特定がやりやすくなると思いました。 エラー監視とテスト体制への改善作戦 report by id:Jazuma 株式会社ウエディングパーク所属ヒエ イカ ザトさんによる発表です。 speakerdeck.com エラー監視体制 (改善前) エラーを監視する仕組み自体はあったものの、監視が不十分だった。(既存エラーは非対応・自分が担当した機能以外は無視等) (改善後) エラー内容や日付別のエラー数・内容を集計して、発生回数の多いものから対応する監視体制を整備した。 テストコード エラー監視体制はできたので、次のステップとしてテストコードの整備に取り組む。 実施した作業 Dockerでテスト実行 モックを使って外部アプリケーションに依存しないテストコードを設計 GitLab CI上での自動テスト 当初は カバレッジ 向上が目的となり、品質が向上しなかったが ペアプロ や認識合わせにより解消 施策の活性化 多職種へのアピール テックブログでの情報発信 エラー数や カバレッジ を 定量 化しつつ、 定量 化だけでは解決できない品質や施策の拡大をチームの運用フローでカバーする取り組みが印象的でした。 4/10 (日) 1日目 予防に勝る防御なし - 堅牢なコードを導く様々な設計のヒント report by id:Jazuma 和田卓人さんによる発表です。 Takuto Wada (@t_wada) / Twitter speakerdeck.com よくある防御的プログラミングの誤解 ひたすら入力値をチェックする 不正な入力値を自分で何とかしようとする コメントやPHPDocで補足する 防御的プログラミングとは既存の悪いコードへの対処療法ではなく、 問題発生を事前に防ぐためのコーディングスタイル 正しい防御的プログラミング 型や enum による防御 (不正な値をはじくのではなく、不正な値が来ないようにする) クラスのプロパティで仕様を表現する 不変オブジェクトで予期しない変更を防ぐ(値を変更する際はプロパティを変更するのではなく、新しい インスタンス を返す) 常に正しいオブジェクトのみ存在させる(コンスト ラク タに不正な値が渡された場合、例外を送出して インスタンス を生成させない) 責務の配置(結果の正しさを担保するレイヤーと動作を担保するレイヤーを分ける) 不正な値を存在させるのはついやってしまいがちな設計だと反省しました。 MongoDB に溜まった約1.6億レコード、データ量1TBのあらゆるサイトの記事データを BigQuery で高速検索できるようにした話 reported by id:hirobex 植江田和成 ( @developer_kazu )さんによる発表です。 MongoDBに溜まった1.6億レコード、データ量1TBの記事データを BigQuery に移行しようとした際に出た課題と、解決方法を紹介していただきました！ 昔のデータと最近のデータでカラム数が違うため、エラーが出る カラムの順番が違い、型エラーが発生した 壊れたデータ存在していて、エラーがでる などといった課題に対し、 カラムの存在チェックを行い、存在しない場合はnullを代入 配列の構造を固定化する データを小分けにすることで、エラー発生箇所を特定 といった方法で解決したとのことでした！ 動的 スキーマ のMongoDBから、静的 スキーマ のBigQueryへデータ移行するのは一筋縄ではいかないことがわかりました。 PHP とGraphQL reported by id:hirobex 永野 峻輔 ( @glassmonekey )さんによる発表です。 speakerdeck.com GraphQLと REST API の違い GraphQLを採用することのメリット・デメリット といった、GraphQLの解説をした上で、 PHP でGraphQLを採用するための話をしていただきました！ 非常にわかりやすく、 PHP でGraphQLに挑戦したい人におすすめの発表でした！ 新卒 Laravel 初心者が成長していく中で感じたコレジャナイ感 reported by id:hirobex ふわせぐ ( @fuwasegu )さんによる発表です。 speakerdeck.com Laravelはすごく便利なライブラリですが、考えずに使ってしまった結果、感じるようになってしまったデメリットと それに対する解決のアプローチを紹介していただきました！ 簡単にまとめると 依存関係の混沌化 Facade離れをしよう 責務の肥大化 Model・Controllerだけではなく、UseCaseを導入しよう 重くなるテスト Featureテストだけでなく、Unitテストを適宜導入しよう という内容でした。 Laravelを使っていて、同様の課題を感じている方は、ぜひ聞いてみてください！ メルカリ、巨大 モノリス における複雑性をリリース9年目にしてどう解決するか reported by id:hirobex 安達 勇太 ( @uadachi )さんによる発表です。 speakerdeck.com 巨大 モノリス における課題と、モジュラー モノリス に移行するための戦術を紹介していただきました！ 依存関係の分析/ 定量 化 コンポーネント 間のやりとりに使用する API の策定 サブ コンポーネント 分割 といった具体例をあげて説明していただきました。 モジュラー モノリス を扱ったセッションは多く、多くの長寿サービスで使われている PHP の課題なのかもしれませんね PHP で「時間がかかる処理」を並列でブン回す reported by id:MasaKu kiridarumaさん（ @kiridaruma ）によるセッションです。 www.kiridaruma.net 並列処理を実行する上での基礎的な知識や PHP での並列処理の実現方法などのご紹介でした。 まず、知識の整理として以下のようなことをご説明いただきました。 並列処理 同時に複数の処理を進めること 並行処理 複数の処理を直列で少しずつ進める PHP では Generator や Fiber という仕組みを利用することで並行処理が実現できますが、並列処理を実現するためにはOSの力を借りることになります。 また、ここで重要なキーワードとして「スレッド」と「プロセス」という言葉が登場します。 スレッド 他のスレッドとメモリを共有する うまく利用しないと意図しない挙動を起こす プロセス 他のプロセスからメモリは隔離される 入出力周りに気を付ければ何とかなる 基本的にはマルチスレッドにしてもパフォーマンスはそこまで大きな差がないレベルとのことですので、マルチプロセスでコードを書いた方がバグを生みにくいため、まずはマルチプロセスを実現できるようになることが重要かと思いました。 PHP でマルチプロセスを実現する以下のコマンドが紹介されていました。 exec() , passthru() , system() など 一番簡単に外部コマンドが実行可能 popen() ファイルと同じように読み書き可能 proc_open() 他の関数に比べて一番詳細に設定できる いくつかの違いがありますが、 php .net を読んで自分の用途に合ったものを利用するのが良いとのことでした。 実例としてまして、DBで大量のデータ移行等をされる際はマルチプロセスで並列実行したほうが良いとのことでしたが、サーバスペックに依存するため、比較的サーバスペックに余裕があるサーバを利用されたようでした。 また、長時間走行するような バッチ処理 でありがちなこととして、よくわからないタイミングで失敗していることなどが紹介されておりました。 そんな時に便利なのが、ログ出力をしっかりとしておくこと、とのことでした。ログ出力時はプロセスごとに詳細なログを出力することが重要ですが、ログファイルを出力する際はファイルのロックに注意が必要とのことです。 また、 バッチ処理 を作成する上での基本的なこととして、シグナルハンドラは必ず設定することが挙げられていました。 例えば、親のプロセスを終了した際に子のプロセスも併せて終了する、などもしっかりと定義しておくべきとのことでした。特に、正常終了した際と異常終了した際のexitコードは当たり前のお作法として今後も気を付けていきたいです。 どういうときに並列処理でコードを書くべきか、また、実現時はどのようなことに気を付ければよいのか、ということの気づきになるご発表と感じました！ 作って遊ぼう！Composer Plugin reported by id:takaram きんじょうひできさん ( @o0h_ ) によるセッションです。 speakerdeck.com 今や PHP での開発にほぼ必須ともいえるcomposer（今年で10周年！）ですが、実は プラグイン を作るといろんなことができるよ、というお話です。 composer プラグイン には大きく以下の2種類があります。 独自コマンド（ composer hogehoge みたいなもの）を登録するもの composer の各種イベントをフックするもの 2つ目については、composer でフックできるイベントはかなりいろいろあるようで、 各種コマンドの実行前 パッケージのインストール前後 autoload. php の更新前後 や、他にも種々のタイミングで処理を差し込めるようです。 これがすぐに役立つかはわかりませんが、どんなことができるか知っておけばいざというときの選択肢として使えるかもしれませんね！ 計測ことはじめ 〜アプリケーションを知るために〜 reported by id:hirobex 清家史郎 ( @seike460 )さんによる発表です。 speakerdeck.com なぜ計測するのか なにを計測するのか どのように計測するのか といった、計測についての基本を教えていただきました！ パフォーマンスに課題感を持っている方は解決の一端になるかも……？ 何でもキレイにiterationする方法を考える in PHP reported by id:hiro_ji ぬさしさん( @nukisashineko )による LT です。 speakerdeck.com PHP のforeachをシンプルにするポイントをご紹介いただきました。 配列操作を分類整理して、1つのforeachで1つのことだけ行う 変換、グルーピング、集約等の配列操作はひとつのforeachで行わない 記述が 冗長化 した場合は関数化 遅延処理にはGenaratorを利用する 並列処理にはPromise + Genarator を利用する 思い返してみると、私自身もスパゲティ気味な繰り返し処理を書いた記憶があるので、 foreachにフォーカスした今回の内容はとてもためになりました！ 割とアプリケーションが大きくなってから PHPStan を入れた時の体験談 reported by id:takaram 株式会社 DROBE の都筑さんによる LT です。 プロジェクトの途中から PHPStan を導入した経験を語ってくださいました。 Level と Baseline を調整していきながら、以下のように段階的に PHPStan を導入していったそうです。 コマンドライン から手動実行する形で導入 CI に導入 Level を 0→1→3→5 と上げていく 方針として掲げた「頑張りすぎない！」が大事なところだろうと思いました。 こういうツールを導入するときは、つい張り切ってあれもこれもやりたくなってしまいがちな気がするのですが、一足飛びせず無理しない程度に一歩ずつやっていく「急がば廻れ」を心に留めておきたいですね。 Webサービス のバウンスメール処理の事始め reported by id:hiro_ji BASE株式会社の炭田さん( @tac_tanden )による LT です。 speakerdeck.com Webサービス におけるバウンスメール処理について、その役割と利用方法をご紹介いただきました。 バウンスメールとは 何らかの理由で正常に配信されなかったメールのこと バウンスメールが極端に多い（バウンス率が高い）と... 送信者の評価が下がり、スパム扱いになってしまう可能性 ユーザに届けたいメールが届かない バウンス率を抑制するには バウンス回数が多い傾向にあるアドレスリスト（サプレッションリスト）への配信を停止する 弊社のメール配信サービスでもバウンスメール処理を扱っていますが、より確実にユーザにメールを届けるうえで重要な役割を担っていると改めて感じました。 本当にあった怖い PHP コード7選 report by id:ryo479 speakerdeck.com 実際に開発現場で見かけた怖いコード(可読性、保守性が明らかに低いコードなど)を７つ紹介されました。 メソッドの引数が７個以上あって、変数名はアルファベットを並べただけ if文のネストが６個以上ある 変数名がわかりにくい 一つのアクションメソッドに裏で３つのエンドポイントが存在している コメントアウト 地獄 マジックナンバー 地獄 一つのファイルに２つのクラスが定義されている たしかに怖いですね...。 分かりにくい変数名は割と見かける気もします。 自分では分かりやすく書いているつもりでも、他人からは分かりにくいということも往々にしてあるので、コードレビューは重要ですね。 Predefined Interfacesを使って便利な独自クラスを作りましょう！ report by id:ryo479 speakerdeck.com PHP の言語側に定義済みのインターフェースである「Predefined Interfaces」についての発表です。 Predefined Interfacesとは PHP 側に定義済みのインターフェース。実装すると、 PHP エンジン自体の機能が提供される。 www.php.net 発表では、定義済みインターフェースの「Stringable」「Traversable」「 Iterator 」を使用したコードを元に説明されました。 定義済みインターフェースをどのように使用すればいいのか、どのようなメリットがあるのかがよく分かる内容でした。 PHPerだって PHP から「OKグーグル」したい！ report by id:ryo479 speakerdeck.com Googleアシスタント に PHP プログラムからアクセスして、「OKグーグル」するという遊び心あふれる発表です。 Googleアシスタント の裏側はgRPCなので、 Python やGoで実装されることが多いとのこと。 しかし PHP もgRPCの正式サポート言語なので、やればできるはずなのでやってみようという試みです。 発表では実際に Googleアシスタント に PHP でアクセスし、アレクサを操作して部屋の照明を消すというデモンストレーションもあり、興味を惹かれる内容でした。 4/11 (月) 2日目 PHP とゆかいな「型」たち report by id:tsudachantan 株式会社ユニラボの石揚千洋さん（あげさん）によるセッションです。 改めて PHP の「型」の種類や使い方、メリットデメリットや実践についてわかりやすくお話いただきました。 fortee.jp 型って何？ プログラミング言語 における型（静的型付け、動的型付け） 静的型付け プログラムの実行前に型が決まっていて、人間がコーディング時に型を指定する 関数の引数や返却の型指定が合っていないと コンパイル 時点でエラーになる 型安全性がある 動的型付け プログラムの実行前に型が決まっておらず、実行時に内部で型定義される 設定や書き方によるが型安全性が少し弱い 強い動的と弱い動的がある PHP は インタープリタ 言語 PHP のゆかいな型の紹介 動的型付けだけでなくコーディング時に型宣言できる 型宣言の使い方(メリット、デメリット） 引数の型指定ができる ！！実は PHP は型指定しても、キャスト可能なものはキャストしている！！ 型変換がうまくいかない場合にエラーになる（ PHP のデフォルトはこれ） 強い型付け（型が違うとそもそもエラー）にするには PHP の場合設定が必要→strict_types=1 型宣言のメリット、デメリット 〇型がわかるので変数を使いやすい 〇 IDE など使えば候補を出してくれて便利 〇大規模開発は大きなメリット 〇型安全でバグが出にくいかも ×設定次第で暗黙的に型変換 ×arrayを使うと何でもよくなってしまう ×きちんと設計しないと破綻する ×小規模開発ではメリット薄い 型とは何か？というとこから PHP での型の挙動までおさらいすることができました。 「型」をあまり意識せずプログラムしてもなんとかなる時代は過ぎ去り、ほんの少しの抜け穴が大損失になるレベルまでインターネットは広まり、 PHP でもバージョンアップにつれてかっちり型を縛ったstrictプログラミングがほぼ主流となりつつあります。 PHP の柔軟性を理解したコーディングに役立つ内容ですので、ぜひ聞いてみてください。 PSR-7とPSR-15によるWebアプリケーション実装パターン reported by id:takaram うさみけんたさん ( @tadsan ) による トーク です。 tadsan.fanbox.cc PHP で HTTP を扱う際によく登場する PSR-7 / PSR-15 とは何で、どんなメリットがあるのか、どうやって使うのか？といったことを解説する内容です。 PSR-7 HTTP リク エス ト、レスポンス、 URI など、HTTP メッセージに関わるインターフェースを定義している PSR-15 HTTP ハンドラ、 ミドルウェア など、Web サーバの実装に関連するインターフェースを定義している PHP は フレームワーク を使わなくても簡単に、 $_GET , $_COOKIE 等でリク エス ト情報を取得し、 header() , setcookie() , echo 等で HTTP レスポンスを作れるわけですが、簡単で自由度が高すぎるがゆえに、無秩序になりやすいという面もあります。 そこで PSR-7, 15 やそれを使った フレームワーク を利用することで、以下のようなメリットを得られるということです。 コードの見通しがよくなる テストがしやすくなる 従来の mod_ php , PHP -FPM のような、リク エス トごとに状態がリセットされる環境 以外 でも動かしやすい RoadRunner, Swoole など 節冒頭の URL には、スライドの他にサンプルプログラムの リポジトリ URL も掲載されているので、一度見てみると PSR での HTTP の扱いへの理解が深まりそうです！ ラク スからの登壇セッションのご紹介 ここからは弊社から登壇させて頂いたセッションの内容をご紹介します。 今だから話せるPHP8バージョンアップの裏側～全5サービスの事例紹介～ report by id:radiocat speakerdeck.com PHP で開発されている弊社の全5サービスの事例をもとにPHP8バージョンアップをどのように行ったのか、その裏側をご紹介する内容でした。PHP8では様々な新機能がリリースされていますが、特に影響が大きいのが「下位互換性がなくなる変更」です。「==」の比較結果や関数に指定する引数の型の扱いなど、これまで緩やかに扱われてきたものが厳格化され、挙動が変わったり、エラーになったりします。 そのような影響の大きなバージョンアップに対して全サービスから代表者が選抜されて密に情報共有しながら対応を進めました。特に、これまでの緩やかな仕様を受け入れてきた歴史の長いサービスでは影響が大きく、ツールなどの仕組みでの対応も難しく、調査範囲、テスト範囲とも大きくなったようです。最終的にこれまでのバージョンアップ対応よりも最大で約10倍の 工数 がかかったとのことでした。それでも防ぎきれなかった不具合も今後PHP8バージョンアップに取り組む際に役立つ情報として共有されています。 影響は大きいものの、近年 PHP が取り入れている新機能を使えるメリットもあるため、 情報共有を大切にしながらポジティブに取り組むことが大切 とのことでした。 発表者： 久山勝生 ／（ @MasaKu_e ） ◆ 登壇を終えて PHPerKaigi は以前より参加させていただいているイベントで、昨年は残念ながら非採択であったこともあり、今年こそは是非ともスピーカーとして参加したいという気持ちで登壇にチャレンジしました。 　 今回発表させていただいた、PHP8バージョンアップは規模の大きな対応であったため、各商材のノウハウや苦労などが詰まった内容になるという印象がありましたが、それゆえに情報の取りまとめやストーリーの組み立てには苦労しました。 発表当日は、弊社の取り組みについて共感してもらえる声や決められたタイミングでバージョンアップが計画されている点に賛同の声が頂けて嬉しかったです。 「次の PHP バージョンアップの対応についても共有を待っている！」とのコメントも見受けられましたので、機会があれば再チャレンジできればと思いました！ 新卒PHPer奮闘記 ～配属されたのは3歳違いのプロダクト！？～ report by id:ryo479 speakerdeck.com 2021卒で新卒入社した弊社社員が、2001年リリースのプロダクト開発に携わるにあたって苦労した経験と、その乗り越え方を発表しました。 苦労した点としては以下を上げています。 PHP の書き方 ノン フレームワーク レガシーコード 外部システム連携機能 ノン フレームワーク で独自の実装がされていたり、レガシーコードだったりすると苦労しますよね。 新卒であればなおさらです。 改善を進めようにもある程度大きなシステムだと、簡単にはいかないのが難しいところです。 研修内容やドキュメントの整理、そして周りの方のサポートが重要だと再確認できました。 発表者： 廣部知生 ／ @tomoki2135 ◆ 登壇を終えて PHPerKaigiに初参加、初LT登壇をしました！ 新卒入社後初めて PHP に触れたため、勉強兼PHPerコミュニティを知るということで参加を申し込みました。 CfP作成からスライド資料の作成まで、登壇なれした先輩方にレビューしていただいたおかげで無事採択され、LTも盛況に終わりました！ 個人的には、 小桜エツ子 さんに自分の名前を読んでいただけたのが嬉しかったです。 次回も機会があれば挑戦したいなと思います！ どんとこい、PhpStorm　〜Why don't you do IDE 's best!〜 / Don't KOI PhpStorm!! Why don't you do IDE 's best!! report by id:radiocat speakerdeck.com PhpStormは PHP の代表的な IDE の1つでJetBrains社が開発しています。稀に「PHPStorm」と表記されることがありますが、JetBrains社のブラン ドガ イドラインには「大文字と小文字を区別してください」と書かれており、まず「PhpStorm」と覚えてくださいと呼びかけられました。 そして、脱PhpStorm初心者を目指すための3段階のテクニックが紹介されました。 Level1：補完機能を使いこなす Level2：検索を使いこなす Level3： リファクタリング 機能を活用する しかし、何よりも先に 「PHPStrom」じゃなくて「PhpStorm」 という事を覚えておきましょう。 発表者： 加納悠史 ／ @YKanoh65 ◆ 登壇を終えて いつも参加させていただいているイベントなので、今回もぜひ登壇者として参加したいと思い、応募しました。 今回、CfPは3案出したのですが、実は一番 トーク 内容に自信がないものが採用されたので、自分自身が普段使っている PhpStorm の小技だけでなく、チームの PhpStorm に強いメンバーへの ヒアリ ング結果も併せて記載することで、普段から使いこなしている人でもなにか新しい発見がある発表にできるようにしました。 　 当日は、久々のオフラインイベントでの登壇だったため緊張しました。 無事ウケてよかった... 普段 PHP TechCafe などでお話させていただいている方々も多く、イベント期間中は、始終楽しく過ごすことができたとともに、いろいろなセッション、LT、アンカンファレンスを聞いて刺激を受けることができました。 　 次回もチャレンジしたいと思います！ まとめ コードの内部品質向上・既存プロジェクトへの新ツールの導入等、今あるプロダクトをいかに改善していくかという観点の登壇が多かったように思います。 また、弊社の PHP バージョンアップに関して、多くの方に言及していただきました。 PHP という技術が成熟していることの現れなのかもしれませんね。 PHPerのためのコミュニティ PHPTechCafe ラク スでは PHP に特化したイベントを毎月開催しております。その名も「 PHPTechCafe 」！！ 次回は4/22(金)に『「PHPer Kaigi 2022 を振り返る」』 をテーマに開催します！ まだまだ参加者を募集していますので、ぜひお気軽にご参加ください。 👉 PHPerのための「PHPer Kaigi 2022 を振り返る」PHPTechCafe」PHPTechCafe 参加申込は以下フォームよりお願いします！ forms.gle 最後までお読みいただきありがとうございました！ エンジニア 中途採用 サイト ラク スでは、エンジニア・デザイナーの 中途採用 を積極的に行っております！ ご興味ありましたら是非ご確認をお願いします。 https://career-recruit.rakus.co.jp/career_engineer/ カジュアル面談お申込みフォーム どの職種に応募すれば良いかわからないという方は、カジュアル面談も随時行っております。 以下フォームよりお申込みください。 rakus.hubspotpagebuilder.com ラク スDevelopers登録フォーム https://career-recruit.rakus.co.jp/career_engineer/form_rakusdev/ イベント情報 会社の雰囲気を知りたい方は、毎週開催しているイベントにご参加ください！ ◆TECH PLAY techplay.jp ◆connpass rakus.connpass.com

技術広報の yayawowo です。 プロジェクトを進める上で重要な プロジェクトマネジメント 。 プロジェクトマネージャー(PM)に任命された方はどのように学習、スキル習得をされていますでしょうか？ 実務での経験を通じてという方が多いと思いますが、弊社にて開催しているイベントもおすすめです！ 今回は、プロジェクトマネジメントのTipsを共有しあう「プロジェクトマネジメント Tips LT会」の過去開催分の発表資料と、次回イベントについてまとめて紹介させていただきます！ 「プロジェクトマネジメント Tips LT会 vol.4」が5/11(水)開催！ ご興味ある方は、 参加申込フォーム より申込をお願いします。 過去開催イベント プロジェクトマネジメント Tips LT会 vol.1 プロジェクトマネジメント Tips LT会 vol.2 プロジェクトマネジメント Tips LT会 vol.3 5/11(水)開催！プロジェクトマネジメント Tips LT会 vol.4 発表者・タイトル一覧 イベントに参加する 終わりに ◆ 関連ブログも合わせてご参考ください。 ・ 要件定義 とは【まとめ】 ・ 「はじめよう！ 要件定義 ～ビギナーからベテランまで」から学ぶ要件定義の始め方 ・ PdM （プロダクトマネージャー）とは 【まとめ】 ・ 仕様書 とは 【まとめ】 過去開催イベント プロジェクトマネジメント Tips LT会 vol.1 rakus.connpass.com 『痛みから学ぶ Working Agreement の つくりかた　〜チームビルディングの失敗から得た、親切さという教訓〜』 発表者： 面川泰明 さん speakerdeck.com ☞ チームの合意を得る良い方法は、親切な情報共有と、メンバーの自主性の尊重である 『オフショア開発のマネジメント（ いつもここから ）』 発表者： iketomo1207 さん speakerdeck.com ☞ 外国人がマネージャーとして信頼されるためにやったこと ☞ 自立型組織を目指してやったこと 『全職種混合で社内LTを開催した話』 発表者： ryu さん speakerdeck.com ☞ LTという文化を、エンジニア・デザイナーで独り占めせず広げてみたら良かった話 『Retty流大規模プロジェクトマネジメントのお話』 発表者： tnkdaito さん Retty流大規模プロジェクトマネジメントのお話 from Daito Tanaka www.slideshare.net ☞ 現状を直ちに把握できること ☞ 認識が揃った状態を維持すること 『一番安い子だーれだ？ ～黒字化のための無慈悲なタスク配分～』 発表者： すずき さん speakerdeck.com ☞ チームのキャパシティを把握 ☞ 給与制度とタスク割り当ての溝 ☞ タスク割り当てひとつとっても戦略的である 『数字からプロジェクトの健康を管理する』 発表者： komik さん speakerdeck.com ☞ プロジェクトにおいても数字を見ていくことで健康管理を 『1on1を120%有効活用する方法』 発表者： masahiro_f さん note.com ☞ マネジメント課題の解決手段として1on1を活用している話 プロジェクトマネジメント Tips LT会 vol.2 rakus.connpass.com 『性格診断と価値観分析ではじめる1on1』 発表者： 面川泰明 さん speakerdeck.com ☞ 人の成長を支援するには、その人の価値観を指針にすると良い ☞ 価値観を指針にしてすべらない1on1をしよう 『 プレイングマネージャー の葛藤』 発表者： Pep299 さん speakerdeck.com ☞ プレイングマネージャー の葛藤における対処法、得られたもの、次のステップ 『 アジャイル なチームへの道 はじめの一歩』 発表者： sakamoto-k さん speakerdeck.com ☞ ユーザーストーリーとスプリングゴールを導入することで、小さな価値単位で反復的に検証しやすくなり、自然にスウォーミングできるようになった ☞ プロジェクトの不確実性を前倒しで減少させることができた 『 SaaS 開発と受託開発におけるプロジェクトマネジメントの違い』 発表者： komik さん speakerdeck.com ☞ 受託開発と SaaS 開発における品質/コスト/タイムの比較 『「終わらせる」から考えるマネジメント』 発表者： 白柳隆司 さん speakerdeck.com ☞ 「成功条件」へ向かいつつ「失敗条件」を回避する ☞ 最初だけでなく、 マイルストーン ごとに行う 『心配性の僕が チームメンバーに任せる良さについて』 発表者： ShoheiKun さん speakerdeck.com ☞ 心配性の人は勇気を出し手イケイケの人に任せてみよう ☞ 心配性を利用して改善ポイントを提案し、貢献 ☞ チームでイケイケと心配性のバランスをとろう 『メンバーと一緒に進めるマネジメントの学び方と伝え方』 発表者： Mazawa_Hajime さん speakerdeck.com ☞ 学には時間をきちんと確保する、計画を立てる ☞ 楽しめること、自分ごとにしてもらうこと ☞ 得たインプットは自分たちの過去事例に当てはめて強い手触り感を作る ☞ 読むだけでなく、みんなでやってみて紹介し合うと良い 『プロジェクトメンバーのモチベーション』 発表者： moriyama_jun さん speakerdeck.com ☞ 幸福度を使ってメンバーのモチベーションをマネジメントする ◆ 関連記事はこちら tech-blog.rakus.co.jp プロジェクトマネジメント Tips LT会 vol.3 rakus.connpass.com 『チームの成功を加速するために、1on1で個人を成長させてみた』 発表者： 面川泰明 さん speakerdeck.com ☞ 人の成長とは、自己理解に伴う視野の拡大 ☞ 他者に貢献したい気持ちがモチベーションを上げる 『利己主義と裏切りが支配する世界で称賛文化が生まれるチームとは』 発表者： satoshi okami さん speakerdeck.com ☞ 褒めるとチームは協力する ☞ 協力は成果を高める 『チームが大きくなったので、 開発プロセス を運用してみた』 発表者： ミツカワ さん speakerdeck.com ☞ 標準化することにより、組織全体の底上げに繋がる ☞ プロセスをみんなで育てると浸透しやすい 『辛くない受託開発』 発表者： GHKEN さん speakerdeck.com ☞ 「何を作るか」だけでなく、「なぜ作るか」「どう成長させるか」を踏まえた提案をして、辛くない受託開発を実現させる 『Fantia開発チームのマネジメント改善』 発表者： かのたん さん Fantia開発チームのマネジメント改善 from かの たん www.slideshare.net ☞ 「何を改善するか」を外から引っ張ってくるのではなく「なぜ改善するか」や「どうすれば改善できるか」を考えること 5/11(水)開催！プロジェクトマネジメント Tips LT会 vol.4 rakus.connpass.com 「プロジェクトマネジメント Tips LT会」の第4回目が5/11(水)19時から開催します！ ラク スからも2名登壇する他、現時点で5名の登壇が決まっております。 タイトルは未定のものが多いですが、当日は充実な時間を過ごせること間違いなしです！ 是非この機会にご参加ください。 LT枠も空きがございますので、こちらも合わせて検討をお願いします！ 発表者・タイトル一覧 登壇者 タイトル misato_kii_3 さん 考え中 dach さん 考え中 はち さん 考え中 komkom さん 考え中 miure さん システム開発 体験 ボードゲーム 「ペジテの自転車」 ※2022/4/13時点での情報です。 発表内容が変更する可能性がありますので、ご了承ください。 イベントに参加する ラク スが主催する「プロジェクトマネジメント Tips LT会 vol.4」にご興味を持ち、是非とも参加したい！という方は以下フォームより申し込みをお願いします。 forms.gle 開催日が近づきましたら、当日の視聴URLなどをお送りさせていただきます！ 終わりに 「プロジェクトマネジメント Tips LT会」のまとめはいかがでしたでしょうか？ ラク スでは、定期的(週1回を目途)に技術イベントを開催しており、エンジニア/デザイナーの皆様の学習の場を提供させていただいております。 最後にはなりますが、イベントを開催する側としても、参加する皆さんの一助となる情報がありましたら幸いです。 お読みいただきありがとうございました！ エンジニア 中途採用 サイト ラク スでは、エンジニア・デザイナーの 中途採用 を積極的に行っております！ ご興味ありましたら是非ご確認をお願いします。 https://career-recruit.rakus.co.jp/career_engineer/ カジュアル面談お申込みフォーム どの職種に応募すれば良いかわからないという方は、カジュアル面談も随時行っております。 以下フォームよりお申込みください。 rakus.hubspotpagebuilder.com ラク スDevelopers登録フォーム https://career-recruit.rakus.co.jp/career_engineer/form_rakusdev/ イベント情報 会社の雰囲気を知りたい方は、毎週開催しているイベントにご参加ください！ ◆TECH PLAY techplay.jp ◆connpass rakus.connpass.com

はじめに 皆さんはじめまして！ 今回 Rakus Developers Blog 初投稿となる株式会社 ラク スの大原(kzak_24)と申します。 インフラ開発部 SRE課に所属しております。 どうぞよろしくお願いいたします。 先日、 アサイ ンされているプロジェクトにて、CIツールに GitHub Actionsを採用する運びとなり、 AWS のサービスと連携しての技術検証を終えました。結論、想像していたよりも簡単にCIパイプラインを構築することができ、非常に便利だと感じました。そこで今回は、検証内容や実装ポイントなどをご紹介していきたいと思います。 情報量が多く、すべてをお伝えすることはできませんが、 GitHub Actionsと AWS を使って、CIを始めたいという方のご参考となれば幸いです。 目次 はじめに 目次 GitHub Actionsとは？ 検証環境の構成 事前準備 ワークフローの定義ファイルの作成 個人用アクセストークンの取得 リポジトリのSecrets作成 workflowファイルの作成 Eventの定義 Jobの定義 AWSサービスとの連携 buildspec ワークフローの実行 テスト用ワークフローを実行 ビルド用ワークフローを実行 終わりに 参考文献 GitHub Actions とは？ GitHub のドキュメントには次のように記載されています。 GitHub Actions is a continuous integration and continuous delivery (CI/CD) platform that allows you to automate your build, test, and deployment pipeline. You can create workflows that build and test every pull request to your repository, or deploy merged pull requests to production. Google先生 による翻訳 GitHub Actionsは、 継続的インテグレーション および継続的デリバリー（CI / CD）プラットフォームであり、ビルド、テスト、およびデプロイのパイプラインを自動化できます。 リポジトリ へのすべてのプルリク エス トをビルドしてテストするワークフローを作成したり、マージされたプルリク エス トを本番環境にデプロイしたりできます。 簡単に言うと、 GitHub リポジトリ で起きるイベントをトリガーにしたCI/CDパイプラインを構築できるプラットフォームということになります。 GitHub Actionsには以下のような構成要素があります。 Workflow GitHub Actionsの一連の処理をまとめた単位。1つのファイルで1つのワークフローを定義できる Event ワークフローを実行するトリガー Job ランナー上で実行される処理の単位。ジョブが分かれると別の環境で処理が実行される Step ジョブが実行する処理の集合。 Actions ワークフローの最小構成要素。コマンドの実行やアクションという一連の処置がまとまったライブラリのようなものを実行することができる Runner 処理を実行する環境 検証環境の構成 今回の検証では以下のような構成でCIパイプラインを構築しました。 開発者のPR作成から、最終的に Amazon ECRにコンテナイメージをプッシュするところまで、このパイプラインでは実行します。 CIは以下のような流れで実行されます。 開発者がアプリケーション リポジトリ でPRを作成 PRマージというEventを検知し、CIが起動 Test Workflowが実行される Build Workflowが実行され、 AWS CodeBuildが実行される CodeBuildで作成されたコンテナイメージを Amazon ECRにプッシュ 事前準備 それでは、CIを動作させる為の準備をしていきましょう。 今回必要なものは以下の通りです。 アプリケーション用の リポジトリ ワークフローの定義ファイル GitHub の個人用アクセス トーク ン リポジトリ のSecrets AWS サービスのリソース AWS クレデンシャル ※ 今回は以下の項目の作成、取得については完了済みという前提で、説明を省略します。 アプリケーション用の リポジトリ AWS サービスのリソース AWS クレデンシャル ワークフローの定義ファイルの作成 ワークフローを実行するアプリケーションのルート ディレクト リに .github/workflows/ という ディレクト リを作成します。 test_workflow.yaml 、 build_workflow.yaml を .github/workflows/ 配下に作成します。 GitHub Actionsのワークフローは YAML 形式で定義し、 .github/workflows/ に配置することで、ワークフローとして管理されます。 個人用アクセス トーク ンの取得 GitHub Actionsの中で リポジトリ に特定の操作を行う際、アクセス トーク ンが必要になる為、個人用アクセス トーク ンを取得します。(今回は後述するrepository_dispatchという処理で使用します)。 まず GitHub のページにアクセスし、ページ右上隅のプロフィールをクリックし、 「Settings」 をクリックします。 スライダー最下の 「Developer settings」 をクリックします。 スライダーから、 「Personal access tokens」 をクリックします。 「Generate new token」 をクリックします。 パスワード入力を求められるので、入力します。 作成するアクセス トーク ンの説明や有効期限、権限スコープを設定します。 今回は リポジトリ に関する操作権限をスコープに設定します。 ページ下部の 「Generate token」 をクリックします。 作成したアクセス トーク ンの値が表示されます。 このタイミングでしか表示されないので、注意してください。 再度アクセス トーク ンのページにアクセスすると、 トーク ンが作成されていることが確認できます。 有効期限の延長や権限スコープの変更もここから行えます。 リポジトリ のSecrets作成 GitHub Actionsの中で使用する AWS のクレデンシャルやアクセス トーク ンなどの情報は、 Secrets という機能で暗号化したシークレットとして使用します。 取得した AWS クレデンシャルと個人用アクセス トーク ンをSecretsに登録します。 リポジトリ のメインページにアクセスします。 リポジトリ 名の下の 「Settings」 をクリックします。 スライダーから 「Secrets」 をクリックし、 「Actions」 をクリックします。 シークレットの管理ページが表示されるので、 「New repository secret」 をクリックします。 Name にシークレットの名前(任意)を設定し、 Value に取得したアクセスキーIDの値を入力します。 「Add Secrets」 をクリックし、 Repository secrets に作成したシークレットがあることを確認します。 同様にシークレットアクセスキー、個人用アクセス トーク ンも登録します。 workflowファイル 今回の検証で作成したワークフローファイルは以下のようになっています。 test_workflow.yaml name : Test Workflow on : pull_request : branches : - main types : - closed jobs : Lint-Test : runs-on : ubuntu-latest steps : - name : Checkout Repository uses : actions/checkout@v2 - name : Run Lint run : | docker-compose up -d --remove-orphans docker-compose exec -T next npm run lint echo "Lint succees!." - name : Run Test run : | docker-compose exec -T next npm run test echo "Test succees!." - name : Dispatch Build Workflow uses : peter-evans/repository-dispatch@v1 with : token : ${{secrets.REPO_ACCESS_TOKEN}} repository : 検証用のリポジトリ event-type : ci-sample build_workflow.yaml name : Build Workflow on : repository_dispatch : types : - ci-sample env : REGION : ap-northeast-1 PROJECT_NAME : example_CI_build_project IMAGE_TAG : ci-sample jobs : Build : runs-on : ubuntu-latest steps : - name : Configure AWS Credentials uses : aws-actions/configure-aws-credentials@v1 with : aws-access-key-id : ${{ secrets.AWS_ACCESS_KEY }} aws-secret-access-key : ${{ secrets.AWS_SECRET_KEY }} aws-region : ${{ env.REGION }} - name : Run CodeBuild uses : aws-actions/aws-codebuild-run-build@v1 with : project-name : ${{ env.PROJECT_NAME }} env-vars-for-codebuild : IMAGE_TAG env : IMAGE_TAG : ${{ env.IMAGE_TAG }} それでは、中身について説明していきます。 Eventの定義 まずは、ワークフローを実行するトリガーとなるイベントの定義です。 test_workflow.yaml (一部抜粋) on : pull_request : branches : - main types : - closed GitHub Actionsでは、 on セクションにイベントを定義します。 上記のように定義することで、mainブランチへPRをマージしたことをトリガーにワークフローを実行できます。 pull_request の他にも、 push や手動実行を行う workflow_dispatch というイベントも定義できます。 また、 repository_dispatch というイベントを定義することで、あるワークフローから別のワークフローを実行するイベントを送信できます。 test_workflow.yaml (一部抜粋) - name : Dispatch Build Workflow uses : peter-evans/repository-dispatch@v1 with : token : ${{secrets.REPO_ACCESS_TOKEN}} repository : 検証用のリポジトリ event-type : ci-sample build_workflow.yaml (一部抜粋) on : repository_dispatch : types : - ci-sample テスト用ワークフローの中で ci-sample というパラメーターが設定された repository_dispatch イベントをビルド用ワークフローに送信しています。 指定されたイベントが送信されたことをトリガーにビルド用のワークフローが実行されるようになっています。 また、 uses を使用することで、アクションという一連の処置をまとめたライブラリのような機能を使用できます。 テスト用ワークフローでは peter-evans/repository-dispatch というアクションを使用して、repository_dispatchイベントを送信しています。 Jobの定義 続いて、ジョブの定義について見ていきましょう。 test_workflow.yaml (一部抜粋) jobs : Lint-Test : runs-on : ubuntu-latest steps : - name : Checkout Repository uses : actions/checkout@v2 - name : Run Lint run : | docker-compose up -d --remove-orphans docker-compose exec -T next npm run lint echo "Lint succees!." ジョブは jobs セクションに定義します。 Lint-Test でジョブの名前を定義しており。ジョブは複数作成することが可能です。 runs-on でそのジョブが実行されるランナーの仮想環境を指定できます。 steps セクションでジョブが実行するステップを定義します。 steps は name でそれぞれ名前を指定することができ、順次実行されます。 uses 、 run で実行するアクションやコマンドを定義しています。 AWS サービスとの連携 続いて、 AWS サービスと連携する処理について見ていきましょう。 build_workflow.yaml (一部抜粋) - name : Configure AWS Credentials uses : aws-actions/configure-aws-credentials@v1 with : aws-access-key-id : ${{ secrets.AWS_ACCESS_KEY }} aws-secret-access-key : ${{ secrets.AWS_SECRET_KEY }} aws-region : ${{ env.REGION }} ここでは、 aws-actions/configure-aws-credentials というアクションを使用して、 GitHub Actionsのランナーから AWS サービスを操作できるように、 AWS クレデンシャルを設定しています。 secrets.AWS_ACCESS_KEY で リポジトリ に設定した Secrets から値を取得しています。 build_workflow.yaml (一部抜粋) - name : Run CodeBuild uses : aws-actions/aws-codebuild-run-build@v1 with : project-name : ${{ env.PROJECT_NAME }} env-vars-for-codebuild : IMAGE_TAG env : IMAGE_TAG : ${{ env.IMAGE_TAG }} ここでは、 aws-actions/aws-codebuild-run-build というアクションを使用して、 GitHub Actionsから AWS CodeBuildを実行しています。 また、 env-vars-for-codebuild に 環境変数 を渡すと、CodeBuild側の 環境変数 として設定してくれるので、ワークフローで定義した値がコンテナイメージにタグ付けされます(今回の場合、 ci-sample がタグ付けされます)。 buildspec ワークフローを実行する前に、 buildspec について、少し説明します。 buildspecとはCodeBuildで実行する上でのビルド仕様のことです。 buildspec.yaml を作成し、プロジェクトのルート ディレクト リに配置することで、CodeBuildは自動で buildspec.yaml を検知し、定義された内容通りに処理を実行してくれます。 今回の検証で作成したbuildspecファイルは以下の通りになります。 buildspec.yaml version : 0.2 env : parameter-store : DOCKER_USER : dockerhub-user DOCKER_TOKEN : dockerhub-token phases : install : runtime-versions : docker : 19 pre_build : commands : - echo Logging in to Amazon ECR... - aws ecr get-login-password --region ${AWS_DEFAULT_REGION} | docker login --username AWS --password-stdin ${AWS_ACCOUNT_ID}.dkr.ecr.${AWS_DEFAULT_REGION}.amazonaws.com - echo $DOCKER_TOKEN | docker login -u $DOCKER_USER --password-stdin build : commands : - echo Build start - echo Building the Docker image... - docker-compose build - docker tag リポジトリ名_next:latest ${AWS_ACCOUNT_ID}.dkr.ecr.${AWS_DEFAULT_REGION}.amazonaws.com/${IMAGE_REPO_NAME}:${IMAGE_TAG} post_build : commands : - echo Build completed - echo Pushing the Docker image... - docker push ${AWS_ACCOUNT_ID}.dkr.ecr.${AWS_DEFAULT_REGION}.amazonaws.com/${IMAGE_REPO_NAME}:${IMAGE_TAG} 少し省略しますが、各セクションがそれぞれ何をしているか、簡単に説明します。 pre_build : ECRにログイン build : docker-compose でコンテナイメージをビルドし、ワークフローから渡された値でタグ付け post_build : build セクションで作成したコンテナイメージをECRにプッシュ ワークフローの実行 それではワークフローを実行し、ECRプッシュまで実行できているか確認していきましょう！ 今回は リポジトリ ページ上で確認していきます。 テスト用ワークフローを実行 ますはテスト用ワークフローについて確認していきましょう。 mainブランチに対して、PRを作成します。 PRをマージします。 リポジトリ のトップページから、 「Actions」 をクリックします。 Workflowの一覧から、 「Test workflow」 をクリックします。 mainブランチへのPRマージをトリガーにワークフローが実行されていることが確認できます。 赤枠部分(実行中のワークフロー)をクリックします。 実行中のジョブ一覧が表示されるので、赤枠部分(実行中のジョブ)をクリックします。 経過時間やステータスなどを確認できます。 実行中のStep一覧が表示されます。 Stepごとにコマンドやアクションのログを確認できます。 Lintとテストが正常に完了していることが確認できます。 Stepがすべて正常に終了すると、緑色のチェックが入ります。 Dispatch Build Workflow というStepで、ビルド用のワークフローが実行されるトリガーとなる repository_dispatch イベントを送信している為、 Test workflow の実行が終了すると、 Build workflow が自動的に実行されます。 ビルド用ワークフローを実行 続いてビルド用ワークフローについて確認していきましょう。 前述した通り、ビルド用のワークフローはテスト用のワークフローの中で、 repository_dispatch イベントが送信されることをトリガーに実行されます。 処理の確認の流れは先ほどのテスト用ワークフローと同様です。 リポジトリ のトップページから、 「Actions」 をクリックします。 Workflowの一覧から、 「Build workflow」 をクリックします。 repository_dispatch イベントをトリガーにビルド用ワークフローが起動していることが確認できます(Repository dispatch triggered と記載されていますね) 赤枠部分(実行中のワークフロー)をクリックします。 実行中のジョブ一覧が表示されるので、赤枠部分(実行中のジョブ)をクリックします。 実行中のStep一覧が表示されます。 Run CodeBuild のログからCodeBuildが実行されていることが確認できます( GitHub ActionsからCodeBuildのログを確認できます)。 ECRへのプッシュが完了していることが確認できます ECRにプッシュされたコンテナイメージを確認します。 想定通り、タグに ci-sample が設定されたイメージがプッシュされていることを確認できました！ 終わりに 最後までご覧いただきありがとうございます。 今回は GitHub Actionsと AWS サービスを連携したCIパイプラインの構築について、ご紹介しました。 CIパイプラインの整備は開発サイクルの高速化に繋がるので、今後もしっかりと学んでいきたいと思います。 GitHub Actionsでは他にもPR作成やコミットの自動化など、便利な機能がたくさんあるので、今後も記事の発信を継続していきたいです 参考文献 GitHub Docs GitHub Actionsの使い方メモ AWS 公式ドキュメント CodeBuildのビルド仕様に関するリファレンス 　　 エンジニア 中途採用 サイト ラク スでは、エンジニア・デザイナーの 中途採用 を積極的に行っております！ ご興味ありましたら是非ご確認をお願いします。 https://career-recruit.rakus.co.jp/career_engineer/ カジュアル面談お申込みフォーム どの職種に応募すれば良いかわからないという方は、カジュアル面談も随時行っております。 以下フォームよりお申込みください。 rakus.hubspotpagebuilder.com ラク スDevelopers登録フォーム https://career-recruit.rakus.co.jp/career_engineer/form_rakusdev/ イベント情報 会社の雰囲気を知りたい方は、毎週開催しているイベントにご参加ください！ ◆TECH PLAY techplay.jp ◆connpass rakus.connpass.com

こんにちは。 株式会社 ラク スで先行技術検証をしたり、ビジネス部門向けに技術情報を提供する取り組みを行っている「技術推進課」という部署に所属している鈴木（ @moomooya ）です。 ラク スの開発部ではこれまで社内で利用していなかった技術要素を自社の開発に適合するか検証し、ビジネス要求に対して迅速に応えられるようにそなえる 「技術推進プロジェクト」 というプロジェクトがあります。 このプロジェクトで「認証」にまつわる検証を行ったので、その成果を共有しようかと思います。 なお半年前に書いた以下の記事の続きになりますので併せて御覧ください。 tech-blog.rakus.co.jp 認証関連の標準について OpenID Connect (OIDC) FIDO 2.0 認証サーバー（OP）ミドルウェア 現状ではKeycloakが最有力候補 OpenAM, Keycloakの比較 Keycloakの必要スペック サービス（RP）側ライブラリ Java PHP Node.js 注意点 認証アーキテクチャ 現状の課題 検討しているアーキテクチャ構成 顧客側認証サーバーを用いる場合 まとめ 認証関連の標準について 認可 プロトコル のOAuth2.0や、SSOで用いられる SAML などがありますが、 後方互換 性の制約がなくこれから新しく構築するシステムであれば OpenID Connect と FIDO 2.0 の組み合わせで対応することを最優先で検討しましょう。 OpenID Connect (OIDC) 複数の認証関連の標準を組み合わせていた状況から OpenID Connectに標準が集約されています。 NRI社製作の資料より抜粋 FIDO 2.0 いわゆるパスワードレス認証の標準です。 初めてサービスを利用する際にクライアントと鍵情報を登録することで、その後のサービス利用時には 認証結果だけを通信 し、クレデンシャル情報（ID/パスワードとか、指紋パターンとか）は通信せずに済む仕組み。 通信経路にもサーバーにもクレデンシャル情報を保持する必要がないため、万が一通信内容の盗聴や、サーバーデータの流出があった場合にもなりすまされる心配がない。 上図は非エンジニア向けに説明した資料から抜粋しているため「暗号鍵／復号鍵」となっていますが、 SSH の鍵認証などと同様のいわゆる 公開鍵暗号方式 です。 認証サーバー（OP） ミドルウェア 現状ではKeycloakが最有力候補 OpenID Connect, FIDO2.0に対応した認証サーバー ミドルウェア としては OpenAM 2008年、 OpenSSO として米Sun社からリリース 2010年、OpenAMとして米Forgerock社によりfork 2018年、日OpenAMコンソーシアムによりfork Java による実装 Keycloak 2014年、 JBoss コミュニティよりリリース Java による実装 ZITADEL 2020年3月リリース Go言語による実装 Casdoor 2021年8月リリース Go言語による実装 authelia 2020年1月リリース？（3.7.0までしか辿れなかった） Go言語による実装 といったものが現在存在しています。 ただし、このうちZITADEL, Casdoor, autheliaは検証開始当初は新しすぎた（機能も不足していた）ため検証対象としていません。 かなり活発に開発は進んでいるようなので、数年後に再評価するとしたら有力候補になっている可能性があります 1 。 特にZITADELはKeycloakの対抗馬となるべく意識しているようで、OIDC, FIDO2.0への対応はもちろん、マルチテナンシー対応、Identity Brokering機能（後述）など Saas での利用を意識しているようです（ vs Keycloak ）。 OpenAM, Keycloakの比較 検討対象となったのはOpenAM, Keycloakです。 機能的には両者とも充実しています。 OpenAMについては普及度合いや枯れ具合は良かったものの、開発はセキュリティアップデート中心という状況であり、開発母体の規模に不安があったために採用を見送りました。最終リリースも2019年で止まっています。 Keycloakは現状でも活発に機能追加リリースが行われており、 K8s などコンテナ環境での利用も想定された設計になっているようなので将来性も問題ないと判断しています。 Keycloakの必要スペック 実験環境ではそれほど多くのスペックは要求されませんでしたが、環境構築当初 VM のメモリをケチって128MBにしたら起動シーケンスでエラーを吐いて起動できませんでした。その後ちょっと余裕を見て512MBで動作させていましたが、512MBあれば今回の検証内容については全く問題なく動作していました。 Java のアプリケーションはメモリを消費するイメージがありますが、メモリに関しては多めに確保するのが良いかもしれません。 サービス（RP）側ライブラリ OpenID Connect用のライブラリはCertifiedなライブラリやUncertifiedなライブラリが公式で紹介されています。 openid.net openid.net Java Spring Securityを使う場合 spring-boot-starter-oauth2-client Spring Securityを使わない場合（非Spring環境） Nimbus OAuth 2.0 & 2.1 SDK with OpenID Connect extensions Java 用のライブラリはOAuth2.0用のライブラリが拡張されて使われているという経緯から名前がわかりにくいのが難点です。 Spring(Spring Boot含む)を利用している場合は公式ページで紹介されているspring-boot-starter-oauth2-clientを利用しましょう。紹介ページではOAuth2.0での紹介となっていますが、 OpenID Connectにも言及があります。 spring.pleiades.io Springを利用していない場合は Nimbus OAuth 2.0 & 2.1 SDK with OpenID Connect extensions が現在もメンテナンスされているライブラリとなっています。 PHP phpOIDC NRI 社が 総務省 のプロジェクトの一環で作成したライブラリ実装。 OpenID Connect Certifiedなライブラリなので PHP の場合はこちらを使うと良さそうです。 Node.js panva / node-openid-client OpenID Connect Certifiedなライブラリで後述しますが、Keycloakの公式からも言及されている（後述）ライブラリ。 Passport.js と組み合わせて利用します。 個人が中心になって開発している部分に若干の不安はあるもののnode.jsではこちらが最有力。 注意点 実はKeycloakからも各言語用にOIDCアダプターとしてライブラリが提供されています。 しかしこれらは2023年にはおおかたサポート対象から外れる予定なので利用してはいけません。上述のライブラリ群から選ぶのが良いでしょう。 Keycloak release plans for 2023 Deprecation of Keycloak adapters ちなみにNode.js用のライブラリについては2つ目の記事の中で openid-client が優れた代替手段であるように見えます。これはKeycloakが提供するOIDCアダプターよりも豊富な機能を持っています。 と触れられています。 認証 アーキテクチャ 現状の課題 現状はサービスごとに認証の実装、ID管理を行っている 複数サービスを契約してもらうとID管理の負担が増えていく 同じ会社のサービスなのだから一括で管理したいという自然な要求 検討している アーキテクチャ 構成 現状は各サービス内に持っている認証機能を外部のサービスとして切り出すことで認証機能を統一できないか検討しています。構成としてはオーソドックスな外出しですね。 ちなみに便宜上「楽楽認証（仮）」としていますが、新サービスとして提供する予定はありません。 楽楽認証（仮）は先述の通り、Keycloakをベースとしてラップするように管理サービスを用意してあげれば良いと考えています。今回は機能面の検証にフォーカスしていたため、ラップするサービス部分は構築していませんが実運用上はスタッフの操作手順を補助したり、ミスを予防するためにも内部向けのサービスとして構築すると思います。 顧客側認証サーバーを用いる場合 認証機能の外出しについてですが、現状でも一部のサービス（楽楽精算や楽楽販売、メールディーラーなど）では顧客側認証サーバーを利用する構成（いわゆるSSO構成）が可能になっています。 顧客側認証サーバーを使うかどうかは、当然顧客ごとに設定可能になっています。この場合に顧客によって「顧客側認証サーバーで認証処理を行うのか」「楽楽認証（仮）で認証処理を行うのか」という場合分けが必要になります。これに対応するために ラク スサービスから接続する先のサーバーを顧客ごとの設定に持たせることになりそうですが、外部接続先を切り替える実装は自前では行いたくないものです。 そこでIdentity Brokeringという機能が役立ちます。この機能を用いることで「 ラク スサービス→楽楽認証（仮）→顧客認証サーバー」と認証処理をバケツリレーのように更に他の認証サーバーに委託することが可能になります。今回検証していたKeycloakにもIdentity Brokeringが備わっています。 Keycloakではマルチテナンシー機能の中でこのIdentity Brokering設定ができるようなので、顧客ごとに「楽楽認証（仮）」で認証するのか「顧客管理の認証サーバー」で認証するのか設定できそうです。 この機能についてはまだ継続した検証を行っているところなので、またの機会に触れられればと思います。 まとめ OIDC + FIDO 2.0の採用 認証サーバーはKeycloak メモリは最低512MB確保 この記事が書かれたタイミング（2022年3月）から数年後に検討するなら新興ソフトウェア（ZITADELとか）も検討 使用ライブラリは OpenID Connect公式が紹介しているものから選ぶ Keycloakから提供されているものは使わない 認証部分はサービス運用上のクリティカルな部分（コケたらサービスが使えなくなる）なので、シビアに検討を重ねる必要があります 2 。共通認証基盤として利用するなら全サービスに影響が出るためなおさらです。 現状のままサービスごとに独立した管理にしておけば一度にすべてが使えなくなることはありませんが、どうしても利便性で劣ることになります。当然他社でも同じような動きがあると考えられるので、将来的には認証を共 通化 して利便性を上げる必要があると考えています。 その際には同時に多要素認証（MFA）やパスワードレスといった高いセキュリティ機能にも対応できると考えています。 　　 エンジニア 中途採用 サイト ラク スでは、エンジニア・デザイナーの 中途採用 を積極的に行っております！ ご興味ありましたら是非ご確認をお願いします。 https://career-recruit.rakus.co.jp/career_engineer/ カジュアル面談お申込みフォーム どの職種に応募すれば良いかわからないという方は、カジュアル面談も随時行っております。 以下フォームよりお申込みください。 rakus.hubspotpagebuilder.com ラク スDevelopers登録フォーム https://career-recruit.rakus.co.jp/career_engineer/form_rakusdev/ イベント情報 会社の雰囲気を知りたい方は、毎週開催しているイベントにご参加ください！ ◆TECH PLAY techplay.jp ◆connpass rakus.connpass.com なぜ近年になってこんなに認証サーバー ミドルウェア のリリースラッシュなのでしょうか？ あとサーバーサイド ミドルウェア のGo言語人気がすごい……。 ↩ Keycloakも クラスタリング に対応しているようですが検証はまだこれから。 ↩