こんにちは。NTTドコモビジネスのクラウドサービスである SDPFクラウド/サーバー （以降、SDPFクラウド）の内製開発に従事している堀岡勇杜と申します。私たちのチームが主に担当しているのは、ESI（Elastic Service Infrastructure）という名称の、SDPFクラウドのネットワークオーケストレータの開発です。ESIチームの業務内容については、 こちらの記事 でも詳しく紹介しています。 ESIは開発開始から10年以上が経過しており、現在チームではアーキテクチャの刷新（リアーキテクテ

目次 はじめに 注意事項 対象者 検証環境 ポイント1 : なぜESRallyではなくJMeterなのか？（Kibana経由の負荷計測の必要性） ポイント2 : ハマりポイント最大要素！ kbn-xsrf: true ヘッダーの必須設定 設定すべき主要ヘッダー一覧 ポイント3 : キャッシュの罠を回避せよ！クエリ日時の動的置換（JMeter関数） ユーザーパラメータの設定例（過去15分間のデータ取得例） .jmx ファイル内のテキスト置換処理 ポイント4 : 安全かつ確実な認証設計（API KeyとCSV

はじめに こんにちは、株式会社エブリーのデリッシュキッチン開発部にて、9 月から約 1 か月間エンジニアとしてインターンシップに参加していました、渡邉 蒼太 @asuto です。 今回のインターンで私は、社内の Web アプリ「ストアビジョンダッシュボード」のデータを Claude から読めるようにする、社内用のリモート MCP 1 サーバーの開発に取り組みました。 認証の設定、ダッシュボードのバックエンドサーバーの改修、MCP サーバーの実装、AWS の実行環境とデプロイの仕組みの構築までを行い、dev

セーフィーの白柳です。普段はバックエンドからフロントエンド、インフラ構築などを幅広く行ってソリューションを開発しています。業務で大量のテキストを全文検索する方法を検討する機会があり、それが今回の検証のきっかけです。 この記事は、Elasticsearch / OpenSearch などの全文検索エンジンを触ったことがあるエンジニアを想定して書いています。Quickwit の前提知識は不要で、仕組みは本文の「Quickwit の仕組みをざっくり」で簡単に説明します。 忙しい人のための結論 「10億件の日本語

Elasticといえば、Elasticsearchによる検索・ログ分析、Elastic Securityによる脅威検知、Elastic Observabilityによるシステム監視を思い浮かべる方が多いのではないでしょうか。 しかし、Elasticには、企業のIT資産を把握し、セキュリティ対策に活用するための機能も備わっています。例えば、次のようなことが可能です。 社内PCのOSやインストール済みソフトウェアを調べる PCやサーバーから情報を収集するElastic Agentを一元管理する クラウド上のサ

はじめに 検索基盤チームの mrkm4ntr です。以前、 CPU 使用率による Elasticsearch の autoscaling について書きました。ピーク時間帯に合わせて確保していたリソースを、トラフィックに合わせて増減することで、Elasticsearch のコストを約 40% 削減できました。 この autoscaling には、まだコストを削る余地が残っていました。この記事では、そのために行った 2 つの改善を紹介します。 scale-out の高速化 : shard のコピー待ちをなくす

要約 ：Elastic Agent Builder 9.5（Elastic Stack 9.5.4 / 9.5.5）で、AI エージェントの安全対策を、実際に環境を作って試しました。ツールを絞る設定、ロールの権限（DLS / FLS）、実行前の人の承認は、製品の機能で実現できました。一方で、Trace（エージェントの実行の記録）にツールの詳細を記録する設定を ON にすると、顧客データを見る権限の無い人にも、Trace から顧客データが見えました。本文、設定、クエリ、画面へのたどり方は GitHub にま

目次 TL;DR はじめに Kibana v9.5.x での表示 移行対策 1. Elastic が用意しているモデルを利用する場合 2. 自作の OpenAI 互換 Connector （LM Studio 等）を利用する場合 まとめと今後の展望 TL;DR Kibana v9.5.0 以降、従来の AI Connector が非推奨（deprecated）となりました。 今後は Kibana / Elasticsearch の Inference Service および Inference Endpo

生成AIの利用が広がる中で、次のテーマとして注目されているのがAIエージェントです。AIエージェントを最もシンプルに表すなら、 モデルが自律的にツールを繰り返し使う仕組み です。 目的を与えると、モデルは次に何をすべきかを考え、必要なツールを選びます。そして、その結果を受け取って、さらに次の行動を決めます。 この自律的にツールを使うという性質が、AIエージェントを便利にしています。同時に、この性質はセキュリティ上の意味も大きく変えます。 従来のLLMで問題になっていたのは、主に何を出力するかでした。しかし

本記事は 2026 年 8 月 14 日に公開された「 How Autodesk migrated 2.3 billion documents to Amazon OpenSearch Service using Migration Assistant and intelligent routing 」を翻訳したものです。 OpenSearch は、検索、分析、セキュリティモニタリング、オブザーバビリティのアプリケーション向けのオープンソースソフトウェアスイートで、Apache License 2.0 で

意味で碑を探し、場所と災害種別で避難場所を絞る。その検索を支えるES|QLツール、現在地の受け渡し、トレースで分かったことを紹介します。 目次 はじめに 先に用語を 5 つだけ 全体の流れ 3 つのツール 3 つに共通する型（ツール 3 で見る）：現在地を点にして、距離を測り、半径で絞る ツール 2（避難場所）：災害種別で厳密に絞る ツール 1（意味検索）：伝承内容が近い碑を「候補」として出す つまずきやすい所：任意の空欄には既定値が要る 意味検索（semantic）をどこで、どう使っているか データを入

こんにちは。 株式会社ユーザベース スピーダ事業の田島です。 突然ですが、ESの前方一致検索でこんな経験、ありませんか。 「たしかに登録したはずのデータが、検索しても出てこない」 全部が出てこないなら「バグだ」とすぐ気づけます。やっかいなのは、ほとんどのデータはちゃんと出てくるのに、なぜか特定のものだけが抜け落ちるというケースです。今回は、その原因不明の検索漏れの正体を調べ、Elasticsearch の index_prefixes という機能で解決できた話を書きます。 同じところで困っている方の参考に

目次 はじめに 作ったもの 誰のための記事か 1. 完成形を先に見る 地名では検索できない。それは意図的です 2. GIS の言葉と Elastic の言葉 3. 設計の原則：数字と事実は Elasticsearch、言葉は LLM 4. 部品の紹介 5. 属性の引き継ぎの仕組み 5-1. まず「ツール」とは何か 5-2. ツール 1：質問に近い内容の碑を探す 5-3. 「構造化された属性」とは 5-4. ツール 2：選んだ種別で避難場所を探す 5-5. 全体の流れ 5-6. 属性を使う理由と、その限界

Logstashを用いたログ収集基盤において、フォーマット不整合によるパース失敗や、Elasticsearch側のマッピング衝突による書き込みエラーは避けて通れません。本記事では、運用負荷を下げるためのLogstashエラー処理設計パターンについて解説します。 目次 1. Logstashにおけるエラーの分類 2. フィルター処理でのエラーハンドリング（タグベースの分岐） タグを利用したエラーログの分離ルーティング 3. 主要 filter プラグインとデフォルトエラータグのマップ 4. まとめ：エラーを

こんにちは。LINEヤフーのプラットフォーム部門でメトリクスチームに所属している千葉です。普段は、全社のサービスを支える大規模モニタリングプラットフォーム「Yamas」の開発と運用に取り組んでいます。...