AWS、Docker Desktop代替となり得る「Finch」をオープンソースで公開。ローカルマシンに仮想環境とコンテナランタイム、ビルドツールなど一式を導入
AWSは、ローカルマシン上にLinuxコンテナのランタイム、ビルドツール、コマンドラインツールなど一式を簡単にインストールし、コンテナを用いた開発環境を開始できるソフトウェア「Finch」をオープンソースで公開しました。 Today we are happy to announce a new open source project, Finch. Finch is a command line client for building, running, and publishing Linux containers. Learn more in this blog from @estesp and @ChrisShort https://t.co/5qDdio806E#AWSCloud #containers #opensource pic.twitter.com/TDfcYlwwIs
インフラど素人が1ヶ月半でKubernetes本番環境を作るまでの失敗の軌跡（奇跡） - Qiita
タイトル通りですが、1年目エンジニアのインフラのイの字も知らなかった私が1ヶ月半かけてKubernetesで環境構築するまでの失敗の軌跡です（そして環境構築できたのが奇跡）。 理想的にはこれを読めばインフラ初心者でもKubernetes（以下k8s）で環境構築できるところまで説明することですが、そういうわけでなく、環境構築の解説というより自分の失敗やつまづきポイント、役に立ったことをただただ書き連ねていきます。ただ他の初心者の方も同じようなところでつまづくこともあると思うので少しでもお役に立てたら嬉しいです。 バックエンド側で使った技術は以下になっています。 言語：Ruby（RoR） API：GraphQL インフラ：Azure その他：Docker、k8s 実際の実装でハマったところは各章の最後に教訓として簡単にまとめてはいますが、大事なことは先に結論として述べておきます。 Docker
VSCodeとDockerで簡単に開発環境を構築＆共有する方法 - paiza times
もじゃ（@s10akir）です。paizaラーニングでプログラミング学習動画制作のアルバイトをしている専門学生です。 以前こんな記事を書かせていただきました。 paiza.hatenablog.com 今回は、VSCodeとDockerを使って簡単に開発環境を構築する方法について書いてみたいと思います。 code.visualstudio.com ちなみに前回はプレビューリリースされた「Remote Development with VSCode」と「PaizaCloud」を使って、面倒な環境構築なしで快適に開発しようぜという記事だったのですが、しばらくして「Remote Development with VSCode」が正式版のVSCodeでも使えるようになりましたね！わざわざInsider版のVSCodeを入れなくてもよくなりましたね。 前提の環境について この記事の内容が試せるのは
ローカル実行用のJupyterNotebook環境を整える - notebook
統計、分析とかそっちの分野の勉強をはじめました それに先駆けてインタラクティブな実行環境は必要だよねということで形から入っていきます! 今回はJupyterNotebookをdockerで立ち上げて使えるようにするところまでやってみました docker 公式にDockerのイメージがあるのでそれを使います (jupyter/datascience-notebook) 結果的には下記ファイルでdocker-compose upすればOKという感じにしました Dockerfile FROM jupyter/datascience-notebook USER root # GoogleAnalyticsClient のインストール RUN pip install --upgrade google-api-python-client redash-dynamic-query ipython-sql
Dockerでデータ分析環境を手軽に作る方法 - 天色グラフィティ
何かデータ分析を行わなければいけないとき、手軽に分析環境を用意したいというニーズがあります。 Jupyter Notebook上でnumpy、pandas、matplotlib、scikit-learnあたりが使えれば十分でしょうか。XGBoostやLightGBMといったライブラリも使えるようにしておきたいという人もいるかと思います。 一方、ローカルにいろいろなライブラリをインストールしていくと、次第に環境が汚れていってライブラリの衝突などが起こりやすくなってしまいます。 KaggleにはKernelという計算環境があり、そこには主要な機械学習ライブラリが予めインストールされています。データ分析をやっていく上で不自由はありません。今回はDockerとdocker-composeを使ってKaggle Kernelを手元に再現し、ポータブルな分析環境として使う方法を紹介します。 データ分析界
ローカル環境をよごさずに Jupyter で python コードが動く環境を手軽につくる方法 - Qiita
概要 ローカル環境をよごさずに、python コードが動かせる状態 をつくります 所要時間 5分 くらい 記事では macbook 上での構築を想定していますが、サーバで起動させブラウザアクセスする場合は localhost を任意のサーバに読み替えて実行してください（かつブラウザアクセス可能なポートを設定します） Docker のインストール Get Docker for mac をクリックして Docker.dmg を取得します Docker.dmg を起動してmac上にインストールします Anaconda の docker image でコンテナ起動 Terminal を起動 必要なdocker image をダウンロード お好みの docker image を取得します、ここでは anaconda3 が入るイメージを使います https://hub.docker.com/r/con
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
WSL2、Docker、VSCodeで劇的に改善されるWindows開発環境