Mercari JPのモノリスサービスをKubernetesに移行した話 PHP Conference 2022 9/24
Mercari JPのモノリスサービスをKubernetesに移行した話 PHP Conference 2022 9/24
2. おはなし ❏ 自動E2Eテストの現実 -つらみ- ❏ 自動E2Eテストの現実に立ち向かう -目視確認- ❏ 目視確認のための自動化 ❏ Visual Regression Testの世界へ ❏ reg-suitで手軽にVisual Regression Test ❏ QA Wolfでスクリーンショットを取得 ❏ Unit Test同様にCIで実行 ❏ 現場の声 ❏ まとめ 4. 自動E2Eテストの現実 -つらみ- ❏ 自動E2Eテストの現実 ❏ テストNGの時、自動テストの不備をまず疑う ❏ テストNGなのに、対象システムにバグがあると言いきれない ❏ 自動テストもプログラムに過ぎず、テスト自身のバグの可能性 ❏ 自動テスト用環境が原因の可能性 ❏ 自動テスト用技術が原因の可能性 ❏ リトライしたら動いてしまうような、一時的な問題の可能性 ❏ 保守が追いついておらず、常にNGとなる状
1. © 2018, Amazon Web Services, Inc. or its Affiliates. All rights reserved. DevOps with Database on AWS アマゾン ウェブ サービス ジャパン株式会社 技術統括本部 2018年11月1日 2. © 2018, Amazon Web Services, Inc. or its Affiliates. All rights reserved. 自己紹介 山内 晃 (やまうち あきら) アマゾン ウェブ サービス ジャパン株式会社 ストラテジックアカウント本部 ソリューションアーキテクト 好きなAWSサービス • Amazon Relational Database Service (RDS) • Amazon Simple Storage Service (S3) 3. © 2018, Am
This document discusses various tools used for data pipelines including Digdag for workflow automation, BigQuery for data storage and analysis, and Tableau, Python, and R for visualization and reporting. It provides examples of using these tools together including loading data from MySQL to BigQuery, partitioning BigQuery tables, and altering tables. It also briefly mentions other related tools li
2. Masashi Terui @ marcy_terui I’m a Developer and Cloud Architect. I’m a Remote-Multi-Worker at Section-9 / Serverworks Co., Ltd. / Freelance I’m an author of the serverless deployment tool “Lamvery” and Serverless Plugins. I’m around 30 years old. I’m a father of my son and my daughter. https://willy.works/ 2
2. About Me ● Masaki Matsushita ● CRuby Committer ○ 138 Commits ■ Mainly for performance improvement ■ Marshal.load, Hash#flatten, etc. ● Software Engineer at NTT Communications ○ Contribution to OpenStack ○ Slide at OpenStack Summit Tokyo http://goo.gl/OXTYor ● Twitter: @_mmasaki Github: mmasaki 3. Today’s Topic ● Go 1.5 Feature: buildmode “c-shared” ○ Cgo Basics ● Using Go Function from Ruby ○ F
This document summarizes an internship project using deep reinforcement learning to develop an agent that can automatically park a car simulator. The agent takes input from virtual cameras mounted on the car and uses a DQN network to learn which actions to take to reach a parking goal. Several agent configurations were tested, with the three-camera subjective view agent showing the most success af
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
処理を実行中です
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