スマホアプリ「モンスターストライク」のサーバー負荷は、年末年始に1年のピークを迎えます。2018年元旦のサーバー負荷に立ち向かうために実施した対策の一例として、データベースサーバー（MySQL）を安全に水平分割した事例を紹介します。見積もりから計画、実施に至るまでを時系列で振り返ります。
モンストのサーバー負荷との戦い 〜あけおめ2018編〜 / bcu_30_server_9
スマホアプリ「モンスターストライク」のサーバー負荷は、年末年始に1年のピークを迎えます。2018年元旦のサーバー負荷に立ち向かうために実施した対策の一例として、データベースサーバー（MySQL）を安全に水平分割した事例を紹介します。見積もりから計画、実施に至るまでを時系列で振り返ります。
人工知能を“正しく”疑え データサイエンティストがNHK「AIに聞いてみた」の違和感を探る (1/3) - ITmedia NEWS
NHK総合で「AIに聞いてみた どうすんのよ!? ニッポン」の第3回が、10月13日に放送されました。テーマは「健康寿命」。3回目にしてデータサイエンス界隈からのツッコミすらなくなり、個人的には寂しい放送回となりました。皆さんはご覧になられたでしょうか？ もちろん私は正座待機でした。 過去にさまざまな批判を受けたからか、番組のトーンがだいぶ変わった印象を受けました。マツコ・デラックスさんら出演者は口をそろえて「決してこれが答えではない」「スタッフが勝手に解釈して言っているだけ」と説明し、健康寿命を延ばすヒントとして挙げられた3つの提言のうち、1つはマツコさんによって却下されました。 ただし「都道府県別健康寿命×平均寿命散布図」を持ち出し、平均以下を「不健康」と表現するあたりは「本来の意味の不健康から乖離（かいり）しているなぁ」と思うなど、細かいツッコミはありました。しかし、丁寧に番組を作ろ
自炊一人暮らしと味噌汁の相性悪すぎ問題
味噌汁って作りたてはいいんだけど、一人暮らしだと絶対一回じゃ食べきれない 二回目以降に温め直すと具材がくたくたになってて、なんというかオーラが失われる感じ 同じ具材で和え物とか煮浸しとかの常備菜にしたほうがトータルの満足度は高くて、現在そっちに流れ気味 みんなどうしてるんだろ
「どこで吸えばいいの」ベランダ喫煙トラブル、解決に限界 受動喫煙でうつ病リスクも（西日本新聞） - Yahoo!ニュース
「隣人がベランダでたばこを吸っていて、臭いが家の中まで入ってくる。やめてほしいと手紙や口頭で訴えたが効果がない」。ベランダで喫煙する“ホタル族”に悩まされているとの声が、福岡県内の集合住宅に住む会社員男性（42）から特命取材班に寄せられた。そういえば最近、あちこちの集合住宅で「喫煙に関するお願い」なる張り紙をよく見掛ける。2020年の東京五輪・パラリンピックを前に禁煙の動きが広がる中、集合住宅での喫煙問題を取材した。 【写真】効果大 たばこ警告する画像 男性は賃貸マンションに居住。隣の住民は朝と夜を中心に複数回喫煙し、春や秋など窓を開けているときは、室内もたばこ臭くなる。妻子も気にしており、昨年秋、管理会社に相談すると、エレベーターに張り紙が掲示されたが、全住民宛てで「周りの部屋への配慮をお願いします」との内容にとどまった。管理会社は「入居時に配布した居住ルールに喫煙に関する規定はなく、あ
Engadget | Technology News & Reviews
Nintendo Switch 2: Everything we know about the coming release
毎秒1万リクエストの負荷試験をした話 - pixiv inside
はじめまして。ピクシブで広告関連のプロダクトを開発しているeastです。今回は、社内で運用している広告配信サーバーの負荷テストを実施したので、その話をしたいと思います。 経緯 ピクシブの広告配信サーバーは、pixiv本体を中心に複数のサービスに対して広告配信を行なっています。現在私はこの広告配信サーバーの大規模改修を行なっているのですが、先日ついに広告配信サーバーの改修がほぼ完了したので、試しに負荷試験を行なってみたいと思い立ちました。 目標は毎秒1万リクエスト ピクシブの広告配信サーバーへのリクエスト数はDailyで 4〜6億req もあり、これは毎秒平均に直すと約 5,000RPS(Request Per Second) になります。さらに、ピークタイムである休日の深夜帯には 12,000RPS にも達します。つまり新しい広告配信サーバーにも、毎秒12,000のリクエストを捌く性能が必
MNIST手書き数字データをnumpyで書いたロジスティック回帰で学習して結果を分析する - Qiita
はじめに 最近機械学習について勉強し始めました。 色んな本を読んで、自分でも実装してみて、色々わかるようになりましたので、今回は自分が勉強してわかるようになったことをここで記録してみたいと思っています。 まずは機械学習の重要な基礎ともいえるロジスティック回帰の実装し方から始めたいと思います。 sklearnとかを使ったら簡単に実装できますが、numpyでスクラッチから書いた方が中身が理解できて、いい勉強になるはずです。 そう考えて、この記事では自分なりにロジスティック回帰のモデルをnumpyで書いてみます。 そしてMNISTの手描き数字データで効果のテストをさせてみます。 MNISTデータを学習するにはニューラルネットワークの方が効果的のはずですが、ニューラルネットワークの基礎はロジスティック回帰ですから、まずロジスティック回帰から把握しなければ歩き続けにくいです。 概要 この記事で書く内
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
サウジ記者失踪の容疑者、交通事故で死亡 - Sputnik 日本