こんにちは！Mackerel CREチームでカスタマーサクセスマネージャー（CSM）をやっているid:chizniiです。 Mackerel は2024年9月17日で正式リリースから10周年を迎えます。今後はオブザーバビリティ分野にも力を入れ、始めやすくて奥深いオブザーバビリティプラットフォームとして進化していきます。これからのMackerelがどのように変わっていくのか、何を目指していくのかについてぜひお伝えしたいと考え、2024年10月22日（火）に、オブザーバビリティをテーマとした技術イベントを開催する運びとなりました。 mackerelio.connpass.com イベントの開催を記念して、今回は新しくMackerelで利用できるようになった、分散トレーシングサービス Vaxila(ヴァキシラ)について、開発を行っている Mackerel チームエンジニアの id:mrasu、i

話が盛り上がらない人は「抽象化」が苦手 久保彩氏（以下、久保）：荒木さんはよく著者の方と対談されますけれども、本を1回ばーっと読んでおいた上で、「ここを聞きたいな」というポイントをあらかじめ定めている問いもあるし。もし相手の方の問いがおもしろかったら、設計した問いは捨てて、その方の話をぐっと深掘りするみたいな柔軟性を持っていますね。 荒木博行氏（以下、荒木）：僕は問いすら用意していないですね（笑）。 久保：そうなんだ。もうそれは習熟ですね（笑）。 荒木：その人の自己紹介とか、「この本についてちょっと軽く話してもらえますか？」という話をして、「なるほど。この点はめっちゃおもしろかったです」と、最初の5分くらいでラポール（信頼関係やリラックスできる関係）を築く。その上で、「でも、今おっしゃったところですごくおもしろい予想外のポイントがあったんですけど、そこからいきましょうか」という感じでやって

YAPC::Hakodate 2024での発表内容です。 https://yapcjapan.org/2024hakodate/

僕のNOTEの読者の方には「もう読んだよ」という方も多いかもしれませんが、あらためて冒頭を読み直してみて、感じるところがあったので抜粋して共有しておきたいと思います。 独学を「システム」として捉える本書では、私がこれまでのキャリアを通じて試行錯誤しながら構築してきた「独学のシステム」について、紹介していきたいと思います。 「独学のシステム」とは聞き慣れない言葉だと思いますが、私は、独学をシステムとしてイメージしない限り、本書の目的である「知的戦闘能力を向上させる」という目的は、達成できないと思います。 独学というのは大きく「戦略策定」「インプット」「抽象化・構造化」「ストック」という四つのモジュールからなるシステムと考えることができます。 世の中には多くの「独学に関する本」があり、私もかつてそれらに目を通したことがあるんですねが、こういった本のほとんどは「独学術」というよりも、むしろ「読書

スモールスタート、不都合な真実 〜 耳当たりの良い言葉に現場が振り回されないために/20240930-ssmjp-small-start

英会話にしっかり取り組んでみようと思った。今年の3月のことだった。 正直言って取り組む対象はなんでもよかった。衛生管理者試験でも電験二種でも企業法務検定でも。その直前に受けた情報セキュリティの資格試験の勉強で身につけた学習習慣を、このままむざむざと失ってしまうのが嫌で、とにかく何かをしたかった。 そこで思いついたのが英会話。実はこの5年くらいの間、何回もトライはしてみたもののなんとなく続かなかった。しかし、学習習慣自体は身についた今だったらもしかすると、と思ったのだった。 また英会話、ひいては英語の勉強についてはずっと心に引っかかっていたことがあった。 僕が中学校に入学した時の担任は、英語教師だった。その人は入学式の後、父兄が教室に居並ぶ中「英語についてはまず、NHKの「基礎英語」を毎日聞くのをお子さんに習慣化させるようにしてください。そのうちに圧倒的な違いが出てきます」と言った。 僕も（

レバテック開発部DevOps推進グループSREチームの蒲生です。 このたびレバテックを退職することになりました。 今までやってきたことを振り返ることで、お前普段なんもやってなかったやろと思っている方への説明とまだまだやらなアカンことあるけど許してねって気持ちを吐き出したいなと思います。 初めてSREとして働き始めてからレバテック事業でのSREチーム結成、活動していくまでで「やってよかったな」と思ったことを紹介していきます。（僕個人ではなくチームでの取り組み） 「こうしておけばよかったな」という懺悔も混ぜておきます。 1. 監視体制作り 初めてのSREだったので定石通り、こちらのピラミッド通りにプラクティスを実践しました。 (O’Reilly Site Reliability Engineeringより) 簡単な状況 監視設定はCloudWatch CDKでリソースのCPUやメモリ、スレッド

小さな勉強会の始め方、広げ方、あるいは友達の作り方 / How to Start, Grow, and Build Connections with Small Study Groups

こんにちは。LINEヤフー株式会社でデータベースエンジニアをしている、松浦、中園、大塚、曽根、笠井です。 データベースはLINEヤフーのさまざまなサービスを支える重要なソフトウエアですが、その安定的な運用やトラブルシューティングには、データベースに関する専門的な知識が必要です。 一方で、データベース部門に配属される新卒のエンジニアは、全員が学生時代にデータベースを専門的に勉強しているわけではありません。このような新卒エンジニアは、データベース部門へ配属後、OJTや実際のデータベースの運用業務に携わりながら、データベースに関する専門知識を深めていきます。 今回のブログ記事では、データベースエンジニアとしての専門性を高めるために、部門内で実施している専門書の輪読会、そして、MySQLを題材としたデータベースカーネルのモブプログラミング（以下、モブプロ）の取り組みについてご紹介します。 1. 輪

はじめに エンジニアのみなさま、日々の学習本当にお疲れ様です！ また本記事まで足を運んでいただき本当に感謝です。 約3分程度で読めるので最後まで読んでもらえると幸いです。 要件定義関連の記事の投稿をしました。時間あればぜひ読んでみてください。 今回は「非機能要件」の 可用性 性能・拡張性 運用・保守性 移行性 セキュリティ システム環境・エコロジー の6項目について理解を深めてアウトプットしようと思います。 非機能要件｜6項目について 1. 可用性 システムが継続して利用可能な状態を維持する能力を指します。『稼働率』 で表現されます。システムは定期メンテナンスや予期しない障害により、一時的に利用できなくなることがあります。可用性は、稼働している時間と停止から復旧までの時間の割合で決まります。たとえば、Amazonの「Amazon ECS」サービスは 『99.99%』 の稼働率を保証しており

データを利活用してカスタマー・クライアント双方の「不」の解消を目指してきたリクルートが、今注力する領域は「データを用いた意思決定の質向上」とそのための「データの整備」です。 そこにフルコミットするため、新たに生まれた職種がアナリティクスエンジニアです。例えば、図書館を作るのがデータエンジニアで、図書館に収納された本を使って価値を生み出すのがデータサイエンティストだとすれば、本の整理や目録の作成などを通じてさながら司書のような役割を果たすのがアナリティクスエンジニアです。言うなれば「データの整備人」。 リクルートにおいては、データを用いた意思決定を加速させるうえで、必要不可欠の存在です。 とはいえ、まだまだ一般的には知られていないアナリティクスエンジニアの仕事。彼らは組織のなかでどのような役割を果たし、どのように事業へ貢献しているのでしょうか。そしてどんなバックグラウンドを持っているのでしょ

# 参考資料 - https://gist.github.com/voluntas/9c1d9d51e86a853fed6889f743a12145 - https://amzn.to/4ewrbw7 - https://amzn.to/3XzYYh4 - https://www.ipa.go.…

AWS Lambda Web Adapter (LWA)は、AWS Lambda上で従来のウェブアプリフレームワークをそのまま動かすためのLambda Extensionです。このセッションでは、LWAの機能を取り上げ、それらが必要となる背景や従来実用が困難だった実装パターンをどのように実現できるのかを…

Parquetは便利なファイル形式で、列志向のフォーマットとしてはデファクトの1つと言っても過言ではないでしょう。 ですが、jsonやcsvとは違い、ファイルを見ただけでどんな構造かわかるものではありません。 この記事は、Parquetの具体的な構造について記述します。 はじめに この投稿は、Parquetの構造について、バイナリを見ながら確認するものです。 ただし、Parquetの大枠に注目した投稿なので、delta encodingやrun-lengthなど、個別の圧縮方法については取り扱いません。 ※ Parquetの作成には https://github.com/parquet-go/parquet-go を使用していますが、goの知識は必要ありません tldr Parquetは以下の構造を持っています。 ファイルはRowGroupとメタデータに分かれている RowGroupの中に

「英文がスラスラ読めるようになりたい」私の切実な願いに、読書猿さんは言い放った 「まず2万語な！」 ――― 6年前の話 だ。 藁にもすがる思いで手を出したのがこれ。1127日かけて2回読んだ。結果は次の通り。 7870 words　始める前 9944 words 　1周目（610日）完了後 12509 words 　2周目（517日）完了後 語彙力は preply でテストした。 語彙力が増強されていることが数字で分かるが、あまり驚きはない。この『Merriam-Webster's Vocabulary Builder 』は、250もの語根や語幹をベースに単語を解説する単語帳で、私の英語力で背伸びして読めるレベルなので、そりゃ2回も読んだら強くなるわな、と思う。 それよりも、3年も続いたことに驚いている。 学校を卒業してから、英会話学校へ通ったり（1ヶ月で挫折）、通信講座を受けたり（2ヶ月

はじめに 会社員として働く上で評価は最も大きな関心事の1つでしょう。評価によって自身の職位や給料が決まるのでそれも当然です。 しかしながら、「納得感のある評価を受けられていますか？」と問うと明確にYesと答えられる人は稀でしょう。「成果を出したのに正しく評価されていない」と不満を持っていたり「評価は偉い人が勝手に決めるものだから…」と諦めている人もいるのではないでしょうか。少なくとも過去の私はそうでした。 そもそも、評価をどのように受けるべきか指導や研修を受けたことはありますか？私にはその記憶はなく、自身が評価者の立場になって初めて評価というシステムに真剣に向き合うことになりました。 評価の際に被評価者としてできることは、評価者に自分の成果や成長を適切にアピールすることです。そして、アピールの方法として最も確実かつ重要なのは伝わる自己評価を書くことです このエントリは、被評価者が評価者に正

「自分の手取り収入っていくらなんだろう」 「収入から所得税や住民税はどのくらい引かれているんだろう」 自分の年収や手取り収入が気になる瞬間ってありますよね。 年収と手取り収入の関係が分かれば、将来の出費や人生計画が立てやすくなると思います。 この記事では、年収と手取りに関する早見表を皆様にご覧いただけるようにしています。 また、年収から手取り額の目安を簡単に計算する方法をお伝えします。 そのうえで、年収から手取り収入までに引かれる4つの要素を解説し、なかでも所得税・住民税については、個別の条件に基づいて計算していただけるようにシミュレーションを用意しました。 自分の収入の姿を正確に把握するために、ぜひ利用してください。（令和5年4月現在の制度で記載しています） 1.年収と手取りの早見表 まずは「年収がいくらだと、手取りはいくらなのか？」という疑問に答えるために表を用意しました。 実際の年収

9月12日、OpenAIが新しい推論モデルのo1-previewとo1-miniを発表し、ChatGPT Plusなどの課金ユーザーは、即日、両モデルを利用できるようになりました。 これらのモデルは、応答前に時間をかけて考えるように設計されており、複雑なタスクを論理的に処理し、従来のモデルよりも科学、コーディング、数学における難しい問題を解決することができるとされています。 そこで、今回、新モデルのo1-previewとGPT-4oモデルの回答の性能を比較してみました。 👆僕の書いたGPTs解説書です。電子書籍版はAmazonポイント50％還元キャンペーン中です。（2024/9/13現在） １．OpenAI o1モデルの概要(1) o1モデルの推論の仕組みo1モデルには、推論トークンの仕組みが導入されており、この推論トークンを使用して思考し、プロンプトの理解をブレークダウンして、応答を生

これは私が普段いかに労働から逃げているかを示すものです。 前提となる考え方私は働きたくない。実際には仕事にやりがいを見出すこともあるので必ずしも働きたくないわけではないが、基本的には常に働きたくないと言っている。 ことプロダクト開発になるとこの傾向は顕著で、「何も作りたくない」「何も作らずにお金を稼ぎたい」などとよく言っている。プロダクトは作った瞬間に負債になる。世の中は絶えず変化・進化していくので、作った瞬間から陳腐化が始まる。それを防ぐために継続的なメンテナンスや改善が求められる。 通常、その負債が問題視されないのは、そのプロダクトが負債以上に大きな果実つまり価値をもたらすからである。アジャイルの名のもとに incremental delivery などと言うと聞こえはいいが、要するに負債より多くの価値を生み出すための自転車操業をかっこよく言っただけである。少しトゲのある表現になったが

以下の記事が面白かったので、簡単にまとめました。 ・Reasoning models 1. OpenAI o1「OpenAI o1」シリーズは、複雑な推論を行うために強化学習を用いて学習された新しい大規模言語モデルです。回答する前に考える特性があり、ユーザーに応答する前に長い内部思考の過程を生み出すことができます。これにより、科学的な推論に優れ、競技プログラミングの問題 (Codeforces) では89パーセンタイルにランクインし、米国数学オリンピック (AIME) の予選で全米の上位500人の学生に入る成績を収めています。また、物理学、生物学、化学の問題に関するベンチマーク (GPQA) では、人間の博士レベルの精度を上回る成績を達成しています。 APIでは、次の2つのモデルが提供されています。 ・o1-preview : o1モデルの早期プレビューモデル。世界に関する幅広い一般知識を