OpenObserve | Open Source Observability Platform for Logs, Metrics, Traces, and More – Your Ultimate Dashboard for Alerts and Insights
OpenObserve is a simple yet sophisticated log search, infrastructure monitoring, and APM solution. It is a full-fledged observability platform that can reduce your storage costs by ~140x compared to other solutions and requires much lower resource utilization resulting in much lower cost. OpenObserve is an innovative open-source observability platform designed to streamline the monitoring of logs,
株式会社インテグリティス代表の木村です。（Twitterではけいと呼ばれています。） 最近は受託開発の他、クライアント企業様への内製エンジニアリングチームの立ち上げとコーチングを事業として取り組み始めました。 アジャイル開発における「ストーリーポイントとベロシティ」について考える機会があったので、色々調べてみました。 スクラムの文脈で見積もりの単位としてよく使われる「ストーリーポイント」ですが、元々はXPが起源でした。 XPの創始者の一人であるRon Jeffries氏は2019年5月23日、自身のサイトにて「Story Points Revisited（ストーリーポイントの再考）」と題し、ストーリーポイントに対する考えを述べています。 なにかと誤解があったり、スクラム開発の現場で疑問が生まれることも多い「ストーリーポイント」や「ベロシティ」という概念ですが、Ron Jeffries氏の記
GitHub - nakabonne/gosivy: Real-time visualization tool for Go process metrics
You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert
GitHub - confident-ai/deepeval: The LLM Evaluation Framework
DeepEval is a simple-to-use, open-source LLM evaluation framework. It is similar to Pytest but specialized for unit testing LLM outputs. DeepEval incorporates the latest research to evaluate LLM outputs based on metrics such as G-Eval, hallucination, answer relevancy, RAGAS, etc., which uses LLMs and various other NLP models that runs locally on your machine for evaluation. Whether your applicatio
2015年7月、東芝は過去7年間に渡って、「不適切会計」で1500億円以上も利益をかさ上げしてきた、という第三者調査委員会の報告を公開した。これに伴い、田中社長を始め、歴代3社長が退任。日本の産業史上最大の不正会計事件となった。 このときの不正に、実はプロジェクトの『進捗率』の計算が、深く関わっていた。というのも、会計操作の手法の一つが、「進行基準」の悪用だったからだ。 「ああ、会計の話なんか興味ないよ。技術屋としての俺の仕事には関係ないから」とお思いの方も、その手口については、少しだけ知っておいたほうがいい。というのも、これは進捗率をどう粉飾するか、という話だからである。しかも、先々のコスト増を無視していると、結果的に売上や進捗率を粉飾したことになってしまう事があるのだ。そして売上や原価は、エンジニアたちの尻を叩くモノサシでもある。妙な叩かれ方をしたくないならば、少しはその仕掛けについて
今回は、データ基盤チームで進めている生産性ダッシュボードプロジェクトのサブプロジェクトとして進めているコードメトリクスを計測・可視化のための基盤について紹介したいと思います。 生産性ダッシュボードプロジェクトやその中心となるメトリクスであるFour Keysについては以下のエントリーやANDPADさんのポッドキャストでも紹介されていますのでぜひご覧ください。 ペパボテックブログ - エンジニアの活動情報からFour Keysを集計、可視化した話 datatech-jp Casual Talks #1 - データ基盤でFour Keysを可視化した話 ANDPAD TECH TALK 第10回 - 開発チームの生産性向上に取り組むスペシャリスト対談！前編 開発チームの生産性の可視化に興味を持った理由 ANDPAD TECH TALK 第11回 - 開発チームの生産性向上に取り組むスペシャリス
人間が目で、今と過去のレスポンスタイムを比較して遅くなっている・早くなっているを判断すると正確な判断ができないこともあるし、正確な判断ができるかどうかが人によってしまいそうです。 また、うちのチームでは二週間に一度ぐらい、主だったエンドポイントのレスポンスタイムが悪化していないかを点検していたんですが、なかなか忙しくて手が回らなくなってきてしまいました。 レスポンスタイムが悪化していないかは、過去のある時点のレスポンスタイムと、現時点のレスポンスタイムを比較し、差がない事がいえればよさそうです。 この比較は、標本平均に差があるかどうかを検定することで、行う事ができます。 この記事では、標本平均の差の検定をするための基礎知識についてまとめます。 中心極限定理 レスポンスタイムの母平均は、レスポンスタイムの確率分布がわかっていれば直接求められます。その差を検定することもできそうです。しかし、レ
デザイン指標を作る前に理解しておきたいアウトカムとは
軽率な指標作りは落とし穴だらけ アプリや web サービスの改善においてデザイン指標を設定することが欠かせません。今は様々なデータを収集することができますが、デザインの改善には役に立たないものも少なくありません。 ユニーク訪問者数、直帰率、滞在時間などアナリティクスで取得できるデータは数多くありますが、これらを見ているだけでは改善のヒントは見つかりません。例えば直帰率 80% あったとしても、それが良いのか悪いのかの判断基準がなければ次の施策を考えるのは困難です。ユーザーのニーズを満たしていないから直帰しているかもしれませんし、満足したから直帰した可能性もあります。 また、「直帰率が高いからコンテンツの改善が必要だ」という考えも浅はかです。コンテンツの問題かもしれませんが、ユーザーが直帰する理由は他にも考えられます。直帰というユーザーの心理・行動を理解していないまま結論に結びつけると、間違
モニタリング入門 / Monitoring Feat. VictoriaMetrics
エンジニアリングマネージャーが紐解く、事業視点から組織文化まで、包括的アプローチの探求 / READYFOR
SLO決定のためのThe Art of SLOs SRE NEXT 2022 May 15th, 2022 山口能迪 (@ymotongpoo) bit.ly/20220515-srenext2022
![[shared] 20220515 SLO決定のためのThe Art of SLOs](https://cdn-ak-scissors.b.st-hatena.com/image/square/83fe7061ef6f3ad2054256413745a00a1f27a281/height=288;version=1;width=512/https%3A%2F%2Flh7-us.googleusercontent.com%2Fdocs%2FAHkbwyKr6RMDQVeYJlmuH-lTeB1dXiMeIUZY86m-2BH_WrQLiBiRTbCxIUQcwOV1KjgwDJlb5tAfpRZhH0UFjP4nxjyMpa5OExQoxYmooPcuXLJl-xgXv4yM%3Dw1200-h630-p)
6 ways messaging supercharges mid-market financial services Fast, easy, personalized, and engaging experiences are the name of the game in financial services. It’s not just competitors you’re up against but also experience… August 26, 2024 • 4 minute read
Java InfoQ トレンド報告 — 2020年9月
Moore 氏がアーリーマーケットと呼んでいたものに合うアイデアを見極めるようにしている。ここでは、「顧客ベースは、技術愛好家や先見の明のある人たちで構成されており、機会や迫り来る問題のいずれかを先取りしようとしています。」 私たちが観測可能な主要な市場はアイデアだ。それは幅広い主流の採用へ超える可能性がある。もちろん、これは定義するのが難しいことである。そして、地域市場の違いは確かに存在する。ある技術は、ある産業や地域の市場では採用曲線上の一点に置かれ、別の市場では全く異なるどこかに置かれることがある。 例えば、サーバーレスや FaaS 技術を積極的に推進している企業は、Java スタティック・コンパイルやプロセスの起動時間とフットプリントの短縮を約束するその他の技術の調査と採用をさらに進めている可能性がある。 昨年からの注目すべき変化としては、オラクルの Java バイナリの使用が激減
チャーンレートは、ユーザーの解約率・離脱率を意味する指標です。サブスクリプションモデルでは、ビジネスの成長を測る指標として重要視されています。
Spring BootによるAPIバックエンド構築実践ガイド 第2版 何千人もの開発者が、InfoQのミニブック「Practical Guide to Building an API Back End with Spring Boot」から、Spring Bootを使ったREST API構築の基礎を学んだ。この本では、出版時に新しくリリースされたバージョンである Spring Boot 2 を使用している。しかし、Spring Boot3が最近リリースされ、重要な変...
Google Analytics Standard版のトラッキングデータをBigQueryにためてLookerで分析をしたい 01 - Qiita
Google Analytics Standard版のトラッキングデータをBigQueryにためてLookerで分析をしたい 01GoogleAnalyticsBigQueryLooker 背景や課題感 Google Analytics Standard版（以下GA）を使っているので、BigQueryにデータ連携ができない。（こちらを参照） だが、GAのデータをBigQueryにためて、Lookerでビジュアライズしたい。 ゆくゆくは、トラッキングデータのorder_idを受注データベースのorder_idと紐づけて、より細かな分析を行なっていきたい。 この記事の想定対象者 技術よりのビジネスサイドの方。 分析基盤を構築したいと考えているが、どういう構成したらいいのかお悩みの方。 Google Cloud Platform（以下GCP）を利用して、手軽に始めたいとお考えの方。 または、それ
Solutions All end-to-end solutions Opinionated solutions that help you get there easier and faster
TechRepublic: News, Tips & Advice for Technology Professionals
This bundle gives you lifetime access to 2019 versions of Excel, Word, Outlook, PowerPoint, Access, Publisher and One Note with no subscription or license fees.
だいぶ前になりますが、Javaコミュ＠福岡 勉強会1910で「Micrometer入門」というタイトルで発表してきました。 僕の発表資料はこちらです。 発表で使ったサンプルアプリはここに置きました。 https://github.com/matsumana/micrometer-example Micrometerとは？ Javaでメトリクスを取るためのライブラリです。 現在、世の中には沢山のモニタリングサービス/ツールが存在しますが、アプリケーション側で依存ライブラリを切り替えるだけで様々なモニタリングサービス/ツールに対応する事が出来ます。 Micrometerのオフィシャルサイトで述べられているように、JavaのロギングライブラリのSLF4Jのようなイメージです。 Spring Boot Actuatorでもだいぶ前から採用されているので、既にお馴染みという感じがありますね。 Off
SRE NEXT 2022 https://sre-next.dev/2022/schedule/#jp47
1. はじめに 私達の世界にはクソコードという言葉があり、品質の低いコードを貶めるワードとして日々親しまれています。しかし、私達は一体どのようにクソコードを見分けているのでしょうか。その一つの指標として、ソフトウェアメトリックと呼ばれるコードの品質を測る方法論があります。 クソコードの定義は人により様々ですが、ここでは「複雑性の高いコード」と定義します。最も美しいコードはゼロ行のコードという極論が示唆するように、コードは可能な限り簡潔であるべきです。その理由として、コードの複雑性は可読性を下げ、再利用性を下げ、凝集度を下げ、拡張性を下げ、バグの温床になることが挙げられます。 本記事ではソフトウェアメトリックについて概説した後、その中でも汎用的なABC Metricという手法を実例を交えて紹介し、どのようにクソコードとの戦いに活かすか検討します。 2. ソフトウェアメトリックとは何か 広義の
![[ABC Metric] ソフトウェアメトリックを導入してクソコードを滅ぼす - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/ddb69384ab008633f1b92a3d76d28724f4f6baec/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-412672c5f0600ab9a64263b751f1bc81.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-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%26mark-x%3D142%26mark-y%3D57%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZoPTc2Jnc9NzcwJnR4dD0lNDBha2kyMDImdHh0LWNvbG9yPSUyMzFFMjEyMSZ0eHQtZm9udD1IaXJhZ2lubyUyMFNhbnMlMjBXNiZ0eHQtc2l6ZT0zNiZ0eHQtYWxpZ249bGVmdCUyQ3RvcCZzPThkZjEwNzI0NzM2NjIzZDk3M2E3ZjIzNGNmZmNjNjEy%26blend-x%3D142%26blend-y%3D486%26blend-mode%3Dnormal%26s%3D39ca9d5e88bb5275a899ac212d38065d)
本記事は PostgreSQL Advent Calendar 2019 の1日目の記事です。初日から遅れ気味ですすみません。。 久しぶりの記事ですが、最近はPostgreSQLをゴリゴリと触る感じでもなくなってきているため、本記事もゆるめの感じでお送りしたいと思います。 ■PostgreSQLの「パフォーマンス分析」とは PostgreSQLのパフォーマンス分析は、ざっくり言って、以下のようなステップで進められます。（PostgreSQLには限らないと思いますが） パフォーマンスの状況から、課題について仮説を設定する。 パフォーマンスに関連する何の情報を収集するかを決める。 情報を収集する。 収集した情報を加工し、分析しやすい形式に整える。 分析し、仮説を検証、ないしは何かを発見する。 より深堀り、確証を高めるために、再度情報集をしたり、データを加工、分析したりする。 何か対策を打って、
日本人が知らない中国オープンソース最前線 ―「嫌儲」「原理主義」のないOSS文化を読み解く 第7回「いいOSS」とは何なのか？ ～OSSプロジェクトの健全さを測るCHAOSSプロジェクト 中国では、2014年末ごろからテックスタートアップブームが起こり、その後2021年頃からOSSムーブメントが活性化し始めました。アメリカではOSSムーブメントのほうが先にあり、OSSによって優れたWebアプリを中核にしたスタートアップViaWebの起業とEXITに成功したポール・グレアムとロバート・ノイスがその後スタートアップ・アクセラレータであるYCombinatorを創業してスタートアップブームを起こしましたが、順番としては逆です。 そのためか、中国ではOSSプロジェクトそれぞれに対しても、スタートアップ企業を見るような視点で検証されることが多いです。 OSSプロジェクトの健康度合いを測るCHAOSS
分散システムにおける適度な結合とは - Viadik Khononov氏のDDD Europeでの講演より を読んで、ソースコードの結合度を測るコナーセンスという概念を初めて知った。コナーセンスは日本語で検索しても情報がほとんどない。そこでコナーセンスの理解を深めるために英語サイト connascence.io を翻訳した。 翻訳サイトはこちら。元サイトが work in progress なのでコンテンツの分量は少ない。 コナーセンス(翻訳) この記事では上の翻訳サイトと Connascence - Wikipedia をもとにコナーセンスの概要を説明する。 コナーセンスとは コナーセンスはソフトウェアの品質を測る結合度のメトリクスであり、Meilir Page-Jones により提唱された。初めて本格的に解説されたのは 1996 年の著作『What every programmer s
SREのためのMetrics-driven transformation(MDT) その1 - 赤帽エンジニアブログ
みなさんこんにちは、レッドハットでソリューションアーキテクトをしている暮林といいます。 SREのためのMetrics-driven transformation(MDT) というタイトルで数回の連載をしたいと思います。 Metrics-driven transformationとは？ Pelorusとは Pelorusのアーキテクチャー Pelorusのインストール 次回予告 Metrics-driven transformationとは？ 聞き慣れない方が多いかと思いますがこちらに英語の短いビデオがあって説明されています。 www.redhat.com このビデオでは、Digital TransformationのためにDevOpsをするぞ！となっても、いざやってみると何をどうかえていけばわからないという問題に直面するよね、ということを述べた後に、では組織として計測するべきKPIは何でし
概要 個人プロジェクトで使う時系列データベースを自作してみた話です。 時系列データをオリジナルのクエリを使用して取得できます。 いろいろ足りていないけれどもとりあえず最低限動いており、個人的にはまあまあ使えそうかな、という段階です。 最初データベースを作るにあたって、まずDatabase internalを読んで基礎知識を貯めてから取りかかろうかと思いましたが、多分読み終わるとそれで満足してしまって実装する気にならなくなりそうだったので結局大した事前知識なしで設計に着手することにしました。 ですので記事中の名称や用語などは慣用的ではないと思われます。 モチベーション もう去年の話ですが、個人でgo言語で作っていた仮想通貨分析システムをRustでリプレイスすることにしました。 分析にあたっては何はともあれデータのETLを行わなければいけません。分析対象の仮想通貨取引所データはほとんどが時系列
タイトルは釣りです。 スクリプトを書けば、prometheus が読み取れる exporter がすぐに作れるミドルウェアを作りました。 モチベーション 最近いくつか exporter を作ることがあったのですが、 以下の課題に困っていました。 exporter それぞれで作り込みするのがめんどくさい web server や prometheus metrics 記法(正式名称なんだろう)へのパースなど ライブラリが充実した言語や、書き慣れた言語でロジックを書きたい shell exec などしたくない なので、メトリクス収集ロジック以外を実装したミドルウェアを作ろうと思いました。 成果物 成果物はこちらになります。 https://github.com/takutakahashi/any-exporter 以下の機能を実装しています。 yaml による configuration 任意
Project announcement by OpenTelemetry maintainers In 2023, OpenTelemetry announced that it achieved stability for logs, metrics, and traces. While this was our initial goal at the formation of the project, fulfilling our vision of enabling built-in observability for cloud native applications requires us to continue evolving with the community. This year, we’re proud to announce that exactly two ye
Prometheusが利用するOpenMetricsの仕様がIETFに提出された - ASnoKaze blog
OpenMetricsという提案仕様が、11月25日にIETFに提出されました。仕様は「OpenMetrics, a cloud-native, highly scalable metrics protocol」こちらから閲覧できます。 これはIETFでの標準化の一歩目であり最終的にRFCとなるかはまだまだわかりません。 ただ標準化の観点で興味深いと思っています。ですので今回は、仕様の中身には触れずラフに書いていこうかと思います。 はじめに 自分自身は、監視やモニタリングについて専門ではないものの、多くのインフラ/クラウド環境のモニタリングでPrometheusが使用されているのは知っています。 そのPrometheusが使っている、メトリクス収集のプロトコル/フォーマットであるOpenMetricsがIETFに持ち込まれたという点は、標準化側の視点で興味深く見ております。 もちろん、SP
退屈な監視はPrometheusにやらせよう――アプリケーションエンジニアのためのcustom metrics入門 - LIFULL Creators Blog
エンジニアの島です。AI戦略室でバックエンドシステムの開発をしています。 本記事ではPrometheusを利用して、独自のメトリクスを計測することで監視を効率よく行えることを紹介します。 背景 チームで作っているもの 社内共通基盤の活用 効果的な監視で得られるもの 問題の予兆に気付けるようになる 問題の原因特定につながる 時系列での傾向を把握できる Prometheusとは 思想 メトリクスの公開 custom metricsを追加しよう Prometheusで監視しよう custom metricsで計測すると嬉しいもの 外部IOに関して 内部状態に関して 外部起因ではないアプリケーションのエラーの数 有効データのうち、モデルが値を返せている割合 機械学習モデルのスコア(histogramを利用) そのほか 終わりに 最後に宣伝 背景 チームで作っているもの LIFULLのAIチームでは
LinearB – a representative vendor in the Gartner® Market Guide for Software Engineering Intelligence Platforms
Metric-Driven Decision Making with Custom Prometheus Exporter
Cloud Native Days Spring 2021 Online https://event.cloudnativedays.jp/cndo2021/talks/681
はじめに 現職では Application は すべて Kubernetes 上で動いている。その場合、インターネットからの通信経路は以下のようになる。 Internet -> Reverse Proxy(Nginx) -> Service Router(Nginx) -> Kubernetes Service -> Pod で、後半の Service Router から先が Kubernetes Cluster となっている。Type: LoadBalancer で 受けたあと、forwarding して service-router と呼んでいる Nginx に飛ばしている。 現状、一部で Microservices が動いていたり、Distributed Monolith を Microservices に切ろうとしていたりするが、Service Router 以降の、Pod（App
はじめようビルドメトリクス | ドクセル
今日の内容 ● ● 前提の共有 1回のビルドの話 ○ ○ ● 1日のビルドの話 ○ ○ ○ ● ビルド時になにが起きているかを見る方法 さまざまな条件下のビルド結果を確認する方法 1日分を知ろうとするとどうなるか？ 実際の計測方法 結果のイメージ まとめ 3
Envoy x Prometheus x Grafana x Jaeger に入門する「Implementing Metrics and Tracing Capabilities」を試した - kakakakakku blog
今回は「Try Envoy」の「Implementing Metrics and Tracing Capabilities」を紹介する．Envoy を実戦投入するときには「モニタリング」や「トレーシング」など，関連する技術トピックも把握しておく必要があると思う．今回の「Implementing Metrics and Tracing Capabilities」では「Envoy x Prometheus x Grafana x Jaeger」をまとめて試せる「お得すぎる！」コンテンツになっている． Implementing Metrics and Tracing Capabilities 手順は以下の「計7種類」ある． Step.1 「Start Envoy」 Step.2 「Adding Metrics」 Step.3 「Adding Tracing」 Step.4 「Generating
各クエリに対しそれぞれ上位 k 個の予測を出すようなシステムを評価する指標をまとめます。 Recall@k 各クエリに対して、上位 k 個の予測に含まれる正解数が、総正解数のうちどの程度の割合含まれているかを計算します。そして最後にクエリ全体で平均を取ります。 MRR (Mean Reciprocal Rank) 各クエリ i の予測を上から見たときに最初に正解が出てきた時の順位を rank_i とします。それに対して、以下のような式を計算します。 MRR = \dfrac{1}{|Q|} \sum_{i=1}^{|Q|} \dfrac{1}{rank_i} なお、予測に正解が一つも含まれない場合は \dfrac{1}{rank_i} = 0 とします。 MAP (Mean Average Precision) まず、Average Precision について説明します。これは y_j
Prometheus Fork: Cloud Scale Log Anomaly Detection for DevOps | Zebrium
We're thrilled to announce that Zebrium has been acquired by ScienceLogic! Learn More Introduction At Zebrium, we provide an Autonomous Monitoring service that automatically detects anomalies within logs and metrics. We started by correlating anomalies across log streams to automatically raise incidents that require our user's attention. Now, we have taken the step to augment our incident detectio
When you put workloads on Kubernetes, most of your debugging and hunting for errors can quickly escalate into a murder mystery. Not much to a surprise, this was also the case for parts of our Prometheus stack. A few words on Prometheus: Once you start out using Prometheus, it might be a bit cumbersome and high initial investment, but as soon as you gather the data, you will be able to do a lot of
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
![[要移行] AWS WAF Classic (v1)が2025年9月30日で終了します | DevelopersIO](https://cdn-ak-scissors.b.st-hatena.com/image/square/570e54f44a88ba2e7a9ac285e2f858d45eda2731/height=288;version=1;width=512/https%3A%2F%2Fimages.ctfassets.net%2Fct0aopd36mqt%2Fwp-thumbnail-8cc2be5d32f2b7e78f85a99d463f3690%2F6213c0b16f198b77794266f22dc8eb5c%2Faws-waf)
XP創始者、Ron Jeffries氏による「ストーリーポイントの再考」｜Shun Kimura
プロジェクトの生産性と着地点を測るには | タイム・コンサルタントの日誌から
コードメトリクスを計測・可視化する - Pepabo Tech Portal
レスポンスタイムの平均 - happy_siro's blog
[shared] 20220515 SLO決定のためのThe Art of SLOs
Information Technology Archives
チャーンレートとは？意味・重要視すべき理由や8つの改善方法を解説
DevOpsの4つのキーメトリクスの計測から学んだこと - 改善すべき領域の特定
Grafana Mimir OSS | Prometheus long-term storage
Javaコミュ＠福岡 勉強会1910で「Micrometer入門」というタイトルで発表してきた #javaq
よりUXに近いSLI・SLOの運用による可用性の再設計
[ABC Metric] ソフトウェアメトリックを導入してクソコードを滅ぼす - Qiita
Jupyter+Pandasを使ったPostgreSQLパフォーマンス分析
第7回 「いいOSS」とは何なのか？ ～OSSプロジェクトの健全さを測るCHAOSSプロジェクト | gihyo.jp
結合度の尺度「コナーセンス」とは何か - Qiita
Monarch: Google’s Planet-Scale In-Memory Time Series Database
思いつきで作る時系列データベース (in Rust) (ファイル設計編)
この世の全てを metrics 化できる any-exporter を作った
Amazon.co.jp: アジャイルメトリクス: Christopher W.H. Davis (著), 株式会社Sider (翻訳), 浅原明広 (翻訳), 尾原秀登 (翻訳), 末次健太郎 (翻訳), 角幸一郎 (翻訳), 中川岳 (翻訳): 本
OpenTelemetry announces support for profiling
LinearB: Software Delivery Management
Service 間通信を Envoy 経由で行い、Metrics を取得する - ツナワタリマイライフ
レコメンド指標の整理: Recall@k・MRR・MAP・nDCG
https://www.sonarsource.com/docs/CognitiveComplexity.pdf
Debugging Prometheus Memory Usage – blog.dasrecht.net
yonayonafreedom.net
note.com/marinaaara
kyouka1.nm.bex.jp
www.huffingtonpost.jp
giga-kutyo.amebaownd.com
chiho.vp.bex.jp