紹介するプラグインについて この投稿で紹介するプラグインは何かのツール、言語、フレームワーク、サービスなどとintegrateする類のものは含まず、それ単体で便利に感じられるであろうプラグインに絞って紹介している。 （アルファベット順） A prevent pinned tabs from closing plugin - by momomo.com 固定したタブを閉じられなくするプラグイン。いらないタブを複数閉じようとすると間違って開いておきたいタブまで閉じてしまうことがある。それを防ぐことができるようになる。 AceJump 見えている範囲でカーソルを移動させたい場所にサッと移動させられるようにするプラグイン。慣れるとめちゃくちゃ速い。設定したショートカットで機能を起動すると1文字入力を求められ、入力するとその文字がある場所に飛ぶためのショートカットが画面に表れる（画像参照、これはst

Elasticsearch導入前に気を付けておきたいこと はじめに Elasticsearchを仕事で使うことになったので導入前に考えるであろうことを調査・検証し、まとめてみました。 記載されている内容はほぼ公式ドキュメントから引っ張ってきています。それぞれの章にリンクを付けてありますので、記載されていること以外に気になる部分があればそちらを参照されるとよいと思います。 インストールについて ここで設定している内容はすべてansibleのスクリプトに落としてあります。 5分あればcurl,javaのインストール、Elasticsearchのインストール・初期設定、プラグインのインストールが終わるはずです。 https://github.com/uzresk/ansible-elasticsearch2 環境 CentOS6.7 Java1.8.0_45 Elasticsearch 2.1.

目標 全く更地の状態、しかもfluentdもESもなんとなくしかわかってない状態から、どうにかKibanaでリソース監視Dashboardを作るまでこぎつける。 同じことをやっている記事はいっぱいあるので、fluentdとESをよくわかってない状態で始めようとして躓いたポイントを中心に手続き的に。 太字になってるところがわかりづらい点・注意を要する点・推奨する内容。 参考 公式: Fluent: http://docs.fluentd.org/articles/config-file ES: https://www.elastic.co/guide/en/elasticsearch/reference/current/index.html http://blog.nomadscafe.jp/2014/03/dstat-fluentd-elasticsearch-kibana.html ht

これは Elasticsearch Advent Calendar 2015 8日目の記事です。 ログの可視化ツールとしてKibanaを使っている中で、Elasticsearch運用として色々と得られた知見を書きたいと思います。 Elasticsearchは、ライトな環境だったら特にチューニングなく安定してますがある程度ドキュメント数が積まれてくると、色々苦労があるなという印象です。 ここに書かれているのは、事情がありシングル構成で頑張った話なので、クラスタ組んでスケールするとこんな悩みはないのかもです。 でも、ログは運用系に入るのでそんなにコストかけれるとこはないのではという個人的な所感。 #####ラインナップとしては、下記のような感じです。 Kibana経由で重たいクエリが投げられると負荷高すぎて泣いた話 高負荷対策として、fielddata_cacheをディスクに逃がす方法 flu

このような対話を通じて、レストランの検索に必要な情報をユーザから取得し、レストラン検索を行います。 今回、レストラン検索にはHotPepperグルメサーチAPIを利用させていただきました。ありがとうございます。 システムアーキテクチャ 対話システムは複数のモジュールから構成されています。今回は、各モジュールは独立に動作させず、前段階のモジュールの処理が終わった段階で駆動されるようにしています。 最終的なシステムアーキテクチャは以下の図のようになりました。 今回のアーキテクチャに沿って処理の流れを説明すると以下のようになります。 ユーザがテキストを入力すると、入力したテキストは言語理解部に入力されます。 言語理解部では入力されたテキストを解析して、対話行為と呼ばれる抽象的な意味表現に変換します。 言語理解部から出力された対話行為は、対話管理部に入力されます。対話管理部では入力された対話行為を

概要 社内の備品（主にスマホやパソコンなどの端末）をアプリで**「ピッ」**とスキャンするだけで、簡単に貸出/返却処理ができるTSUTAYAのレジ風システムを作りました。 その名も「ネコレジ」 OSSなテスト支援ツール**「Chibineko」**に続く、ねこシリーズ第2弾です。 ネコレジのシステム構成 備品を識別する仕組み 備品の識別にはQRコードを使用します。 各備品にはそれぞれ一意のIDを埋め込んだQRコードを貼り、リーダー側（クライアントアプリ）で識別できるようにします。 QRコードの印刷にはテプラPRO SR5900Pを使用。 このテプラはLAN接続対応なので、iPhoneからも直接印刷ができるスグレモノです。 ちなみにうちの部署にはスマホやガラケーなどが1,000台以上ありますが、気合いですべてに貼りました。 会員カード（通称ネコカ） ユーザーの識別も同様にQRコードで行います

また、音声出力は USB スピーカーではなく小型のスピーカーユニット（モノラル）にして物理的にコンパクトにすることで、Raspberry Pi をラジコン化した際などに組み込みやすくしたつもり。 環境 Raspberry Pi 2 Model B OS: Raspbian Jesse Lite Raspberry Pi 2 の環境導入については下記記事を参照。 Raspberry Pi2 -電源と LAN だけ繋いで Raspbian Jessie Lite に ssh 接続するまで- - Qiita アンプ基板とスピーカーユニットを接続する 音を出せないと始まらないので、D 級アンプ基板とスピーカーユニットを用意した。モノラルで十分な音量が出れば良いという前提で、自分が使用したものは以下の通り。(部品の組合せの良し悪しは正直分かってないが…) PAM8012 使用 2 ワット D 級アン

機械学習を行うために、画像から特定の物体(領域)だけ切り出して認識したり学習データを作りたい、ということがよくあると思います。 本稿では非常に多くの機能を持つOpenCVの中から、そうした機械学習のために利用する機能にフォーカスしてその利用方法を紹介していきたいと思います。具体的には、下記のモジュールを中心に扱います。 CVPR 2015 Tutorials 基本的な切り出しの手順は以下のようになります。以下では、このプロセスに則り解説を行っていこうと思います。 前処理: 物体検出が行いやすいように、画像の前処理を行います 物体検出: 物体の検出を行い、画像から切り出します 輪郭検出: 画像上の領域(輪郭)を認識することで、物体を検出します 物体認識: OpenCVの学習済みモデルを利用して対象の物体を認識し、検出を行います 機械学習の準備: 切り出した画像を用い、予測や学習を行うための準

概要 RaspberryPi に I2C 経由で繋いだ LCD を Python から操作する． 今回は，HD44780 に SpikenzieLabs の MPTH を付けた LCD を使用する． 準備 RaspberryPi 側で I2C を利用する準備が必要． 先ずは，/etc/modules に次の2行を追加する．

こんばんは、オークファンの @dz_ こと大平かづみです。 Prologue - はじめに 幸運にも在庫復活のタイミングにめぐり合わせたので、 Raspberry Pi Zero を手に入れました！ より便利に使うために、Raspberry Pi をリモートから開発できる Adafruit WebIDE を試すことにしました。インストールとセットアップの手順を、備忘録として書き留めておきます。 ちなみに、Pi Zero がほしい方は、 Where is My Pi Zero? というサイトで、複数のオンラインショップの在庫状況を確認することができます。GOOD LUCK! :) Adafruit WebIDE とは さて、 Adafruit WebIDE とは、ほかの端末からウェブブラウザでアクセスして開発できる Raspberry Pi の IDE （統合開発環境）です。 Raspber

WebRTCは変化が速いのできちんとキャッチアップしているPeerJSとEasyRTCがよさそうです。 ただし、EasyRTCはなぜかサンプルのビデオチャットが真っ黒になってうまく動きませんでした。原因は調べていません。 ICEサーバー 上記のOSSにはICEサーバーは含まれておらず、だいたいstun.l.google.com:19302というGoogleのSTUNサーバーをデフォルトで指定しています。 本番で動かすにはICEサーバーも自前で立てるのが望ましいです。 ICEサーバーは元々いろいろなOSSがあります。 表にまとめるのは力尽きたので、リストで。一番上のがいいんじゃないかなってなんとなく思っています。 rfc5766-turn-server - High-performance free open source TURN and STUN Server implementatio

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? この記事はGoCon 2016 springで話す内容を圧縮するためのものです。 WebサービスのAPI仕様を記述したりするためのそれなりに有名な仕様について、筆者(@vvakame)の私見を述べていく。 なお、Google Trendの結果を見ると…。 仕様を調べてSwaggerを選択する事にしたのは1年弱程度前のはずなので、もし "今はそれもうできるよ！" とかあったらコメントなどで教えてください。 RAML RESTful API Modeling Language なので、手書きを前提にしている。 YAMLで頑張って仕様を書く。

#MarkDownDiagram Markdown風のテキストで、ER図やブロックダイアグラムのようなチャートを描けるツールです。 こちらにインスパイアされて、もうちょっと汎用的にダイアグラムを描けるツールを作りました。 もう保守されない画面遷移図は嫌なので、UI Flow図を簡単にマークダウンぽく書くエディタ作った 特徴としては Webブラウザのみでローカルで動作 配置はマウスでドラッグして編集できる CSSで色や装飾を制御可能 といったあたりです。 githubからclone/ダウンロードして使えます。 オンラインで試すのはこちらでどうぞ。 ローカルでブラウザのみで動作します。index.htmlをブラウザで開いてください。 Chrome推奨ですが、Safari,Firefoxでも動作します。タッチIFは未対応。 ##機能 テキストでブロックを記述し、ブロック間を線で繋ぐ描画 ブロック

IBM API Connectとは 一言で表すと，企業内で保持するビジネスアセットをAPIとして公開するためのソリューションである。 IBMは，2015年にStrongLoop社を買収を発表し，2016年2月には買収を完了 3月末には，IBM API ManagementとStrongLoop(ゲートウェイやLoopBackなど)と統合し，IBM API Connectというソリューションとなる StrongLoop機能の追加によって，「APIを管理する，保護する」に加えて，「APIを作る」部分も兼ね備えるようになった API公開のメリットや，そのためにクリアすべき前提条件については，他の方の投稿に頼らせて頂くことにし，本稿では「APIを作る」ことにフォーカスした超入門を紹介する。 API Connectでやれること (ざっくり抜粋) APIを作る loopbackフレームワークを使ったR

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 2016/09/03更新 以下の資料は、StrongLoopがIBMに買収される前のものであるため、 記述が古くなっている可能性が高いです。 IBMはLoopback資産を利用した「API Connect」というツールを提供しており、 ドキュメントはそちらを参照したほうがいいように思われます。 API Connectについては、以下の記事が参考になると思います。 LoopBackとは 実態はExpressと、Webアプリ作るときに便利なコンポーネントをくっつけたものであり、それぞれのコンポーネントは単体でも使えたりする。 Express

そしてハマってるよ いかメモ server : Amazon EC2 2台 ES:1.4.2 → 2.0.0 KB:4.1.2 → 4.2.0 + elastic/sense 解決したこと ES:bin/pluginのオプションが変わった-iなどがなくなりinstallじゃないとダメ （記憶があいまいだけど）以前はbin/plugin -r mobz/elasticsearch-headでpluginをRemoveしていたと思うが、bin/plugin remove mobz/elasticsearch-headはダメで、bin/plugin remove headが正解。 bin/plugin install elasticsearch/elasticsearch-cloud-aws/hogehogeではなくbin/plugin install cloud-aws HQプラグインがうんと

概要 fluentdでログ転送＆収集を行い、 Elasticsearchでデータを保存し、 kibanaでデータの可視化を行う。 サーバー構成 APIサーバー（複数台） 【nginx】→【fluentd】→ログ収集サーバーへ転送 ログ集約サーバー（兼 解析サーバー） APIサーバーから転送→【fluentd】→【Elasticsearch】⇔【kibana】 サーバー設定 APIサーバー nginx nginxはインストール済みとする。 nginxのアクセスログをltsvフォーマットにする log_format ltsv 'time:$time_iso8601\t' 'remote_addr:$remote_addr\t' 'request:$request\t' 'request_method:$request_method\t' 'request_length:$request_len

#概要 以下を使って、データの内容によってファイル名、パスを動的に変えて出力するメモ rewrite_tag_filter file_alternative こんなかんじ↓ 試しにやってみよう 1. 「tag」と呼ばれる情報でデータを管理する ※tagを付けるってことは、レコードごとにラベル付ける感じです <source> //データを格納するファイル名を指定 @type tail path /var/tmp/data.csv //読み込んだ位置を記録するファイルを指定する。（  fluentd daemon を再起動したい場合などの場面でその続きから再開して読み込んでくれる） pos_file /var/tmp/data.log.event.pos //各レコードに対してタグを指定する tag foo.id //出力するデータのフォーマットを作る format /^(?<fooid>[^

基本的な機能はみんなほぼ同じ。 GitHubのissueをかんばんボードとして表示してくれるサービス。 ZenHub.io 特徴 GitHubサイトに拡張機能として埋め込まれるのでGitHubとの統一感がある FileUpload機能を強化してくれる +1ボタンが設置可能になる 価格 個人／非商用／OSSは無料 Organizations単位での課金 1-5users : $25/month 6+users : $5/user/month 26+users : $3.75/user/month Codetree 特徴 この中で一番後発のサービス 複数リポジトリのissueをまとめて表示できる 専用のシンプルなビュー OrganizationsやProjectは独自に作成して、GitHubのリポジトリを紐付けるような使い方 価格 3users, 15projects : $24/month

Qiita:Teamでは、契約に対しての人数の制限があるので社内でも他の部門等へ見せたい場合などに少し手間がかかります。Qiita:Teamの機能でデータのExportができますのでその内容(json)を変換したいと思いググってみるとありました。 http://blog.kyanny.me/entry/2015/07/30/020046 すこし古い様でQiitaのフォーマットが変わっておりそのままでは動作しなかったので一部修正しました。以下のファイルを Rakefileとして保管する。あとはrakeコマンドで実行する。もしかするとライブラリとか足りないかもしれないのでその時には gem install jsonなどとして導入する。 変更点 require 'json' require 'yaml' require 'nokogiri' require 'uri' require 'fara