SlideShare a Scribd company logo
継続的データ解析環境の構築

  株式会社adingo エンジニア
      鈴木健太
Meta Information
• 2006.4 – 2012.3
  – Keio University
     • Artificial Intelligence, Semantic Web, Ontology Engineering
• 2011.2 – 2012.3
  – CTO at Trippiece, Inc.
     • Software Engineering
• 2012.4 –
  – Engineer at adingo, Inc.
     • Data Analysis, Operation Engineering


                                                           twitter: @suzu_v
                                                http://blog.kentasuzuki.net
継続的なデータ解析の話をします。
今はこんな業務をしています。




Web広告の技術をCRMに取り入れ、各クラ
イアント様のデータを収集・分析した上で
効果や現状を分かりやすく示し、LTVの引き
上げを行うツールです。
                  http://cosmi.io
基本的な解析のやり方として
• 定点観測
 – 年、月、週、日、時間、分、秒
 – 毎日見ているから気がつくことがある
• アドホック
 – 何か仮説がある場合に、深掘りしていく。
検討


計測        仮説


     実装
解析をする上での
悩みがあります。




       http://www.flickr.com/photos/darwinbell/5827849044/sizes/o/in/photostream/
それは考える時間が減っていく事です。
検討


計測        仮説


     実装
ある日急に、

「ごめん、明日までにAサイトのB商品
 の購買動向について詳細教えてくれ
る?30代男性のあるクラスタに属性し
ているユーザが大量に購入しているみ
     たいなんだよね。」

   という依頼が来る。
Audience Data
       +
Data of Service



      http://www.flickr.com/photos/chef_ele/3791289276/sizes/l/in/photostream/
枠から
人へ         性別
                 年齢

                                 居住




                ?
                                              職業

      興味

                                   趣向



                http://www.flickr.com/photos/catikaoe/232832224/sizes/o/in/photostream/
LOG


     impression
        click
     conversion


ログにはいくつかの種類があります。
  フォーマットが違います。
毎秒                               様々なスパンでログと向き合います。

毎分
毎時
                                                                       months
毎日                                                                      weeks
毎週                                                                       days
毎月                                                                      hours
                                                                      minutes
http://www.flickr.com/photos/gadl/284995199/sizes/o/in/photostream/
                                                                      seconds
Log: X0GB / day

コンスタントにログが増えていきます。
ログの向こう側を見る




    http://www.flickr.com/photos/eole/1394588888/sizes/o/in/photostream/
環境の変化に対応しよう。
より柔軟に解析できる環境を作ろう。
検討


計測        仮説


     実装
Infrastructure of cosmi
大まかな要件
• スケールが容易なログコレクタ
• どんなスキーマが来ても分析容易性を確
  保
• 安定したオーディエンスデータの提供
Adnetworks
                                                                  media
           Web Sites
                                                                   SSP
                                                                   DSP


                       行動ログ



                         Amazon Elastic
                         Load Balancing



行動ログコレクタ(Web)                                  オーディエンスデータ
                                                  Web API



                   …                                                     …
    EC2     EC2                EC2                    EC2       EC2                 EC2
          Auto scaling Group                                  Auto scaling Group




            Amazon Simple            Amazon Elastic
                                                            オーディエンスデータDB
            Storage Service           MapReduce
                                                               (MongoDB)
                 (S3)                ログ解析バッチ


                                                            http://aws.amazon.com/jp/solutions/case-studies/adingo/
AWSを採用した理由(解析視点)
安定したストレージ
S3 -> Elastic MapReduce連携が便利
分析するデータ量が増えてもスケールが
 容易
実際のログ解析
ログ解析にはApache Hiveを
   採用しました。
検討


計測        仮説


     実装
-- EX.) schema of access log
CREATE EXTERNAL TABLE access_log (
   stamp bigint,
   ipaddress string,
   request_status string,
   latency string,
   user_agent string,
   referer string,
   response_out_byte int,
   input_byte int,
   connection string,
   status string
)
PARTITIONED BY (dt string)
STORED AS SEQUENCEFILE
LOCATION 's3n://sample-bucket/access_log/';



 ひと目でスキーマがわかります。
-- defining table for output daily referer count by pages.
CREATE EXTERNAL TABLE daily_referer_count (
    referer string,
    referer_count int
)
ROW FORMAT DELIMITED FIELDS TERMINATED BY 't'
STORED AS TEXTFILE
LOCATION 's3n://sample-
bucket/reports/${EVENTDATE}/daily_referer_count_rankin
g’;


例えばアクセスログからリファラを分析する際には
上のようなテーブルを作り、
集計します。
この場合だと、結果はS3に格納されます。

-- aggregation daily count of each referer.
INSERT OVERWRITE TABLE daily_referer_count
SELECT referer, count(*) AS referer_count FROM
access_log WHERE dt="${EVENTDATE}"
GROUP BY referer
DISTRIBUTE BY referer SORT BY referer_count DESC,
referer ASC
LIMIT 100;
 導入の敷居低い



 何をしているのか一目で分かる
これで手軽にデータについて調べることが
       できます。
あとはこれを継続して回すことが大事です。
検討


計測        仮説


     実装
解析を継続するために必要なこと



 解析までのリードタイムを短くする
 気軽に解析バッチを実行できるようにする
 失敗してもすぐに再実行できる
Deployment & Running Batch
       with Jenkins
解析にもJenkinsを
• Jenkinsの特徴
 – インストール、セットアップが簡単
 – ジョブ設定、通知が容易
   • 「何が起こった時に何をして何を通知するか」
 – プラグイン拡張
• Jenkinsの主な役割
 – 継続的なビルド及びテスト
 – 外部ジョブの監視

                 Welcome to Jenkins CI! | Jenkins CI http://jenkins-ci.org/
Jenkinsをフル活用しています


 ログコレクタとオーディエンスデータAPIの継続
  的デリバリ
 MapReduce用Javaプログラムのテスト・ビル
  ド・s3への配置・実行
 Hiveスクリプトのs3への配置・実行
$ vim apps/hoge/output_log_format
$ git commit –m“#123 ログスキーマを変更”
$ git push origin master




                 push



          Team
push


  Team   mirroring




githubにコードがpushされると、
ローカルのmirrorリポジトリにfetchします。

初期化時
$ git clone --mirror git@github.com:hoge/repos.git
更新時
$ git remote update
push


 Team   mirroring
                        :release
                    ビ
                    ル
                    ド
                    パ
                    イ
                    プ
                    ラ
                    イ
                    ン
                          :master




Jenkinsにはビルドパイプラインが構築してあり、
これによってジョブフローを制御しています。
また、ブランチごとにデプロイ先を変えています。
push


Team       mirroring
                           :release
                       ビ
                       ル
                       ド
                       パ
                       イ
                       プ
                       ラ
                       イ
                       ン
                                                development
                             :master

                                                 EC2




 開発環境にはmasterブランチのコードが
 自動的にデプロイされます。
 この際テストやマイグレーションなども
 同時に行われます。
       $ fab –f app_fabfile.py development deploy testing migrate
push                                   production
                                                                                                …
Team       mirroring                                                        EC2       EC2                 EC2
                           :release                                                  Auto scaling Group

                       ビ                          preview
                       ル
                       ド
                       パ
                       イ
                       プ                                                    EC2
                       ラ     AWS CloudFormation
                       イ
                       ン
                                                            development
                             :master

                                                            EC2
                                                              Servers belonged to certain data domain.




pre環境は都度CloudFormationで立ち上げます。
本番環境にはreleaseブランチのコードをデプロイします。

       $ fab –f app_fabfile.py preview deploy migrate
       $ fab –f app_fabfile.py production deploy migrate
push                                     production
                                                                                                 …
Team     mirroring                                                           EC2       EC2                 EC2
                         :release                                                     Auto scaling Group

                     ビ                             preview
                     ル
                     ド
                     パ
                     イ
                     プ                                                       EC2
                     ラ        AWS CloudFormation
                     イ
                     ン
                                                             development
                              :master

                                                             EC2
                                                               Servers belonged to certain data domain.
       .jarファイルやhiveプログラムの配置




                         S3



もし、MapReduceプログラムやHiveクエリであれば、
ビルド後の成果物をS3に自動的に配置します。
$ s3cmd put --recursive /path/to/workspace/* s3://example/hive/
push                                       production
                                                                                                   …
Team     mirroring                                                             EC2       EC2                 EC2
                           :release                                                     Auto scaling Group

                      ビ                              preview
                      ル
                      ド
                      パ
                      イ
                      プ                                                        EC2
                      ラ         AWS CloudFormation
                      イ
                      ン
                                                               development
                                :master

                                                               EC2
                                                                 Servers belonged to certain data domain.
       .jarファイルやhiveプログラムの配置


                                                そして実際にジョブを実行します。
                          S3
                                                ジョブの実行は任意のタイミング
                                                で行うことができます。
        ジョブの実行                                 $ TODAY=`date +%Y/%m/%d`
                                               $ elastic-mapreduce --create –name LogAggregation 
                                               --num-instances 10 --instance-type m1.small 
                                               --hive-script --arg s3://example/hive/query/1st_step.q 
                     Amazon Elastic
                      MapReduce
                                               --args -d,EVENTDATE=$TODAY --step-name FirstStep
                                               --hive-script --arg s3://example/hive/query/2nd_step.q 
                                               --args -d,EVENTDATE=$TODAY --step-name SecondStep
検討


計測        仮説


     実装
しかしやはり、
人間、
失敗をします。   http://www.flickr.com/photos/proimos/4199675334/sizes/o/in/photostream/
検討

!   計測        仮説


         実装
失敗したらすぐに修正したいものです。
失敗したことを、すぐに知ることが大事です。
そんなときは、
Jenkinsが教えてくれます。
./elastic-mapreduce



                                  Amazon Elastic
                                   MapReduce




MapReduceジョブの実行をまず、Jenkinsから行います。
これは定期的に実行されます。
./elastic-mapreduce



                                       Amazon Elastic
                                        MapReduce


                            Trigger
                            Parameterized
                            Build
param:job_id




       ジョブ実行後、job_idをパラメータとして渡し、
       新たなジョブを実行します。
./elastic-mapreduce



                                         Amazon Elastic
                                          MapReduce


                            Trigger
                            Parameterized
                            Build
param:job_id




                          monitoring
                          state of the job




  新しいジョブによってMapReduceジョブを監視します。
./elastic-mapreduce
                                                          FAILED.

                                         Amazon Elastic
                                          MapReduce


                            Trigger
                            Parameterized
                            Build
param:job_id




                          monitoring
                          state of the job




  仮にここで、ジョブが何らかの原因で失敗したとします。
./elastic-mapreduce
                                                        FAILED.

                                       Amazon Elastic
                                        MapReduce


                            Trigger
                            Parameterized
                            Build
param:job_id




                               Getting Log




   監視ジョブが失敗したことを検知し、
   Elastic MapReduceからapi経由でログを取得します。
./elastic-mapreduce



                                               Amazon Elastic
                                                MapReduce


                                    Trigger
                                    Parameterized
                                    Build
param:job_id




                                       Getting Log



mail, IRC, etc.
including the log.   ジョブが失敗したことを様々な方法で通知します。
                     この際にログ自体も送ります。
検討

!
計測        仮説


     実装
発表のまとめをします。
時間は限られています。
                                     しかし、
                                     調べたいことは山積み。




http://www.flickr.com/photos/bogenfreund/556656621/sizes/o/in/photostream/
1人で解析するのではなく、
周りのメンバーを巻き込みましょう。

誰もがデータについて考えられるような
環境を作りましょう。
しかしやはり、
人間、
失敗をします。   http://www.flickr.com/photos/proimos/4199675334/sizes/o/in/photostream/
なので道具を活かしましょう。
考える時間を
作りましょう。




          http://www.flickr.com/photos/darwinbell/5827849044/sizes/o/in/photostream/
データを観察し、想像しましょう。
角度を変えて、繰り返し繰り返し考えましょう。




           http://www.flickr.com/photos/srtagomez/5416367341/sizes/l/in/photostream/
検討


      計測        仮説


           実装

素早く回し、調べ、考え、またすぐに試しましょう。
継続的な解析ができる環境をつくりましょう。
解析にも
継続的デリバリを



       http://www.flickr.com/photos/columna/236353428/sizes/l/in/photostream/
参考資料
Jenkinsについて
•   Welcome to Jenkins CI! | Jenkins CI
     –   http://jenkins-ci.org/
     –   公式サイトです。
•   Parameterized Build - Jenkins - Jenkins Wiki
     –   https://wiki.jenkins-ci.org/display/JENKINS/Parameterized+Build
     –   パラメータをジョブに渡して実行する方法について書かれています。
•   Parameterized Trigger Plugin - Jenkins - Jenkins Wiki
     –   https://wiki.jenkins-ci.org/display/JENKINS/Parameterized+Trigger+Plugin
     –   パラメータをジョブからジョブに渡して実行するためのプラグインです。MapReduceジョブの監視のためにjob_idを
         渡す際にはこれを利用して監視用ジョブを立ち上げています。
•   Build Pipeline Plugin - Jenkins - Jenkins Wiki
     –   https://wiki.jenkins-ci.org/display/JENKINS/Build+Pipeline+Plugin
     –   ビルドパイプラインを構築するためのプラグインです。ジョブの一連の流れを設定するために利用しています。基本
         的にデプロイやMapReduceに関するジョブについてはgit commitを起点としたパイプラインに配置するようにしてい
         ます。
•   IRC Plugin - Jenkins - Jenkins Wiki
     –   https://wiki.jenkins-ci.org/display/JENKINS/IRC+Plugin
     –   IRCによる通知のためのプラグインです。
•   Email-ext plugin - Jenkins - Jenkins Wiki
     –   https://wiki.jenkins-ci.org/display/JENKINS/Email-ext+plugin
     –   Jenkinsによるメール通知の機能を拡張するプラグインです。
•   O'Reilly Japan - Jenkins
     –   http://www.oreilly.co.jp/books/9784873115344/
     –   オライリー・ジャパンから出版されているJenkins本です。Parameterized Triggerの設定の際に参考にしました。
Elastic MapReduceについて
• Amazon Elastic MapReduce Ruby Client : Developer Tools :
  Amazon Web Services
   – http://aws.amazon.com/developertools/2264
   – 全てのジョブのコントロールはコマンドラインツールを利用していま
     す。Jenkinsからのディスパッチについてもこれを利用しています。
• Running Hive on Amazon Elastic MapReduce : Articles & Tutorials :
  Amazon Web Services
   – http://aws.amazon.com/articles/2857
   – Elastic MapReduce上でのHiveの利用に関する資料がまとまっています。
• Contextual Advertising using Apache Hive and Amazon EMR :
  Articles & Tutorials : Amazon Web Services
   – http://aws.amazon.com/articles/2855
   – Hiveによる分析の実例が示されています。一連の流れが書かれている
     ので、実際に試して見る場合には参考になると思います。
Apache Hiveについて
• Programming Hive - O'Reilly Media
  – http://shop.oreilly.com/product/063692002355
    5.do
  – Hiveに関する仕様がよくまとまっています。
    もちろんWeb上やJIRAで参照できる内容がほ
    とんどですが、手元においておくと安心です。
Fabricについて
• Github: fabric/fabric
  – https://github.com/fabric/fabric
  – デプロイにはfabricを利用しています。python
    製のデプロイツールです。
• Fabric documentation
  – http://docs.fabfile.org/
  – 公式のドキュメントです。やはりここが一番
    情報が多いです。ただ実践的にどのように使
    うか、という点に関しては情報がまだまだ少
    ないです。
cosmi Relationship Suiteについて

• adingo、ディスプレイ広告枠活用型のCRMサービ
  ス「cosmi Relationship Suite」を開発
 – http://pressrelease.adingo.jp/news/2012/07/adingocr
   mcosmi--7f06.html
 – cosmi Relationship Suiteのプレスリリースです。
• 【実はよく知らない】オーディエンスデータプ
  ラットフォームってなに?
 – https://www.facebook.com/note.php?note_id=222292
   327824741
 – DMP、または、オーディエンスデータプラット
   フォームについてまとめた記事です。
その他
• 継続的デリバリのパターン
 – http://www.infoq.com/jp/articles/Continous-
   Delivery-Patterns
 – 継続的デリバリについてよくまとまっていま
   す。私達の行なっている継続的デリバリは簡
   易的なものです。Jenkinsなどのツールを利用
   することで、比較的容易に環境を構築するこ
   とができます。

More Related Content

What's hot

Ansibleで始めるインフラ構築自動化
Ansibleで始めるインフラ構築自動化Ansibleで始めるインフラ構築自動化
Ansibleで始めるインフラ構築自動化
dcubeio
 
社内向けTech Talk資料~Fluentdの基本紹介~
社内向けTech Talk資料~Fluentdの基本紹介~ 社内向けTech Talk資料~Fluentdの基本紹介~
社内向けTech Talk資料~Fluentdの基本紹介~
Daisuke Ikeda
 
AWS SDK for Haskell開発
AWS SDK for Haskell開発AWS SDK for Haskell開発
AWS SDK for Haskell開発
Nomura Yusuke
 
Service worker が拓く mobile web の新しいかたち
Service worker が拓く mobile web の新しいかたちService worker が拓く mobile web の新しいかたち
Service worker が拓く mobile web の新しいかたち
Kinuko Yasuda
 
Using Windows Azure
Using Windows AzureUsing Windows Azure
Using Windows Azure
Shinji Tanaka
 
sbtマルチプロジェクトビルドの使いどころ
sbtマルチプロジェクトビルドの使いどころsbtマルチプロジェクトビルドの使いどころ
sbtマルチプロジェクトビルドの使いどころ
Kazuhiro Hara
 
Ansible tower 構築方法と使い方
Ansible tower 構築方法と使い方Ansible tower 構築方法と使い方
Ansible tower 構築方法と使い方
Hiroshi Okano
 
サーバ構築を自動化する 〜Ansible〜
サーバ構築を自動化する 〜Ansible〜サーバ構築を自動化する 〜Ansible〜
サーバ構築を自動化する 〜Ansible〜
Yui Ito
 
3分でわかる(気になれる) AWS OpsWorks
3分でわかる(気になれる) AWS OpsWorks3分でわかる(気になれる) AWS OpsWorks
3分でわかる(気になれる) AWS OpsWorks
Yuuki Namikawa
 
Azure Functions 入門
Azure Functions 入門Azure Functions 入門
Azure Functions 入門
jz5 MATSUE
 
できる!サーバレスアーキテクチャ
できる!サーバレスアーキテクチャできる!サーバレスアーキテクチャ
できる!サーバレスアーキテクチャ
azuma satoshi
 
WebAssemblyとBlazor 、WebAssembly System Interfaceでコンテナライズの設計を解説
WebAssemblyとBlazor 、WebAssembly System Interfaceでコンテナライズの設計を解説WebAssemblyとBlazor 、WebAssembly System Interfaceでコンテナライズの設計を解説
WebAssemblyとBlazor 、WebAssembly System Interfaceでコンテナライズの設計を解説
Takao Tetsuro
 
ロール適用ツール ~ansible art~
ロール適用ツール ~ansible art~ロール適用ツール ~ansible art~
ロール適用ツール ~ansible art~
辰徳 斎藤
 
Ansible AWXで一歩進んだプロビジョニング
Ansible AWXで一歩進んだプロビジョニングAnsible AWXで一歩進んだプロビジョニング
Ansible AWXで一歩進んだプロビジョニング
sugoto
 
Yesod勉強会
Yesod勉強会Yesod勉強会
Yesod勉強会
Hideyuki Tanaka
 
Build insider testingwithvs
Build insider testingwithvsBuild insider testingwithvs
Build insider testingwithvsTomoyuki Iwade
 
re:invent 2016 新サービスで変わる AWS運用
re:invent 2016 新サービスで変わる AWS運用re:invent 2016 新サービスで変わる AWS運用
re:invent 2016 新サービスで変わる AWS運用
Shuji Kikuchi
 
REST with Spring Boot #jqfk
REST with Spring Boot #jqfkREST with Spring Boot #jqfk
REST with Spring Boot #jqfk
Toshiaki Maki
 
Yesodを支える技術
Yesodを支える技術Yesodを支える技術
Yesodを支える技術
Hiromi Ishii
 

What's hot (20)

Ansibleで始めるインフラ構築自動化
Ansibleで始めるインフラ構築自動化Ansibleで始めるインフラ構築自動化
Ansibleで始めるインフラ構築自動化
 
社内向けTech Talk資料~Fluentdの基本紹介~
社内向けTech Talk資料~Fluentdの基本紹介~ 社内向けTech Talk資料~Fluentdの基本紹介~
社内向けTech Talk資料~Fluentdの基本紹介~
 
AWS SDK for Haskell開発
AWS SDK for Haskell開発AWS SDK for Haskell開発
AWS SDK for Haskell開発
 
Service worker が拓く mobile web の新しいかたち
Service worker が拓く mobile web の新しいかたちService worker が拓く mobile web の新しいかたち
Service worker が拓く mobile web の新しいかたち
 
Using Windows Azure
Using Windows AzureUsing Windows Azure
Using Windows Azure
 
sbtマルチプロジェクトビルドの使いどころ
sbtマルチプロジェクトビルドの使いどころsbtマルチプロジェクトビルドの使いどころ
sbtマルチプロジェクトビルドの使いどころ
 
Ansible tower 構築方法と使い方
Ansible tower 構築方法と使い方Ansible tower 構築方法と使い方
Ansible tower 構築方法と使い方
 
サーバ構築を自動化する 〜Ansible〜
サーバ構築を自動化する 〜Ansible〜サーバ構築を自動化する 〜Ansible〜
サーバ構築を自動化する 〜Ansible〜
 
3分でわかる(気になれる) AWS OpsWorks
3分でわかる(気になれる) AWS OpsWorks3分でわかる(気になれる) AWS OpsWorks
3分でわかる(気になれる) AWS OpsWorks
 
Azure Functions 入門
Azure Functions 入門Azure Functions 入門
Azure Functions 入門
 
できる!サーバレスアーキテクチャ
できる!サーバレスアーキテクチャできる!サーバレスアーキテクチャ
できる!サーバレスアーキテクチャ
 
WebAssemblyとBlazor 、WebAssembly System Interfaceでコンテナライズの設計を解説
WebAssemblyとBlazor 、WebAssembly System Interfaceでコンテナライズの設計を解説WebAssemblyとBlazor 、WebAssembly System Interfaceでコンテナライズの設計を解説
WebAssemblyとBlazor 、WebAssembly System Interfaceでコンテナライズの設計を解説
 
ロール適用ツール ~ansible art~
ロール適用ツール ~ansible art~ロール適用ツール ~ansible art~
ロール適用ツール ~ansible art~
 
Ansible AWXで一歩進んだプロビジョニング
Ansible AWXで一歩進んだプロビジョニングAnsible AWXで一歩進んだプロビジョニング
Ansible AWXで一歩進んだプロビジョニング
 
Yesod勉強会
Yesod勉強会Yesod勉強会
Yesod勉強会
 
Ppl
PplPpl
Ppl
 
Build insider testingwithvs
Build insider testingwithvsBuild insider testingwithvs
Build insider testingwithvs
 
re:invent 2016 新サービスで変わる AWS運用
re:invent 2016 新サービスで変わる AWS運用re:invent 2016 新サービスで変わる AWS運用
re:invent 2016 新サービスで変わる AWS運用
 
REST with Spring Boot #jqfk
REST with Spring Boot #jqfkREST with Spring Boot #jqfk
REST with Spring Boot #jqfk
 
Yesodを支える技術
Yesodを支える技術Yesodを支える技術
Yesodを支える技術
 

Viewers also liked

Head First Ad Technology and DMP
Head First Ad Technology and DMPHead First Ad Technology and DMP
Head First Ad Technology and DMP
Kenta Suzuki
 
データとは何か
データとは何かデータとは何か
データとは何か
Kenta Suzuki
 
Rtbマネタイズセミナー@(20120324、abc2012)資料
Rtbマネタイズセミナー@(20120324、abc2012)資料Rtbマネタイズセミナー@(20120324、abc2012)資料
Rtbマネタイズセミナー@(20120324、abc2012)資料
Hiroki Morishima
 
アドテクノロジー入門 @jazzyslide
アドテクノロジー入門 @jazzyslideアドテクノロジー入門 @jazzyslide
アドテクノロジー入門 @jazzyslide
Hideya Kato
 
20121019-jenkins-akiko_pusu.pdf
20121019-jenkins-akiko_pusu.pdf20121019-jenkins-akiko_pusu.pdf
20121019-jenkins-akiko_pusu.pdf
akiko_pusu
 
AWSを活用したリアルタイム広告の入札・配信・ログ解析 #hcj13w
AWSを活用したリアルタイム広告の入札・配信・ログ解析 #hcj13wAWSを活用したリアルタイム広告の入札・配信・ログ解析 #hcj13w
AWSを活用したリアルタイム広告の入札・配信・ログ解析 #hcj13w
Takahiro Yasuda
 
FluentdやNorikraを使った データ集約基盤への取り組み紹介
FluentdやNorikraを使った データ集約基盤への取り組み紹介FluentdやNorikraを使った データ集約基盤への取り組み紹介
FluentdやNorikraを使った データ集約基盤への取り組み紹介
Recruit Technologies
 
CloudWatchの使い方
CloudWatchの使い方CloudWatchの使い方
CloudWatchの使い方ShinsukeYokota
 
クラウド技術を活用したリアルタイム広告 Logicad の入札・配信・ログ解析 #awssummit
クラウド技術を活用したリアルタイム広告 Logicad の入札・配信・ログ解析 #awssummitクラウド技術を活用したリアルタイム広告 Logicad の入札・配信・ログ解析 #awssummit
クラウド技術を活用したリアルタイム広告 Logicad の入札・配信・ログ解析 #awssummit
Takahiro Yasuda
 
AWS Blackbelt 2015シリーズ Amazon CloudWatch & Amazon CloudWatch Logs
AWS Blackbelt 2015シリーズ Amazon CloudWatch & Amazon CloudWatch LogsAWS Blackbelt 2015シリーズ Amazon CloudWatch & Amazon CloudWatch Logs
AWS Blackbelt 2015シリーズ Amazon CloudWatch & Amazon CloudWatch Logs
Amazon Web Services Japan
 
データ利活用を促進するメタデータ
データ利活用を促進するメタデータデータ利活用を促進するメタデータ
データ利活用を促進するメタデータ
Yahoo!デベロッパーネットワーク
 
ふつうの受託開発チームのつくりかた
ふつうの受託開発チームのつくりかたふつうの受託開発チームのつくりかた
ふつうの受託開発チームのつくりかた
Yoshitaka Kawashima
 
Elasticsearch+nodejs+dynamodbで作る全社システム基盤
Elasticsearch+nodejs+dynamodbで作る全社システム基盤Elasticsearch+nodejs+dynamodbで作る全社システム基盤
Elasticsearch+nodejs+dynamodbで作る全社システム基盤
Recruit Technologies
 
これからはじめるインフラエンジニア
これからはじめるインフラエンジニアこれからはじめるインフラエンジニア
これからはじめるインフラエンジニア外道 父
 
【データアーティスト株式会社】5歳の娘でもわかるDMP
【データアーティスト株式会社】5歳の娘でもわかるDMP【データアーティスト株式会社】5歳の娘でもわかるDMP
【データアーティスト株式会社】5歳の娘でもわかるDMP
Satoru Yamamoto
 

Viewers also liked (16)

Head First Ad Technology and DMP
Head First Ad Technology and DMPHead First Ad Technology and DMP
Head First Ad Technology and DMP
 
データとは何か
データとは何かデータとは何か
データとは何か
 
Rtbマネタイズセミナー@(20120324、abc2012)資料
Rtbマネタイズセミナー@(20120324、abc2012)資料Rtbマネタイズセミナー@(20120324、abc2012)資料
Rtbマネタイズセミナー@(20120324、abc2012)資料
 
アドテクノロジー入門 @jazzyslide
アドテクノロジー入門 @jazzyslideアドテクノロジー入門 @jazzyslide
アドテクノロジー入門 @jazzyslide
 
20121019-jenkins-akiko_pusu.pdf
20121019-jenkins-akiko_pusu.pdf20121019-jenkins-akiko_pusu.pdf
20121019-jenkins-akiko_pusu.pdf
 
AWSを活用したリアルタイム広告の入札・配信・ログ解析 #hcj13w
AWSを活用したリアルタイム広告の入札・配信・ログ解析 #hcj13wAWSを活用したリアルタイム広告の入札・配信・ログ解析 #hcj13w
AWSを活用したリアルタイム広告の入札・配信・ログ解析 #hcj13w
 
FluentdやNorikraを使った データ集約基盤への取り組み紹介
FluentdやNorikraを使った データ集約基盤への取り組み紹介FluentdやNorikraを使った データ集約基盤への取り組み紹介
FluentdやNorikraを使った データ集約基盤への取り組み紹介
 
CloudWatchの使い方
CloudWatchの使い方CloudWatchの使い方
CloudWatchの使い方
 
クラウド技術を活用したリアルタイム広告 Logicad の入札・配信・ログ解析 #awssummit
クラウド技術を活用したリアルタイム広告 Logicad の入札・配信・ログ解析 #awssummitクラウド技術を活用したリアルタイム広告 Logicad の入札・配信・ログ解析 #awssummit
クラウド技術を活用したリアルタイム広告 Logicad の入札・配信・ログ解析 #awssummit
 
AWS Blackbelt 2015シリーズ Amazon CloudWatch & Amazon CloudWatch Logs
AWS Blackbelt 2015シリーズ Amazon CloudWatch & Amazon CloudWatch LogsAWS Blackbelt 2015シリーズ Amazon CloudWatch & Amazon CloudWatch Logs
AWS Blackbelt 2015シリーズ Amazon CloudWatch & Amazon CloudWatch Logs
 
データ利活用を促進するメタデータ
データ利活用を促進するメタデータデータ利活用を促進するメタデータ
データ利活用を促進するメタデータ
 
ふつうの受託開発チームのつくりかた
ふつうの受託開発チームのつくりかたふつうの受託開発チームのつくりかた
ふつうの受託開発チームのつくりかた
 
Elasticsearch+nodejs+dynamodbで作る全社システム基盤
Elasticsearch+nodejs+dynamodbで作る全社システム基盤Elasticsearch+nodejs+dynamodbで作る全社システム基盤
Elasticsearch+nodejs+dynamodbで作る全社システム基盤
 
これからはじめるインフラエンジニア
これからはじめるインフラエンジニアこれからはじめるインフラエンジニア
これからはじめるインフラエンジニア
 
DMP勉強会
DMP勉強会DMP勉強会
DMP勉強会
 
【データアーティスト株式会社】5歳の娘でもわかるDMP
【データアーティスト株式会社】5歳の娘でもわかるDMP【データアーティスト株式会社】5歳の娘でもわかるDMP
【データアーティスト株式会社】5歳の娘でもわかるDMP
 

Similar to Jenkinsとhadoopを利用した継続的データ解析環境の構築

[AWS Summit 2012] クラウドデザインパターン#6 CDP クラウド監視編
[AWS Summit 2012] クラウドデザインパターン#6 CDP クラウド監視編[AWS Summit 2012] クラウドデザインパターン#6 CDP クラウド監視編
[AWS Summit 2012] クラウドデザインパターン#6 CDP クラウド監視編
Amazon Web Services Japan
 
Mashup Award 7 Caravan in Fukuoka
Mashup Award 7 Caravan in FukuokaMashup Award 7 Caravan in Fukuoka
Mashup Award 7 Caravan in FukuokaKazumi Hirose
 
Eight meets AWS
Eight meets AWSEight meets AWS
Eight meets AWS
Tetsuya Mase
 
[AWS Summit 2012] クラウドデザインパターン#5 CDP バッチ処理編
[AWS Summit 2012] クラウドデザインパターン#5 CDP バッチ処理編[AWS Summit 2012] クラウドデザインパターン#5 CDP バッチ処理編
[AWS Summit 2012] クラウドデザインパターン#5 CDP バッチ処理編
Amazon Web Services Japan
 
同じサービスを ECSとOpsWorksで 運用してみた
同じサービスをECSとOpsWorksで運用してみた同じサービスをECSとOpsWorksで運用してみた
同じサービスを ECSとOpsWorksで 運用してみた
Jun Ichikawa
 
華麗なるElastic Beanstalkでの環境構築
華麗なるElastic Beanstalkでの環境構築華麗なるElastic Beanstalkでの環境構築
華麗なるElastic Beanstalkでの環境構築
Takehito Tanabe
 
[AWS Summit 2012] クラウドデザインパターン#2 CDP 画像・動画配信編
[AWS Summit 2012] クラウドデザインパターン#2 CDP 画像・動画配信編 [AWS Summit 2012] クラウドデザインパターン#2 CDP 画像・動画配信編
[AWS Summit 2012] クラウドデザインパターン#2 CDP 画像・動画配信編
Amazon Web Services Japan
 
AWSクラウドデザインパターン(CDP) - Eコマース編 -
AWSクラウドデザインパターン(CDP) - Eコマース編 -AWSクラウドデザインパターン(CDP) - Eコマース編 -
AWSクラウドデザインパターン(CDP) - Eコマース編 -SORACOM, INC
 
Voicepic@FacebookNight
Voicepic@FacebookNightVoicepic@FacebookNight
Voicepic@FacebookNight
Manabu Shimobe
 
Amazon Web Services 最新事例集
Amazon Web Services 最新事例集Amazon Web Services 最新事例集
Amazon Web Services 最新事例集
SORACOM, INC
 
Amazon EC2 Container Service Deep dive
Amazon EC2 Container Service Deep diveAmazon EC2 Container Service Deep dive
Amazon EC2 Container Service Deep dive
Amazon Web Services Japan
 
Google Compute EngineとPipe API
Google Compute EngineとPipe APIGoogle Compute EngineとPipe API
Google Compute EngineとPipe APImaruyama097
 
Google Compute EngineとGAE Pipeline API
Google Compute EngineとGAE Pipeline APIGoogle Compute EngineとGAE Pipeline API
Google Compute EngineとGAE Pipeline APImaruyama097
 
Windows 開発者のための Dev&Ops on AWS
Windows 開発者のための Dev&Ops on AWSWindows 開発者のための Dev&Ops on AWS
Windows 開発者のための Dev&Ops on AWS
Amazon Web Services Japan
 
AWSクラウドデザインパターン(CDP) - 概要編 -
AWSクラウドデザインパターン(CDP) - 概要編 - AWSクラウドデザインパターン(CDP) - 概要編 -
AWSクラウドデザインパターン(CDP) - 概要編 - SORACOM, INC
 
Azure Antenna AI 概要
Azure Antenna AI 概要Azure Antenna AI 概要
Azure Antenna AI 概要
Miho Yamamoto
 
試して学べるクラウド技術! OpenShift
試して学べるクラウド技術! OpenShift試して学べるクラウド技術! OpenShift
試して学べるクラウド技術! OpenShiftEtsuji Nakai
 
Amazon EC2を使った実践SaaS運用事例
Amazon EC2を使った実践SaaS運用事例Amazon EC2を使った実践SaaS運用事例
Amazon EC2を使った実践SaaS運用事例Yuuki Namikawa
 

Similar to Jenkinsとhadoopを利用した継続的データ解析環境の構築 (20)

[AWS Summit 2012] クラウドデザインパターン#6 CDP クラウド監視編
[AWS Summit 2012] クラウドデザインパターン#6 CDP クラウド監視編[AWS Summit 2012] クラウドデザインパターン#6 CDP クラウド監視編
[AWS Summit 2012] クラウドデザインパターン#6 CDP クラウド監視編
 
Mashup Award 7 Caravan in Fukuoka
Mashup Award 7 Caravan in FukuokaMashup Award 7 Caravan in Fukuoka
Mashup Award 7 Caravan in Fukuoka
 
Eight meets AWS
Eight meets AWSEight meets AWS
Eight meets AWS
 
[AWS Summit 2012] クラウドデザインパターン#5 CDP バッチ処理編
[AWS Summit 2012] クラウドデザインパターン#5 CDP バッチ処理編[AWS Summit 2012] クラウドデザインパターン#5 CDP バッチ処理編
[AWS Summit 2012] クラウドデザインパターン#5 CDP バッチ処理編
 
同じサービスを ECSとOpsWorksで 運用してみた
同じサービスをECSとOpsWorksで運用してみた同じサービスをECSとOpsWorksで運用してみた
同じサービスを ECSとOpsWorksで 運用してみた
 
華麗なるElastic Beanstalkでの環境構築
華麗なるElastic Beanstalkでの環境構築華麗なるElastic Beanstalkでの環境構築
華麗なるElastic Beanstalkでの環境構築
 
Ajn24
Ajn24Ajn24
Ajn24
 
[AWS Summit 2012] クラウドデザインパターン#2 CDP 画像・動画配信編
[AWS Summit 2012] クラウドデザインパターン#2 CDP 画像・動画配信編 [AWS Summit 2012] クラウドデザインパターン#2 CDP 画像・動画配信編
[AWS Summit 2012] クラウドデザインパターン#2 CDP 画像・動画配信編
 
AWSクラウドデザインパターン(CDP) - Eコマース編 -
AWSクラウドデザインパターン(CDP) - Eコマース編 -AWSクラウドデザインパターン(CDP) - Eコマース編 -
AWSクラウドデザインパターン(CDP) - Eコマース編 -
 
Voicepic@FacebookNight
Voicepic@FacebookNightVoicepic@FacebookNight
Voicepic@FacebookNight
 
Amazon Web Services 最新事例集
Amazon Web Services 最新事例集Amazon Web Services 最新事例集
Amazon Web Services 最新事例集
 
Amazon EC2 Container Service Deep dive
Amazon EC2 Container Service Deep diveAmazon EC2 Container Service Deep dive
Amazon EC2 Container Service Deep dive
 
PHP on Cloud
PHP on CloudPHP on Cloud
PHP on Cloud
 
Google Compute EngineとPipe API
Google Compute EngineとPipe APIGoogle Compute EngineとPipe API
Google Compute EngineとPipe API
 
Google Compute EngineとGAE Pipeline API
Google Compute EngineとGAE Pipeline APIGoogle Compute EngineとGAE Pipeline API
Google Compute EngineとGAE Pipeline API
 
Windows 開発者のための Dev&Ops on AWS
Windows 開発者のための Dev&Ops on AWSWindows 開発者のための Dev&Ops on AWS
Windows 開発者のための Dev&Ops on AWS
 
AWSクラウドデザインパターン(CDP) - 概要編 -
AWSクラウドデザインパターン(CDP) - 概要編 - AWSクラウドデザインパターン(CDP) - 概要編 -
AWSクラウドデザインパターン(CDP) - 概要編 -
 
Azure Antenna AI 概要
Azure Antenna AI 概要Azure Antenna AI 概要
Azure Antenna AI 概要
 
試して学べるクラウド技術! OpenShift
試して学べるクラウド技術! OpenShift試して学べるクラウド技術! OpenShift
試して学べるクラウド技術! OpenShift
 
Amazon EC2を使った実践SaaS運用事例
Amazon EC2を使った実践SaaS運用事例Amazon EC2を使った実践SaaS運用事例
Amazon EC2を使った実践SaaS運用事例
 

Recently uploaded

Kotest を使って 快適にテストを書こう - KotlinFest 2024
Kotest を使って 快適にテストを書こう - KotlinFest 2024Kotest を使って 快適にテストを書こう - KotlinFest 2024
Kotest を使って 快適にテストを書こう - KotlinFest 2024
Hirotaka Kawata
 
無形価値を守り育てる社会における「デー タ」の責務について - Atlas, Inc.
無形価値を守り育てる社会における「デー タ」の責務について - Atlas, Inc.無形価値を守り育てる社会における「デー タ」の責務について - Atlas, Inc.
無形価値を守り育てる社会における「デー タ」の責務について - Atlas, Inc.
Yuki Miyazaki
 
協働AIがもたらす業務効率革命 -日本企業が押さえるべきポイント-Collaborative AI Revolutionizing Busines...
協働AIがもたらす業務効率革命 -日本企業が押さえるべきポイント-Collaborative AI Revolutionizing Busines...協働AIがもたらす業務効率革命 -日本企業が押さえるべきポイント-Collaborative AI Revolutionizing Busines...
協働AIがもたらす業務効率革命 -日本企業が押さえるべきポイント-Collaborative AI Revolutionizing Busines...
Osaka University
 
Microsoft Azureで生成AIを使ってみた話 2024/6/14の勉強会で発表されたものです。
Microsoft Azureで生成AIを使ってみた話 2024/6/14の勉強会で発表されたものです。Microsoft Azureで生成AIを使ってみた話 2024/6/14の勉強会で発表されたものです。
Microsoft Azureで生成AIを使ってみた話 2024/6/14の勉強会で発表されたものです。
iPride Co., Ltd.
 
気ままなLLMをAgents for Amazon Bedrockでちょっとだけ飼いならす
気ままなLLMをAgents for Amazon Bedrockでちょっとだけ飼いならす気ままなLLMをAgents for Amazon Bedrockでちょっとだけ飼いならす
気ままなLLMをAgents for Amazon Bedrockでちょっとだけ飼いならす
Shinichi Hirauchi
 
20240621_AI事業者ガイドライン_セキュリティパートの紹介_SeiyaShimabukuro
20240621_AI事業者ガイドライン_セキュリティパートの紹介_SeiyaShimabukuro20240621_AI事業者ガイドライン_セキュリティパートの紹介_SeiyaShimabukuro
20240621_AI事業者ガイドライン_セキュリティパートの紹介_SeiyaShimabukuro
Seiya Shimabukuro
 
ヒアラブルへの入力を想定したユーザ定義型ジェスチャ調査と IMUセンサによる耳タッチジェスチャの認識
ヒアラブルへの入力を想定したユーザ定義型ジェスチャ調査と IMUセンサによる耳タッチジェスチャの認識ヒアラブルへの入力を想定したユーザ定義型ジェスチャ調査と IMUセンサによる耳タッチジェスチャの認識
ヒアラブルへの入力を想定したユーザ定義型ジェスチャ調査と IMUセンサによる耳タッチジェスチャの認識
sugiuralab
 
iMacwoSu_Gong_de_barabaranishitaHua_.pptx
iMacwoSu_Gong_de_barabaranishitaHua_.pptxiMacwoSu_Gong_de_barabaranishitaHua_.pptx
iMacwoSu_Gong_de_barabaranishitaHua_.pptx
kitamisetagayaxxx
 
生成AIの実利用に必要なこと-Practical Requirements for the Deployment of Generative AI
生成AIの実利用に必要なこと-Practical Requirements for the Deployment of Generative AI生成AIの実利用に必要なこと-Practical Requirements for the Deployment of Generative AI
生成AIの実利用に必要なこと-Practical Requirements for the Deployment of Generative AI
Osaka University
 
ろくに電子工作もしたことない人間がIoT用ミドルウェアを作った話(IoTLT vol112 発表資料)
ろくに電子工作もしたことない人間がIoT用ミドルウェアを作った話(IoTLT  vol112 発表資料)ろくに電子工作もしたことない人間がIoT用ミドルウェアを作った話(IoTLT  vol112 発表資料)
ろくに電子工作もしたことない人間がIoT用ミドルウェアを作った話(IoTLT vol112 発表資料)
Takuya Minagawa
 
【JSAI2024】LLMエージェントの人間との対話における反芻的返答の親近感向上効果_v1.1.pdf
【JSAI2024】LLMエージェントの人間との対話における反芻的返答の親近感向上効果_v1.1.pdf【JSAI2024】LLMエージェントの人間との対話における反芻的返答の親近感向上効果_v1.1.pdf
【JSAI2024】LLMエージェントの人間との対話における反芻的返答の親近感向上効果_v1.1.pdf
ARISE analytics
 
実体験に基づく、成功するスクラム vs 失敗するスクラム 何が違う? 2024年6月22日
実体験に基づく、成功するスクラム vs 失敗するスクラム 何が違う? 2024年6月22日実体験に基づく、成功するスクラム vs 失敗するスクラム 何が違う? 2024年6月22日
実体験に基づく、成功するスクラム vs 失敗するスクラム 何が違う? 2024年6月22日
Hideo Kashioka
 
なぜそのDDDは効果が薄いのか?名ばかりDX案件での経験を踏まえて培った他の思考を交えた現代風?のDDD
なぜそのDDDは効果が薄いのか?名ばかりDX案件での経験を踏まえて培った他の思考を交えた現代風?のDDDなぜそのDDDは効果が薄いのか?名ばかりDX案件での経験を踏まえて培った他の思考を交えた現代風?のDDD
なぜそのDDDは効果が薄いのか?名ばかりDX案件での経験を踏まえて培った他の思考を交えた現代風?のDDD
ssuserfcafd1
 

Recently uploaded (13)

Kotest を使って 快適にテストを書こう - KotlinFest 2024
Kotest を使って 快適にテストを書こう - KotlinFest 2024Kotest を使って 快適にテストを書こう - KotlinFest 2024
Kotest を使って 快適にテストを書こう - KotlinFest 2024
 
無形価値を守り育てる社会における「デー タ」の責務について - Atlas, Inc.
無形価値を守り育てる社会における「デー タ」の責務について - Atlas, Inc.無形価値を守り育てる社会における「デー タ」の責務について - Atlas, Inc.
無形価値を守り育てる社会における「デー タ」の責務について - Atlas, Inc.
 
協働AIがもたらす業務効率革命 -日本企業が押さえるべきポイント-Collaborative AI Revolutionizing Busines...
協働AIがもたらす業務効率革命 -日本企業が押さえるべきポイント-Collaborative AI Revolutionizing Busines...協働AIがもたらす業務効率革命 -日本企業が押さえるべきポイント-Collaborative AI Revolutionizing Busines...
協働AIがもたらす業務効率革命 -日本企業が押さえるべきポイント-Collaborative AI Revolutionizing Busines...
 
Microsoft Azureで生成AIを使ってみた話 2024/6/14の勉強会で発表されたものです。
Microsoft Azureで生成AIを使ってみた話 2024/6/14の勉強会で発表されたものです。Microsoft Azureで生成AIを使ってみた話 2024/6/14の勉強会で発表されたものです。
Microsoft Azureで生成AIを使ってみた話 2024/6/14の勉強会で発表されたものです。
 
気ままなLLMをAgents for Amazon Bedrockでちょっとだけ飼いならす
気ままなLLMをAgents for Amazon Bedrockでちょっとだけ飼いならす気ままなLLMをAgents for Amazon Bedrockでちょっとだけ飼いならす
気ままなLLMをAgents for Amazon Bedrockでちょっとだけ飼いならす
 
20240621_AI事業者ガイドライン_セキュリティパートの紹介_SeiyaShimabukuro
20240621_AI事業者ガイドライン_セキュリティパートの紹介_SeiyaShimabukuro20240621_AI事業者ガイドライン_セキュリティパートの紹介_SeiyaShimabukuro
20240621_AI事業者ガイドライン_セキュリティパートの紹介_SeiyaShimabukuro
 
ヒアラブルへの入力を想定したユーザ定義型ジェスチャ調査と IMUセンサによる耳タッチジェスチャの認識
ヒアラブルへの入力を想定したユーザ定義型ジェスチャ調査と IMUセンサによる耳タッチジェスチャの認識ヒアラブルへの入力を想定したユーザ定義型ジェスチャ調査と IMUセンサによる耳タッチジェスチャの認識
ヒアラブルへの入力を想定したユーザ定義型ジェスチャ調査と IMUセンサによる耳タッチジェスチャの認識
 
iMacwoSu_Gong_de_barabaranishitaHua_.pptx
iMacwoSu_Gong_de_barabaranishitaHua_.pptxiMacwoSu_Gong_de_barabaranishitaHua_.pptx
iMacwoSu_Gong_de_barabaranishitaHua_.pptx
 
生成AIの実利用に必要なこと-Practical Requirements for the Deployment of Generative AI
生成AIの実利用に必要なこと-Practical Requirements for the Deployment of Generative AI生成AIの実利用に必要なこと-Practical Requirements for the Deployment of Generative AI
生成AIの実利用に必要なこと-Practical Requirements for the Deployment of Generative AI
 
ろくに電子工作もしたことない人間がIoT用ミドルウェアを作った話(IoTLT vol112 発表資料)
ろくに電子工作もしたことない人間がIoT用ミドルウェアを作った話(IoTLT  vol112 発表資料)ろくに電子工作もしたことない人間がIoT用ミドルウェアを作った話(IoTLT  vol112 発表資料)
ろくに電子工作もしたことない人間がIoT用ミドルウェアを作った話(IoTLT vol112 発表資料)
 
【JSAI2024】LLMエージェントの人間との対話における反芻的返答の親近感向上効果_v1.1.pdf
【JSAI2024】LLMエージェントの人間との対話における反芻的返答の親近感向上効果_v1.1.pdf【JSAI2024】LLMエージェントの人間との対話における反芻的返答の親近感向上効果_v1.1.pdf
【JSAI2024】LLMエージェントの人間との対話における反芻的返答の親近感向上効果_v1.1.pdf
 
実体験に基づく、成功するスクラム vs 失敗するスクラム 何が違う? 2024年6月22日
実体験に基づく、成功するスクラム vs 失敗するスクラム 何が違う? 2024年6月22日実体験に基づく、成功するスクラム vs 失敗するスクラム 何が違う? 2024年6月22日
実体験に基づく、成功するスクラム vs 失敗するスクラム 何が違う? 2024年6月22日
 
なぜそのDDDは効果が薄いのか?名ばかりDX案件での経験を踏まえて培った他の思考を交えた現代風?のDDD
なぜそのDDDは効果が薄いのか?名ばかりDX案件での経験を踏まえて培った他の思考を交えた現代風?のDDDなぜそのDDDは効果が薄いのか?名ばかりDX案件での経験を踏まえて培った他の思考を交えた現代風?のDDD
なぜそのDDDは効果が薄いのか?名ばかりDX案件での経験を踏まえて培った他の思考を交えた現代風?のDDD
 

Jenkinsとhadoopを利用した継続的データ解析環境の構築