![play2-stub
• リクエストを受け取り、routingやstubbingを行うフロントコントローラ
• フロントエンドとサーバサイドを分離して開発するためのもの
• リクエストやレスポンスを加工するフィルタを挟んだり、複雑な処理は別のコ
ントローラにデリゲートしたりすることもできる
play2stub {!
routes: [!
{!
"GET /author/~authorName/books" {!
template = "author-biology"!
data = "authors/:authorName.json"!
}!
}!
]!
}
https://github.com/bizreach/play2-stub
リモートAPIを呼び出す代わりに
静的なJSONでレンダリング](https://image.slidesharecdn.com/scala-150221100845-conversion-gate02/85/Scala-jissenscala-15-320.jpg)
![PlayのWS API
// 戻り値としてFutureを返す!
val f: Future[WSResponse] = WS.url(requestUrl).get()!
!
// アクションの実行結果をFutureで返す!
def wsAction = Action.async {!
WS.url(requestUrl).get().map { res =>!
Ok(res.body)!
}!
}](https://image.slidesharecdn.com/scala-150221100845-conversion-gate02/85/Scala-jissenscala-20-320.jpg)
![Futureによる並列処理
val f1 = WS.url(url1).get()!
val f2 = WS.url(url2).get()!
!
val f: Future[(String, String)] = for {!
res1 <- f1!
res2 <- f2!
} yield {!
(res1.body, res2.body)!
}
複数のWeb APIをパラレルに呼び出す](https://image.slidesharecdn.com/scala-150221100845-conversion-gate02/85/Scala-jissenscala-23-320.jpg)
![並列分散処理を手軽に記述できる
def main(args: Array[String]) {!
val sc = new SparkContext("local", "Log Query", !
System.getenv("SPARK_HOME"), !
SparkContext.jarOfClass(this.getClass)) // ログファイルをロード!
!
val dataSet = sc.textFile("hdfs://...")!
// ERRORで始まるデータを抽出しキャッシュ!
val cached = dataSet.filter(_ startsWith "ERROR").cache()!
!
val counts1 = cached!
.flatMap(_ split " ") // スペースで分割しフラット化!
.map(_ -> 1) // 文字列とカウントのタプルに変換!
.reduceByKey(_ + _) // 集計!
!
// キャッシュしたデータを使って別の条件で集計する!
val counts2 = cached.filter・・・!
}
毎回ストレージにアクセス
しないようキャッシュ
通常のScalaプログラムと
同じ感覚でコードを書ける](https://image.slidesharecdn.com/scala-150221100845-conversion-gate02/85/Scala-jissenscala-29-320.jpg)
ビズリーチの新サービスをScalaで作ってみた 〜マイクロサービスの裏側 #jissenscala
- 4. 求人検索エンジン スタンバイ Available for PC Web, Mobile Web, iOS and Android
- 5. 今日話すこと • マイクロサービスアーキテクチャ • Apache Spark • Scalaで開発する上での課題
- 7. マイクロサービスとは？ • サービスによるコンポーネント化：ライブラリではなく別プロセスで動作するサービスに よってアプリケーションのコンポーネント化を実現している。 • ビジネスケイパビリティに基づく組織化：役割ごとにチームが構成されるのではなく、複 数の役割が混在したチームがひとつのサービスを構築する。（コンウェイの法則！） • プロジェクトではなくプロダクト：コンポーネントは期限のあるプロジェクトとして開発 されるではなく、継続的なプロダクトとして提供される。 • スマートエンドポイント、ダムパイプ：サービス間のメッセージは、HTTP経由でAPI呼 び出しされるか、RabbitMQやZeroMQといった軽量メッセージングシステムによる通信 で交換される。 • 分散ガバナンス：サービスごとに言語やデータベースなどは統一されず、個別に適切なも のが選択される。 • 分散データ管理：サービスごとにデータを持ち、統合されていない。 • インフラストラクチャ自動化：継続的デリバリが実現され、自動テスト、自動デプロイな どが採用されている。 • 障害設計：構成されるサービスの障害に耐性を持つように設計されている。 • 進化的設計：各サービスごとに変更が行なわれ、漸進的に設計がされる。
- 10. • 並列処理を記述するのが容易 • ノンブロッキングI/Oベースのミドルウェア、フ レームワーク、ライブラリが豊富 • 巨大なシステムにおける静的型付けの安全性 なぜScalaなのか？
- 11. アーキテクチャ PC Web Mobile Web iOS App Android App Front API Backend APIs Backend APIs Backend APIs Elasticsearch MySQL Memcached JSON over HTTP JSON over HTTP elasticsearch4s Slick ???
- 12. アーキテクチャ PC Web Mobile Web iOS App Android App Front API Backend APIs Backend APIs Backend APIs Elasticsearch MySQL Memcached JSON over HTTP JSON over HTTP elasticsearch4s Slick ??? Webアプリもフロントエンドと サーバサイドでレイヤリング
- 13. Webアプリもレイヤリング play2-stub play2-handlebars フロントサーバ(Play2) APIサーバ(Play2) JSON over HTTP 開発時は固定の JSONを返す JSONをテンプレートに 渡してHTMLをレンダリング request response
- 15. play2-stub • リクエストを受け取り、routingやstubbingを行うフロントコントローラ • フロントエンドとサーバサイドを分離して開発するためのもの • リクエストやレスポンスを加工するフィルタを挟んだり、複雑な処理は別のコ ントローラにデリゲートしたりすることもできる play2stub {! routes: [! {! "GET /author/~authorName/books" {! template = "author-biology"! data = "authors/:authorName.json"! }! }! ]! } https://github.com/bizreach/play2-stub リモートAPIを呼び出す代わりに 静的なJSONでレンダリング
- 16. play2-handlebars • Play2でHandlebarsを使うためのプラグイン • コンパイルなしでテンプレートを修正可能 • デザイナにも扱いやすいテンプレート記法 • Play2のTwirlテンプレートはコンパイルが遅いし記法も複雑で、カッチリ作る にはいいが、デザインを迅速に反映・修正するのには向いてない https://github.com/bizreach/play2-stub object Application extends Controller {! ! def simple = Action {! Ok(HBS("simple", "who" -> "World"))! }! ! }
- 18. 複数のAPIの呼び出し Web API Web API Web API Web API Controller 1つのコントローラから複数のWeb APIを呼び出す必要がある シリアルに呼び出していてはAPIが増えるほど遅くなってしまう
- 19. Future import scala.concurrent._! import scala.concurrent.ExecutionContext.Implicits.global! ! val fileNames = Seq("1.jpg", "2.jpg", "3.jpg", …)! ! fileNames.foreach { fileName =>! Future {! resizeAndStore(fileName)! }! } •FutureはScalaにおける非同期処理の基本的なインターフェース •Play標準のWS APIはFutureを返す •Dispatchなど他の通信系ライブラリもFutureを返すものが多い
- 20. PlayのWS API // 戻り値としてFutureを返す! val f: Future[WSResponse] = WS.url(requestUrl).get()! ! // アクションの実行結果をFutureで返す! def wsAction = Action.async {! WS.url(requestUrl).get().map { res =>! Ok(res.body)! }! }
- 21. Futureによる並列処理 // 1つ目のAPIを呼び出す! val res1: WSResponse ! = Await.result(WS.url(url1).get(), Duration.Inf)! // レスポンスを取得! val body1: String = res1.body! ! // 2つ目のAPIを呼び出す! val res2: WSResponse ! = Await.result(WS.url(url2).get(), Duration.Inf)! // レスポンスを取得! val body2: String = res2.body 複数のWeb APIをシリアルに呼び出す
- 22. Futureによる並列処理 // 1つ目のAPIを呼び出す! val res1: WSResponse ! = Await.result(WS.url(url1).get(), Duration.Inf)! // レスポンスを取得! val body1: String = res1.body! ! // 2つ目のAPIを呼び出す! val res2: WSResponse ! = Await.result(WS.url(url2).get(), Duration.Inf)! // レスポンスを取得! val body2: String = res2.body 複数のWeb APIをシリアルに呼び出す Await.resultを使うとFutureから値を 取り出すことができるがブロックしてしまう
- 23. Futureによる並列処理 val f1 = WS.url(url1).get()! val f2 = WS.url(url2).get()! ! val f: Future[(String, String)] = for {! res1 <- f1! res2 <- f2! } yield {! (res1.body, res2.body)! } 複数のWeb APIをパラレルに呼び出す
- 24. やってみて思ったこと • 開発時のオーバーヘッドやサービス毎の冗長化によるコス ト増など、短期的にはデメリットの方が大きい • デバッグが難しくなる、並列プログラミングのスキルが必 要になる • 最初はモノリシックに作り、大きくなってきたタイミング でマイクロサービスにするのがよい • 大きくなるタイミングはサービスとしては攻め時なので判 断としては難しい
- 25. Apache Spark
- 28. Apache Sparkとは？ • Scala製の高速バッチ処理フレームワーク • 簡単なプログラムで分散処理を記述できる • 機械学習のMLlib、SQLインターフェースを提供するSpark-SQL、 ストリーミング処理用のSpark-Streamingなど様々なサブプロ ジェクトが存在する • elastichadoop-sparkというアダプタを使うことでElasticsearch への入出力が可能
- 29. 並列分散処理を手軽に記述できる def main(args: Array[String]) {! val sc = new SparkContext("local", "Log Query", ! System.getenv("SPARK_HOME"), ! SparkContext.jarOfClass(this.getClass)) // ログファイルをロード! ! val dataSet = sc.textFile("hdfs://...")! // ERRORで始まるデータを抽出しキャッシュ! val cached = dataSet.filter(_ startsWith "ERROR").cache()! ! val counts1 = cached! .flatMap(_ split " ") // スペースで分割しフラット化! .map(_ -> 1) // 文字列とカウントのタプルに変換! .reduceByKey(_ + _) // 集計! ! // キャッシュしたデータを使って別の条件で集計する! val counts2 = cached.filter・・・! } 毎回ストレージにアクセス しないようキャッシュ 通常のScalaプログラムと 同じ感覚でコードを書ける
- 30. 複数のインデックスを結合 val conf = new SparkConf().setAll(Seq(! ES_NODES -> "localhost",! ES_PORT -> “9200",! ES_RESOURCE -> "job",! ES_QUERY -> "?q=*:*"! ))! ! val spark = new SparkContext(conf)! ! val rdd = spark.esRDD.leftOuterJoin(spark.esRDD(Map(! ES_RESOURCE -> "geo",! ES_QUERY -> "?q=*:*"! ))).flatMap { case (_id, (_source, geo)) =>! geo.map { x =>! _source ++ Map("location" -> x(“location"))! }! } jobインデックスに geoインデックスを外部結合
- 31. 複数のインデックスを更新 // 加工したデータをキャッシュしておく! val rdd = spark.esRDD.map { x=>! …! }.cache! ! // 1台目のElasticsearchにデータを登録! rdd.saveToEs(Map(! ES_NODES -> "localhost",! ES_PORT -> "9200"! ))! ! // 2台目のElasticsearchにデータを登録! rdd.saveToEs(Map(! ES_NODES -> "localhost",! ES_PORT -> "9201"! )) 加工したデータをキャッシュしておくことで複数の インデックスを高速に更新することができる
- 32. 注意点 • I/Oが多いとCPUを使い切れずSparkの良さが出せない • 細かいジョブを大量に投げると失敗することがある • 処理の並列度がElasticsearchのシャード数に依存する （elastichadoop-sparkの場合） • 記述の仕方を少し変えただけで猛烈にパフォーマンス が変わるので使いこなすのが難しい
- 34. 一番の課題 • Scalaプログラマの教育・採用 • JavaよりもLLからのほうが入りやすい様子 • 長期的にはScalaをもっと普及させる • 短期的には社内で育成していくしかない
- 35. 長期的な取り組み • 書籍・雑誌記事等の執筆 • イベントでの登壇・支援（スポンサー） • 他社さんとの合同での勉強会 • OSS活動（足りない物を作る）
- 36. 短期的な取り組み • Daily Scala（毎朝30分Scalaの勉強会） • GitHubでのプルリクレビュー • ハンズオンコンテンツの作成
- 38. まとめ • マイクロサービスは良いことばかりではない • Future大事 • Apache Sparkは便利だけど使いこなすのが難しい • Scalaプログラマの教育・採用が一番の課題です