「GDG DevFest Tokyo 2018」に参加しました

イベントページ

Quick Start GCP

山内　沙織

• GCPを使うデモ
• Cloud Shell
• Google Cloudを使うためのツールがそろっている
• サーバレス
• Cloud Functions, App Engine standard
• オートスケール、使った分の課金 => サーバレス
• Cloud Storage
• Multi-Regional, Regional, Nearline, Coldline
• アクセス頻度（左がアクセス頻度大）
• オブジェクトストレージ、SQL、NoSQL
• SQL: SQL(MySQL, Postgres), Spaner(大規模向け)
• NoSQL: Datastore, Firestore(FirebaseのリアルタイムDBとDatastoreのいいとこどり) => 将来的に統合

PWAのイマ

takanorip

• PWAの説明（略）
• PWAのターゲット
• 広く広めたい => PWA
• デバイスのセンサーなどパワフルに使いたい => Native App
• ロイヤリティでWebとNative Appの中間を埋める
• ブラウザサポート
• iOS Safariはプッシュ通知などサポートしてない。Service Workerのみ
• PWA Checklist
• PWA Starter Kit
• pwa-helpers
• PWAのこれから
• Webの基盤になる
• すでにAndroidが優勢な国ではPWAの成功事例が多くある
• 日本はiPhoneが強いのでまだまだ
• ネイティブとの棲み分けがはっきりと
• ページをロードしたときにプッシュ通知の許可を求めるな！
• プッシュ通知を許可するストーリーがアプリよりも重要に
• 追加の設計が必要
• オフライン時
• 戻るボタンがない
• スプラッシュ画面

GCPのデータベース・ストレージ

apstnbt

• GCPのストレージを使う利点
• 冗長化
• ノードの冗長化
• DC間の冗長化
• スケーラビリティ
• スケールアップには限界 => スケールアウト
• シャーディング
• コスト
• 最大負荷に備えると普段無駄 => 負荷に応じてスケール
• オートスケール
• ストレージオプション
• Bigtable (NoSQL) => Megastore (制約のあるACID) => Spanner (制約のないACID)
• GCPのストレージプロダクトの基盤、ルーツなどが論文で公開されている
• それがわかると、将来の見通しができる

Cloud Kata

sinmetal

• GCPサービス組み合わせのカタ（デザインパターン）
• LBを使ったWebアプリ
• LBでURL分岐 => API(GCE), Video(GCE), 静的コンテンツ(Storage)
• Cloud Storageで静的コンテンツ配信ができる
• Cloud Network w/ Edge Cacheを静的コンテンツの前に
• Logging => BigQuery で分析
• Traceで詳細モニタリング
• Queueを利用したkata
• Push型、Pull型
• App Engine Task Queue (Cloud Taskになる)
• Pushの流量調整できる
• Cloud Pub/Sub
• Pushはスロースタート
• Media Storage(Storage) => Push(Pub/Sub) => Watermark(Functions)
• 大きめのタスクはPushとFunctionsでは厳しい
• 安価なプリエンプティブVM + Pull Queueで重い動画の加工処理
• リース期間を指定してタスクをPullして、終了後にタスクをdeleteするので、失敗しても、タスクが未処理でdeleteされることはない
• IoT core => Pub/Sub => Dataflow　数秒枚に集計
• 巨大ファイルのコピー: Instanceのsnapshotをとって再現
• Identity Aware Proxyで認証、KMSで暗号/復号

Introduction of Polymer 3.0

kazuyoshi kawakami

• Polymer Project
• Chromeチームの中のプロジェクト
• 目的：ウェブプラットフォームを進化させる
• 2012年のWeb Components
• Custom Element
• Shadow DOM
• HTML Imports
• 2018年のWeb Components
• すべてのブラウザで使える（FirefoxはPolyfill必要）
• webcompoments.orgで共有
• Angular, View.jsでも使える(custom-elements-everywhere.com)
• Polymerキモい
• polyfill
• Polymerは当初はWeb Componentsのpolyfillだった
• Polymer 2.0からpolyfill部分を切り離した
• bower
• 当時一般的。クライアントサイドのパッケージマネージャーとしてあっていた
• HTML Import
• Polymer 3.0
• bower => npm
• HTML Imports => JavaScript Module
• TypeScript, Webpack, Rollupに対応
• Polymer 3.0で完成
• Next Polymer Project
• Lit-html/Lit-Element
• 軽量化したPolymer Element
• Material Web Components
• Polymer Starter Kit

GCPでつくるデータ処理パイプライン

永井　洋一

• バッチ処理とストリーム処理両方を扱うケースが多い
• イベント検知
• ログ異常検知、トレーディングボット
• 基本ストリーム処理だが、しきい値の調整にはバッチも必要
• 機械学習の特徴量生成
• リアルタイム・レコメンド、FX自動売買ボット
• 学習データはバッチ、予測はリアルタイム
• バッチとストリームを扱う場合の問題：別の環境が必要
• プログラミングモデル：Apache Beam
• 分散実行インフラ：Dataflow
• その他
• Dataflow + Beam：データ処理と分析
• Dataprep：非プログラマ向け
• Dataproc + Hadoop：Hadoop/Sparkユーザー向け
• Apache Beam
• 抽象データ(PCollection)と処理(PTransform)
• PTransformのサブクラスによく使う処理がSDKで用意されている
• I/Oに対応
• Google Cloud Dataflow
• 特徴
• サーバーレス（処理で立ち上がり、終わると消える）
• オートスケール
• 負担の大きいタスクを動的にリバランス
• 例：Wikipediaの日本語ページ230万ページの形態素解析が17分で$0.54
• GCP連携：I/O対応、パイプラインのTemplate

Auto ML Overview

永井　洋一

• Cloud Machine LearningとTensorFlowは難しく、APIは一般的すぎる
• その間を埋めるAutoML：職人技を自動で
• DeepLearningのハイパーパラメータの調整
• ネットワークの構造の調整
• ノード数、レイヤー数の調整
• AutoMLを支える（と思われる）技術
• 転移学習
• Learning to Learning
• AutoMLシリーズ
• Vision
• Natural Language
• Translation
• 使い方
• プログラミング不要
• 学習データ（入力とラベル）
• 裏で、学習用80%、評価用10%、テスト用10%に分けられる
• 分割を明示的に指定もできる
• ラベルごとに100以上あると望ましい
• 学習実行
• 予測モデルをAPIで利用
• お金をかければ、簡単に機械学習モデルが作れる
• 用途は限定的で、分類問題がメイン