企業のモバイル利用には、２つのアプローチがあり、ソリトンさんとマクニカさんで方法が違う

企業でのスマホ、タブレット利用は、一時はBYODとシャドーITとか、
いろいろと問題があり、MDM、MAMなど出てきたけど、

どうも方法としては、

　　端末にデータを残さない＝シンクライアントと一緒

という方向で、落ち着きそうな気配だ
（端末にデータを残さないのだから、データを見られる心配などはしなくていい）

このとき、２つのアプローチがある

・すべてWebブラウザベースで行う→Windowsプログラムも！

・サーバー側で処理して行う
　　　サーバー側にAndroidアプリをおき、そのアプリを実行する
　　　サーバー側にWindows、Macのアプリケーションをおき、それを実行する


すべてWebベースで行うのは、Chromebookやソリトンさんのセキュアブラウザとなる
２つめの「サーバー側で処理して行う」というのは、
　　　サーバー側にAndroidアプリをおく場合は、マクニカさんのremotium
　　　サーバー側に（スマホアプリでなく）Windows等を走らせる場合は、リモートコントロールで
　　　　　ソリトンさんは、ソリトン　セキュア　デスクトップ
　　　　　シトリクスさんは、Receiver for HTML5
とくに「Receiver for HTML5」はブラウザで見れるんで、これでWindowsも
すべてWebブラウザベースで行うことができる

---

そして、これらにくわえ、１つの課題がある。

それは、これらのアプローチはネットワークが接続できない環境だと使えないということで、
　　アプリ開発の場合には、オフラインファーストで開発し、
　　ソリトンさんは、DMEというソリューションがある？

ということらしい。

「Docker」技術勉強会に行って、Docker,Kubernetesとか、聞いてきた

12月11日、エンタープライズOSS勉強会２回目
コンテナ仮想化「Docker」技術勉強会
に行って来た！その内容をメモメモ

---

■会場について

■エンタープライズOSSのご紹介
・カンファレンス、勉強会
・コミュニティ支援など
・今日のプログラム


■仮想化、クラウドの次に来る「コンテナ化」
Linux Kernel Updates
DARSANA　Tokyo

Dockerとは
・コンテナ技術を利用したアプリケーションプラットフォーム
・コンテナ＋イメージ管理＋α
　　Docker　はぶ
・２０１４年：注目集めている

コンテナとは
・ハイパーバイザーの仮想化
　　Linuxの上にハイパーバイザーが動く

・コンテナはユーザー空間を分割しているだけ→高速

Linuxコンテナの特徴
・Linuxの標準のOSレベル仮想化機能
・コンテナごとに独立したリソースを割り当てることで、
　アプリケーションの実行環境を分離

DockerとLinuxコンテナ
・Dockerはコンテナを実現する上でLinuxカーネルに既にぞんざいする機能を活用
・Immutable Infrastructureと相性がいい

・Devicemapper
　NAT
→Dockerはこれに関与

・起動終了が非常に高速（０．２秒）

Dockerの開発状況
・docker/docker

DockerCon14
・米サンフランシスコにてDocker専門カンファレンス
・Dockerの価値：簡単に使えるようにした
　　Windows版もアナウンスされたけど

Dockerへの指示
・クラウド環境
　　RedHat OpenSHift
　　AWS
　　Googleクラウドプラットフォーム
・コンテナに最適化OS
　　CoreOS
　　Project Atomic
　　Ubuntu Core
・小さなフットプリント

DevとOps
・Ops:HostOSのみ管理
　コンテナのポータビリティ

Continuous Delivery with Docker
いままで
　Jenkinsで開発と本番環境が違うということがあった
　　→Docker使うと同じにできる

Docker in RHEL7：ミッションクリティカルでは非推奨
RHEL Atomic Host
・コンテナのための最低限のOS
　　Dockerに対応

rpm-ostree
・パージョンアップ、ダウンが容易

コンテナ向け認証
共通のバイナリを異なる環境で

RHEL Atomic Host：来年のはやいうち

まとめ
・Dockerコンテナ技術をベースにいたアプリ実行プラットフォーム
・DevOpsにいい

■Dockerの仕組みとIIJ社内での利用例
Dockerのコンテナ起動の仕組みについて
IIJ社内での利用例
　CentOS6.6+docker1.3.2

Dockerとは
・DockerEngine+DockerHub
　　　DockerEngine：コンテナ管理ソフト
　　　DockerHub
・コンテナとは何か

起動するとき
docker run イメージ名 実行したいコマンド、引数

Docker client：デーモンに投げるだけ

Docker
・Goで書かれてる。一部C
・ClientとDaemonは同一バイナリ
　　起動オプションで切り分け

・execdriver,graphdriver
　　execdriver
graphdriverディスクイメージ管理
　 aufs
devmapper

コンテナ起動の流れ

イメージ
スナップショット：とまっているコンテナ

docker create→コンテナを作って、起動しない

docker Start→こんてなID指定　-a個々で見える
　　新規Namespace

cloneシステムコールを呼ぶ
→新規のNamespaceをつくる

dockerinit起動後
おやDockerdaemon
子供dockerinit
　　ネットワーク
　　ファイルシステム関係

コンテナのネットワーク
・コンテナごとにNetwork　Namespace
　分離しないこともできる

cgrope
コンテナのもにたりんぐもできる

docker exec

IIJの利用例
・継続的インテグレーション（CI)
　CIサーバーdrone:dockerコンテナ内
　　Github EnterpriseにPushすると、droneがdokerコンテナ作る
　Serf

・コンテナのクラスタリング
　クラスタ管理ツール
　　　fig
　　　kubanates
　→自分たちで作ったｌdocker manager

・dockerコンテナのもにたりんぐ
　　コンテナの外から情報が収集できる
　docker-metricsdいまはGoogle cAdvisor
　grapanaでグラフ化

■DockerとKubernetesが作る未来

自己紹介

PaaS勉強会

Docker便利ですよね
→Productionでもいえる？
たくさんのホストにたくさんのコンテナ
→足りないものが多い

Kubernetes
１．Kubernetesとはなにか
２．実際どんなかんじ
３．どうやって関わっていくか

１．Kubernetesとはなにか
・Google公開した、コンテナ管理のツール
・複数のホストにまたがる
・K8Sともかく
・死活管理、負荷分散・・・
・いろんな環境で使える

２．実際どんなかんじ
・２つの役割
　　Master:管理する
　　minion：動く、複数台OK
　→Replicationが監視
・正確には「Poｄ」単位で管理
・Service：L3ロードバランサみたいなやつ
コマンドとJSONファイルで複雑なのが作れる

使うことで
・複数コンテナを勘tがんに展開できる
・物理ホストを意識することなく

３．どうやって関わっていくか
・まだベータです
・自前でKubernetes
・Google　Container Engine(GKE)
・内部にもつOpenShift ｖ３からDocker,管理にKubernetes

第一世代のPaaS　プロプライエタリ
第二世代のPaaS　プロプライエタリ・オープン
第三世代のPaaS　コンテナネイティブ

１２月１日　Rocketを発表
１２月４日　Dockerがマルチホストのコンテナ環境すをーむ

ビッグデータ、アジャイルで、東芝ソリューションがPivotalの方法でなんかするらしい

１２月１１日の
Pivotalジャパンサミット２０１４
の話のつづき。メモメモ

途中、よくわからなかった(医療とライフサイエンスへのデータサイエンスの取り組み)
のがある。ほとんどメモになっていない（＾＾；）

表題の件は、このメモの最後のほう、「ご挨拶」を参照。
もっと詳しい話は

東芝ソリューション、ビッグデータ活用に向けたアジャイル開発センターを都内に開設
～Pivotal社のメソドロジーを利用して、お客様と新たな価値を創造し、ビジネスへ適用～
http://www.toshiba-sol.co.jp/news/detail/141210.htm

に載ってる（ってか、上記サイトを見れば、ご挨拶はみなくていいか・・　（＾＾；））

---

■チャンス発見学から生まれたデータ市場ゲーム
～データの中身を出さずに、データの利用価値を教わる技術～
東京大学　大澤先生

ビッグデータでなく、スマートなデータ（役に立つデータ）

チャンス発見
１９９３年からビッグなデータ
　　→スモールなデータに焦点が移った
　　　どのように使うか＝チャンス発見

恐ろしく簡単な方法で、大雪が早く来ることを的中
　→１日で５００億円
決定木学習→人間の解釈

人間の解釈：ネガティブに捕らえる人も
　→どこかにはいる。

チャンス発見
　頻度の低い売れない商品→チャンス
　頻度が高いものを黒丸：クラスターが出る
　クラスター間に出てくるものが重要KeyGraph
　　→どれがいいチャンスかは、コンピューターは教えてくれない

生地屋さん
　誰に、何が売れた→KeyGraphに
　グラフ→ストーリー
鉄則：シナリオは予測でも創造でもなく、覚醒される
　→ストーリーができている
データ結晶化によって特許明細から得られたシナリオマップ
　新たなシナリオと特許化・商品化された案

最初のQ：頭の中、こうなってませんか？
　→データをコンピューターにいれると、パターンが出てくる
チャンス発見のプロセス
　　関心の自覚
　　ディスカッション→アイデアの可視化→メタ認知

イノベーションゲーム
　イノベーション技術の発想法
原子力安全への適用（２００９）データ結晶化（DC)法

Web版イノベーションゲームとその流れ→あまり役に立たない

データジャケット
・既存のデータ、データマイニングツールを組み合わせる
　　オープンデータ：でない
　　まして民間のデータを出すのか？
　オープンデータサプライヤー：
　　使う人は金を払う→マーケット大事
　データジャケット
　　　→サマリーを出したいだけ出す
　　　　出したくないのは出さない
　例：IMDJ(データジャケット）
　　　健康変化に影響する要因を知りたい
　　データを結合する
　　データ項目だけ、必要なものをいう

　→自分のデータを外に出さないで（自分で解析して）
　　　結果だけ教えられる。
　→オープンになる力が働く

チャンス発見
イノベーションゲーム
データジャケット
　変数名：意味を書く

最後のQ：データサイエンティストはどこにいる？
Twitterの内容They
POSデータYou
自分たちの知識リソースを再利用するほうが先

---

■医療とライフサイエンスへのデータサイエンスの取り組み
ヘルスケア：構造化データ主
臨床データ、病暦、
ゲノム、画像→非構造化データ増えている
モバイルデータ、センサーデータ

構造化、飛行増加の３６０度ビュー→より意味のあるモデル

従来のやり方
・In-Memoryソリューション
・並列処理

違うやり方
・より良いテクノロジにアクセスできたら、いい結果になるの？
　　モデル→アプリケーション：データドリブンアプリケーション

　（ごめん、よくわかんないので、キーワードだけ書く。こーどあそんの話らしい）
　喘息について？
　・シェパード相関法
　・喘息患者→カイ２乗
　・・・（ごめん、さっぱりわかんなくなった）

・モデルのクオリティをカイゼン
　２つの目アプリ；自分の状況が分かる
　・薬の残りとか
　・・・（ごめん、さっぱりわかんなくなった）

・テクノロジーは受け入れられるか
　アプリケーションを作る

・データサイエンスがほかの事に
　不正を見つける
　FWA
　プロファイルを作る。
　機械学習

・同じ価値を生み出させられるか？
　　MAT

モデル
・EDIP：早期心停止発見
・モデルの正確さは上がる→誤検知をなくす
・いろいろまわせた：ロジスティック回帰とか

結論
・一般の課題
　データ増える、様々なデータ
　PIVOTAL：いろいろに対応できる
　テクノロジーの導入は些細なものではない

製造系センサーデータ
課題
・アクセス
・データ統合
・データ複雑

クロス表

調整ができる
（ごめん、意味わかんなくなったので休憩）

・・・お、おわっちゃたよ。。。

・・・ごめん、さっぱりわかんなかった（＠＿＠！）

---

■次世代分析基盤の構築
インテージ

会社概要
　インテージ＝市場調査の会社
　ドコモとジョイントベンチャー

　市場調査の会社
　　インテージグループ９位

　市場調査とは
　　カスタムリサーチ
　　パネル調査

インテージにおけるデータ例
・ビッグデータ→有効性を見つけるの大変
　　データ例：全国小売店パネル（３９９４店舗・２０年）
　　　　　　　SSP、i-SSP
　　　　　　　カスタムリサーチ（アンケート）
　　　　　　　　→すぐに反応アリ：サーバー高付加だと答えてくれない

データセンター戦略

基本方針
・自社データセンターの有効活用（オンプレミス）
・パブリッククラウドの有効活用（AWS)
　　→ハイブリッドデータセンター

メリットのあるものはパブリッククラウドへ
・即時性
・短期利用
・ぎょうむ（あくせす）へんどうがおおきい
→大規模障害も考慮必要
　死活監視も
　負荷分散しながら可用性もUP

サーバー台数の遷移→結局、物理サーバーは結構ある

データ解析基盤
・DWH
　　社内データと社外データ
　　　ビッグデータ
　　　インテグレーション
　　　可視化・透明化
　　ディープアナリティクス

基本アーキテクチャ

データソース
ETL/Hadoop・DHW
DWH
BI/自前
GreenPlumDB

GreenPlumDB
・並列分散DB
・更新が多いい

利用して
・取り扱いかんたん
苦労した点
・チューニング

i-SSP
・PivotalHD(Hadoop)+HAWQ(Hive)
・Pivotal前はMapReduce使ってた
・Hiveより速い。多重処理もOK

PivotalHD
・ベースがPostgreSQL
・データの持たせ方

まとめ
・基本的な方針の確立が重要
・扱うデータの特性を十分理解する
・事前検証を十分行う
・パブリッククラウドの有効活用
　　→結構高い(うまく使うと安い：ドル建て課金）

課題をお聞かせください

---

　
■Dev/Opsの進化

自己紹介

DEVOPS
・プロフェッショナルな動き
　　・コミュニケーションとコラボレーションのカルチャ
　　・自動化
　　・指標やデータに基づいて
　　・共通な問題をシェアリングする

むかし
・元寇のはなし
　　モンゴル→戦い方違う
　　　八幡愚童訓
　　日本の戦い方違った
　でも、自然に救われた

コンピューター
　　ソフトウェア→人が主導：開発者がつくる
　新しいサービス
　　CDいれたのいつ？
　　CD使えない
　　インターネットすべて
　　プロセスは長い時間ず～と動く
　プロセス
　　　申請して
　　　　　まつ
　　　　　　まつ
　　　　　　　構成するまで・・１ヶ月？少なくとも数日

　　　彼はたくさんのサーバーを見ている

　→スクリプトを書く
　　うまくいけば、動くようになる

　ITIL
　　　スピードを落とすことで守ってくれる
　→GoogleもAmazonも、うーバーもITILを使っていない！

　DevとOpsの戦い
　　フリッカー：１日１０回本番環境でPush
　　→変換期
　DevOpsDaysTokyo２回やっている
　技術者しか来ない
　でも１０％くらいエグゼクティブがくる
　トップとボトム

　２００７年オペレーションが秘密のカギ
　　→ツールを使うと、１００台が１０００台、１０万台になっても

　Amazon Web Services
　そして、OpenStack,Google、Azure,VMWare

　悪いSQLを書いたせいで、オペレーターが徹夜して・・・
　→開発者が対応すべきだろう

　Amazonの優位性はプロセス、カルチャ
　アイデアある
　サーバーリクエスト
　構成ツールで

　Netflixの教え
　　・スピードが勝つ
　　・開発者が待つことがない
　　・信頼
　　・自由と高い責任のカルチャ＝実装に失敗したら、自分が直す
　　・ビジネスにならないものはやらない
　　・シンプルなパターンを使い、自動化する
　　・セルフサービスクラウド

人材がいない→日本でも聞く
・ゲーム会社がみんな持っていく

KAOSモンキー：ランダムに仮想マシンを消す。ライブでやる
ハードウェア：故障する
小さなリリース：安全性の意味もある

３さつのほん
　こんてにゅあすでりばりー
　りりーすいっと
　ふぇにっくすぷろじぇくと

クラウドファウンドリーですべてをかえる

---

■ご挨拶
・日本での最新事例
　東芝ソリューション
　→アジャイル開発センター

・ビッグデータ活用に向けたアジャイル開発センターを都内に開設
　Pivotalのメソドロジーを利用して、お客様と新たな価値を創造
目的
・リーンスタートアップの実現
・ビッグデータファストデータの活用
・継続的なビジネス価値向上

ことをつくっていく
　さーびす・でーた・ぶんせき
お客様・データサイエンティスト・アジャイルエンジニア

スナック食べ放題、ビール飲み放題