前回の記事では、大規模解析サービスを実現するためにはさまざまなポイントがあることを説明し、その実現のためにクラウドプラットフォームであるGCPが活用できるという話をしました。今回は大規模解析サービスの例として、自社で開発している「KARTE」におけるシステム構成の全体像について説明をします。
大規模解析サービスの構成要素
大規模解析サービスは一般的に、以下の要素から構成されます。
- ログ情報等のデータの送信
- データの受信
- データの保存
- 保存したデータの解析
- 解析データの閲覧などができる管理画面の提供
KARTEはユーザのWebアクセスデータをリアルタイムに解析し、アクションまでつなげることができるサービスであり、先ほど説明した5要素は、以下の5種類のコンポーネントによって実現しています。
- trackerコンポーネント：エンドユーザで実行されるtracker[1]をエンドユーザに配布するためのコンポーネント
- trackコンポーネント：エンドユーザからデータを受信するコンポーネント。とくにKARTEでは解析データに基づいてエンドユーザへのアクションを返す役割も持つ
- dbコンポーネント：解析データなどのさまざまなデータを格納するコンポーネント
- analyzeコンポーネント：エンドユーザのデータを解析するコンポーネント
- adminコンポーネント：サイト管理者向けの管理画面を提供するコンポーネント
注
[1] エンドユーザからデータをtrackコンポーネントに投げ、アクションを実行するためのJavaScriptのファイルをtrackerと呼ぶこととします。今回はtracker自体についての話は割愛します。
それぞれのコンポーネントはさまざまなクラウドサービスを使って構成され、KARTEの全体像は以下の図のようになります。
GCPだけでなく、Amazon Web Services（AWS）のサービスも利用している構成となっており、少し複雑に思えるかもしれませんが、この記事を読み終わる頃にはなぜこのような構成を取っているかをきっと理解していただけると思います。では早速、説明していきます。
この記事は参考になりましたか？
- 大規模解析サービスを支えるGCP活用事例連載記事一覧
- この記事の著者
-
竹村尚彦（株式会社プレイド）（タケムラ ナオヒコ）
株式会社プレイド エンジニア 2014年からプレイドで、インフラを中心にKARTEの裏側を全般的に担当。 プレイド入社前はNECにてクラウドサービスの立ち上げにエンジニアとして従事。 2011年、同志社大学工学部を卒業。
※プロフィールは、執筆時点、または直近の記事の寄稿時点での内容です
この記事は参考になりましたか？
この記事をシェア
