SHOEISHA iD

※旧SEメンバーシップ会員の方は、同じ登録情報(メールアドレス&パスワード)でログインいただけます

CodeZine編集部では、現場で活躍するデベロッパーをスターにするためのカンファレンス「Developers Summit」や、エンジニアの生きざまをブーストするためのイベント「Developers Boost」など、さまざまなカンファレンスを企画・運営しています。

【デブサミ2016】セッションレポート

【デブサミ2016】18-B-2レポート
データ分析で始めるサービス改善最初の一歩


  • X ポスト
  • このエントリーをはてなブックマークに追加

「解析」の取り組み内容

 ログの収集と可視化については一定の効果を得られましたが、可視化だけでは情報が落ちている、人の目に頼った判断となっているという状況を把握した石原氏は、次に「解析」についても改善のアクションを行っていきます。Hiveによる全アクセスログの集計とRの機械学習ライブラリ活用による傾向変化の検知が次のゴールとなりました。解析における作業の流れは以下構成図の内容となります。

 まずは異常値に関連する指標を探すため、可視化した内容を確認することから始めた石原氏は、特定日時に特定のリクエストが集中していることを把握します。しかしこの時の内容についてはシンプルな指標変化(任意の閾値を超えた場合、異常と判定する)による異常値検出であったため、顧客環境によってはうまくいかないケースもありました。このため、機械学習のアルゴリズムを使い、閾値による検出からユーザー利用傾向の変化による検出を行なう「方向転換」を行いました。

 機械学習の"適切なアルゴリズム"を選ぶための作業は試行錯誤の連続でした。LOF(Local Outliner Factor/密度ベースの外れ値検出法)は、外れ値としたい値が意図した結果とならなかったために不採用。

 また、一定数あるはずの異常値と正常値の切り分け方を探すSVM(One-Class SVM)ではその結果から採用に踏み切るなど、アルゴリズムによって向き不向きがあることが分かりました。

 これらの作業を通じて、石原氏は「どのアルゴリズムが目的実現に適切なものなのか、試行錯誤は大変でした」としつつ、「Rのライブラリは充実しており、簡単な機械学習の適用ならすぐに試せる。ぜひ皆さんも色々試してみて欲しい。そしてこの取り組みによって予防的なパフォーマンス改善ができるようになりました」とその効果について振り返りました。

 そして最後にセッションのまとめとして「より客観的・継続的な改善のためにデータ分析を軸にした方法は有用だということが分かりました。今後はバックエンドのアプリログの解析や可視化、ストレージ容量の利用傾向分析についても範囲を広げて行きたい」と意気込み、セッション発表を締めました。

修正履歴

この記事は参考になりましたか?

  • X ポスト
  • このエントリーをはてなブックマークに追加
【デブサミ2016】セッションレポート連載記事一覧

もっと読む

この記事の著者

しんや(シンヤ)

2010年末~2013年前半位までの期間で興味のある勉強会に頻繁に参加。参加してきた勉強会のレポートブログとTogetterをひたすらまとめ続け、まとめ職人(自称/他称含む)として暫く過ごしておりました。色々な縁あってDevelopers Summit 2013では『公募レポーター』も務めました。2013年05月『出張ブロガー』を経て2013年08月にクラスメソッド株式会社へ転職。現在は業務(AWS及びその周辺技術を扱う)の...

※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

  • X ポスト
  • このエントリーをはてなブックマークに追加
CodeZine(コードジン)
https://codezine.jp/article/detail/9263 2016/03/08 18:16

おすすめ

アクセスランキング

アクセスランキング

イベント

CodeZine編集部では、現場で活躍するデベロッパーをスターにするためのカンファレンス「Developers Summit」や、エンジニアの生きざまをブーストするためのイベント「Developers Boost」など、さまざまなカンファレンスを企画・運営しています。

新規会員登録無料のご案内

  • ・全ての過去記事が閲覧できます
  • ・会員限定メルマガを受信できます

メールバックナンバー

アクセスランキング

アクセスランキング