Upgrade to PRO for Only $50/Year—Limited-Time Offer! 🔥
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
docker-ojisan
Search
Kohei Ota
July 25, 2017
Technology
0
330
docker-ojisan
Dockerおじさん
Kohei Ota
July 25, 2017
Tweet
Share
More Decks by Kohei Ota
See All by Kohei Ota
CloudNative Meets WebAssembly: Exploring Wasm's Potential to Replace Containers
inductor
4
3.3k
The Cloud Native Chronicles: 10 Years of Community Growth Inside and Outside Japan
inductor
0
150
Cracking the KubeCon CfP
inductor
2
730
KubeCon Recap -Platform migration at Scale-
inductor
1
1k
コンテナビルド最新事情 2022年度版 / Container Build 2022
inductor
3
550
データベースとストレージのレプリケーション入門 / Intro-of-database-and-storage-replication
inductor
29
6.5k
KubeConのケーススタディから振り返る、Platform for Platforms のあり方と その実践 / Lessons from KubeCon case studies: Platform for Platforms and its practice
inductor
3
910
オンラインの技術カンファレンスを安定稼働させるための取り組み / SRE activity for online conference platform
inductor
1
1.3k
Kubernetesネットワーキング初級者脱出ガイド / Kubernetes networking beginner's guide
inductor
22
6.8k
Other Decks in Technology
See All in Technology
AI 駆動開発勉強会 フロントエンド支部 #1 w/あずもば
1ftseabass
PRO
0
360
文字列の並び順 / Unicode Collation
tmtms
3
580
プロンプトやエージェントを自動的に作る方法
shibuiwilliam
9
6.2k
コンテキスト情報を活用し個社最適化されたAI Agentを実現する4つのポイント
kworkdev
PRO
0
1.2k
エンジニアとPMのドメイン知識の溝をなくす、 AIネイティブな開発プロセス
applism118
4
1.3k
GitHub Copilotを使いこなす 実例に学ぶAIコーディング活用術
74th
3
3.1k
コミューンのデータ分析AIエージェント「Community Sage」の紹介
fufufukakaka
0
490
非CUDAの悲哀 〜Claude Code と挑んだ image to 3D “Hunyuan3D”を EVO-X2(Ryzen AI Max+395)で動作させるチャレンジ〜
hawkymisc
2
180
Haskell を武器にして挑む競技プログラミング ─ 操作的思考から意味モデル思考へ
naoya
6
1.5k
モダンデータスタック (MDS) の話とデータ分析が起こすビジネス変革
sutotakeshi
0
490
Gemini でコードレビュー知見を見える化
zozotech
PRO
1
250
形式手法特論:CEGAR を用いたモデル検査の状態空間削減 #kernelvm / Kernel VM Study Hokuriku Part 8
ytaka23
2
460
Featured
See All Featured
Optimising Largest Contentful Paint
csswizardry
37
3.5k
A Modern Web Designer's Workflow
chriscoyier
698
190k
Building a Scalable Design System with Sketch
lauravandoore
463
34k
Site-Speed That Sticks
csswizardry
13
1k
Six Lessons from altMBA
skipperchong
29
4.1k
Sharpening the Axe: The Primacy of Toolmaking
bcantrill
46
2.6k
Documentation Writing (for coders)
carmenintech
76
5.2k
CSS Pre-Processors: Stylus, Less & Sass
bermonpainter
359
30k
Optimizing for Happiness
mojombo
379
70k
Raft: Consensus for Rubyists
vanstee
141
7.2k
Understanding Cognitive Biases in Performance Measurement
bluesmoon
32
2.7k
Done Done
chrislema
186
16k
Transcript
։ൃະܦݧ͕ͩͬͨ %PDLFSͱઓͬͨ݁Ռ *OOPW%FW5FBN ଠాߤฏ
8IPJTଠా w ੩Ԭݝদࢢग़ࡀ ۀߴઐग़Ͱ్͕͢தͰࣙΊͯΔͷͰଔͰͳ͍Ͱ͢ w લ৬*%$Ͱӡ༻ͷ4&తͳͭ w -JOVYͱ͔/8ʹؔͯ͠Ұ൪ৄ͍͠ͷ͕࠷গ͍ͬͯ͏ Α͘Θ͔Βͳ͍ݱͰ4*FS͍ͬͯ͢͝ͳͬͯ·ͨ͠ w
ཹֶܦݧ͋ΔͷͬͯΑ͘ฉ͔Ε·͚͢Ͳͳ͍Ͱ͢ ͷӳޠֶशʹ͍ͭͯͪ͜ΒͷϦϯΫͰಡΜͰԼ͍͞
%PDLFSͱ %PDLFS%PDLFS *OD ੲEPU$MPVEͱ͍͏໊ࣾ ͱ͍͏اۀ͕։ൃ͍ͯ͠ΔԾ ԽͷͨΊͷΦʔϓϯιʔειϑτΣΞͰ͢ɻ%PDLFSΛ͏͜ͱͰҰͭͷϗετ 04ͷ্ͰԾతʹෳͷ04Λʮܰշʯʹʮ؆୯ʯʹಈ࡞ͤ͞Δ͜ͱ͕Ͱ͖ΔΑ͏ʹ ͳΓ·͢ɻ %PDLFS$MJFOU4FSWFSΞʔΩςΫνϟʔͰಈ͍͍ͯ·͢ɻ%PDLFSͷػೳࣗମ αʔόʔଆͰ࣮ݱ͞Ε͍ͯͯɺϢʔβʔͦͷαʔόʔʹରͯ͠$MJFOUͰࢦࣔΛग़͠
ͯར༻͢Δͱ͍͏ΈͰ͢ɻ $MJFOUͷछྨʹ͍͔ͭ͋͘Γ·͕͢ɺओʹར༻͞ΕΔͷίϚϯυϥΠϯͱͳΓ· ͕͢ɺଞʹ3&45"1*ͳͲ͋Γ·͢ɻ$MJFOUͱαʔόʔͷଓʹؔͯ͠ϩʔ Χϧ ಉ͡ϚγϯͰΫϥΠΞϯτͱαʔόʔͷ྆ํ͕ಈ͘ ՄೳͰ͢͠ɺϦϞʔτͷ αʔόʔΛϩʔΧϧϚγϯͷΫϥΠΞϯτͰૢ࡞͢Δͱ͍͍ͬͨํՄೳͰ͢ɻ
ͱ͔͍͏͜ͱࠓ͠·ͤΜ
స৬͔ͯ͠Β" w స৬ɺॳΊͯͷ.BDΛ৮Γ͍͖ͳΓ٧Ή /,(8ࢯ͕ ͍ͳ͍ؒɺφϋ͞ΜʹϔϧϓΛٻΊͨهԱ͕͋Δ w /,(8ࢯʮ͡Ό͋ͱΓ͋͑ͣڥߏங͠·͠ΐ͏ɻΘ͔Β ͳ͍͜ͱ͕͋ͬͨΒ͖͍ͯͶʯ w
΅͘ʢͳʹ͕Θ͔Βͳ͍ͷ͔Α͘Θ͔Γ·ͤΜʣ w ͱΓ͋͑ͣѱઓۤಆ͙ͯͬͪ͠Ό͙ͪΌ͚ͩͲ։ൃݴޠͱ ͔όʔδϣϯཧπʔϧͱ͔৭ʑೖΕΔ͜ͱ͕ग़དྷͨ ࣌ۤ࿑͓ͨ͠ӄͰࠓڥߏங͓͡͞ΜʹͳͬͯΔ
ڥߏங໘͍͘͞ ˠͳΜ͔୭Ͱ͙͑ͯ͢ʹڥ͕ ༻ҙͰ͖Δศརͳͷͳ͍ʁ
͜ͷΞϔإ͍· ͬͯΔΜ
%PDLFSͨͩαʔόΛཱͯΔ ͚ͩͷπʔϧͰͳ͍ʂ w 04ڥͷࠩҟΛແࢹͯ͠ίϚϯυ͕͑ΔΑ͏ʹͳΔ IUUQRJJUBDPN,FOUP%PEPJUFNTDGEDGCDFF w ݴޠͷόʔδϣϯཧΛίϯςφཧʹஔ͖͑Δͱ ɾίϯςφ͍Βͳ͘ͳͬͨΒ͙͢ফ͚ͩ͢ ɾফ͙ͯ͢͠ʹ࠶ݱͰ͖Δ
%PDLFSpMF ɾܰྔͳΠϝʔδΛQVMMͯ͘͠Δ͚ͩ w -JOVYͰ͔͠ఏڙ͞Ε͍ͯͳ͍ίϚϯυΛ .BDͷλʔϛφϧ্Ͱ͑Δ w .BDʹ։ൃݴޠͦͷͷΛೖΕΔख͕ؒল͚ΔͷͰ ϑϩϯτͷਓʹؾܰʹڥΛڞ༗͢Δ͜ͱՄೳʹ
͜͜Ͱ͍͍ײ͡ʹίϚϯυ Λ͓൸࿐ͯ͠ΔHJGΛషΔ
%PDLFSͷ͍· w ੲYΈ͍ͨͳόʔδϣϯମܥ ࠓDF ݄ϦϦʔεͷ ίϛϡχςΟΤσΟγϣϯ w ͰϘϦϡʔϜΩϟογϡͷػೳ͕Ճ͞Εɺ %PDLFSGPS.BDͷίϯςφૢ࡞͔ͳΓߴʹͳͬͨ
w ڥʹΑͬͯϏϧυ͢ΔΠϝʔδΛҾͰཧ͠ɺ ผʑͷڥΛͭͷιʔεͰཧͰ͖ΔΑ͏ʹͳͬͨ .VMUJTUBHFCVJMET w %PDLFS$PNQPTF·Ͱόʔδϣϯ͕͕͋Γ ωοτϫʔΫϘϦϡʔϜ͕ҰݩཧͰ͖ΔΑ͏ʹͳͬͨ w 1SPNFUIFVT ࢹπʔϧ ͰϗετϚγϯͷϝϞϦͱ͔ Ϧιʔεཧ͕Ͱ͖ΔΑ͏ʹͳͬͨ ͘Ͷͯ͢ͱ͔FUDEͱ͔ରԠͯ͠ΔͷͰ͍ͬͯ͡Έ͍͚ͨͲΕͯͳ͍
ࣾʹ͓͚Δ%PDLFSීٴͷ՝ w ίϯςφΛͬͨαʔϏε·ͩ·ͩຊ൪ӡ༻ͷϊϋ͕ গͳ͍ͯ͘͠ ˠӡ༻ࢹϦιʔεཧ͕؆୯ʹͳΔΘ͚Ͱͳ͍ w %PDLFSͷڧΈΫϥυڥΛލ͍ͰΫϥελϦϯάͨ͠ ΓɺϗετͱϊʔυΛҰʹཧͰ͖Δͱ͜Ζ ˠ·ͩ·ͩݱঢ়ͷࣾӡ༻ͰػೳΛ׆͔͖͠Ε͍ͯͳ͍ w
ࣾͰͬͱ%PDLFS༗ࣝऀΛΊ͍͖͍ͯͨ ˠ։ൃϝΠϯͷਓͰΠϯϑϥͷϨΠϠΛ৮ΕΔͬͯૉఢʂ w ݄ͱ͔Ͱ৮ͬͯײΛڭ͑ͯ΄͍͠
͓ΘΓ