Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
I like sushi
Search
Naoya Ito
September 17, 2015
Technology
15
11k
I like sushi
すしルート#2 でのLT資料です
Naoya Ito
September 17, 2015
Tweet
Share
More Decks by Naoya Ito
See All by Naoya Ito
Haskell でアルゴリズムを抽象化する / 関数型言語で競技プログラミング
naoya
21
6.6k
Functional TypeScript
naoya
16
6.4k
TypeScript 関数型スタイルでバックエンド開発のリアル
naoya
74
36k
シェルの履歴とイクンリメンタル検索を使う
naoya
16
6.3k
20230227-engineer-type-talk.pdf
naoya
91
78k
関数型プログラミングと型システムのメンタルモデル
naoya
62
110k
TypeScript による GraphQL バックエンド開発
naoya
29
36k
フロントエンドのパラダイムを参考にバックエンド開発を再考する / TypeScript による GraphQL バックエンド開発
naoya
67
24k
「問題から目を背けず取り組む」 一休の開発チームが6年間で学んだこと
naoya
144
60k
Other Decks in Technology
See All in Technology
オブザーバビリティと育てた ID管理・認証認可基盤の歩み / The Journey of an ID Management, Authentication, and Authorization Platform Nurtured with Observability
kaminashi
1
720
だいたい分かった気になる 『SREの知識地図』 / introduction-to-sre-knowledge-map-book
katsuhisa91
PRO
3
1.4k
「タコピーの原罪」から学ぶ間違った”支援” / the bad support of Takopii
piyonakajima
0
140
dbtとAIエージェントを組み合わせて見えたデータ調査の新しい形
10xinc
1
430
プロファイルとAIエージェントによる効率的なデバッグ / Effective debugging with profiler and AI assistant
ymotongpoo
1
210
OTEPsで知るOpenTelemetryの未来 / Observability Conference Tokyo 2025
arthur1
0
260
ヘンリー会社紹介資料(エンジニア向け) / company deck for engineer
henryofficial
0
390
オブザーバビリティが育むシステム理解と好奇心
maruloop
2
1.2k
プロダクト開発と社内データ活用での、BI×AIの現在地 / Data_Findy
sansan_randd
0
170
RemoteFunctionを使ったコロケーション
mkazutaka
1
120
SQLAlchemy の select(User).where(User.id =="123") を理解してみる/sqlalchemy deep dive
3l4l5
3
440
OpenTelemetry が拡げる Gemini CLI の可観測性
phaya72
2
2.3k
Featured
See All Featured
Site-Speed That Sticks
csswizardry
13
930
Thoughts on Productivity
jonyablonski
70
4.9k
Designing for Performance
lara
610
69k
Distributed Sagas: A Protocol for Coordinating Microservices
caitiem20
333
22k
Java REST API Framework Comparison - PWX 2021
mraible
34
8.9k
A Tale of Four Properties
chriscoyier
161
23k
Facilitating Awesome Meetings
lara
57
6.6k
Templates, Plugins, & Blocks: Oh My! Creating the theme that thinks of everything
marktimemedia
31
2.6k
Leading Effective Engineering Teams in the AI Era
addyosmani
7
640
Writing Fast Ruby
sferik
630
62k
Automating Front-end Workflow
addyosmani
1371
200k
個人開発の失敗を避けるイケてる考え方 / tips for indie hackers
panda_program
116
20k
Transcript
*MJLFTVTIJ /BPZB*UP ,BJ[FO1MBUGPSN *OD
h"p://tenshoku.mynavi.jp/it-‐engineer/knowhow/naoya_sushi/13
͢͠
None
ߴ͍
ߴ͍͓ۚΛग़͢ͳΒ ྑ͍͓ళʹߦ͖͍ͨ
৯˓ά
ܦݧతʹ • ۜ࠲ߴධՁͷ͓ళ͕ଟ͍ͳɺͱ͔ • ܙൺणͷߴ͍ళ͕গͳ͍ͳɺͱ͔ • ߴ͍͓ళߴͦ͏ɺͱ͔ • ͜ͷՁ֨Ͱ͜ͷͷ͓ళ͓ಘͩɺͱ͔
ݟ͑ΔԽ͍ͨ͠
ݟ͑ΔԽ • σʔλΛͬͯݟ͑ΔԽ͍ͨ͠ • "1*ͳ͍ • "1*͕ͳ͍ͳΒͿͬ͜͵͚ৗࣝͷൣғ Ͱਓ༷ͷΞΫηεΛࣗಈԽ͢Εྑ͍ ͡Όͳ͍ –
ౖΒΕͨΒ͝ΊΜͳ͍͞ŋŋŋ
໘ͳ͜ͱ ▪「銀座駅」「鮨」の検索結果のURL h"p://tabelog.com/tokyo/A1301/A130101/R3368/rstLst/sushi/?SrtT=rt&sk=鮨 &svd=20150916&svt=1900&svps=2&LstCos=0&LstCosT=0&RdoCosTp=2&LstSitu=0&LstR ev=0&ChkCoupon=0&yahoo_ppc=0&ChkCampaign=0&Srt=D&sort_mode=1 ʮᲔʯೖͬͯΔ͚Ͳʮۜ ࠲ʯ͕ೖͬͯͳ͍
Ͳ͏Ҭ໊ͷΫΤϦΛ֬ఆ͠ ͨͱ͜ΖͰಈతʹҬใ ʹมͯ͠ΫΤϦͯ͠ΔΆ͍
୯७ͳ)551(&5Ͱ ͩΊ͔
None
/JHIUNBSF • /PEFKTϞδϡʔϧ • ϔουϨεϒϥβͷϋΠϨϕϧ"1*Λఏڙ – 1IBOUPN+4 – &MFDUSPO •
ϒϥβͷڍಈΛࣗಈԽ • $BTQFS+4ΑΓ͞Βʹએݴతʹॻ͚Δ • ԿͰͦΜͳ໊લ – 1IBOUPN ༓ྶ ˠ$BTQFSˠ/JHIUNBSF ͩͱࢥ͏
/JHIUNBSF&YBNQMF var Nightmare = require('nightmare'); yield Nightmare()
.goto('http://yahoo.com') .type('input[title="Search"]', 'github nightmare') .click('.searchsubmit');
ॾʑ • WͰͳ͘Wͬͨ – &MFDUSPOϕʔεʹมΘ͕ͬͨػೳ͕গ͠མͪͯΔ • useragent()ͳͲͷ"1*͕ফ͑ͨ • σόοάग़ྗͷใ͕গͳ͍ •
ϒϥβͷݴޠใΛ੍ޚͰ͖ͳ͍ – "1*গ͠ҧ͏ͷͰҙ • yieldͰॻ͚ΔͷҎ߱
ਓ͕ೖྗ͢Δͱ͖ͷϑ ϩʔΛ࠶ݱ
)5.-ͷύʔε DIFFSJPͰ
ΤΫηϧ • Ҭ͝ͱʹಘͨσʔλΛΤΫηϧ – ۜ࠲ɺຊɺܙൺणɺஙŋŋŋ • ͦΕͧΕళฮ͘Β͍ – είΞ – Ձ֨ଳ • Ձ֨ͱείΞͷࢄਤΛ࡞Δ
ۜ࠲ 2.9 3.1 3.3 3.5 3.7
3.9 4.1 4.3 4.5 0 5,000 10,000 15,000 20,000 25,000
ܙൺण 2.9 3.1 3.3 3.5 3.7
3.9 4.1 4.3 4.5 0 5,000 10,000 15,000 20,000 25,000
݁ߏΘ͔Δ 2.9 3.1 3.3 3.5 3.7
3.9 4.1 4.3 4.5 0 5,000 10,000 15,000 20,000 25,000 2.9 3.1 3.3 3.5 3.7 3.9 4.1 4.3 4.5 0 5,000 10,000 15,000 20,000 25,000 ܙൺणʹߴՁ֨ଳͷධ Ձͷߴ͍͓ళ͕ͳ͍ ۜ࠲ධՁͷߴ͍ߴڃళ ͕ͻ͠Ί͍͍ͯΔ ʮܙൺणߴڃҿ৯ళີूଳͷׂʹྑ͍͓Ე͞Μগͳ͍ʯŋŋŋͱ͍͏ᷚຊ͔ ͦͦ͢͠͞Μগͳ͍
ຊ 2.9 3.1 3.3 3.5 3.7
3.9 4.1 4.3 4.5 0 5,000 10,000 15,000 20,000 25,000
ங 2.9 3.1 3.3 3.5 3.7
3.9 4.1 4.3 4.5 0 5,000 10,000 15,000 20,000 25,000
͔Δ͘ߟ
ۜ࠲ 2.9 3.1 3.3 3.5 3.7
3.9 4.1 4.3 4.5 0 5,000 10,000 15,000 20,000 25,000 ܦݧతʹ͘Β͍͋Εϋζ Ϩগͳ͍ͷͰͦ͜Λᮢʹ͠ ͯΈΔ
ۜ࠲ 2.9 3.1 3.3 3.5 3.7
3.9 4.1 4.3 4.5 0 5,000 10,000 15,000 20,000 25,000 ίεύͷྑ͍ళ͋Δ ་٢ຕҎ্ͷߴڃళ ͳΒ͜ͷ͋ͨΓ͕ೲಘ ײ͕ߴͦ͏ ४ߴڃళͰຬͷߴ ͦ͏ͳ͓ళ ඞͣ͠ߴՁ֨ͳΒධ Ձ͕ྑ͍Θ͚Ͱͳ͍
ຊ 2.9 3.1 3.3 3.5 3.7
3.9 4.1 4.3 4.5 0 5,000 10,000 15,000 20,000 25,000 ۜ࠲ͱࣅ͍ͯΔ ۜ࠲ʹൺֱͯ͜͠ͷՁ ֨ଳͷߴධՁళ͕গͳ ͍ Ձ֨ଳͰߴධՁ ͷళͳ͍
ங 2.9 3.1 3.3 3.5 3.7
3.9 4.1 4.3 4.5 0 5,000 10,000 15,000 20,000 25,000 Ձ֨ଳͷ͓ళ ີू͍ͯ͠Δ ૂ͍ ૂ͍
ײ • શൠతʹՁ֨ଳධՁ͕ौΊʹͳΔ – ҆ͯ͘͘Β͍ͳΒίεύྑ͍ͷͰ • ջ͕Թ͔͍ͳΒۜ࠲ຊ – ͨͩ͠ຊʹߦ͘ͳΒத్ආ͚Δ –
ۜ࠲ຊΑΓબࢶ • ࠷ߴڃՁ֨ଳͰͳͯ͘ྑ͍ళ͕݁ߏ͋Δ • ஙொͷنʹର͕ͯ͢͠͠ଟ༷ɻ • ܙൺण͢͠ʹ͔ͳ͍ – ͳ͓നۜߴྠඌ·Ͱߦ͘ͱ৭ʑ͓ళ͕͋Γ·͢ ˞͋͘·ͰείΞΛ৴͢ΔͳΒɻ͋·Γਅʹड͚ͳ͍Ͱ͍ͩ͘͞Ͷ
5IBOLT ͢͠Ώ͖ $ ͋ΘΏ͖ $$#:/$/%