小さく始めるデータ基盤 @reizist 1 / 18

自己紹介 @reizist Web Backend / Infra / Data (Infra) R なんとかという会社で データエンジニア 最近CloudComposer2 と戯れています 2 / 18

背景 データ基盤はもはや大規模サービスにのみ必要なものではない スタートアップでもデータ基盤の需要は増えてきている 今回 副業で enpay.Inc で構築した事例を紹介します 3 / 18

事前制約 外部にダッシュボードを埋め込みで提供したい Looker を採用したい 4 / 18

重要視した方針 汎用化 エンハンス/ リプレイスしやすい技術を採用 作り込まない Airflow, Argo Workflow 等ワークフローエンジンの採用を見送る リスク最小化 DWH には個人情報を一切入れない「全部なし戦略」 5 / 18

どんなデータを集める？ 1. クライアントログ 2. DB 3. 各SaaS(kintone) 6 / 18

どこにデータを集める？ BigQuery エコシステムが整って枯れているBigQuery に不満がなかった 権限周り/cli 周りの取り回し Snowflake のtrial してみたいと思いつつ.. 7 / 18

Q. どうやってデータを集める？ 真っ先にtrocco をtrial で導入し検討した あらゆるデータソースに対応していて要件(DB, SaaS からのデー タ取り込み) は満たせた が要件に対してはコストが見合わなかったので断念 Embulk on CloudRun を採用 コンテナベースなので安心 8 / 18

Amazon S3 Amazon RDS Cloud Build Cloud Storage db-importer Cloud Run Push AWS Step Functions workflow rds-exporter Create DBClusterSnapshot StartExportTask EventBridge run-embulk Cloud Run BigQuery DB SaaS ClientLog 9 / 18

DB Aurora instance から個人情報をすべてマスク済のsnapshot を作成 snapshot からS3 にParquet でexport S3 に DB のデータがリスクのない状態で配置 CloudRun 上で実行されるbq load によりS3 のParquet をBQ にimport 10 / 18

SaaS Embulk on CloudRun CloudRun のroot endpoint にアクセスすると実装済のすべての embulk config をsequential にembulk run する 環境変数によって個別に実行可能 SaaS 毎のendpoint を作る等自由に拡張可能 11 / 18

ClientLog Google Analytics 必要な箇所で trackEvent を呼ぶだけでBQ にほぼリアルタイムにロ ギングされる export const EventTracker = { trackEvent: function (event_name: string, payload: any) { try { gtag('event', event_name, payload) 12 / 18

どうやって使っている？ まずはsales/cs メンバー向けのkintone ダッシュボード上でLooker ダ ッシュボードを埋め込み表示 今後エンドユーザーに便利ダッシュボードを公開予定 13 / 18

14 / 18

稼働状況 StepFunction, CloudRun 共に daily job は実装完了後一度も落ちていない 15 / 18

ランニングコスト 実質無料 CloudRun & BQ (& CloudBuild) で200 円くらい CloudRun 最高！ 16 / 18

enpay のプロダクト/ データに興味がある方はこちらへどうぞ！ Looker 採用決定したCTO がカジュアルにトークします 17 / 18

まずは小さく始めよう 18 / 18