[SRE](/wiki/SRE)において、Service Level Objectiveの略で、サービスの質を図る指標の目標値こと。

正常応答率99%を目指そう！と言った時、正常応答率を99%というのがSLO。

Continuous Deliveryの略で、本番環境までのデプロイを自動化して安定かつ高速にリリースしようぜというやつ。

[CI](/wiki/CI)とセットでCI/CDと呼ばれる。

[DevOps](/wiki/DevOps)


拡散モデル

[エンコーダーデコーダーモデル](/wiki/エンコーダーデコーダーモデル)で、ノイズを混ぜた画像からノイズ無しの画像を推論する訓練をすることで、最終的には無から画像を生成できる

モデルは[VAE](/wiki/VAE)

Diffusionモデル

[暗号通貨](/wiki/暗号通貨)の[L2ソリューション](/wiki/L2ソリューション)において、セカンドレイヤーで処理したいくつかのトランザクションをまとめてメインのチェーンに保存するような方式のこと。

大きく分けて以下の2つに分かれる。
- [Optimistic Rollup](/wiki/Optimistic Rollup)
- [ZK_Rollup](/wiki/ZK_Rollup)

Rollup

以下の様にプログラミングすること

- 問題を小さな塊に分解し、それらを縫い合わせる  
- 最初に実装してしまうと全体が見えなくなる

対義語は[アウトサイドインプログラミング](/wiki/アウトサイドインプログラミング)

https://www.oreilly.co.jp/books/9784873118864/

インサイドアウトプログラミング


[ソフトウェア見積もり_人月の暗黙知を解き明かす](/wiki/ソフトウェア見積もり_人月の暗黙知を解き明かす)の内容が書かれている。

## 第1部 見積もりの考え方  
### 第1章 見積もりとは  
  
- 「見積もり」「ターゲット」「コミットメント」の違いを意識する  
  - 見積もり：そのままの意味  
    - 「この機能の実装は何人日」  
  - ターゲット：実現したいビジネス上の目標  
    - 「何日までにこの機能を提供したい」  
  - コミットメント：機能を一定のレベルで期日までに納品するという約束  
    - 「何日までにこの機能を提供します」  
- 見積もりと計画の違いを意識する  
  - 見積もりは正確性が重要  
  - 計画は結果が重要  
  - 偉い人にターゲットを達成するための計画を聞かれているのに見積もりを単に答えてはいけない  
    - 「このプロジェクトは何人月？期限は３ヶ月なんだ」  
    - 「見積もってみたところ５ヶ月かかります」  
    - 「ふざけるな！」  
  - 開発と期日どちらが優先かどうか尋ねる  
- 良い見積もりとは偉い人の意思決定に寄与する見積もりのこと  
  
### 第2章 見積もり能力のチェック  
  
- 直感で「90％確か」な見積もりは、実際には「30%確か」  
  - なので直感で90%とか言ってはいけない  
- 見積もりなんて幅があって当然。無理に狭めようとしない  
  
### 第3章 正確な見積もりの価値  
  
- 意図的に過小に見積もることはすべきではない  
  - 過大見積もりよりも深刻な被害が起きる  
  - では過大にすれば良いかというとそうでもなく、それなりに大きくしてあとは計画とコントロールで対処せよ  
  
### 第4章 見積もり誤差はなぜ起きる？  
  
- 見積もり期間を増やしても見積もりの不確実性は上がらない  
  - プロジェクト自体があやふやなのではどんなに頑張っても上がらない  
  - 見積もり期間を増やすのではなく、要件定義や設計を固めることでしか上がらない  
- 休暇、病欠、トレーニング、ミーティング等は必ず発生する。そのためのゆとりをもたせる  
- 開発者の見積もりはすでに必ず楽観的であるので削ってはいけない  
- 見積もりに「コントロールノブ」を持たせてはいけない  
  - コントロールノブとは見積もりに入れる主観的判断のこと  
  - 見積もりの客観性と共に正確性も落ちる  
- 即興の見積もりはしない  
  - たった15分の見積もりでさえもっと正確になる  
  
## 第2部 見積もりの技法の基礎  
  
### 第7章 数えて、計算して、判断する  
  
- できるときはまず何かを数える  
- 数えられない場合にのみ計算する  
- 計算すらしないのは最終手段  
  
### 第9章 専門家の判断  
  
- タスクで分解して見積もるときは長くても2日程度の粒度にする  
  
  
## 感想  
  
「技術者の見積もりは常に楽観的」というのはその通りだと思った。  
幅がある見積もりの中で最小の部分を提出する傾向があるような気がしているし、  
実際過小に見積もる圧力があるということも書かれていた。  
  
一方で、数えるだけの方がよほど正確に見積もれるというのは不思議だった。さすがにコード行数で数えるのはどうかと思うが。  
  
過去の開発にかかった工数と関連データの保存および可視化が出来ていないと不可能な手法ではあるので、これらの重要性はかなり高い。  
  
生産性向上とか言っておいて生産性を測る指標を可視化していないなんてことがザラにある状態では正確な見積もりなんて望めないということかもしれない。

見積もり


[VAE](/wiki/VAE)的なやつ

入力 -> エンコーダー -> 潜在空間 -> デコーダー -> 出力

という形のやつ

エンコーダーデコーダーモデル


[Bitcoin](/wiki/Bitcoin)等の[暗号通貨](/wiki/暗号通貨)に使われている[コンセンサスアルゴリズム](/wiki/コンセンサスアルゴリズム)の一つ、およびそこで計算される値。

具体的には、与えられたデータに対して、加えるとハッシュ値の先頭数十桁が0になるような値のこと、およびそれを計算する行為。

プルーフオブワーク

[暗号通貨](/wiki/暗号通貨)の一種で、[Ethereum](/wiki/Ethereum)の[L2ソリューション](/wiki/L2ソリューション)として開発、運用されている。

昔はMATICという名称だったため、トークンの名前は今でもMATICとなっている。

[コンセンサスアルゴリズム](/wiki/コンセンサスアルゴリズム)は[プルーフオブステーク](/wiki/プルーフオブステーク)で、他にも様々な違いにより取引速度が速く手数料も安い。

[Rollup](/wiki/Rollup)としては定期的にマークルツリーのルートハッシュを[Ethereum](/wiki/Ethereum)に記録する方式となっているらしく、[サイドチェーン](/wiki/サイドチェーン)とか[Plasma](/wiki/Plasma)感もあるが本家の人いわく[L2ソリューション](/wiki/L2ソリューション)とのこと。

https://www.neweconomy.jp/posts/113665


Polygon


[飲んだコーヒー豆リスト](/wiki/飲んだコーヒー豆リスト)

無難な味で結構使いやすい
安いし

モカシダモG4

[Ethereum](/wiki/Ethereum)の[L2ソリューション](/wiki/L2ソリューション)の一つ。

[Optimistic_Rollup](/wiki/Optimistic_Rollup)を採用したもの。

Optimism


[Googleのソフトウェアエンジニアリング](/wiki/Googleのソフトウェアエンジニアリング)の定義では

> コードの挙動を変えずに整理された内容に書き直すこと

である。

つまり、最も重要なのは自動テストである。自動テストがないと挙動が変わってないことが担保できないからである。

参考
https://qiita.com/miketako3/items/3085e225a35cdf89cd55

リファクタリング

分散コンピューティングにおける定理。

ノード間のデータ複製において、以下の3つを同時に満たすことはできない。
- 一貫性 (Consistency)
	- すべてのデータ読み込みにおいて、最新の書き込みデータもしくはエラーのどちらかを受け取る。
- 可用性 (Availability)
	- ノード障害により生存ノードの機能性は損なわれない。つまり、ダウンしていないノードが常に応答を返す。[単一障害点](/wiki/単一障害点)が存在しないことが必要。
- 分断耐性 (Partition-tolerance)
	- システムは任意の通信障害などによるメッセージ損失に対し、継続して動作を行う。通信可能なサーバーが複数のグループに分断されるケース（ネットワーク分断）を指し、1つのハブに全てのサーバーがつながっている場合は、これは発生しない。ただし、そのようなネットワーク設計は[単一障害点](/wiki/単一障害点)をもつことになり、可用性が成立しない。


CAP定理


[ソフトウェアアーキテクチャ・ハードパーツ](/wiki/ソフトウェアアーキテクチャ・ハードパーツ)

データベースを分けるか？分けないか？もトレードオフである。  
  
データを分解する要因として以下のようなものがある。  
  
- 変更制御  
  - カラムの変更等の影響が多岐にわたる  
- コネクション管理  
  - 1つのデータベースだけを使うとコネクション数の管理が難しい  
- スケーラビリティ  
  - コネクション数  
  - 容量  
  - スループット  
  - パフォーマンス  
- 耐障害性  
  - 1つのデータベースだけを使うとデータベースが単一障害点となってしまう  
- [アーキテクチャ量子](/wiki/アーキテクチャ量子)
  - 1つのデータベースだけを使うと1つの[アーキテクチャ量子](/wiki/アーキテクチャ量子)となってしまう (つまり独立してデプロイできない、等)  
- データベース種別の最適化  
  - 1つのデータベースだけを使うと1つの保存方法だけしか使えない (つまりデータ特性ごとに最適な選択肢が取れない)  
  
逆に、データを統合する要因としては以下のようなものがある。  
  
- データ関係  
  - 密結合な外部キー等があるか？  
- トランザクション  
  - 単一のトランザクション単位が必要か？  
  
モノリスなデータベースを分解するには5段階のプロセスを踏むと良い。  
  
1. 分析し、ドメインを特定する  
2. ドメインごとにテーブルを割り当て、移動する  
3. コネクションをドメインごとに分離する  
4. スキーマをそれぞれのデータベースに移動する  
5. コネクションを切り替える

業務データの分解に関するトレードオフ

グラフとは
- [頂点](/wiki/頂点)集合
- [頂点](/wiki/頂点)の組 ([辺](/wiki/辺)) の集合
の組である。

グラフ

<p><a href="/wiki/%E9%A3%B2%E3%82%93%E3%81%A0%E3%82%B3%E3%83%BC%E3%83%92%E3%83%BC%E8%B1%86%E3%83%AA%E3%82%B9%E3%83%88">飲んだコーヒー豆リスト</a></p>
<p>ちょっと豆が細かい気がする</p>


ソルデラマニャーウォッシュ