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)

[SRE](/wiki/SRE)においてアラートが鳴ったら対応するべく電話などを手元に置いておく状態のこと。最悪。

オンコール

[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。


[飲んだコーヒー豆リスト](/wiki/飲んだコーヒー豆リスト)
https://www.kaldi.co.jp/ec/pro/disp/1/4515996015083
まあなかなかおいしい。エスプレッソ風味な豆ではあるがドリップコーヒーの味がする。そりゃそう。

カルディリッチブレンド

[ブロックチェーン](/wiki/ブロックチェーン)を用いた[暗号通貨](/wiki/暗号通貨)では、最も長いチェーンが有効とされる。

したがって、その分散ネットワークの全参加者のうち51%の信頼を獲得すれば、1人で最も長いチェーンを繋げることができる。これはつまり自由に台帳に取引履歴を書き込めるということで、そうなったら[暗号通貨](/wiki/暗号通貨)は終わる。

例えば[プルーフオブワーク](/wiki/プルーフオブワーク)では51%の計算リソースが必要で、[プルーフオブステーク](/wiki/プルーフオブステーク)では51%の[暗号通貨](/wiki/暗号通貨)が必要である。

[Bitcoin](/wiki/Bitcoin)等の規模が大きいネットワークでは攻撃はかなり難しいが、規模が小さい[暗号通貨](/wiki/暗号通貨)では実際に起こっている。

実例

https://coinpost.jp/?p=175687

51%攻撃


[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


[飲んだコーヒー豆リスト](/wiki/飲んだコーヒー豆リスト)

なんかあんまり美味しくない
ほげほげマウンテンはあんまり好きじゃ無いのかもしれない
苦味が薄めな感じ

クリスタルマウンテン


[グラフ理論](/wiki/グラフ理論)における[グラフ](/wiki/グラフ)の定義から、[辺](/wiki/辺)の集合ではない方の集合。

頂点


[飲んだコーヒー豆リスト](/wiki/飲んだコーヒー豆リスト)
ストレートで飲みやすいと思う。適度に苦味と酸味があり、甘くない感じ。
香りは良いが強いという感じでもない。コクはそこそこ。
総じてバランスが良かった。[カルディリッチブレンド](/wiki/カルディリッチブレンド)よりもさらに使いやすい。とてもリピしたい。

[マンデリン](/wiki/マンデリン)と同じか？

エイジドマンデリン

裏切り者がいるかもしれない時に、どのように分散的に合意するかという問題。

転じて、間違う可能性のある分散システム上でどのようにデータに合意するか、という問題の基本的なバージョンと考えられる。

かの有名なLamport先生を含む3人が1980年の論文で合意問題として定式化したらしい。

https://dl.acm.org/doi/10.1145/322186.322188

最初の解決策も1982年にLamport先生たちが論文を出した。

https://dl.acm.org/doi/10.1145/357172.357176

この問題は裏切り者が1/3以上いる場合は解決出来ないことが知られている。

この合意が取れるシステムはビザンチン障害耐性 (Byzantine Fault Tolerance) があると言う。

分散システムの問題なので[暗号通貨](/wiki/暗号通貨)でもよく語られる問題である。

ビザンチン合意


[飲んだコーヒー豆リスト](/wiki/飲んだコーヒー豆リスト)

あんまりだった
さすがに安定している味だったが

珈琲問屋冬のブレンド雪灯り


[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)

マイクロサービスの粒度を大きくするか？小さくするか？もトレードオフである。  
  
粒度を小さくする要因としては以下のようなものがある。  
  
- サービスの範囲と機能  
  - 凝集性が高い状態になっているか？  
- コード変動率  
  - 一部のコードだけ変更頻度が高くないか？  
- スケーラビリティとスループット  
  - 一部だけスケールする必要があるか？  
- 耐障害性  
  - 一部の故障で全体が故障してしまわないか？  
- セキュリティ  
  - 一部だけ高いセキュリティが必要か？  
- 拡張性  
  - どの程度拡張されるか？  
  
粒度を大きくする要因としては以下のようなものがある。  
  
- トランザクション  
  - サービスをまたいだトランザクションが必要か？  
- ワークフローとコレオグラフィ  
  - サービス同士がやりとりする必要はあるか？  
- 共有コード  
  - サービス同士がコード共有の必要はあるか？  
- データ関係  
  - データは分解できるか？

サービスの粒度に関するトレードオフ


[機械学習](/wiki/機械学習)において入力層でも出力層でもないやつ

中間層


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


アプリ開発とかでチュートリアル的にスライドが何枚か出てくるやつのこと

語源は知らない

ウォークスルー

<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