こんにちは、 @kz_morita です。 今回は実際にであった MySQL の Deadlock と調査した内容を備忘録として残していきます。 エラー内容の確認 以下のようなサーバーエラーが発生していました。 java.sql.SQLTransactionRollbackException: (conn=100000) Deadlock found when trying to get lock; try restarting transaction Scala を用いているので java のエラーが出てますが、deadlock が起きていることがエラーログからわかりました。 SHOW ENGINE INNODB STATUS を確認 次にどのクエリで deadlock が発生しているのを特定するために、MySQL の SHOW ENGINE INNODB STATUS を確認します。 詳しい見方としてはこちらの記事が大変参考になります。 なぜあなたは SHOW ENGINE INNODB STATUS を読まないのか MySQL サーバーに入り、以下のコマンドで SHOW ENGINE INNODB STATUS の結果を確認できます。 mysql > pager less -S PAGER set to 'less -S' mysql > SHOW ENGINE INNODB STATUS\G; pager less -S を使うと読みやすい形式で表示されます。

こんにちは、 @kz_morita です。 Presto で 配列として入っているデータを行に展開する方法をまとめます。 対象のデータ 以下のようなデータを type values A { 1,2,3 } B { 2,4,6 } C { 1,3,5} 以下のように行に展開したいときに、使用するクエリをまとめていきます。 type values A 1 A 2 A 3 B 2 B 4 B 6 C 1 C 3 C 5 CROSS JOIN と UNNEST 以下のようなクエリで上記のように展開することができます。

こんにちは、 @kz_morita です。 今回は、認定スクラムデベロッパー研修 (略して CSD 研修) を受けてきていろいろ学ぶことができたのでまとめていきます。 CSD 研修とは CSD 研修はスクラム開発のチームメンバーとして何をすべきなのか、どのように開発を進めていくべきなのかといった点を学ぶ研修です。有料で、研修・トレーニング中に能力が評価されると、Scrum Alliance に登録され認定されます。 有料の研修ですが、お金で資格を取得するものではないため必ず認定されると言うわけではなさそうです。 https://www.odd-e.jp/service_01/ 研修は全てで 3 日間あり、 今回は、全て online で行ったため、以下のようなツールを用いた研修でした。 Google Meet Miro Cloud9 デベロッパー用の研修だけあって、かなりコードを書きました。ツールとしては Cloud9 を用いて、主にペアプロでコードを書いていきました。 学び 研修は最初にアジャイル開発について学びました。内容は主に XP (eXtreme Programming) のプラクティスで、TDD とペアプロを重点的に行いました。 TDD の学び TDD は知識として、知ってはいましたが実際に体験するとかなり印象が変わりました。 TDD を体験する前はテストから書いていくのは、多少面倒に感じていたところもあったし開発スピードも遅くなりそうという疑念がありました。 実際にやってみると、TDD は小さなイテレーションを細かく細かく積み上げていって仕様を満たしていく方法だと実感できました。小さくでも確実に積み上げることで開発が前に進んでいることが実感できるし、テストとともにプログラムを成長させていくので不具合が出てデバッグをするといったことがかなり少なく感じました。 今まで、「仕様を確認する」 → 「実装する」 と言う手順で行っていたものを、「仕様をテストとして書く」→「実装する」→「リファクタリングする」といった手順で行うのが TDD だと体験することでしっくりきました。 Baby Step 講義の中で何度も出てきた言葉が 「Baby Step」です。小さなステップを繰り返して不確実性を極力減らしていく。システムが小さいうちに小さくテストを繰り返して確実な領域を積み上げていく。１度の変更を小さくするといったことの大切さを実感できました。 これは、プログラミングだけに止まらず、なにか作業を行う際に手順を小さくしその一つ一つを十分検査可能な単位に分割するのはとても重要に感じました。 ソフトウェア工学とアジャイル 以前、「ソフトウェア職人気質」を読んだ と言う記事を書きましたが、この書籍の内容と通ずるところが今回の CSD 研修ではありました。 それは、「人間に向き合う」という点だと思います。 作業者がミスをせず完璧にタスクをこなせる (まるで機械のように) という前提ならば、効率が良いのはウォーターフォールだと思います。最初から全てを完璧に把握し設計し、実装するのであれば間違いなく効率が良いでしょう。

こんにちは、 @kz_morita です。 Athena でデータを分析する際に、GROUPING SETS を用いてスッキリとクエリがかけたのでまとめます。 Presto 0.268 Documentation 対象のデータとやりたい集計 今回は以下のような生徒の成績データ (5段階評価) のようなものを仮定します。 生徒 国語 数学 社会 理科 英語 A 5 3 4 2 2 B 2 1 3 2 4 C 2 4 2 4 3 D 4 4 3 1 3 E 3 2 5 1 5 このデータから以下のように各教科の各成績人数を集計したいものとします。

こんにちは、 @kz_morita です。 Hugo の v0.91.0 で hugo build をしたところ以下のような warn が表示されました． WARN 2022/01/23 11:21:55 The "tweet" shortcode will soon require two named parameters: user and id. See "/path/to/repository/blog.foresta.me/content/posts/self_made_keyboard.md:114:1" 以前までは tweet の id のみを指定すればよかったですが，以下の通り tweet shortcode に user と id の両方を指定する必要があるみたいです． The "tweet" shortcode will soon require two named parameters: user and id. 一応このままでもビルドはできるのですが，warn が出ているのは気持ち悪いので修正したのでそのログです． 影響を受けるバージョン 上記の warn ログは，v0.89.0 で，twitter の oEmbed の endpoint が変更されたタイミングで表示されるようになったので，それ以降のバージョンはwarn ログが発生します． v0.89.0 v0.89.1 v0.89.2 v0.89.3 v0.

こんにちは、 @kz_morita です。 早いもので 2021 年も終わり、2022 年が始まりましたので去年の振り返りと今年の抱負などを書いていきます。 2021 年の振り返り 2021 年は、CS の学習や情報検索システムについて学んでいくことを抱負にかかげていました。 2021年の抱負とやりたいこと その中で大きな出来事としては、検索システムを開発している会社に転職したことです。 業務内容としては、検索アルゴリズムではなく、検索システムにデータをインデックスするためのデータのパイプライン周りの開発を行っています。 その中で、分散処理フレームワークなどを触り始めました。 今までは、比較的小さいサービスでサーバーやインフラからフロントエンドまで 1 プロダクトに必要なことをなんでもやるようなエンジニアリングを行っていましたが、現在は大量のデータをどう捌くかだったりレコード数の大きなテーブルをどう扱うべきかといったところがメインで注力するところになりました。 その中で、AWS EMR や Apache Flink などを用いた分散ストリーム処理や、RDB のチューニング、Scala と ZIO による関数型プログラミングなど今まであまり触ってこなかった分野に触れることが多くなり非常に学びが多かったです。 今年も引き続きこの辺りを触っていくことになりそうです。 2022 年の抱負 2022 年は以下を 4 つを頑張りたいと思います。 分散処理の知識をつける 情報検索、自然言語処理の知識 英語を使えるようになる 健康に気をつけ 10kg 痩せる 分散処理の知識をつける 一つ目は、分散理処理についてです。 業務実際に akka や Apache Flink などを用いた分散処理を扱う機会が出てきましたが、そもそも分散処理についてそこまで明るくないのと使用しているライブラリやフレームワークにももっと詳しくなっていきたいと思いたいです。 なんとなくライブラリやフレームワークを活用するのではなく、しっかり深く理解した上で使うことを心掛けていきます。 情報検索、自然言語処理の知識 こちらは、去年に引き続き色々勉強したいと思います。特に実際に検索エンジンを扱う企業で働くことになったので現場でどういうことがされているかなども知る機会が増えてくると思うので今までより解像度高く色々学べるのではないかと思います。 検索もそうですが、自然言語処理やそこで必要となる確率統計の知識など色々と学びたいなと思います。 英語を使えるようになる これも去年から引き続きです。直近は commit メッセージを英語で書いたり、英語で文章を読んだりすることは多いので回数をこなして楽に読み書きできるようになりたいなと思います。 最終的にはしゃべれるようになりたいので、そのために色々と勉強したりしようと思います。 健康に気をつけ 10kg 痩せる 最後は健康についてです。コロナ渦の影響もあり自宅から外に出る機会が減った影響で体重もグングン右肩上がりなのでしっかり体調管理は頑張ろうと思います。目標としては 10kg 痩せて、体力をつけて多くの時間集中できるようにしていきます。 とりあえず、直近では RFA (Ring Fit Adventure) を継続してやっていきたいなと。

こんにちは、 @kz_morita です。 今回は、 Karate という BDD (振る舞い駆動) テストフレームワークを使って、テストを行う前に一度だけ行いたい Setup の処理の実現方法をまとめます。 先に結論 karate で １度だけ行いたい Setup 処理を行うには、Background と callonce を組み合わせます。 Feature: Sample Test Background: * start = function() { return karate.start({ mock: 'classpath:mock/api-server-mock.feature', port: 8080 }).port } * def port = callonce start karate とは karate は、BDD が実現できるテストフレームワークになります。 以下のような形式でテストの振る舞いを記述することができます。 Feature: Sample Test Background: * def port = 8080 Scenario: API mock sample Given karate.start({ mock: 'classpath:mock/api-server-mock.feature', port: port }) When url 'http://localhost:' + port And path 'health' When method get Then status 200 上記では、Mock サーバーを立ち上げて、localhost:8080/health へリクエストして、HTTP Status 200 が返ってくることを確認するテストになります。

こんにちは、 @kz_morita です。 今年も無事週一でブログを書き続けることができたので、今年のブログの内容を word cloud で振り返ってみます。 今年は、どうやら 52 本の記事を書いていたようです。 word cloud で振り返る 手法は、去年と同じなので、よかったら参考にしてみてください。 word cloud で今年のブログを振り返る 早速 wordcloud の結果を見てみます。 目立つのは、データ, scala, lambda, 関数 あたりでしょうか。 データ関連で言うと、以下のような記事を書きました。 Redshift 分析のための Window 関数まとめ Google Colaboratory で Google Drive 上のファイルを読み込む さまざまなデータベースの分類について データベースのデータレイアウトについて Apache Lucene の Index の仕組みを探る scala 関連は開発環境の構築と入門記事を書きました。 Java を jenv を使って環境構築する Scala と IntelliJ で開発環境のセットアップ M1 Mac に sbt を入れて Scala 3 の REPL を使用する Scala入門 その1 基本型とリテラル Scala 入門 その2 制御構文 Scala入門 その3 クラスとオブジェクト Scala入門 その4 トレイト Scala入門 その5 関数とクロージャ Scala入門 その6 コレクション操作 Scala入門 その7 テスト lambda はおそらく AWS 関連の話だと思います。AWS関連は以下のような記事を書きました。

この記事は、 株式会社スタンバイアドベントカレンダー の 22 日目の記事です。 昨日は、 @jsoizo さんの Scala + GraalVM AOTコンパイル + AWS Lambdaでwebアプリを動かしたい でした。 はじめに こんにちは、 @kz_morita です。 今年の 9 月に転職をして求人検索エンジンを開発している 株式会社スタンバイに入社しました。 検索エンジンを開発している会社に入社したので、OSS の検索エンジンである Lucene について理解を深めるため、Lucene を簡単に動かしてみて実際にどのように検索エンジンが動いているのか見ていきます。 Lucene について Lucene は、OSS の検索エンジンのライブラリです。 検索エンジンのサーバーである Solr や、Elasticsearch 内で使用されています。 https://lucene.apache.org/ 以降の本文中で、 https://github.com/apache/lucene からソースコードを一部引用しながら Lucene がどのように Index を行っているかを探っていきます。 まずは使ってみる Lucene 公式の Lucene in 5 minutes を Scala でやってみます。 https://www.lucenetutorial.com/lucene-in-5-minutes.html バージョンは 8.10.1 を使用していきます。 まずは、build.sbt から。 name := "LuceneSample" version := "0.

こんにちは， @kz_morita です。 データを見る際にデータの傾向を把握するための統計量をだすことはよくあり，pandas などであれば，DataFrame の describe メソッド を呼び出せば以下のようなデータを確認することができます． count: 要素数 unique: ユニークな要素数 top: 最頻値（mode） freq: 最頻値の出現回数 mean: 平均 std: 標準偏差 min: 最小値 max: 最大値 50%: 中央値（median） 25%, 75%: 1/4分位数、3/4分位数 以上のような統計量を，Amazon の Athena (Presto) で表示する方法についてまとめます． Presto で統計量をだす Amazon Athena では，Presto という，オープンソースの分散型SQLエンジンがしようされているため，Athena で分析などを行う際は基本的に Presto のドキュメントをみていくことになります． Presto Documentation データとしては，以下のようなユーザーテーブルを想定します． users user_id name age gender 1 Taro 24 Male 2 Hanako 30 Female 3 Bob 35 Male 4 Alice 15 Female 5 Taro 34 Male count: 要素数 要素数をだすためには，count を使用します．

こんにちは、 @kz_morita です。 今回は、 『「BIツール」活用 超入門 Google Data Portalではじめるデータ集計・分析・可視化』 という本を読んだので読書のメモや感想などを書いていきます。 結論を先に言うと、これからデータ分析を始めるというタイミングで読むと良さそうな一冊でかなり満足度が高かったです。 読もうとしたきっかけ 普段はソフトウェアエンジニアとしてプログラミングをすることが多いのですが、直近の仕事ではデータを分析するような作業もしています。 DWH や BI ツールなどデータを見る環境はすでに整っていてその環境の上でデータを見ていくという仕事です。 データは、 Athena を用いて見ていて、 BI ツールは Redash を用いています。 SQL を書くことはできるのですが、どういった観点でデータを見れば良いのか？どういったグラフにするべきなのか？という点に関してはわからないことが多くかなり試行錯誤しながら進めていたので、一度書籍などで基本的な考え方を把握しておきたいと思いこの書籍を購入し読み始めました。 書籍の構成 本書は、タイトルの通り Google Data Portal を使いながらデータの集計と可視化をハンズオン形式でしていく内容になります。 具体的な目次は以下のようになります。 ■第1章 入門編：分析ダッシュボードを作ってみよう － 実際の業務体験ハンズオン ●1-1 BIツールの基本 ●1-2 データの読み込みと集約 ●1-3 集計、グラフによる可視化 ●1-4 関係性の分析 ●1-5 結果を共有するためのデザイン ●1-6 結果の展開、共有 ●1-7 ダッシュボードのインタラクティブ機能 ■第２章 ステップアップ編：さまざまな分析をしてみよう － 実践で使えるさまざまなテクニック ●2-1 実務に向けて学ぶBI応用 ●2-2 KPIモニタリングとKPIマネジメント ●2-3 KPIの分析 ●2-4 意思決定のための分析 ●2-5 業務情報を検索するダッシュボード ●2-6 データサイエンスを取り入れる:単回帰分析 ●2-7 データサイエンスを取り入れる2:時系列解析 ●2-8 データサイエンスを取り入れる3:類似度 ●2-9 データサイエンスを取り入れる4:DID ●2-10 情報管理を行う ●2-11 データの加工に関して ■第３章 レベルアップ編：ＢＩツールに関する知識をつける ●3-1 BIツールを取り巻く環境について ●3-2 BIツールが使われるケース ●3-3 BIツールとデータ分析環境の立ち位置 ●3-4 ETL(ELT),DWHに関する基礎知識 ●3-5 Tableau,Metabase,Lookerといった ●3-6 BIエンジニアの業務フローと ●3-7 BIとデータマネジメント 今回は、自分が使用している BI ツールは、Redash で Data Portal を使用しているわけではないので、ハンズオンの箇所は流し読みしました。

こんにちは、 @kz_morita です。 今回は，検索エンジンなどの，クエリと文書のマッチ度に使われる BM25 の式を読み解いていきます． BM25 とは BM25 は，検索システムにおいて，クエリが文書とどれだけマッチしているかについてを計算するための手法になります． 式で表すと以下になります． $$ score(D, Q) = \sum^{n}_{i=1} IDF (q_i) \cdot \frac{f(q_i, D) \cdot (k_1 + 1)} {f(q_i, D) + k_1 \cdot (1 - b + b \cdot \frac{|D|}{avgdl})} $$ これらの式の意味を一つずつ見ていきます． 各種変数の意味 上記の式の score 関数に登場する各種変数について見ていきます． D 検索対象の特定の文書の文字列集合 |D| 検索対象の特定の文書の文字列集合の大きさ (どれくらいの単語量 ≒ 文書量) なのか avgdl 全文書の文字列集合の大きさの平均 Q 検索クエリの文字列集合 q 検索クエリの１つの単語 IDF関数 Inverse Document Frequency の略．いろんな文書に登場する一般的な単語だと値が小さく，レアな単語だと値が大きい f 関数 検索クエリの単語が対象の文書の中でどのくらい現れるかの指標．tf (Term Frequency) であったり，純粋な数のカウントだったりする．tf の場合は，以下のような式になる $$ tf = \frac{ある単語の出現回数}{全単語の合計数} $$

こんにちは、 @kz_morita です。 今回は、Apache Solr を使った際に、stored = false で index したフィールドを確認する件で調査をしたのでまとめます。 前提となる schema 前提として、以下のような schema.xml とします。 <?xml version="1.0" encoding="UTF-8" ?> <schema name="solr-sample" version="1.0"> <fields> <field name="field-1" type="string" indexed="true" stored="true" docValues="false" /> <field name="field-2" type="string" indexed="false" stored="true" docValues="false" /> <field name="field-3" type="string" indexed="false" stored="false" docValues="true" /> <field name="field-4" type="string" indexed="false" stored="false" docValues="true" useDocValuesAsStored="true" /> <field name="field-5" type="string" indexed="false" stored="false" docValues="true" useDocValuesAsStored="false" /> </fields> ... .. </schema> 上記では、field-1 ~ field-5 までフィールドを指定しています。 プロパティについて ここでは、以下のプロパティに着目します。

こんにちは、 @kz_morita です。 前回 の記事で、MinHash について触れましたが、今回はその改良版である b-bit Minwise Hashing についてみていきます。 主に、 論文 の内容を参考にみていきます。 解決したい課題 前回の MinHash の説明で以下のことに触れました。 集合同士の類似度を測る際に Jaccard 係数が利用できる Jaccard 係数は集合の和集合と積集合を求める必要があるので計算コストが高い 2つ集合で各要素を Hash した最小値が一致するかどうかを見ることで Jaccard 係数の推定量として使える Hash関数は k 個使用し、各 Hash 関数の結果が、64bit だとすると、k * 64 bit のディスクスペースを使用します。 そこで Hash された値の bit 数を減らすとストレージスペースの節約や計算効率を大幅に向上させることができると考えられました。 手法 Hash 結果を b Bit のみ使用する手法なので、b-Bit Minwise Hashing と呼ばれます。 論文では、b = 1 や b = 2 といった小さい bit 数でも効果的であると記されています。 b の値を減らすと精度が下がっていくので、精度を維持するためにはハッシュ関数の数の k を増やして行く必要があります。 論文内では、類似性 (Jaccard係数の値) が小さすぎない場合 (0.

こんにちは、 @kz_morita です。 今回は類似度を測る指標について、Cos 類似度と、Jaccard係数 そしてそれを高速に処理するための MinHash について調べたことをまとめていきます。 類似度の計算の必要性 ベクトルの類似度を計算することは、例えばベクトル化された文書間の類似検索であったり、重複するドキュメントを検出したりする際に有効とされています。 今回は、類似度の指標である Cos 類似度 Jaccard 係数 と高速化のための MinHash というアルゴリズムついて見ていきます。 Cos 類似度の定義 Cos 類似度は、ベクトル同士の類似度 (≒ ちかさ) を表すことができる式です。 ベクトル $\vec{a}$ と $\vec{b}$ の Cos 類似度はを表す式は以下のような形になります。 $$ cos \theta = \frac{\vec{a}\cdot\vec{b}}{|\vec{a}||\vec{b}|} = \frac{\sum_{i=1}^{N} a_{i}b_{i}}{\sqrt{\sum_{i=1}^{N} a^2_{i}} \sqrt{\sum_{i=1}^{N} b^2_i}} $$ これは、ベクトルの内積の式である $$ \vec{a}\cdot\vec{b} = |\vec{a}||\vec{b}| cos \theta $$ から変形したものになります。 つまり二つのベクトルが成す角 $\theta$ の $cos$ の値を類似度として使うということで、その値の範囲は $$ -1 \leq Cos 類似度\leq 1 $$ になり、1に近づくほど角度が近い = 類似度が近いとなり、0 に近づくほど直交していて、-1 ほど反対になるというものになります。

こんにちは、 @kz_morita です。 Scala 入門の その 7 ということでテストについてまとめます。 Scala のテストフレームワーク Scala で使用できるテストフレームワークには以下のようなものがあります。 ScalaTest specs2 ScalaCheck 今回は、ScalaTest を利用したテストを書いていきます。 前提として、以下のような FizzBuzz をするコードのメソッド fizzBuzz をテストしてみます。 object Main extends App { def fizzBuzz(num: Int): String = { require(num > 0) num match { case num if num % 15 == 0 => "FizzBuzz" case num if num % 3 == 0 => "Fizz" case num if num % 5 == 0 => "Buzz" case _ => num.

こんにちは、 @kz_morita です。 Scala 入門 その6 ということでコレクション操作についてまとめます。 Scala に用意されている Collection Scala の collection は以下のパッケージに所属しています。 scala.collection scala.collection.mutable scala.collection.immutable scala.collection.generic それぞれのパッケージの中にさまざまなトレイトやクラスが所属しています。 具体的にどんなものがあるかは、公式の こちらのドキュメント に詳しく記載されています。 Scala で代表的によく使うものとしては、Seq, Set, Map 当たりになると思います。 これらのよく使うものに関しては、エイリアスが用意されていて import などをしなくても使えるようになっています。 val seq = Seq(1,2,3,4) これらはデフォルトで immutable なものが多く、mutable なものを使用したい場合には、以下のように scala.collection.mutable を import して、mutable.Seq のように使用することができます。 import scala.collection.mutable; object Main extends App { val seq = mutable.Seq(1,2,3,4) } この辺り、immutable な Collection がデフォルトになっているのはとても良さそうです。 上記の Seq ですがこちらはトレイトとなっていて、その実際の実装は List クラスになります。 val seq = Seq(1,2,3,4) assert(seq.

こんにちは、 @kz_morita です。 今回は、Scala 入門 その5 ということで関数とクロージャについてまとめます。 メソッドと関数 Scala では、メソッドと関数が明確な違いがあります。 関数はそれ自体が値となりますが、メソッドはScalaの言語の機能でそのままでは値として扱えないようです。 それぞれみていきます。 メソッド クラス、トレイト、シングルトンオブジェクトのメンバーになっている関数をメソッドと呼びます。 object Hoge { def hello(): Unit = { println("Hello") } } println などもメソッドですが、Scala の Predef オブジェクトの中に定義されています。 package scala object Predef extends scala.LowPriorityImplicits { // ... def println() : scala.Unit = { /* ... */ } // ... } 関数値と関数リテラル 一方関数は、以下のような関数リテラルで定義することができます。 object Main { def main(args: Array[String]): Unit = { val add = (x: Int, y: Int) => x + y println(add(1,2)) // => 3 println(add) // => Main$$$Lambda$15/0x0000000800081200@37d31475 } } 関数の実態は、FunctionN トレイトを実装したオブジェクトらしいです。 以下の書き方と同じになります。

こんにちは、 @kz_morita です。 Scala 入門 その4 ということで、トレイトについてまとめます。 トレイトの基本 トレイトは、実装をクラスに合成 (Mixin) するために使用されます。 extends または、with によってクラスに Mixin できます。 下記では従業員クラス (Employee) に、Displayable という表示用のトレイトを合成してみます。 // トレイトを定義 trait Displayable { val name: String def display() = { println(name) } } // トレイトを mixin class Employee(val id: Int, val name: String) extends Displayable 以下のように display メソッドをよび出すことができます。 val taro = Employee(1, "Taro") taro.display() // => Taro すでに親クラスがある場合や、複数合成する場合には、with を使用します。 class Person(val name: String) class Employee(val id: Int, name: String) extends Person(name) with Displayable トレイトの特徴として以下のような点があります。

こんにちは、 @kz_morita です。 Scala 入門のメモとして今回は、クラスとオブエクトについてまとめます。 クラス 以下のようなよくある構文でクラスを定義できます。 class ClassName(field1: Int, field2: Int) { // 補助コンストラクタ def this(field1: Int) = this(field1, 0) // メソッド def method1(arg: Int): Int = { arg + field1 } } クラス名を宣言するとプライマリコンストラクタになり、引数もかける感じです。 セカンダリコンストラクタを定義するには、this キーワードを使います。セカンダリコンストラクタないでプライマリコンストラクタを呼ぶために、this(field1, 0) のように呼び出す必要があります。 インスタンスを生成する側は以下のような感じです。 val class1 = new ClassName(1, 10) println(class1.method1(10)) // => 11 val class2 = new ClassName(1) アクセス修飾子 メソッドやフィールドには、Java などと同じようにアクセス修飾子がつけられます。 種類は、private (そのクラス内のみ) と protected クラスのサブクラスのみの公開 限定子を使って、さらに細かくアクセス範囲を限定できるようです。 private[X] val hoge のように書くと、その範囲までアクセスができるようになります。

こんにちは、 @kz_morita です。 Scala の 入門のメモとして今回は、制御構文についてまとめます。 制御構文 Scala に組み込みで用意されている制御構文として以下のものの使い方をまとめます。 if while for try match if Scala の if は、文ではなく式なので、値を返します。 # if と else if ( <条件式> ) <then式> else <else式> # else の省略 if ( <条件式> ) <then式> 実際には以下のような使い方をします。 object Main extends App { val a = 10 if (a > 9) { println("Hoge") } else { println("Fuga") } } if が式で値を返せるため、上記のコードは以下のように書けます。 object Main extends App { val a = 10 val text = if (a > 9) "Hoge" else "Fuga" println(text) } println のなかに、if 文 をかけるので以下のようにも書けます。

こんにちは、 @kz_morita です。 Scala 入門したので、メモを残します。今回は、基本型とリテラルについて書きます。 手元の環境は、Scala 3.0.2 の REPL になります。 基本型とリテラル Scalaの基本型は以下の通り Byte: 8 bit 符号付き整数 Short 16 bit 符号付き整数 Int: 32 bit 符号付き整数 Long: 64 bit 符号付き整数 Char: 16 bit 符号なし Unicode 文字 String: Char のシーケンス Float: 32 bit IEEE 754 単精度浮動小数点 符号: 1 bit 指数部: 8 bit 仮数部: 23 bit Double: 64 bit IEEE 764 倍精度浮動小数点 符号: 1 bit 指数部: 11 bit 仮数部: 52 bit Boolean: true or false 整数リテラル 整数リテラルは、基本的には Int 型になります。

こんにちは、 @kz_morita です。 今回は、sbt をインストールして、scala 3 の REPL を使えるようにしたので、対応内容をメモします。 Java のインストール sbt を使用するために、Java 8 系をインストールします。 自分は、Amazon Corretto 8 をインストールしました。 Amazon のサイト から macOS x64 の 拡張子が pkg の方をダウンロードしました。 落としてきたら、pkg を実行して、そのままインストールをします。 自分の環境だと jenv を使って java のバージョンを管理しているので、以下のコマンドでインストール先を確認して、jenv add をします。 $ /usr/libexec/java_home --verbose Matching Java Virtual Machines (2): 17 (arm64) "Homebrew" - "OpenJDK 17" /opt/homebrew/Cellar/openjdk/16.0.2/libexec/openjdk.jdk/Contents/Home 1.8.0_302 (x86_64) "Amazon" - "Amazon Corretto 8" /Library/Java/JavaVirtualMachines/amazon-corretto-8.jdk/Contents/Home $ jenv add /Library/Java/JavaVirtualMachines/amazon-corretto-8.jdk/Contents/Home ... $ jenv versions system * 1.

こんにちは、 @kz_morita です。 前回の記事 で、Java のセットアップをしたので続いて Scala を実行するところまでセットアップします。 セットアップ IDE は、IntelliJ を使用しようと思うのでインストールします。Community 版を公式サイトからダウンロードします。 https://www.jetbrains.com/ja-jp/idea/download/#section=mac 自分の環境は、M1 なので、Apple Silicon 版をダウンロードします。 IDE を起動して、Plugins を選択します。 開いたら、Scala の Plugin をインストールして、IDE を再起動します。 Scala を選択して、初回なので Scala の SDK などをダウンロードします。 Use Library の右の Create... を押して Scala のバージョンを入力します。今回は 2021 年 9 月 12 日 時点で最新の、3.0.2 を選択しました。 ダウンロードが完了したらプロジェクトの情報を入力して、作成します。 ここまでできたらセットアップは完了であとは以下のようにコードを書き、実行ができるはずです。 object Main extends App { println("Hello Scala") } まとめ 今回は、Scala を使うための IntelliJ のセットアップを画像付きでメモしておきました。 IntelliJ がかなり親切なので、フローに従ってセットアップしていけば悩むことはなさそうでしたが、備忘録として残しておきます。