NRUG（New Relic User Group） vol.1で登壇してきました

株式会社ラフールでSREをしている伊藤です。弊社の技術的な取り組み等を理解してもらうために、不定期ですが技術的な事を書いています。

※SREとは、Site Reliability Engineer（サイト信頼性エンジニア）の略称で、サービスやインフラの信頼性を支えているエンジニア。

私のプロフィールについては第1回目の記事（リンク）に記載していますので、興味のある方はぜひ一読していただけると幸いです。

昨年12月15日に開催された「NRUG（New Relic User Group） vol.1」というイベントで登壇してきましたので（6分枠ですが、、、）、自分の記録として本noteを書かさせていただきます！

New Relicとは

ウェブサイトやモバイルアプリ等に対してパフォーマンスの状況等色々な軸での分析や監視ができるSaaSサービスになります。

サービスを開発、運用していく中でサービスのパフォーマンス状況やエラーの発生状況を正確に把握し、何か問題が発生した場合に原因究明ができる仕組みは不可欠となっております。（いわゆるObservability＝可観測性）

例えば、サービス全体で読み込みに平均何秒かかっているのか、95パーセンタイル（100人中95人は何秒以内で表示されているのか）がどの程度なのか、読み込みに時間がかかっているページはどれか、どのソースコードでエラーが発生していて、エラーが発生しやすい条件は何か等です。

しかし、これらの情報を集める仕組みを全て自前で実装するのは極めて困難であり、それにかける工数は膨大なものになることが容易に想像できます。

そこで、New Relicの登場です。（当然、他にも同様の機能を有するサービスは複数ありますが）。

New Relicは導入が容易で、利用開始すぐにサービスの状況を可視化することが可能になります。そしてNew Relicの利用企業からのフィードバックを基にして日々サービスが改善され続けているので、他の利用企業のノウハウも得ることができます。

NRUGとは

冒頭にも書きましたが、New Relic User Groupの略で、名前の通りNew Relicのユーザーさんが集まってできた組織、ユーザーグループになります。

ITの世界ではこのようなユーザーグループは多くあり、有名なものではAmazon Web Service（AWS）のユーザーグループであるJAWSであったり、Google Cloud Platform（GCP）のユーザーグループであるGCPUGがあります。

ユーザーグループにはそのサービスを使っている方が多く集まっているので、活用事例を聞くことができたり、そのサービスが好きな方と繋がれたりするので、何かサービスを使い始めたら、ユーザーグループが無いか確認してみるといいと思います。

なぜ話そうと思ったのか？

理由は2点です。

・以前からイベント登壇に興味があった。
・昨年の新年会で「2021年の目標はイベントで登壇すること」と公言した。

特に後者が大きく、公言したが故に実現しないと何かモヤモヤした感じがあり、ずっと登壇できそうなイベントを探していました。

その時にたまたまNRUGというイベントでLT枠の募集があったので、思い切って申し込みました。

余談ですが、、、

目標を掲げてもそれを実際に達成できる人は多くないと思います。なんとしてでも目標を達成したければ、周囲に目標を公言してしまい、自らにプレッシャーをかけるのは有効な手段の一つだなと今回身をもって感じました。

何を話してきたの？

当日話した資料はこちらになります。

New Relicの入門的な内容であり、New Relicの機能の一つである「NRQL」（読み方はぬるくる）について話してきました。

NRQLとは名前から想像がつくかもしれませんが、New Relic独自のSQLライクな言語でNew Relicのデータの取得や集計、加工が容易にできるものになります。

三度の飯よりSQLが好きな方もいるかもしれませんが、そんな方であればNRQLの虜になるかと思います。（もちろんそうでない方でもですが）

アジェンダとしては、前半でNRQLの簡単な機能紹介を行い、後半ではNRQLの関数の一つであるpredictLinear関数を使って、予測型の監視ができるのではという気付きを紹介してきました。

predictLinear関数を使うことで過去のデータの推移から未来のデータを予測することができ、例えばディスクやメモリの使用率、ユーザーアクセス数等の未来の値を予測してくれます。

アルゴリズムとしては最小二乗法を使っての線形回帰であり、AI/機械学習の中でも極めて基本的なです。

基本的なものと言いつつも、データの特性によっては未来の値がある程度の精度で予測できるというのは画期的であり、改めてAI/機械学習の活用において、どれほど最先端で難しいアルゴリズムを使うかより、どこにアルゴリズムを適用するかの方が重要だと感じました。（いずれ当社のサービスにもこんな機能を導入してみたい。あくまでも個人的な願望ですが）

今後、predictLinear関数の具体的な活用事例を記事にできればと考えています！

まとめ

今回は簡単ですが、私の初のLT体験を書かさせていただきました。

自分の知見を世の中に出すことで、これまで色々な方が有益な知見を出してくれ、自分が活用させてもらったことに恩返しできればと考えているので、今後も様々な場面で自分の知見をアウトプットしていければと思います。

そして2022年も新たな目標を設定して、達成にむけて1年走り抜きたいと思います。

拙い文章となってしまいましたが、最後まで読んでいただき誠にありがとうございました。次回記事も読んでいただけると幸いです！