Submit Search
Upload
Logにまつわるエトセトラ
•
5 likes
•
7,321 views
L
leverages_event
Follow
2014年8月28日ヒカ☆ラボにて菊池氏に登壇頂いた際の資料です。
Read less
Read more
Business
Report
Share
Report
Share
1 of 80
Download now
Download to read offline
Recommended
MongoDBとAjaxで作る解析フロントエンド&GraphDBを用いたソーシャルデータ解析
MongoDBとAjaxで作る解析フロントエンド&GraphDBを用いたソーシャルデータ解析
Takahiro Inoue
BigQuery 使ってみよう
BigQuery 使ってみよう
Noriko Takiguchi
(きっと)あなたにも出来る!Hyperledger composer でブロックチェーンアプリを動かしてみた
(きっと)あなたにも出来る!Hyperledger composer でブロックチェーンアプリを動かしてみた
K Kimura
オンプレミスRDBMSをAWSへ移行する手法
オンプレミスRDBMSをAWSへ移行する手法
Amazon Web Services Japan
AWS初心者向けWebinar RDBのAWSへの移行方法(Oracleを例に)
AWS初心者向けWebinar RDBのAWSへの移行方法(Oracleを例に)
Amazon Web Services Japan
WS Black Belt Online Seminar 2016 RDBのAWSへの移行
WS Black Belt Online Seminar 2016 RDBのAWSへの移行
Amazon Web Services Japan
Zaim 500万ユーザに向けて〜Aurora 編〜
Zaim 500万ユーザに向けて〜Aurora 編〜
Wataru Nishimoto
ログにまつわるエトセトラ
ログにまつわるエトセトラ
菊池 佑太
Recommended
MongoDBとAjaxで作る解析フロントエンド&GraphDBを用いたソーシャルデータ解析
MongoDBとAjaxで作る解析フロントエンド&GraphDBを用いたソーシャルデータ解析
Takahiro Inoue
BigQuery 使ってみよう
BigQuery 使ってみよう
Noriko Takiguchi
(きっと)あなたにも出来る!Hyperledger composer でブロックチェーンアプリを動かしてみた
(きっと)あなたにも出来る!Hyperledger composer でブロックチェーンアプリを動かしてみた
K Kimura
オンプレミスRDBMSをAWSへ移行する手法
オンプレミスRDBMSをAWSへ移行する手法
Amazon Web Services Japan
AWS初心者向けWebinar RDBのAWSへの移行方法(Oracleを例に)
AWS初心者向けWebinar RDBのAWSへの移行方法(Oracleを例に)
Amazon Web Services Japan
WS Black Belt Online Seminar 2016 RDBのAWSへの移行
WS Black Belt Online Seminar 2016 RDBのAWSへの移行
Amazon Web Services Japan
Zaim 500万ユーザに向けて〜Aurora 編〜
Zaim 500万ユーザに向けて〜Aurora 編〜
Wataru Nishimoto
ログにまつわるエトセトラ
ログにまつわるエトセトラ
菊池 佑太
Visual Studio App Centerで始めるCI/CD(iOS)
Visual Studio App Centerで始めるCI/CD(iOS)
Shinya Nakajima
INF-010_そのログ、ただ集めているだけではありませんか? ~IT 運用の世界にも Big Data の活用を!~
INF-010_そのログ、ただ集めているだけではありませんか? ~IT 運用の世界にも Big Data の活用を!~
decode2016
GoAzure 2015:IoTなどの大量データをStream Analyticsでリアルタイムデータ分析してみよう
GoAzure 2015:IoTなどの大量データをStream Analyticsでリアルタイムデータ分析してみよう
Hidemasa Togashi
Video mqtt
Video mqtt
Masaaki Nabeshima
わんくま東京勉強会#46 Azureセッション資料
わんくま東京勉強会#46 Azureセッション資料
Shinichiro Isago
わんくま東京勉強会#46 Azureセッション資料
わんくま東京勉強会#46 Azureセッション資料
guest628c07
CIサーバを制圧せよ! - プロジェクトメトリクスと自動化技術の活用よる混乱の収拾と「最強」の組織の育成
CIサーバを制圧せよ! - プロジェクトメトリクスと自動化技術の活用よる混乱の収拾と「最強」の組織の育成
Rakuten Group, Inc.
マーケティング向け大規模ログ解析事例紹介
マーケティング向け大規模ログ解析事例紹介
Kenji Hara
クラウドではじめるリアルタイムデータ分析 #seccamp
クラウドではじめるリアルタイムデータ分析 #seccamp
Masahiro NAKAYAMA
[db tech showcase Tokyo 2015] D33:Superdome X 上の SQL Server 2014 OLTP 検証結果と S...
[db tech showcase Tokyo 2015] D33:Superdome X 上の SQL Server 2014 OLTP 検証結果と S...
Insight Technology, Inc.
システム高速化フォーラム向け プッシュ通知基盤のアーキテクチャ
システム高速化フォーラム向け プッシュ通知基盤のアーキテクチャ
Recruit Technologies
PostgreSQLの行レベルセキュリティと SpringAOPでマルチテナントの ユーザー間情報漏洩を防止する (JJUG CCC 2021 Spring)
PostgreSQLの行レベルセキュリティと SpringAOPでマルチテナントの ユーザー間情報漏洩を防止する (JJUG CCC 2021 Spring)
Koichiro Matsuoka
Cuto紹介資料
Cuto紹介資料
UNIRITA
ビットバンクにおける少人数で支えるインフラチームの戦略
ビットバンクにおける少人数で支えるインフラチームの戦略
bitbank, Inc. Tokyo, Japan
Windows8のクライアントHyper-V入門(.NETラボ勉強会 2013/6/22 日本マイクロソフト)
Windows8のクライアントHyper-V入門(.NETラボ勉強会 2013/6/22 日本マイクロソフト)
Tomokazu Kizawa
市場動向並びに弊社製品の今後の展望について
市場動向並びに弊社製品の今後の展望について
Ken Azuma
クラウド鎖国からクラウド維新へ
クラウド鎖国からクラウド維新へ
Cybozucommunity
リクルート式ビッグデータ活用術
リクルート式ビッグデータ活用術
Recruit Technologies
認証サービスへのWebAuthnの導入
認証サービスへのWebAuthnの導入
TakashiTsukamoto4
LoRaWANとAzure IoT Hub接続ハンズオン
LoRaWANとAzure IoT Hub接続ハンズオン
Tomokazu Kizawa
Ac tsumugu 20170712
Ac tsumugu 20170712
leverages_event
20171206 tsumugu4 人工知能特集_v1.00_抜粋
20171206 tsumugu4 人工知能特集_v1.00_抜粋
leverages_event
More Related Content
Similar to Logにまつわるエトセトラ
Visual Studio App Centerで始めるCI/CD(iOS)
Visual Studio App Centerで始めるCI/CD(iOS)
Shinya Nakajima
INF-010_そのログ、ただ集めているだけではありませんか? ~IT 運用の世界にも Big Data の活用を!~
INF-010_そのログ、ただ集めているだけではありませんか? ~IT 運用の世界にも Big Data の活用を!~
decode2016
GoAzure 2015:IoTなどの大量データをStream Analyticsでリアルタイムデータ分析してみよう
GoAzure 2015:IoTなどの大量データをStream Analyticsでリアルタイムデータ分析してみよう
Hidemasa Togashi
Video mqtt
Video mqtt
Masaaki Nabeshima
わんくま東京勉強会#46 Azureセッション資料
わんくま東京勉強会#46 Azureセッション資料
Shinichiro Isago
わんくま東京勉強会#46 Azureセッション資料
わんくま東京勉強会#46 Azureセッション資料
guest628c07
CIサーバを制圧せよ! - プロジェクトメトリクスと自動化技術の活用よる混乱の収拾と「最強」の組織の育成
CIサーバを制圧せよ! - プロジェクトメトリクスと自動化技術の活用よる混乱の収拾と「最強」の組織の育成
Rakuten Group, Inc.
マーケティング向け大規模ログ解析事例紹介
マーケティング向け大規模ログ解析事例紹介
Kenji Hara
クラウドではじめるリアルタイムデータ分析 #seccamp
クラウドではじめるリアルタイムデータ分析 #seccamp
Masahiro NAKAYAMA
[db tech showcase Tokyo 2015] D33:Superdome X 上の SQL Server 2014 OLTP 検証結果と S...
[db tech showcase Tokyo 2015] D33:Superdome X 上の SQL Server 2014 OLTP 検証結果と S...
Insight Technology, Inc.
システム高速化フォーラム向け プッシュ通知基盤のアーキテクチャ
システム高速化フォーラム向け プッシュ通知基盤のアーキテクチャ
Recruit Technologies
PostgreSQLの行レベルセキュリティと SpringAOPでマルチテナントの ユーザー間情報漏洩を防止する (JJUG CCC 2021 Spring)
PostgreSQLの行レベルセキュリティと SpringAOPでマルチテナントの ユーザー間情報漏洩を防止する (JJUG CCC 2021 Spring)
Koichiro Matsuoka
Cuto紹介資料
Cuto紹介資料
UNIRITA
ビットバンクにおける少人数で支えるインフラチームの戦略
ビットバンクにおける少人数で支えるインフラチームの戦略
bitbank, Inc. Tokyo, Japan
Windows8のクライアントHyper-V入門(.NETラボ勉強会 2013/6/22 日本マイクロソフト)
Windows8のクライアントHyper-V入門(.NETラボ勉強会 2013/6/22 日本マイクロソフト)
Tomokazu Kizawa
市場動向並びに弊社製品の今後の展望について
市場動向並びに弊社製品の今後の展望について
Ken Azuma
クラウド鎖国からクラウド維新へ
クラウド鎖国からクラウド維新へ
Cybozucommunity
リクルート式ビッグデータ活用術
リクルート式ビッグデータ活用術
Recruit Technologies
認証サービスへのWebAuthnの導入
認証サービスへのWebAuthnの導入
TakashiTsukamoto4
LoRaWANとAzure IoT Hub接続ハンズオン
LoRaWANとAzure IoT Hub接続ハンズオン
Tomokazu Kizawa
Similar to Logにまつわるエトセトラ
(20)
Visual Studio App Centerで始めるCI/CD(iOS)
Visual Studio App Centerで始めるCI/CD(iOS)
INF-010_そのログ、ただ集めているだけではありませんか? ~IT 運用の世界にも Big Data の活用を!~
INF-010_そのログ、ただ集めているだけではありませんか? ~IT 運用の世界にも Big Data の活用を!~
GoAzure 2015:IoTなどの大量データをStream Analyticsでリアルタイムデータ分析してみよう
GoAzure 2015:IoTなどの大量データをStream Analyticsでリアルタイムデータ分析してみよう
Video mqtt
Video mqtt
わんくま東京勉強会#46 Azureセッション資料
わんくま東京勉強会#46 Azureセッション資料
わんくま東京勉強会#46 Azureセッション資料
わんくま東京勉強会#46 Azureセッション資料
CIサーバを制圧せよ! - プロジェクトメトリクスと自動化技術の活用よる混乱の収拾と「最強」の組織の育成
CIサーバを制圧せよ! - プロジェクトメトリクスと自動化技術の活用よる混乱の収拾と「最強」の組織の育成
マーケティング向け大規模ログ解析事例紹介
マーケティング向け大規模ログ解析事例紹介
クラウドではじめるリアルタイムデータ分析 #seccamp
クラウドではじめるリアルタイムデータ分析 #seccamp
[db tech showcase Tokyo 2015] D33:Superdome X 上の SQL Server 2014 OLTP 検証結果と S...
[db tech showcase Tokyo 2015] D33:Superdome X 上の SQL Server 2014 OLTP 検証結果と S...
システム高速化フォーラム向け プッシュ通知基盤のアーキテクチャ
システム高速化フォーラム向け プッシュ通知基盤のアーキテクチャ
PostgreSQLの行レベルセキュリティと SpringAOPでマルチテナントの ユーザー間情報漏洩を防止する (JJUG CCC 2021 Spring)
PostgreSQLの行レベルセキュリティと SpringAOPでマルチテナントの ユーザー間情報漏洩を防止する (JJUG CCC 2021 Spring)
Cuto紹介資料
Cuto紹介資料
ビットバンクにおける少人数で支えるインフラチームの戦略
ビットバンクにおける少人数で支えるインフラチームの戦略
Windows8のクライアントHyper-V入門(.NETラボ勉強会 2013/6/22 日本マイクロソフト)
Windows8のクライアントHyper-V入門(.NETラボ勉強会 2013/6/22 日本マイクロソフト)
市場動向並びに弊社製品の今後の展望について
市場動向並びに弊社製品の今後の展望について
クラウド鎖国からクラウド維新へ
クラウド鎖国からクラウド維新へ
リクルート式ビッグデータ活用術
リクルート式ビッグデータ活用術
認証サービスへのWebAuthnの導入
認証サービスへのWebAuthnの導入
LoRaWANとAzure IoT Hub接続ハンズオン
LoRaWANとAzure IoT Hub接続ハンズオン
More from leverages_event
Ac tsumugu 20170712
Ac tsumugu 20170712
leverages_event
20171206 tsumugu4 人工知能特集_v1.00_抜粋
20171206 tsumugu4 人工知能特集_v1.00_抜粋
leverages_event
【ヒカ☆ラボ】アーキテクト養成講座「入門編」 折田 武己 氏 登壇資料 20171205
【ヒカ☆ラボ】アーキテクト養成講座「入門編」 折田 武己 氏 登壇資料 20171205
leverages_event
【ヒカ☆ラボ】 dely株式会社 梅森 翔氏 登壇資料 20171121
【ヒカ☆ラボ】 dely株式会社 梅森 翔氏 登壇資料 20171121
leverages_event
【ヒカ☆ラボ】 dely株式会社 大竹 雅登氏 登壇資料 20171121
【ヒカ☆ラボ】 dely株式会社 大竹 雅登氏 登壇資料 20171121
leverages_event
【ヒカ☆ラボ】 dely株式会社 深尾 もとのぶ氏 登壇資料 20171121
【ヒカ☆ラボ】 dely株式会社 深尾 もとのぶ氏 登壇資料 20171121
leverages_event
【ヒカ☆ラボ】 dely株式会社 三笠 斉輝氏 登壇資料 20171121
【ヒカ☆ラボ】 dely株式会社 三笠 斉輝氏 登壇資料 20171121
leverages_event
【ヒカ☆ラボ】 株式会社AMG Solution 山口 博史氏登壇資料 20170817
【ヒカ☆ラボ】 株式会社AMG Solution 山口 博史氏登壇資料 20170817
leverages_event
【ヒカ☆ラボ】株式会社ライナフ 登壇資料
【ヒカ☆ラボ】株式会社ライナフ 登壇資料
leverages_event
【ヒカ☆ラボ】株式会社エアー様~ETLツール活用法について~
【ヒカ☆ラボ】株式会社エアー様~ETLツール活用法について~
leverages_event
インスタグラムを活用した、マーケティングについて
インスタグラムを活用した、マーケティングについて
leverages_event
ヒカ☆ラボ ユニティ・テクノロジーズ・ジャパン合同会社 安原 祐二氏登壇資料_20170119
ヒカ☆ラボ ユニティ・テクノロジーズ・ジャパン合同会社 安原 祐二氏登壇資料_20170119
leverages_event
ヒカ☆ラボ 株式会社PR TIMES 山田 和広氏登壇資料 20161129
ヒカ☆ラボ 株式会社PR TIMES 山田 和広氏登壇資料 20161129
leverages_event
ヒカ☆ラボ 株式会社PR TIMES 新井 隆士氏登壇資料 20161129
ヒカ☆ラボ 株式会社PR TIMES 新井 隆士氏登壇資料 20161129
leverages_event
ヒカラボ「自社サービス開発会社で活躍し続けるために必要な○○とは?」開発エンジニア
ヒカラボ「自社サービス開発会社で活躍し続けるために必要な○○とは?」開発エンジニア
leverages_event
ヒカラボ「自社サービス開発会社で活躍し続けるために必要な○○とは?」UIデザイナー
ヒカラボ「自社サービス開発会社で活躍し続けるために必要な○○とは?」UIデザイナー
leverages_event
初心者向けGo言語勉強会
初心者向けGo言語勉強会
leverages_event
DMM.comラボはなぜSparkを採用したのか?レコメンドエンジン開発の裏側をお話します!
DMM.comラボはなぜSparkを採用したのか?レコメンドエンジン開発の裏側をお話します!
leverages_event
Node.js×mongo dbで3年間サービス運用してみた話
Node.js×mongo dbで3年間サービス運用してみた話
leverages_event
株式会社waja 安藤様 登壇資料
株式会社waja 安藤様 登壇資料
leverages_event
More from leverages_event
(20)
Ac tsumugu 20170712
Ac tsumugu 20170712
20171206 tsumugu4 人工知能特集_v1.00_抜粋
20171206 tsumugu4 人工知能特集_v1.00_抜粋
【ヒカ☆ラボ】アーキテクト養成講座「入門編」 折田 武己 氏 登壇資料 20171205
【ヒカ☆ラボ】アーキテクト養成講座「入門編」 折田 武己 氏 登壇資料 20171205
【ヒカ☆ラボ】 dely株式会社 梅森 翔氏 登壇資料 20171121
【ヒカ☆ラボ】 dely株式会社 梅森 翔氏 登壇資料 20171121
【ヒカ☆ラボ】 dely株式会社 大竹 雅登氏 登壇資料 20171121
【ヒカ☆ラボ】 dely株式会社 大竹 雅登氏 登壇資料 20171121
【ヒカ☆ラボ】 dely株式会社 深尾 もとのぶ氏 登壇資料 20171121
【ヒカ☆ラボ】 dely株式会社 深尾 もとのぶ氏 登壇資料 20171121
【ヒカ☆ラボ】 dely株式会社 三笠 斉輝氏 登壇資料 20171121
【ヒカ☆ラボ】 dely株式会社 三笠 斉輝氏 登壇資料 20171121
【ヒカ☆ラボ】 株式会社AMG Solution 山口 博史氏登壇資料 20170817
【ヒカ☆ラボ】 株式会社AMG Solution 山口 博史氏登壇資料 20170817
【ヒカ☆ラボ】株式会社ライナフ 登壇資料
【ヒカ☆ラボ】株式会社ライナフ 登壇資料
【ヒカ☆ラボ】株式会社エアー様~ETLツール活用法について~
【ヒカ☆ラボ】株式会社エアー様~ETLツール活用法について~
インスタグラムを活用した、マーケティングについて
インスタグラムを活用した、マーケティングについて
ヒカ☆ラボ ユニティ・テクノロジーズ・ジャパン合同会社 安原 祐二氏登壇資料_20170119
ヒカ☆ラボ ユニティ・テクノロジーズ・ジャパン合同会社 安原 祐二氏登壇資料_20170119
ヒカ☆ラボ 株式会社PR TIMES 山田 和広氏登壇資料 20161129
ヒカ☆ラボ 株式会社PR TIMES 山田 和広氏登壇資料 20161129
ヒカ☆ラボ 株式会社PR TIMES 新井 隆士氏登壇資料 20161129
ヒカ☆ラボ 株式会社PR TIMES 新井 隆士氏登壇資料 20161129
ヒカラボ「自社サービス開発会社で活躍し続けるために必要な○○とは?」開発エンジニア
ヒカラボ「自社サービス開発会社で活躍し続けるために必要な○○とは?」開発エンジニア
ヒカラボ「自社サービス開発会社で活躍し続けるために必要な○○とは?」UIデザイナー
ヒカラボ「自社サービス開発会社で活躍し続けるために必要な○○とは?」UIデザイナー
初心者向けGo言語勉強会
初心者向けGo言語勉強会
DMM.comラボはなぜSparkを採用したのか?レコメンドエンジン開発の裏側をお話します!
DMM.comラボはなぜSparkを採用したのか?レコメンドエンジン開発の裏側をお話します!
Node.js×mongo dbで3年間サービス運用してみた話
Node.js×mongo dbで3年間サービス運用してみた話
株式会社waja 安藤様 登壇資料
株式会社waja 安藤様 登壇資料
Recently uploaded
セルフケア研修で使えるカードゲーム『攻略!きみのストレスを発見せよ!: ゲームで身につくストレスマネジメント』
セルフケア研修で使えるカードゲーム『攻略!きみのストレスを発見せよ!: ゲームで身につくストレスマネジメント』
Jun Chiba
company profile.pdf
company profile.pdf
keiibayashi
Service-introduction-materials-misorae-leadership
Service-introduction-materials-misorae-leadership
Yasuyoshi Minehisa
202405_VISIONARYJAPAN_engineerteam_entrancebook(ver2.1)
202405_VISIONARYJAPAN_engineerteam_entrancebook(ver2.1)
KayaSuetake1
物流は成長の準備ができていますか? 警告 1 日あたり 1 章を超えて消費しないでください コンテンツが覚醒と変化への意志を引き起こす
物流は成長の準備ができていますか? 警告 1 日あたり 1 章を超えて消費しないでください コンテンツが覚醒と変化への意志を引き起こす
Michael Rada
事例DBサービス紹介資料(Case Study DB service introduction)
事例DBサービス紹介資料(Case Study DB service introduction)
YujiSakurai3
ストックマーク株式会社がご提供しているAnews(エーニュース)概要紹介.pdf
ストックマーク株式会社がご提供しているAnews(エーニュース)概要紹介.pdf
masakisaito12
共有用_aio基本保守プラン_WordPressサイト_20240509.pdf
共有用_aio基本保守プラン_WordPressサイト_20240509.pdf
kikuchi5
Recently uploaded
(8)
セルフケア研修で使えるカードゲーム『攻略!きみのストレスを発見せよ!: ゲームで身につくストレスマネジメント』
セルフケア研修で使えるカードゲーム『攻略!きみのストレスを発見せよ!: ゲームで身につくストレスマネジメント』
company profile.pdf
company profile.pdf
Service-introduction-materials-misorae-leadership
Service-introduction-materials-misorae-leadership
202405_VISIONARYJAPAN_engineerteam_entrancebook(ver2.1)
202405_VISIONARYJAPAN_engineerteam_entrancebook(ver2.1)
物流は成長の準備ができていますか? 警告 1 日あたり 1 章を超えて消費しないでください コンテンツが覚醒と変化への意志を引き起こす
物流は成長の準備ができていますか? 警告 1 日あたり 1 章を超えて消費しないでください コンテンツが覚醒と変化への意志を引き起こす
事例DBサービス紹介資料(Case Study DB service introduction)
事例DBサービス紹介資料(Case Study DB service introduction)
ストックマーク株式会社がご提供しているAnews(エーニュース)概要紹介.pdf
ストックマーク株式会社がご提供しているAnews(エーニュース)概要紹介.pdf
共有用_aio基本保守プラン_WordPressサイト_20240509.pdf
共有用_aio基本保守プラン_WordPressサイト_20240509.pdf
Logにまつわるエトセトラ
1.
1 Log にまつわるエトセトラ 2014.8.28@ ヒカラボ
菊池佑太
2.
2 Log の重要性
3.
3 話しません (´;ω; `
) ● GrowthHack ✔ Retention/ConversionUP 施策 ✔ A/B テストによる UI 改善 ● 可視化 ✔ BI ツール
4.
4 サービス Log 広告 Log
5.
5 Page View (PV) Impression
(Imps) Click (CTs) Conversion (CV)
6.
6 アジェンダ 0. 自己紹介 1. Log
を記録する 2. Log を集める 3. Log を集計する 4. Log を分析する 5. 質疑応答
7.
7 自己紹介 ● 菊池佑太 @yutakikuc ● EX.
Yahoo! AD-Science ● 旅行で世界 30 都市制覇! ● http://d.hatena.ne.jp/yutakikuchi
8.
8 経験のあるテクノロジー
9.
9 仕事内容 開発 20% 研究 10% データ出し
10% ログ調査 60% 開発 研究 データ出し ログ調査 雑用がメイン ( キリッ
10.
10 Log や Data
を軽視する人 /) ///) / ,.= ゙ ''" / / i f ,.r='"-‐' つ_ / / _,.-‐'~ /⌒ ⌒\ / ,i , 二ニ⊃( ●) . (●)\ / ノ il ゙フ ::::::⌒ ( __ 人 __ )⌒ ::::: \ , イ「ト、 ,!,!| |r┬-| | / i トヾヽ _/ ィ " \ ` ー '´ / Log はどうでもいいんだよ !!
11.
11 Log や Data
取得が後回しにされる理由 ● サービスの開発が最優先 ● 無くてもサービスは動く ● LogSystem の開発は簡単という誤解 ( 怒 )( 怒 )( 怒 ) ● UserData を取得すると User の入力負荷が高くなる ● Data 分析方法が分からない
12.
12 Log エンジニアの現場人数 アプリエンジニアの 1/20
13.
13
14.
14 アジェンダ 0. 自己紹介 1. Log
を記録する 2. Log を集める 3. Log を集計する 4. Log を分析する 5. 質疑応答
15.
15 Log の記録目的 (
冗談 ) 元気があれば何でもできる! Log があれば何でも分かる!
16.
16 Log の記録目的 (
真面目 ) Log ≒ Evidence Log ⇒ Next Strategy
17.
17 大事な事なので 2 度言います Log
分析は サービス戦略に繋がる
18.
18 Log の記録で重要な事 3W1H (When,Who,What,How) Log
だけで情報が揃うように
19.
19 LogFormat ● Default ::1 - -
[08/Feb/2014:21:32:10 +0900] "GET / HTTP/1.1" 403 5039 "-" "curl/7.19.7 (x86_64-redhat-linux-gnu) libcurl/7.19.7 NSS/3.14.0.0 zlib/1.2.3 libidn/1.18 libssh2/1.4.2" ● Labeled Tab-Separated Values(LTSV) host:::1<Tab>ident:-<Tab>user:-<Tab>time:[08/Feb/2014:21:32:10 +0900]<Tab>Request:GET / HTTP/1.1<Tab>status: 403 <Tab>size:5039<Tab>referer:-<Tab>agent:curl/7.19.7 (x86_64-redhat-linux-gnu) libcurl/7.19.7 NSS/3.14.0.0 zlib/1.2.3 libidn/1.18 libssh2/1.4.2 ● ControllCharcter Separeted Values host<^B>::1<^A>ident<^B>-<^A>user<^B>-<^A>time<^B>[08/Feb/2014:21:32:10 +0900]<^A>Request<^B>GET / HTTP/1.1<^A>status<^B> 403 <^A>size<^B>5039<^A>referer<^B>-<^A>agent<^B>curl/7.19.7 (x86_64-redhat-linux-gnu) libcurl/7.19.7 NSS/3.14.0.0 zlib/1.2.3 libidn/1.18 libssh2/1.4.2
20.
20 どの Format が良いか? ● Log
項目の付け足し / 削除は後から必ず発生する ● Parse 後の添字参照 ( 順番依存 ) はキツい ● Parse 後に連想配列 (key => value) 展開する ● 付け足しが発生しても順番依存が無い ● 人目で見ても項目が分かり易い LTSVFormat がお勧め
21.
21 ServerLog の種類と記録項目 1. AccessLog –
Request 時間 (When), RequestURI(What), Access 元 IP, UA, Referer(How) – 処理時間 , ResponseStatus – Cookie(Who) ● BrowserID ● UserID ● UserAttribute – DeviceID(Who) 2. ErrorLog – Request 時間 , RequestURI, UA, Cookie – ErrorLevel, ErrorFile&Line, ErrorComment 3. ApplicationLog – 特定の状況下で記録したい Data
22.
22 BrowserID UserID/Attribute 超重要
23.
23 何が美味しいの? ( 後で! )
24.
24 「 mod_oreore 」による
BrowserID 発行 ● Server への初回アクセス時に Cookie を発行する ● ApacheModule だから楽 ● mod_usertrack,mod_session_cookie の不足点をカバー ● https://github.com/yutakikuchi/apache_module.git ● 30 秒で設定可能
25.
25 UserID/Attribute の記録 ● UserID/Attribute は
Login をした段階で Cookie に付与 ( アプリ ケーションのレイヤーで実装 ) ● Hacking されないように変換や暗号化
26.
26 Cookie を Log
に落とす
27.
27 LogServer 構成
28.
28 PV, Imps, Click,
ConversionLog ⑤Staus:302 Location:Url ①Request ② HTML,PVBeaconURL ③BeaconRequest ④Click⑥Buy ⑦HTML,ConversionBeaconURL ⑧ConversionRequest WebServer PV/ImpBeacon ClickRedirector広告主 Server ConversionBeacon
29.
29 CTs と CVLog もう少し詳しく
30.
30 Click 情報 どこに掲載したら押されたのか
31.
31 導入した Click 検知方法 ● 外部
Domain への遷移検知には Redirector を入れる ● Log にどのページのどのリンクが押されたのか記録する ✔ 予約 Parameter(?__uri=hoo&__link=bar_1) ✔ Click 計測用 Cookie(ClickCookie:__uri=hoo&__link=bar_1) ✔ ※Referer は送信しないブラウザがあるので注意 ● 識別子の付与は Javascript:Onclick() で出来ると吉 ● 集計処理で Parameter の値を CountUP ● 識別子の管理が FE と BI ツールで共有が必要 ( 改善ポイント )
32.
32 ClickLog の失敗点 アプリエンジニアの実装にミスが発生する! CTR 集計結果に影響が出る!! 戦略チームから
@yutakikuc が怒られる!!! @yutakikuc がアクセスログから実装ミスをカバーする!!!!
33.
33 ConversionLog に必要な事 ● ( 外部
) サイトに検知用 Beacon を設定してもらう ● Log にどのサイトでどのような CV が発生したのか記録する - Parameter で表現する ( 例 )<img src='http://cbeacon.hikalab.com? siteid=25&productid=13&actionid=2&sign=hikalabo0828' />
34.
34 ConversionLog の活用 ● 購入済み商品は Recommend
の対象外 ● 類似商品の Recommend ● 同じような行動履歴の User への Recommend
35.
35 「 Log を記録する」まとめ ● Log
分析は戦略に繋がる ● BrowserID,User,Attribute の記録 ● LTSV Format ● Click,ConversionLog の記録
36.
36 アジェンダ 0. 自己紹介 1. Log
を記録する 2. Log を集める 3. Log を集計する 4. Log を分析する 5. 質疑応答
37.
37 Log の管理構成 RealTime or
Batch ? Push or Pull ? IP 制限 WebServer① WebServer② BeaconServer Redirector LogAggregator MongoDB FS Redis Batch Mysql LogFile 取得 集計値格納
38.
38 RealTime or Batch Push
or Pull ● RealTime(Fluentd,Storm) ✔ 即時集計 / 解析 ✔ 一度の転送量を抑える ✗ Batch と比較して転送 / 解析の技術ハー ドルが高い ● Batch(Rsyslog,[RD]sync,Hadoop) ✔ 定期集計 / 解析 ✔ 安定した集計 ✗ 一度の転送量が多くなる ✗ Hadoop は ServerResource が心配 ● Push(Fluentd,[RD]Sync) ✔ 送信元 Server が Log 転送する ✔ Log を出力 => 転送が自然な流れ ✗ 送信元 Server の負荷が心配 ● Pull(Rsyslog,Storm,[RD]Sync) ✔ 受信元 ServerLog が Log を回収する ✔ メインの設定が受信元 Server で出来 る ✔ 送信元 Server の負荷は軽減 ? ✗ 実装 / 設定が面倒
39.
39 RealTime Log 転送で気をつけたい事 ● 処理が詰まらないように
(Server 性能の限界を確認しておこう ) ● 転送完了した Line 数を記録する ● HotStandy の用意 ● Batch に切り替える手段を用意 ● 小規模かつ重要でない Log から導入テストしてみるとか
40.
40 Batch Log 転送で気をつけたい事 ● Rotate
処理と転送処理の時間が重なった時の取りこぼし ※ チェックサムの確認 ● 転送時間が大きくならない事 ※ 複数のデータセンターへの転送 ● 冗長化サーバー毎に転送開始時間をづらす ● ファイルの圧縮
41.
41 広告配信での実例 Imps : 500,000
、 Clicks : 2000 、 Log 容量: 200M
42.
42 集計の土台 安定した Pull 型
Batch ※Batch は 1 日 1 回 広告主への正確なレポート提出のため Rsync + FuelPHP Task
43.
43 +α Imps,CTs は Push
型 RealTime 集計を準備中 ※Imps 保証数を必要以上に超過させない RealTime でのリターゲティング Fluentd + fuent-plugin-redis
44.
44 強力ツールで出来ない事 ● ページ内コンテンツの配信数 ● Browser 毎の履歴集計 ● 無料では出来る事が限られる ● 長期的なログ蓄積には不向き
45.
45 最小構成でも トラフィック問題は 発生せず ... or2
46.
46 冗長化対応での問題 回収先サーバーの 追加設定漏れ
47.
47 「 Log を回収する」まとめ ● 回収方法の特性を理解 ● 集計の土台は
Pull 型 Batch で安定稼働 ● 配信制御に関わる事は極力 RealTime で
48.
48 KPI / KGI
49.
49 アジェンダ 0. 自己紹介 1. Log
を記録する 2. Log を集める 3. Log を集計する 4. Log を分析する 5. 質疑応答
50.
50 原始的な集計 cut -f 2
log | sort | uniq | wc -l
51.
51 強力なツール ※ 要件が合えば利用
52.
52 強力ツールで出来ない事 ● ページ内コンテンツの配信数 ● Browser 毎の履歴集計 ● 無料では出来る事が限られる ● 長期的なログ蓄積には不向き
53.
53 BeaconTool(GA) と ServerLog
の違い BeaconTool ServerLog 0 200000 400000 600000 800000 1000000 1200000 1400000 1000000 1200000 300000 250000 PV User ✔ ServerLog の PV 値は BeaconTool の 120% 程 ✔ ServerLog の User 値は BeaconTool の 70% 程 ✔ CSC と SSC : 表示数と Request 数の違い ✔ BeaconTool 集計は BlackBox ✔ 通信 Error, noscript, 非対応機種 ... ✔ BeaconCookie と独自 Cookie の付与状況
54.
54 独自集計 ツールとの棲み分け 緊急性と重要度の判定
55.
55 緊急性と重要度 データの種類 データの項目 緊急性
重要度 格納先 広告 Imp 速報 高 中 Redis 広告 CTs 高 中 Redis 広告 効果レポート 低 高 Mysql サービス PV 低 高 Mysql サービス CTR 低 高 Mysql サービス PV / UU / UB 低 高 Mysql 全て 生ログ 低 高 FS 全て 準生ログ 高 中 MongoDB
56.
56 Mysql は安定している 心配なのは Write
速度
57.
57 Mysql Table 設計 ● テーブル設計
= 集計する項目の決定 ● Relationは作らない – 冗長的な登録は許容 ● 古いデータは消す事が前提 – 日付のPartitioningでparge ● 複雑な処理は多段集計 – 1次集計Table、2次集計Table
58.
58 Mysql への Write ● Batch
処理 ✔ Batch で OnMemory( 連想配列 ) に集計結果を乗せてから BulkInsert ✔ Hadoop で集計し Sqoop で結果を Import ● RealTime 処理 ✔ RunTime で MongoDB へ格納。 MogoDB のデータを Batch で集計 し、 Mysql へ格納 ✔ Mysql の BlackHoleEngine を利用。実体を Slave に ✔ 特定行数を一度 Queue/Summary して、 BulkInsert
59.
59 Redis の利用 ● データ管理を Memory
と Storage の両方で旨くこなす凄い奴 ● 大量データの INSERT/SELECT も Mysql より高速 ● Memory と Storage の両方から消えた場合が大変 ● 広告の Imp 制御で利用 ✔ 超過 Impは極力発生させたく無い ✔ RealTime で広告ID とImp した回数を書き込む ✔ 保険として Batch でも整合性を確認
60.
60 MongoDB の利用 ● スキーマ定義が不要でカラム追加の運用も要らない ● 大量データのInsertがMysqlより速い(SELECTは同等) ● Index, Sharding等の機能もある ● fnd条件指定が簡単でCross集計も可能(例.
Android×LoginしているUB数) ● データが消えるという事例報告がある ● 準生ログを保存(BIツールからのみ参照させる)
61.
61 速度担保への最終手段 サンプリング集計 ※ 広告は除く
62.
62 「 Log を集計する」まとめ ● 集計の緊急度と重要度で集計方法を変える ● Mysql
の INSERT 速度が心配 ● MongoDB や Redis なんかも導入すると良い
63.
63 アジェンダ 0. 自己紹介 1. Log
を記録する 2. Log を集める 3. Log を集計する 4. Log を分析する 5. 質疑応答
64.
64 BrowserID UserID/Attribute 超重要
65.
65 何が美味しいの?
66.
66 その① 行動履歴の集約 識別子を key
に sort で纏める 行動素性の抽出 MapReduce との相性
67.
67 その② 分類済み正解データからの推定 BrowserID :
1 UserID : A 女性 × 20 代 BrowserID : 2 UserID : ? 女性 ? 20 代 ? @cosme zexy.net @cosme zexy.net ?
68.
68 その③ User× デバイスデータ取得可能 1
人で複数台利用 (1 つの UserID での紐付け ) 複数人で 1 台を利用 ( 複数の UserID での紐付け ) ※ 分析データから除外する
69.
69 性別推定 Model
70.
70 性別推定 ● 性別に対してコンテンツや広告をtargetingしたい ● 性別が取れるUserは20%以下。推定によりRearchを増やす ● 2値分類(random推定でも50%) ● 仕組みが単純で高精度が望ましい ● 精度とカバー率の塩梅
71.
71 条件付き確率 ● 推定手法の一例 その他決定木やVectorでの分類がある ● 仕組みが単純、実装しやすい ● 並列分散処理OK ● P(C|D) P: 確率,
C:カテゴリ, D:事象 例) 「サッカー」で検索したUserは80%男性である ● 対数化や正規化などの処理が最後に必要
72.
72 「 Naive Bayes
」 でぐぐれ!
73.
73 Model 作成と評価 ● 素性はスペース区切り検索Query ● 訓練データ、推定対象データの準備 (過去28日間) ✔
訓練データ: 性別が分かるBrowserID×Query ✔ 推定対象データ: 性別が分からないBrowserID×Query ✔ 複数のUserIDが紐づくBrowserIDは対象外 ● 訓練データからModelを評価 ✔ K-fold Cross Validation(k-1個のデータセットからModelを作成し、その他1個で精度評価) ● Modelを使って推定対象データから予測 ✔ 男性の確率:90%、女性の確率:10%
74.
74 毎日推定 ● 2 年前は Oozie
× Pig で素性抽出〜推定をやってました ● 今なら hivemall を使いますかね ● R 言語でも簡単にできます ● 推定結果を Redis に格納
75.
75 精度とカバー率と配信の閾値 80% は女性と推定 精度 80%
以上のカバー率は 2 割 この人は女性で配信しますか? 配信側の閾値調整
76.
76 性別推定 ● 性別に対してコンテンツや広告をtargetingしたい ● 性別が取れるUserは20%以下。推定によりRearchを増やす ● 2値分類(random推定でも50%) ● 仕組みが単純で高精度が望ましい ● 精度とカバー率の塩梅
77.
77 年代 (10 歳区切り
) 推定 マルチ分類への応用
78.
78 「 Log を分析する」まとめ ● 分類済み正解データの取得 ● 推定により
Reach 数を増やす ● データセット作成、予測 Model 作成、推定 ● 推定確率により配信する / しない
79.
79 以上
80.
80 質疑応答
Download now