最近、更新が滞っていましたが、某弊部会のスコープ図（スタック＆コラボ図）を更新しましたので、久々にブログの更新をしました。

　以下は、前回の投稿（DX系施策の説明回）中の動画で話していた事（≒ 某弊部会のスコープ（スタック＆コラボ））を、ちょっと、文字列的に書き起こしたモノになりますので、興味があったら、読んでみて下さい。

＜ｖ１：基幹系＞

　昨今、基幹系のRDBMSアプリケーション開発に必要な技術は枯れてきているので、ｖ１の方に対する新規の機能追加の予定はありません（ｖ１のサポート自体は、引き続き継続します）。

　ただし、既存のアプリケーションをDockerやK8sへの対応については、リサーチと機能追加をして行く予定です。また、K8sのマニフェストや、Helm Charts、Rancher Chartsなどを使ってデプロイする方法などについても、調査を行っていく予定です（これは、ｖ2.5に位置付けられる）。

＜ｖ２：Web系＞

　そして、Web系のSAML2, OAuth2 / OIDCの認証基盤とFrontendも2016 - 2020年のリサーチと機能追加で大方、やれるようになってきています。

＜ｖ３：DX系＞

　故に、2021年以降はDX系という事で、以降の主戦場は、ｖ３：DX系（IoT, BD, AI/BI）のリサーチと機能追加になって行きます。

＜IoT＞

　IoTでは、Node-REDを使用してPoC等がされるケースも多いようですが、最近はRaspberry Pi上で動作するLinux用のOSであるRasbian（Raspberry Pi OS）上でもDockerが利用可能になってきているようです。また、DockerでコンテナをBuildし、Docker HubにRegister、Docker ComposeでUPする事も可能の様です。


　...という事で、先ずは認証基盤に実装されたIoT用の認証フローを使用して、IoT DeviceやIoT Edge上のDockerアプリケーションを認証させるという事をやってみようと考えています。

＜BD＞

　BD（ビッグデータ）は、昨今、基盤のメインストリームが、HadoopからSparkに移っているそうです。Hadoopがストレージのデータを分散処理するのに対し、Sparkはメモリにロードされたデータを分散処理します。Sparkは、「ITインフラテクノロジーAWARD 2015」でDockerに次ぐ準グランプリにもなっているプロダクトで、調べると、なかなか優れたソフトウェアとなっています。

　例えば、メモリに読み込まれたデータに対するSpark SQLの処理要求は、オプティマイザによって分析され自動的に、Sparkのクラスタノードに分散されます。そして、バッチ処理以外にも、構造化ストリーミング処理を分散処理できるようです。また、処理は、Java, Scalaで実装しますが、言語バインディングによって、Python, RやC#などでの実装も可能になっています。

　また、Sparkとよく組み合わせられるプロダクトに、Kafkaという分散メッセージキューがあります。Kafka＋Sparkは大掛かりな処理なので、使用しないケースも多いと思いますが、ビッグデータを対象とするデータ・パイプラインで要求されるケースは増えていくと思います。

＜AI/BI＞

　AIについては、今後コモディティ化が進んで行くモノと思います。故に、基本的には利用するダケのケースが増えていくと思いますが、独自のAIを開発が必要になるようなケースも増えていく可能性があるので、コチラについても必要に応じて、取り組むか否かを検討する予定です。

＜ユースケース分析＞

　以前、コチラにも書きましたが、これからは、技術だけではなく、ビジネス面についても並行して、リサーチしていこうと考えています。