技術 のすべての投稿

AI, 半導体・チップ, 技術メモ

AIの並列計算アーキテクチャの進化（SIMD → SIMT → Tensor → Dataflow）

コメントする

AIや高性能計算（HPC）の分野では、計算性能を高めるために
並列計算アーキテクチャが重要な役割を果たしてきました。

2000年代まではCPUのクロック周波数向上によって性能が向上してきましたが、
消費電力や発熱の問題から単純なクロック向上は難しくなりました。

その結果、現在のコンピューティングでは
並列処理による性能向上が主流になっています。

特にAI計算の世界では、並列処理の方式は次のように進化してきました。 

SIMD → SIMT → Tensor → Dataflow

それぞれの段階で、並列処理の対象や計算モデルが変化しています。

SIMD（Single Instruction Multiple Data）

SIMDはCPUで広く使われている並列計算方式です。

SIMDは1つの命令で複数のデータを同時に処理する仕組みです。

画像処理や信号処理など、
同じ演算を大量のデータに対して行う処理に適しています。

代表例

  • Intel SSE
  • Intel AVX
  • ARM NEON

SIMT（Single Instruction Multiple Thread）

SIMTは主にGPUで採用されている並列計算モデルです。

SIMTでは多数のスレッドが同じ命令を同時に実行します。

ただし重要な点として、
SIMTは内部的にSIMDの仕組みを利用しています。

例えばNVIDIA GPUでは
Warp（32スレッド）
という単位で命令が実行されます。

このWarpはハードウェア内部では
SIMDユニットとして一斉に動作
しています。

つまりSIMTは、
SIMDの考え方を拡張し、大量のスレッドを扱いやすくしたモデル
と言えます。

Tensor（Tensor Core / AIアクセラレータ）

AI計算ではさらに専用化された並列計算方式が使われています。

それがTensor演算です。

Tensor Coreは行列演算を高速化する専用回路です。

AIのニューラルネットワークでは、
膨大な行列計算が行われます。 

C = A × B

Tensor Coreの最大の特徴は
積和演算（FMA）です。 

D = A × B + C

この計算を1クロックで大量に実行できます。

さらに現在のAI計算では
混合精度演算が重要になっています。

  • FP16
  • BF16
  • INT8
  • INT4

精度を適切に調整することで、
消費電力と演算速度を大きく改善できます。

Google TPUとSystolic Array

GoogleのTPUは
Systolic Array（シストリック・アレイ）
という方式でTensor演算を実装しています。

これは行列計算を
データを流しながら処理するパイプライン構造
で実行する方式です。

この構造により、
非常に高い演算密度を実現しています。

TenstorrentとDataflow Architecture

AIチップ分野では
Tenstorrent（テンストレント）
という企業も注目されています。

Tenstorrentは
RISC-VベースのAIプロセッサ
を開発している企業です。

同社のチップでは
Dataflow Architecture
という設計思想が採用されています。

Tenstorrentの最大の特徴は、
Tensixコアと呼ばれる計算ユニットが
Mesh（網目状）に配置されている点です。

この構造では、
データが準備できた順に計算が進む非同期処理
が行われます。

これは従来のCPUやGPUのような
命令駆動型（Instruction-driven）
の計算モデルとは異なり、

データ駆動型（Data-driven）
の計算モデルと呼ばれます。

つまり、
計算の効率だけでなく
データ移動の効率
を最大化するアーキテクチャです。

並列アーキテクチャの比較

項目 SIMD SIMT Tensor Dataflow
主な処理対象 ベクトル スレッド 行列（Matrix） データフロー
計算の次元 1次元 多数の1次元 2次元（行列）〜多次元 多次元
代表例 AVX / NEON NVIDIA GPU Tensor Core / TPU Tenstorrent

まとめ

並列計算アーキテクチャは次のように進化してきました。 

SIMD
（CPUのベクトル並列）

↓

SIMT
（GPUのスレッド並列）

↓

Tensor
（AI専用の行列並列）

↓

Dataflow
（データ駆動型AIプロセッサ）

現在のコンピューティングでは

  • CPU：SIMD
  • GPU：SIMT
  • AIチップ：Tensor
  • 次世代AIチップ：Dataflow

という役割分担が形成されています。

AIモデルが巨大化するにつれて、
演算だけでなくデータ移動の効率
も重要になっています。

そのため、
Tensor演算だけでなく
Dataflow型アーキテクチャ
も次世代AIチップの重要な方向性として注目されています。

参考URL

AI, 半導体・チップ

半導体設計はAIでどこまで高速化できるか（2026年3月現在）

コメントする

半導体設計は、プロセスの微細化が進むほど難しくなっています。
特に2nm世代に近づく現在では、製造技術だけでなく
設計そのものが最大のボトルネック
になりつつあります。

チップ設計には数千〜数万の回路ブロックが関わり、
設計検証には膨大なシミュレーションや解析が必要になります。
結果として設計期間は数年、設計コストも非常に大きくなっています。

こうした背景から、2026年3月現在、半導体業界では
AIによる設計高速化
が大きなテーマになっています。

特に注目されているのが次の3つのアプローチです。

  • Google：AIによるチップ配置最適化
  • NVIDIA：AIによる設計探索
  • Rapidus：Agentic DesignによるAI設計

半導体設計はなぜ時間がかかるのか

半導体設計は次のような工程で進みます。 

Specification
↓
RTL設計
↓
論理合成
↓
配置配線
↓
タイミング解析
↓
Sign-off
↓
Tape-out

特に時間がかかる工程は次の部分です。

  • 配置配線（Place & Route）
  • タイミング解析（Static Timing Analysis）
  • Sign-off検証

これらの工程では、設計パラメータを変更しては解析し直すという
設計ループが何度も繰り返されます。

周波数・電圧・電力のバランス

半導体設計では性能（周波数）だけでなく、
電圧と電力も非常に重要です。

デジタル回路の消費電力はおおよそ次の式で表されます。 

Power ≈ C × V² × f
  • C：回路容量
  • V：電圧
  • f：クロック周波数

この式から分かるように、電圧は消費電力に大きく影響します。

そのため多くのチップでは
DVFS（Dynamic Voltage and Frequency Scaling）
が使われ、状況に応じて

  • クロック周波数
  • 動作電圧

を調整しています。

AI設計では、この周波数・電圧・電力のバランスを
設計初期段階で予測することが重要になります。

PPAとAI設計

半導体設計では次の3つの指標が重要です。

  • P：Performance（性能）
  • P：Power（消費電力）
  • A：Area（チップ面積）

これをまとめてPPAと呼びます。

AIは回路構造を学習することで

  • 最大クロック周波数
  • 消費電力
  • チップ面積

などを設計初期段階で予測できるようになっています。

これにより設計の方向性を早い段階で判断でき、
設計ループを短縮できます。

AI半導体設計の3つの流れ

Google：AI配置最適化

Googleは強化学習を使って
チップの配置（floorplanning）を自動化する研究を行っています。

参考：

Google Research – Chip Design with Deep Reinforcement Learning

NVIDIA：AI設計探索

NVIDIAはEDA分野でAIによる
Design Space Exploration
を研究しています。

参考：

NVIDIA EDA Research

Rapidus：Agentic Design

Rapidusは
Agentic Design
という設計モデルを提案しています。

Rapidusの
RAADS（Rapidus Agentic Design Solution）
では

  • RTL生成
  • PPA予測
  • 設計探索
  • PPACTY最適化

などをAIが行う構想です。

参考：

Rapidus AI design tools announcement

まとめ

半導体設計では

  • 周波数（Performance）
  • 電圧・電力（Power）
  • 面積（Area）

のバランスが重要になります。

AIはこれらを設計初期段階で予測することで、
設計ループを大きく短縮できる可能性があります。

EDAは現在 

EDA
↓
AI-EDA
↓
Agentic Design

という進化の途中にあります。

AIが設計探索を担うことで、
半導体設計の速度はこれからさらに変化していくと考えられます。

半導体・チップ, 技術メモ

IoT設計のセキュリティキー：RISC-V と ARM、そしてデバイスキーの話

コメントする

IoT機器を設計するとき、最初に出てくる話題の一つが「CPUをARMにするか、それともRISC-Vにするか」です。
もちろん重要な選択ですが、実際に製品を作ってみると IoTの安全性を決めるのはCPUよりも“鍵の扱い方”だったりします。

デバイスがネットワークにつながる以上、「その機器は本物か」「クローンではないか」「改ざんされていないか」を判断できなければなりません。
この記事では、ARMとRISC-Vの違いをざっくり整理しつつ、IoTで避けて通れない デバイスキー設計の話をまとめます。

この記事のポイント

  • IoTの安全性はCPUより「デバイスキー設計」で決まる
  • ARMはTrustZoneが強み
  • RISC-Vは自由度とコストが強み
  • IoTセキュリティの核心はRoot of Trust

IoT設計ではCPU選択よりも
「鍵管理」と「デバイス認証」が重要になります。

ARMとRISC-V、何が違うのか

IoT機器でよく使われるCPUアーキテクチャは、ほぼこの2つです。

  • ARM
  • RISC-V

それぞれ方向性が少し違います。ARMは成熟したエコシステムと実績、RISC-Vはオープン性と自由度が魅力です。

ARM

ARMは組み込みの世界では定番です。STM32やNXPなど、多くのMCUがARMベースです。
特徴をざっくり言うと、次のようになります。

  • ライセンス制のISA
  • ツールやSDKが豊富
  • 商用製品の実績が圧倒的に多い

IoT設計で重要になるのが TrustZone です。TrustZoneはCPU内部を「セキュア領域」と「通常領域」に分ける仕組みで、
鍵やセキュア処理を隔離できます。最近のIoT設計では、このTrustZoneを使った PSAセキュリティ設計 がよく使われています。

RISC-V

RISC-VはオープンなISAです。最大の特徴は ライセンス料が不要 という点です。
さらに、命令セットを拡張できる・ベンダー依存が少ない、といったメリットがあります。

最近はGoogleやWestern Digitalなども採用を進めており、IoT向けSoCでもRISC-V採用例が増えてきました。

セキュリティ機能（TrustZone vs PMP）

ARMではTrustZoneが標準的ですが、RISC-Vでは PMP（Physical Memory Protection） が基本になります。
PMPはメモリアクセス制御の仕組みで、read / write / execute の権限を領域ごとに設定できます。

近年はRISC-V側でも、TEE構築のための取り組み（例：Keystone）や、Root of Trustのオープン実装（例：OpenTitan）などが進んでいます。
一方で、どこまでが標準で、どこからがベンダー依存かはSoCごとに差が出やすいので、採用時は仕様確認が重要です。

どちらを選ぶべきか

まとめると、だいたいこんな感じです。

項目 ARM RISC-V
成熟度 高い 成長中
コスト ライセンスあり 無料
エコシステム 非常に豊富 発展中
自由度 低め 高い
ARMとRISC-Vのざっくり比較（IoT視点）

量産製品なら ARMが無難。独自設計やコスト重視なら RISC-Vも魅力的。
そんな位置づけです。

IoTで重要なのは「デバイスキー」

CPUの話をしましたが、実際のIoTセキュリティで重要になるのは デバイスキー です。
これは簡単に言うと 機器ごとに持つ秘密鍵 のことです。

IoT機器はネットワークに接続するため、「この機器は正しいデバイスか」を判断できなければなりません。
そのために使われるのが公開鍵暗号（PKI）の仕組みです。

IoT認証の基本構造（PKI）

基本的な仕組みはシンプルです。
デバイスは 秘密鍵 を持ち、サーバは 公開鍵（またはCA証明書）を持ちます。
デバイスが秘密鍵で署名し、サーバが公開鍵で検証します。

IoTで主流の認証方式：mTLS

現在のIoTシステムでは mTLS（相互TLS） が主流です。
AWS IoTなどでもこの方式が一般的です。流れは次の通りです。

  1. TLS接続を開始
  2. デバイス証明書を提示
  3. サーバ側が証明書を検証
  4. 認証成功後、暗号化通信を継続

デバイスキーはいつ作るのか（プロビジョニング）

ここが実はIoT設計でかなり重要なポイントです。方法は大きく2つあります。

1) デバイス内生成（おすすめ）

デバイスが初回起動時に鍵ペアを生成する方法です。秘密鍵はデバイスの外に出ません。
セキュリティとしては これが一番安全 です。

2) 製造ライン注入（インジェクション）

工場で鍵を書き込む方法です。量産ではよく使われますが、鍵管理のために HSM を置いたり、
製造ラインのアクセス制御や監査ログなど「工場側のセキュリティ」が重要になります。

鍵はどこに保存するのか

秘密鍵は、安全な場所に保存する必要があります。よく使われるのは次のような方法です。

  • Secure Element（鍵管理専用チップ）
  • TPM（産業機器・PC系でよく採用）
  • MCUのOTP / eFuse（一度書き込むと変更できない領域）
  • TEE（TrustZone等の隔離領域）

逆に言うと、普通のFlashにそのまま保存するのは危険です。物理解析やサイドチャネルなど、
“ソフトウェアだけでは守りきれない攻撃”が現実にあります。

最近のIoTセキュリティの流れ（Supply Chain Security）

最近はさらに Supply Chain Security が重要になっています。
製造から運用まで、全体で信頼性を担保する流れが強くなってきました。

たとえば、次のような技術キーワードが登場しています。

  • DICE：TPMがなくてもデバイスIDを組み立てる考え方
  • IEEE 802.1AR：デバイス証明書（DevID）の標準
  • FDO：大量デバイスの自動オンボーディングを支える仕組み
  • SBOM：ソフトウェア構成の透明化（脆弱性対応と運用の前提）

IoT機器は「作って終わり」ではなく、長期間運用されるものが多いので、
このあたりの視点があるかどうかで、後々の運用コストも大きく変わってきます。

最後に：Root of Trustの話

IoT機器の設計では、どうしても「ARMにするかRISC-Vにするか」という話になりがちです。
もちろんそれも大事です。

ただ実際のところ、IoTの信頼性を決めるのはCPUそのものではありません。
本当に効いてくるのは、信頼の起点（Root of Trust）をどう作るか、という設計です。

たとえば、次の要素がセットで回っているかどうか。

  • Secure Boot：改ざんされたファームが動かない仕組み
  • Device Identity：デバイス固有の身分証明
  • Key Protection：秘密鍵が外に出ない保護
  • Provisioning：鍵を安全に発行・登録する流れ
  • Supply Chain Security：製造〜運用までの信頼性

これらがしっかり設計されていれば、ARMでもRISC-Vでも、堅牢なIoTシステムは作れます。
逆に言えば、鍵の扱いを間違えると、どんなCPUでも簡単に破られます。

IoTセキュリティは難しく見えるかもしれませんが、
「信頼の出発点をどこに置くか」という視点で考えると整理しやすくなります。
その出発点こそが Root of Trust です。

AI

統計とAIの分岐点

コメントする

案件で統計とAIがごっちゃになることが多く、統計処理で解決する案件が多いですが、
統計とAIの違いについて、書きます。

統計の構造（説明の技術）を深掘りする

流れ（ざっくり図）

[ データ ]
   ↓
[ 仮説 ]
   ↓
[ 数式・モデル ]
   ↓
[ 検証 ]
   ↓
「平均は◯◯です」
「相関があります」

① なぜ「仮説」が必要なのか

統計は、人間が世界を理解するための技術です。そのため最初に必ず、「どういう関係があるはずか」という仮説を置きます。

  • 売上は気温と相関があるのでは？
  • 来店数は曜日で変わるのでは？
  • 価格と需要は反比例するのでは？

この仮説がないと、統計は無限の数字の海で溺れます。

統計において「仮説」は、計算の前提条件であり、人間の世界観そのものです。

② なぜモデルは人間が選ぶのか

仮説を立てた瞬間、使えるモデルはほぼ決まります。

  • 平均を見るのか
  • 回帰を見るのか
  • 分散を見るのか
  • 相関係数を見るのか

つまりモデル選択とは、「この世界をどう切り取るか」を人間が決める行為です。

モデルは中立ではありません。人間の視点を数式に翻訳したものにすぎません。

③ 検証とは「人間の仮説の正当化」

統計の検証は、「データが正しいか」ではなく、仮説がどこまで許されるかを確認する作業です。

  • 有意差がある
  • 相関がある
  • 偶然とは言えない

ただし重要なのは、統計は「だから何をするか」を決めないという点です。

④ なぜ結果は「説明」で終わるのか

統計の出力は、ほぼ必ず文章になります。

  • 「平均は◯◯でした」
  • 「有意な相関が見られました」
  • 「傾向が示唆されます」

これは欠陥ではありません。人間が次の判断をするための材料だからです。

統計の主役は「考える人間」であり、統計はその補助輪にすぎません。

AIの構造（判断の技術）を深掘りする

流れ（ざっくり図）

[ データ ]
   ↓
[ 特徴量 ]
   ↓
[ 学習（ブラックボックス可） ]
   ↓
[ 推論 ]
   ↓
「次の行動を確定する」

① なぜ仮説を立てないのか

AIは世界を理解しなくてもいい。必要なのは「当たること」だけです。

  • なぜそうなるかは不要
  • 理由が説明できなくても問題ない
  • 結果が改善されればそれでよい

ここが統計との最大の断絶点です。

AIは「意味」を扱わず、「対応」を学習します。

② 特徴量とは「人間が許した世界の窓」

AIは仮説を立てない代わりに、何を見るかだけは人間が決めます。

  • 時間を見る
  • 天気を見る
  • 画像のピクセルを見る
  • 過去の行動履歴を見る

特徴量とは、AIに見せる世界の制限装置です。

そして、倫理・責任・偏りはここでほぼ決まります。

③ なぜブラックボックスで動けるのか

AIの内部は、人間にとって理解不能でも構いません。なぜなら、

  • 人間が逐一理解する前に現実は変化してしまう

AIは「理解」より反応を優先します。

説明可能性より、反応速度と改善率が価値になります。

④ 推論とは「即時の行動選択」

AIの最終出力は文章ではありません。

  • フラグを立てる
  • 数値を変える
  • ルートを切り替える
  • アラートを出す

つまり行動に直結する命令です。

ここで初めて、システムが主役になります。

⑤ なぜ「80%でいいAI」が成立するのか

AIは、失敗を前提に改善します。

  • 100%正しい必要はない
  • 人間が介入できる余地を残す
  • ログから次を学ぶ

統計では許されない「雑さ」が、AIでは進化の燃料になります。

主役が変わる瞬間

統計

人間 → 考える → 行動する

AI

システム → 行動する → 人間が監督する

ここを混同すると事故が起きます。

  • 統計をAI扱い → 判断しないのに「任せた気になる」
  • AIを統計扱い → 説明責任を押し付けて「止まる」
開発, 技術メモ

PHPだけでPNGグラフを生成する最小サンプル：GD拡張

コメントする

色々な言語でグラフを作っていますが、一番どこにでも入っている最低限のPHPで書く方法を説明します。
「JavaScriptを使わず、サーバ側だけでグラフ画像を生成したい」
という場面が意外と多くあります。

例えば、
管理画面の タグで使いたい
PDFにそのまま埋め込みたい
バッチ処理で画像を生成して保存したい
外部サービスに依存したくない
こうした用途では、PHPのGD拡張を使ったPNG生成がシンプルで堅牢です。

本記事では、
・外部ライブラリ不要
・1ファイルで動作
・棒グラフの最小構成
という条件で、実用に耐えるサンプルを紹介します。

事前条件
PHP 8.x 以上
gd 拡張が有効

確認方法：

php -m | grep gd

表示されれば準備OKです。
仕組みの概要

流れ
今回のグラフ生成は、以下の流れで行います。

PHPでキャンバス（画像）を作成

背景・枠線・色を定義
データ配列をスケール変換
棒（バー）を描画
HTTPレスポンスとしてPNGを返す
ポイントは、
「HTMLではなく画像を返すPHP」
という点です。

最小構成のサンプルコード
以下のファイルを graph.php として保存してください。

<?php
declare(strict_types=1);

/*
 * ==============================
 * Simple PNG Bar Chart with GD
 * ==============================
 */

// ====== サンプルデータ ここをDBを繋げたり、CSVを読み込んだりしてください。======
$labels = ['Mon','Tue','Wed','Thu','Fri','Sat','Sun'];
$values = [12, 18, 9, 24, 20, 14, 28];

// ====== 画像サイズと余白 ======
$width  = 800;
$height = 420;

$padL = 60;   // 左余白（Y軸ラベル用）
$padR = 20;
$padT = 30;
$padB = 60;   // 下余白（X軸ラベル用）

// ====== 画像生成 ======
$image = imagecreatetruecolor($width, $height);
imageantialias($image, true);

// ====== 色定義 ======
$bgColor   = imagecolorallocate($image, 255, 255, 255);
$textColor = imagecolorallocate($image, 30, 30, 30);
$gridColor = imagecolorallocate($image, 230, 230, 230);
$barColor  = imagecolorallocate($image, 70, 120, 220);

// 背景塗りつぶし
imagefilledrectangle($image, 0, 0, $width, $height, $bgColor);

// ====== プロット領域 ======
$plotW = $width  - $padL - $padR;
$plotH = $height - $padT - $padB;

$x0 = $padL;
$y0 = $padT;
$x1 = $padL + $plotW;
$y1 = $padT + $plotH;

// 枠線
imagerectangle($image, $x0, $y0, $x1, $y1, $gridColor);

// ====== スケール計算 ======
$maxValue = max($values);
$maxValue = ($maxValue <= 0) ? 1 : $maxValue;

// ====== バー描画 ======
$count = count($values);
$gap   = 10;
$barW  = (int) floor(($plotW - ($gap * ($count + 1))) / $count);
$barW  = max(8, $barW);

for ($i = 0; $i < $count; $i++) {
    $value = $values[$i];

    // X座標
    $x = $x0 + $gap + $i * ($barW + $gap);

    // 高さ（最大値基準で正規化）
    $barH = (int) round(($value / $maxValue) * ($plotH - 10));
    $y    = $y1 - $barH;

    // 棒
    imagefilledrectangle(
        $image,
        $x,
        $y,
        $x + $barW,
        $y1,
        $barColor
    );

    // 数値表示（上）
    imagestring($image, 3, $x + 2, $y - 16, (string)$value, $textColor);

    // X軸ラベル（下）
    imagestring(
        $image,
        3,
        $x + 2,
        $y1 + 8,
        $labels[$i] ?? (string)$i,
        $textColor
    );
}

// タイトル
imagestring($image, 5, $padL, 8, 'Weekly Orders (sample)', $textColor);

// ====== 出力 ======
header('Content-Type: image/png');
header('Cache-Control: no-store');

imagepng($image);
imagedestroy($image);

表示方法
ブラウザで直接アクセス：
https://example.com/graph.php
HTMLに埋め込む場合：
weekly graph
HTML・CSS・JavaScriptは一切不要です。

開発, 技術メモ

EC-CUBEで複数選択処理を書いたらJSONでエラー

コメントする

EC-CUBE　4.2以上・MYSQL方で
商品のカスタマイズや顧客の属性で複数選択のオプション作るとなるとJSON形式にすると思いますが・・・・
エラーになる。プログラムは合っている・・・・

JSONがバイナリー渡しになっているエラーに
「SQLSTATE[22032]: Cannot create a JSON value from a string with CHARACTER SET ‘binary’」

/app/config/eccube/packages/doctrine.yaml　にDBとの接続が書いてある。
しかし、デフォルトは「pdo_sqlite」の設定で、セットも細かく書いていない。

こんな感じでしっかり設定を書かないと勝手にバイナリーに・・・

doctrine:
    dbal:
        # × driver: 'pdo_sqlite' これは削除 
        driver: 'pdo_mysql' #  MySQLを明示
        server_version: "%env(DATABASE_SERVER_VERSION)%"
        # charset: '%env(DATABASE_CHARSET)%'
        charset: utf8mb4

        # これが重要です！
        options:
            1002: "SET NAMES 'utf8mb4'"

        # for mysql only
        default_table_options:
            charset: 'utf8mb4'
            collation: 'utf8mb4_bin'

以上、他も変換処理してないか？を確認してね。

技術メモ, Web構築

facebookexternalhit

コメントする

facebookexternalhitとは

facebookexternalhit は、Metaファミリー（Facebook、Instagram、Messengerなど）のアプリで共有されたリンクに関する情報を収集するためのクローラーです。
このクローラーは、共有されたアプリやウェブサイトのコンテンツをクロールし、リンクプレビューを生成します。

主な目的

facebookexternalhit の主な目的は次の通りです:

  • Facebook、Instagram、Messenger などで共有されたリンクをクロール
  • アプリやウェブサイトの情報（タイトル、説明、サムネイル画像など）を収集
  • 収集したデータをキャッシュに保存し、プレビューとして表示

動作の仕組み

  1. ユーザーがリンクをFacebookやMetaのソーシャルプラグインを使って共有
  2. facebookexternalhitクローラーがリンク先のウェブページにアクセス
  3. ページ内のメタデータ（例: Open Graph タグ）を解析
  4. タイトル、説明、画像などを取得してプレビューを生成

収集する情報

以下の情報が主に収集されます:

  • タイトル（<title>タグやog:title）
  • 説明文（og:description）
  • 画像（og:image）
  • URL（og:url）

リンク共有の方法

facebookexternalhitクローラーが動作するリンク共有の主な方法は次の通りです:

  • リンクをコピー＆ペーストして共有
  • Facebookのソーシャルプラグインを使用して共有

最適化のための設定

以下の設定を行うことで、リンクプレビューの表示を最適化できます:

  • Open Graph メタタグを使用して、プレビュー内容を明示的に指定する
  • メタデータに適切なタイトル、説明、画像を設定する
  • Facebookデバッガーツールを使ってプレビューを確認する

サーバのアクセスログ例

2024-01-22 18:31:23 - 69.171.250.250 - fwdproxy-ldc-000.fbsv.net - facebookexternalhit/1.1 (+http://www.facebook.com/externalhit_uatext.php)

拒否したい場合、robots.txtの設定

facebookexternalhit

  • robots.txt ファイルに `facebookexternalhit` のアクセスを拒否する記述がないことを確認します。
  • デフォルトでは、`facebookexternalhit` はアクセスが許可されていますが、特定のディレクトリやページをブロックしていないか確認が必要です。

例: robots.txtで許可する設定

以下は、`facebookexternalhit`を許可する基本的な設定例です:

User-agent: *
Disallow:

この設定はすべてのクローラーのアクセスを許可します。

特定のクローラーのみ許可したい場合は、次のように指定します:

User-agent: facebookexternalhit
Disallow:

Facebookデバッガーの使用

Facebookはリンクプレビューを生成する際にキャッシュを使用します。そのため、ページ内容を更新した場合、新しい情報が正しく反映されないことがあります。

キャッシュをクリアし、最新のデータを反映するには、Facebook Debugger を使用してください。

Facebook Debuggerの使い方:

  1. 以下のリンクからデバッガーツールにアクセスします: Facebook Debugger
  2. 更新したいリンクを入力して「Debug」ボタンをクリックします。
  3. 「Scrape Again」を選択すると、キャッシュがクリアされ、新しいデータが取得されます。

公式ドキュメント

詳しい情報は、Meta公式のドキュメントをご参照ください:

Facebook Crawler – Developer Documentation

AI, 開発, システム用語

Hadoopとは

コメントする

Apache Hadoopプロジェクトとは？

Apache Hadoopプロジェクトは、Apache Software Foundationが主導するオープンソースソフトウェアプロジェクトで、
大規模なデータセット（ビッグデータ）を分散処理するためのフレームワークを提供します。
このプロジェクトは、信頼性、スケーラビリティ、耐障害性を備えたシステムを構築することを目的としています。
https://hadoop.apache.org/
Apache Hadoopは象のキャラクター

Hadoopプロジェクトの概要

  • 目的: 大規模データを効率的に保存・処理する分散型システムを提供。
  • 背景: Googleの分散システムのアイデアを基に開発され、現在では多くの分野で活用。
  • 設計思想:
    • 分散アーキテクチャ: 複数の標準的なサーバーで大規模データを処理。
    • 耐障害性: 冗長性を確保し、障害発生時もデータを失わない。
    • スケーラビリティ: データ増加に応じて簡単に拡張可能。

Hadoopプロジェクトの構成要素

  • Hadoop Common: すべてのモジュールに共通する基本的なユーティリティとライブラリ。
  • Hadoop Distributed File System (HDFS): 分散型ファイルシステムで、大規模データを効率的に保存。
  • Hadoop YARN: クラスターリソースの管理とジョブスケジューリングを担当。
  • Hadoop MapReduce: 分散環境での大規模データ処理を行うプログラミングモデル。

Hadoopプロジェクトのユースケース

  • ビッグデータ分析: 大量のデータを保存し、クエリや分析を実行。
  • 機械学習: 分散処理を利用して大規模データセットをトレーニング。
  • リアルタイムデータ解析: 収集したデータをリアルタイムで処理・分析。
  • 検索エンジンの構築: 膨大なインデックスを分散処理で管理。

Apache Hadoopの意義

  • データ時代の基盤技術: データ量の増加に対応した処理基盤。
  • エコシステムの拡張性: HiveやSparkなどのツールとの統合でさらなる活用が可能。
  • コミュニティの支援: オープンソースとして多くの企業や開発者が改良に参加。
AI, IoT

RPA（ロボティック・プロセス・オートメーション）とは？

コメントする

RPA（ロボティック・プロセス・オートメーション）とは？

RPAは、パソコンで行う決まった作業を自動化してくれる「ソフトウェアのロボット」のことです。
「繰り返しが多い」「ルールが決まっている」「いつも同じやり方でやる」作業が得意です。

どんな作業が自動化できるの？

  • 請求書や注文書の作成
    顧客情報を元にフォーマットを自動で埋める。
  • 日報や週報の作成
    集めたデータをまとめて、フォーマットに入力し、自動送信。
  • 売上データの集計
    いろいろなシステムからデータを集めて、レポートを作る。
  • 振込作業
    金額や振込先を入力して、送金手続きを自動で完了。

RPAの特徴は？

1. デジタル社員みたいに働く

RPAは、まるでパソコン上に「働いてくれるデジタルな社員」がいるようなイメージ。
人間がやる必要がない定型作業を代わりにこなします。

2. 使うとどんないいことがある？

  • 仕事が速くなる
    人が何時間もかけてやる作業を、数分で終わらせることができます。
  • ミスがなくなる
    プログラムに沿って動くため、作業ミス（ヒューマンエラー）が起こりません。
  • 本当に必要な仕事に集中できる
    人間は「考える仕事」や「創造的な仕事」に時間を使えます。
  • 24時間ずっと働ける
    人間は休むけど、RPAはいつでも動けるので、作業が止まりません。

RPAツールには種類がある

RPAのツール（使い方）には、いくつかのタイプがあって、それぞれ得意なことが違います。

1. クライアント型

パソコン1台で動作するタイプ。小さな作業や個人向けに使うときに便利です。

2. サーバー型

サーバーでRPAを一括管理して、たくさんのパソコンで使うタイプ。大きなプロジェクトや複数の部署で同時に使う場合に向いています。

3. クラウド型

クラウド（インターネット上）で動くタイプ。初期費用が安く、柔軟に使いたい場合におすすめです。

RPAを導入するときの注意点

リスク

  • システムエラーやバグ
    問題が起きると、作業が止まる可能性があります。
  • パソコンやサーバーに負担がかかる
    一度にたくさんの作業をさせると、システムが落ちることがあります。

対策

  • システムをしっかり監視して、問題が起きたらすぐに対応できるようにする。
  • 負荷を分散させて、RPAに無理をさせない。
  • 定期的にメンテナンスやバックアップを取る。

まとめ

RPAは、「いつも同じような作業」を自動でやってくれる便利なツールです。
これを使えば、時間がかかる仕事が短時間で終わり、人間はもっとクリエイティブな仕事に集中できます。ただし、導入時にはきちんと計画を立てて、トラブルが起きないような仕組みを整えることが大切です。

半導体・チップ

半導体

コメントする

半導体とは？

半導体（はんどうたい）は、電気を「通しやすくもあり、通しにくくもある」という特別な性質を持つ材料です。電気を通す「金属」と、電気を通さない「絶縁体（ぜつえんたい）」の２つの特性を持つ物質。この性質により、金属のように電気を流しやすくもでき、絶縁体のように電気を流れにくくもできます。半導体の特性は、温度や不純物の添加によって調整できるため、コンピューターやスマートフォン、テレビといった日常の電子機器に欠かせない存在です。このため、半導体は電子機器の心臓部とも言われ、私たちの生活に深く関わっています。

半導体の特徴：電気伝導性の調整

半導体のすごいところは、温度や光（ひかり）によって電気の通りやすさが変わることです。例えば、半導体の温度が上がると、電気が流れやすくなり、温度が低くなると流れにくくなります。光が当たると電気が流れやすくなることもあり、光センサーなどの電子部品に使われることもあります。

また、半導体に「ドーピング」という技術を使うことで、電気の流れをもっと細かく調整できるようになります。ドーピングとは、半導体に少しだけ別の材料（ざいりょう）を加えて、電気を通しやすくしたり通しにくくしたりする技術です。

  • 電子：電気を運ぶ小さな粒子（粒）のこと。ドーピングで電子の数を増やすと、電気が流れやすくなります。
  • ホール：電子が足りない場所で、電気を運ぶのに役立ちます。ドーピングでホールを増やすこともでき、これによって電気の流れをコントロールできるようになります。

P型半導体とN型半導体

ドーピングの方法によって、半導体には「P型」と「N型」という2種類ができます。

  • P型半導体：ホールが多く、電子が少ない半導体です。電気を流すときにホールが動きます。
  • N型半導体：電子が多く、ホールが少ない半導体です。電気を流すときに電子が動きます。

PN接合

このP型半導体とN型半導体をくっつけたものを「PN接合」といいます。PN接合には次のような特徴があり、この特徴がいろいろな電子部品の基本になります。

  1. 一方向にだけ電気を流す：PN接合は、電気を一方向にだけ流す性質があります。例えば、P型からN型に向かっては電気が流れますが、逆にN型からP型には流れません。この性質を利用した部品を「ダイオード」といいます。ダイオードは、電気の流れを整えたり、逆流を防いだりするのに使われます。
  2. 電流の増幅（ぞうふく）ができる：PN接合をさらに工夫して、P型とN型を交互に組み合わせると「トランジスタ」という部品ができます。トランジスタは、弱い信号を強くする働きがあり、ラジオやコンピューターなどの電子機器の中でとても重要な役割を果たします。

半導体の重要性

半導体は、電気の流れをコントロールできるため、コンピューターのような複雑な機械を動かすことができます。PN接合の仕組みやトランジスタの技術を使って、私たちが普段使っているスマートフォンやゲーム機、家電（かでん）など、生活の中のたくさんの電子機器が便利に動いているのです。

要するに、半導体は「電気を流したり止めたり」することができる特別な材料で、私たちの生活を支える重要な技術なのです！