ID:65527さん

プロジェクト概要 オンラインラーニングシステムおよびライブセミナー配信クラウドサービスのバックエンド開発・運用保守 AWS上で稼働する自社SaaSプロダクトにおいて、Goを用いたバックエンドAPIの設計・実装、既存機能の改善、運用保守を担当。 ユーザー管理・ファイル管理などのマイクロサービス開発を中心に、ユーザーストーリーに基づく要件整理、受入基準の作成、ADRによる設計方針の検討、実装、テスト、リリース、運用保守まで一貫して対応。 また、GitHub Copilotを活用し、要件定義・設計・実装・コードレビューの各工程に生成AIを取り入れることで、開発効率と品質の向上に取り組んだ。 担当 * ユーザーストーリーに基づく要件整理および受入基準の作成 * ADRを用いた技術選定・アーキテクチャおよび設計方針の検討 * Goを用いたバックエンドREST APIの設計・実装 * ユーザー管理・ファイル管理などのマイクロサービス開発 * 未ログインユーザーを対象としたパスワード設定メール再送APIの開発 * ユーザー一覧画面とCSV出力におけるソート順の不整合修正 * MySQL・DynamoDBを利用したデータ取得・更新処理の実装 * Terraformで構成管理されたAWS環境でのバックエンド開発・運用 * GitLab CI/CDを用いたテスト・デプロイ * 単体・結合テスト、コードレビュー、リファクタリング、障害調査・改修 * GitHub Copilotを活用した既存コード解析、要件・設計検討、実装支援 * 現場のアーキテクチャに合わせたAIセルフコードレビュー用プロンプトの作成 使用技術 * Go / JavaScript / Node.js * MySQL / DynamoDB * AWS（ECS、ECR、RDS、S3、DynamoDB） * Terraform / Ansible * Docker / Linux * GitLab / GitLab CI/CD * Backlog * GitHub Copilot（生成AI・複数モデルの使い分け） 課題 自社SaaSプロダクトの継続的な機能追加・改善において、ユーザーストーリーから業務要件を整理し、仕様の曖昧さや考慮漏れを解消したうえで、短い開発サイクルの中で品質を確保する必要があった。 また、ユーザー管理機能では、パスワード設定が完了していないユーザーへのメール再送が手作業となっており、運用負荷の軽減が求められていた。加えて、ユーザー一覧画面とCSV出力結果の並び順に差異があり、データ確認や照合作業の効率に課題があった。 さらに、複数のマイクロサービスで構成されるシステムにおいて、既存アーキテクチャとの整合性を維持しながら機能追加を進める必要があり、コードベースの理解や改修時の影響範囲調査、コードレビューの効率化が求められていた。 取り組み 1. 要件定義・設計から実装までの一貫した対応 ユーザーストーリーをもとに受入基準を作成し、仕様の曖昧な点や考慮事項を整理したうえで、関係者との認識合わせを実施した。 設計工程では、ADRを用いて技術選定やアーキテクチャの選択肢を比較し、採用理由やトレードオフを整理。 GoによるREST API開発では、既存のクリーンアーキテクチャに沿った責務分離や依存関係を意識し、保守性・拡張性を考慮した設計・実装を行った。 また、1機能ごとに要件整理から設計、実装、テスト、リリース、運用保守まで一貫して担当し、継続的な機能改善に対応した。 2. ユーザー管理機能の追加・改善 運用担当者が手作業で対応していたパスワード設定メールの再送業務について、検索条件に合致する未ログインユーザーを抽出し、対象ユーザーにメールを再送信するAPIを新規開発した。 既存のユーザー管理機能との整合性を考慮し、要件整理からAPI設計、Goによる実装、テストまで対応した。 また、ユーザー一覧画面とCSV出力結果で並び順が一致しない不具合について、データ取得処理やソート条件、出力時のデータ整形ロジックを調査。 バックエンド側の処理を修正することで、画面表示とCSV出力の順序を統一し、データ確認時の利便性を改善した。 3. 生成AIを活用した要件定義・設計・開発の効率化 GitHub Copilotを開発工程に取り入れ、要件定義・設計・実装・コードレビューの各工程で、用途に応じたAIモデルの使い分けを実施した。 参画初期には、生成AIを用いて既存コードベースやアーキテクチャを解析し、システム全体の構成や処理の依存関係を効率的に把握することで、Go案件へのキャッチアップを加速させた。 要件定義工程では、推論力の高いモデルを活用し、ユーザーストーリーから受入基準を作成する際の考慮漏れやエッジケースを洗い出し、仕様の精度向上に取り組んだ。 設計工程では、ADR作成時に生成AIを活用して技術選定の候補やメリット・デメリットを比較・整理し、設計判断を支援する情報として活用した。 実装工程では、既存コードの解析や改修影響範囲の調査、GoによるAPI実装に生成AIを活用。生成されたコードは、現場のクリーンアーキテクチャや設計方針との整合性を自身で確認し、必要な修正・検証を行った。 さらに、現場のアーキテクチャやコーディング規約を反映したセルフコードレビュー用プロンプトを作成し、レビュー前に設計方針との整合性や潜在的な問題点を確認する仕組みを取り入れた。 4. AWS環境での開発・運用保守 Terraformで構成管理されたAWS環境において、ECS・RDS・DynamoDB・S3などを利用するバックエンドサービスの開発・運用に対応した。 GitLab CI/CDを利用した自動テスト・デプロイの開発フローに従い、コードレビュー、単体・結合テスト、リリース対応を実施。 また、既存機能の不具合調査や改修、リファクタリングを行い、マイクロサービスの安定稼働と継続的な品質改善に取り組んだ。 成果 * 要件定義から運用までの一貫した開発： ユーザーストーリーに基づく受入基準作成、ADRによる設計検討、GoによるAPI実装、テスト、リリース、運用保守まで担当し、継続的な機能開発に貢献した。 * 運用業務の効率化： パスワード設定メールの再送APIを新規開発し、従来手作業で行われていた対応の効率化と運用負荷の軽減に貢献した。 * データ整合性・利便性の向上： ユーザー一覧画面とCSV出力結果のソート順を統一し、データ照合時の確認負担や誤認リスクを軽減した。 * 開発効率の向上： GitHub Copilotによるコードベース解析、影響範囲調査、実装支援を取り入れ、既存システムの理解や機能改修を効率化した。 * 設計・品質管理の強化： 生成AIを活用した受入基準の考慮漏れ確認やADRの比較検討、独自のセルフレビュー用プロンプトにより、設計品質の向上とレビュー指摘の削減に取り組んだ。 * AI駆動開発の実践： 要件定義から実装・レビューまで、各工程の特性に応じてAIモデルを使い分け、開発スピードと品質の両立を図った。

プロジェクト概要 大手テレビ局の通信基盤リニューアル開発 大手テレビ局が提供する大規模Webサービスの通信基盤リニューアルプロジェクトにおいて、PHP（Laravel）を用いた決済機能のバックエンド開発を担当。 複数の決済処理の共通化、新規決済方式への対応、既存機能の改修、バッチ処理のパフォーマンス改善、エラーハンドリングの整備などを実施。 詳細設計書・API仕様書の作成から実装、結合試験・総合試験、本番リリース、運用保守まで一貫して対応。 また、現場で契約していたGeminiを実装・テスト工程に活用し、トランザクション制御や異常系を考慮した開発効率と品質の向上に取り組んだ。 担当 * PHP（Laravel）を用いた決済機能のバックエンド開発 * 詳細設計書およびAPI仕様書の作成 * 複数決済方式に対応する共通APIの設計・実装 * 新規決済方式の導入および既存決済機能の改修 * トランザクション制御を用いた決済処理・データ更新処理の実装 * 約3万件のデータを扱う決済バッチ処理の改修・パフォーマンス改善 * SQLクエリの最適化および並行実行されるバッチ処理の競合対策 * エラーコードの設計および例外処理・ログ出力の改善 * 既存コードの解析、不要処理の調査・削除 * 結合試験・総合試験の準備、環境構築、実施および不具合修正 * 本番リリース対応および運用保守・障害調査 * Geminiを活用したコード生成、実装支援、テストコード作成 * 生成AIを活用した決済処理の異常系テストケースの洗い出し 使用技術 * PHP 8 / Laravel 10 * JavaScript / SQL * MySQL 8.0 * AWS（ECS、RDS、CloudWatch、CloudShell） * Docker / Linux * Git * Gemini（生成AI） 課題 大手テレビ局の通信基盤リニューアルに伴い、複数の決済方式に対応するための共通処理の整備、新規決済方式の導入、サービス仕様変更への対応が求められていた。 既存システムでは、決済方式ごとに同様の処理が個別実装されており、コードの重複や不要処理、現在利用されていない機能が残存していた。そのため、改修時の影響範囲が広く、保守性や拡張性に課題があった。 また、約3万件のデータを扱う決済バッチ処理では、SQLの処理速度に加え、複数のバッチが同時刻に実行されることでデータベースへのアクセスが競合し、処理性能や安定稼働に影響を与えていた。 さらに、エラーコードや例外処理の設計が統一されておらず、障害発生時の原因特定に時間を要していた。 決済というデータ整合性が重要な領域であるため、処理途中の失敗やタイムアウト、二重決済などの異常系を考慮した実装・テストが求められていた。 取り組み 1. 決済機能の共通化・バックエンド開発 PHP（Laravel）を用いて、複数の決済方式で重複していた業務ロジックを整理し、共通処理を担うAPIを設計・実装した。 既存コードの処理フローや依存関係を調査し、共通化可能な処理と決済方式固有の処理を切り分けることで、コードの重複を削減した。 また、不要な処理や運用されていない機能について、他機能への影響範囲を調査し、運用担当者への確認を行ったうえで削除・整理を実施した。 決済処理やデータ更新処理では、トランザクション制御を用いて処理の一貫性を確保し、途中でエラーが発生した場合にもデータ不整合が生じないよう考慮した実装を行った。 2. 決済バッチ処理のパフォーマンス改善 約3万件のデータを扱う決済バッチ処理において、処理速度の低下や複数バッチの並行実行による競合が発生していたため、SQLおよび処理ロジックの改善を実施した。 SQLクエリの実行内容を調査し、データ取得条件や処理方法を見直すことで、ボトルネックの解消に取り組んだ。 また、複数のバッチが同一テーブルへアクセスする際の競合を考慮し、処理順序やデータ更新処理を見直すことで、並行稼働時の安定性向上を図った。 3. エラーハンドリング・ログ出力の改善 既存の決済処理では、エラー発生時の原因特定が難しい状態であったため、エラーコードの定義および例外処理の見直しを実施した。 エラーの種類に応じたコードを整理し、発生箇所や原因を追跡できるよう、適切なログを出力する仕組みを導入した。 また、AWS CloudWatchなどを利用したログ調査や、SQL・ソースコードの解析を通じて、障害原因の特定および不具合修正に対応した。 4. 生成AIを活用した実装・テストの効率化 現場で契約していたGeminiを活用し、決済処理やデータ更新処理の実装支援、テストコード作成、異常系テストケースの洗い出しを実施した。 実装工程では、生成AIによるコード生成を活用しながら、トランザクション境界や例外発生時のロールバック処理、既存仕様との整合性を自身で確認したうえで採用した。 テスト工程では、二重決済、タイムアウト、処理途中の失敗など、決済特有の異常系をGeminiで洗い出し、テスト観点の整理やテストコード作成を効率化した。 特に、データ整合性が重要となる決済処理において、AIの生成結果をそのまま採用せず、業務仕様やトランザクション制御の妥当性を検証することで、品質を意識したAI活用を実践した。 5. 結合試験・総合試験・本番リリース・運用保守 詳細設計・実装後の結合試験および総合試験において、試験環境の準備、テスト実施、不具合調査・修正を担当した。 決済処理の正常系だけでなく、エラー発生時のデータ整合性や既存機能への影響を確認し、品質確保に取り組んだ。 本番リリース後は運用保守にも継続して携わり、ログ・SQL・ソースコードを用いた障害調査、原因特定、修正および再発防止に対応した。 成果 * 保守性・拡張性の向上： 複数の決済方式で重複していた処理を共通APIに集約し、コードの重複削減と改修箇所の一元化を実現。新規決済方式の追加や仕様変更に対応しやすい構成へ改善した。 * 決済バッチの処理性能改善： 約3万件のデータを扱うバッチ処理において、SQLチューニングと処理ロジックの見直しを行い、処理時間の短縮と並行実行時の安定性向上に貢献した。 * データ整合性の確保： トランザクション制御や例外時のロールバックを考慮した決済処理を実装し、処理途中の失敗によるデータ不整合の防止に取り組んだ。 * 障害対応の効率化： エラーコードの整理とログ出力の改善により、障害発生時の原因特定を容易にし、運用保守の効率化に貢献した。 * 生成AIによる開発効率化： Geminiを活用した実装支援・テストコード作成・異常系テストの洗い出しにより、開発作業を効率化しながら決済処理の品質確保に取り組んだ。 * 開発工程への幅広い対応： 全体約50名規模のプロジェクトにおいて、約2年8ヶ月にわたり詳細設計・実装・結合試験・総合試験・本番リリース・運用保守まで一貫して担当した。