xarphi

## プロジェクト経験概要 ピークトラフィック13万リクエスト毎秒を超える、大手コミュニケーションプラットフォーム企業が提供する大規模レコメンドシステム開発において、バックエンド開発を主軸としつつ、開発効率化、データ基盤整備、A/Bテスト基盤構築、フロントエンド開発、さらには開発基盤全体の改善（Platform Engineering）まで多岐にわたるプロジェクトを推進しました。 主な実績として、**Go言語**による**サービス連携効率化CLIツール開発**（作業時間を数日→1時間に短縮）、**Java (Spring Boot) / MySQL**を用いた**データ収集ジョブ管理システム開発**（手動リトライ撤廃、処理時間を数時間→数分レベルに短縮）、**Java (Spring Boot)**による**A/Bテストフレームワーク開発**（PDCAサイクル高速化、レコメンド精度向上）、**Java (Spring Boot) / Vue.js**での**運用ポータル画面開発**（運用負荷軽減）、そして**開発基盤改善**（Observability向上、K8s移行、GitHub Actions導入等によるリリース頻度の週1→毎日への向上）などが挙げられます。 これらの経験を通じ、**Java/Spring Boot** を中心に **Go言語、Vue.js、MySQL、Kubernetes、CI/CDツール**など幅広い技術を活用し、**プロセスの自動化・効率化による生産性向上**、**スケーラブルなシステム設計・構築**、**品質担保**に貢献してきました。 ## 開発: サービス連携時の開発効率化ツール開発 ### 概要 レコメンドシステムは、電子書籍サービスやニュース配信サービスといった同社が提供する様々なサービスが提供するコンテンツからユーザーに適したものをレコメンドします。 新規サービスとの連携作業を効率化し、開発プロセスを標準化するための開発者向けCLIツールを開発しました。 このツールは特定のシステムに依存せず、開発者が手元で利用できることを目指しました。 ### 課題 私が参画した当初、同社サービスの新規連携のための開発（毎月1～2件発生）は手作業で行われており、連携方式やターゲティング方式に関する専門知識が個々の開発者に依存し、属人化している状況でした。 そのため、開発工数の削減と、誰でも一定の品質で開発できるプロセスの確立が求められていました。 ### 取り組み・技術活用 - **開発ノウハウの集約と手順書作成:** 既存のソースコードや過去の対応事例を調査・分析し、暗黙知となっていた開発ノウハウを形式知化しました。その上で、まずは手順に沿って作業すれば誰でも連携開発を完了できるような、網羅的かつ分かりやすい手順書を作成しました。 - **連携開発の半自動化CLIツール開発:** - 作成した手順書ベースで実際に運用して手順書の精度を高め、さらに一歩進めてそれをCLIツール化しました - **技術選定 (Go言語):** 開発者ごとの環境差異による影響を最小限に抑え、事前のセットアップなしでツールを実行可能にするため、シングルバイナリを生成できる**Go言語**を採用しました。 - **対話型インターフェースによる情報収集:** ツール実行時に、連携に必要な情報を対話形式で開発者に質問するインターフェースを実装しました。開発者の回答内容に応じて**動的に次の質問を決定**することで、効率的かつ正確に情報を収集する仕組みを構築しました。 - **ソースコード自動生成:** 収集した情報に基づき、連携に必要な定型的なソースコードを自動生成する機能を実装しました。コード生成ロジックには、Go標準のtext/templateパッケージを拡張して利用し、多様な連携パターンに対応できる柔軟性を確保しました。 ### 成果 このCLIツールの導入により、従来は経験豊富な開発者でも数日を要していた連携開発作業が、**開発者のスキルレベルを問わず約1時間**で完了可能となりました。 これにより、**大幅な開発工数の削減**と**開発プロセスの標準化**を実現するとともに、**属人化の解消**にも大きく貢献しました。 ## 開発: データ収集ジョブ管理システム ### 概要 レコメンドシステム向けデータ収集における、多数の長時間バッチジョブの運用負荷（手動リトライ）と処理時間の長さを課題とし、MySQLをベースとした独自のジョブ管理システムを開発しました。 このシステムはJava (Spring Boot) で開発され、ジョブの並列実行と高度な自動リトライ機能を実現し、手動作業の撤廃と処理時間の大幅な短縮を達成しました。 ### 課題 レコメンドシステムに必要なデータ（コンテンツ、ターゲティング情報など）を同社内の各サービスから収集する多数のバッチジョブが存在していました。 これらのジョブは大規模データを扱うため処理に長時間を要し（1サービスあたり5時間以上かかるものも存在）、ジョブ失敗時やアプリケーション再起動時には運用者による手動でのリトライ（curl実行）が必要であり、運用負荷が高い状況でした。 ### 取り組み・技術活用 - **技術選定:** - 当初、Kubernetes (K8s) の Job 機能の活用を検討しましたが、既存の多数のジョブコード全てを K8s 環境へ適合させる開発コストが見合わないと判断しました。 - 既存ジョブコードへの変更を最小限に抑えつつ、運用性と性能を向上させる新たなジョブ管理システムを独自に設計・開発する方針とし、開発言語として **Java**、フレームワークとして **Spring Boot**、O/Rマッパーとして **MyBatis** を採用しました。 - **MySQLベースのジョブ管理システム構築:** - ジョブおよびその内部タスクの実行状態、進捗、リトライ回数などを管理・永続化するために**MySQL**を採用しました。 - **信頼性向上の工夫:** - ジョブが異常終了した場合でも、MySQL上のステータスを整合性の取れた状態に復旧させ、安全に再実行（リトライ）できる仕組みを実装しました。 - 自動リトライを繰り返しても回復しない場合や、ジョブが設定された閾値以上に遅延した場合に、運用者へアラートを通知する監視機能を組み込みました。 - **並列処理による性能改善:** - 多くのジョブが特定のObject Storage内のファイル単位で処理を行っていた特性を活かし、**ファイル単位で独立したタスクとして処理を分割**しました。 - これらのタスクを**複数のサーバー**に分散させ、さらに各サーバー内で**複数のスレッド**を用いて並列実行するアーキテクチャを設計・実装し、スループットを最大化しました。 - **高度な自動リトライ機能:** - ジョブ実行中に発生した**例外**に基づき、自動でリトライを実行する機能を実装しました。ただし、リトライしても成功が見込めない特定の例外（例: データ自体の問題など）は**ブラックリスト形式**で管理し、無駄なリトライを抑制しました。 - リトライ回数には上限を設定し、無限リトライを防ぎました。 - リトライ実行のスケジューリングには **Exponential Backoff** アルゴリズムを採用し、リトライ間隔を徐々に長くすることで、一時的な高負荷時などにシステム全体への影響を低減させました。 ### 成果 このジョブ管理システムの導入により、従来運用者が行っていた**ジョブ失敗時の手動リトライ作業を完全に撤廃**し、運用負荷を大幅に軽減しました。 また、ファイル単位でのタスク分割と複数サーバー/複数スレッドによる並列処理化により、**長時間かかっていたデータ収集全体の処理時間を数分から数十分レベルにまで大幅に短縮**し、ユーザーに対してより迅速に新しいコンテンツに基づいたレコメンドを提供できるようになりました。 さらに、堅牢なステータス管理とインテリジェントなリトライ機能により、システムの安定稼働にも貢献しました。 ## 開発: レコメンドシステム向けA/Bテストフレームワーク開発 ### 概要 レコメンドシステムにおける新規施策の効果検証プロセスを効率化し、改善サイクルを加速させるためのA/Bテストフレームワークを開発しました。このフレームワークは、開発者が迅速かつ容易に新しいA/Bテストを定義・実行・評価できる基盤を提供することを目的としました。 ### 課題 レコメンドシステムの継続的な精度改善（特に収益指標であるeCPMの向上）のためには、様々なレコメンドロジックやパラメータチューニングに関する仮説検証を迅速に行う必要がありました。しかし、フレームワーク導入以前は、新規A/Bテストの実装には定型的なコードが多く含まれ、実施・評価にも手間がかかっていました。この非効率性が、改善サイクルのボトルネックとなり、迅速な意思決定を妨げていました。 ### 取り組み・技術活用 - **目的:** 新規A/Bテストの開発工数削減、実施・評価の効率化、および改善サイクルの高速化。 - **実装:** 既存のレコメンドAPI (Java, Spring Boot) 上に、A/Bテストのライフサイクル（テスト定義、対象ユーザー割り振り、結果のモニタリング支援）を一元的に管理する共通フレームワークを**独自に設計・開発**しました。 - **技術選定:** 既存システムとのシームレスな連携と開発効率を考慮し、**Java**および**Spring Boot**を採用しました。 - **工夫した点:** - **設定駆動型のテスト定義:** テスト内容（対象ロジック、パラメータ、ユーザーセグメントなど）を、コード変更を最小限に抑えつつ外部の**設定ファイル**から容易に定義・管理できる仕組みを構築しました。 - **共通処理の抽象化・自動化:** **ランダムなユーザー割り振りロジック**など、テストに共通して必要となる処理をフレームワーク側で提供し、開発者がテスト固有のビジネスロジック実装に集中できるようにしました。 - **結果のモニタリング:** A/Bテストごとの主要なメトリクス（例：リクエスト数、特定イベントの発生数）を**Prometheus**へ公開し、**Grafana**ダッシュボードでリアルタイムにモニタリングできる仕組みを整備しました。これにより、テスト状況の把握や異常検知が容易になりました。 ### 成果 - **開発効率の大幅な向上:** 本フレームワークの導入により、新規A/Bテストの実装にかかる工数を**大幅に削減**しました。定型作業から解放されたことで、開発者はより価値の高い改善施策の考案と実装に時間を割けるようになりました。 - **改善サイクルの高速化:** A/Bテストの準備から実施、結果評価までのリードタイムが短縮され、レコメンドシステムの**PDCAサイクルが大幅に高速化**しました。これにより、より多くの仮説を迅速に検証し、データに基づいた意思決定を加速させることができました。 - **レコメンド精度向上への貢献:** 効率的かつ高頻度に実行されるようになったA/Bテストを通じて、効果的なロジック改善やパラメータ最適化が継続的に行われ、**eCPMをはじめとする主要なレコメンド精度指標の向上**に直接的に貢献しました。 ## 開発: レコメンドシステムのポータル画面開発 ### 概要 レコメンドシステムにおいて、連携サービス担当者がレコメンドに関する情報を確認したり、関連設定を行ったりするためのWebポータル画面を開発しました。 初期フェーズとして、主に以下の機能を提供します。 - 各サービスのメンバーおよびオーナー情報の管理 - サービスに関連するレコメンド設定情報の参照 - サービスに関する通知の送信設定 これにより、従来運用チームが管理・対応していた情報の一部を、連携サービス担当者自身が直接操作できる基盤を構築しました。 ### 課題 従来、レコメンドに関する各種設定作業や関連情報の管理は運用チームが手動で行っており、多くの工数がかかっていました。また、手作業による設定ミスや情報伝達の遅延が発生しうる状況でした。この運用負荷とコストを削減し、設定作業の効率化、迅速化、および正確性の向上を図るため、連携サービス担当者自身がセルフサービスで対応できる仕組みが求められていました。 ### 取り組み・技術活用 以下の技術スタックを用いて開発しました。 - **Backend:** - **Java / Spring Boot:** サーバーサイドアプリケーションの基盤として採用しました。 - **Spring Security:** **組織内の認証基盤と連携** し、役割に基づいたアクセス制御など、セキュアな認証認可機能を実現しました。 - **Spring Data JPA:** MySQLデータベースとの連携を効率的に実装しました。 - **Flyway:** データベーススキーマのバージョン管理を行い、安全かつ再現性のあるマイグレーションを実現しました。 - **Frontend:** - **技術選定:** 所属部署での利用実績が多く知見が蓄積されていた **Vue** を採用。UIコンポーネントには、安定性とメンテナンス性を考慮し **Vuetify** を、状態管理にはVue 3のデファクトスタンダードである **Pinia** を選択しました。 - **TypeScript / Vue 3:** 型安全性と開発効率を両立するフロントエンドアプリケーションを構築しました。 - **Pinia:** コンポーネント間の状態管理をシンプルかつ効率的に実装しました。 - **Vue Router:** シングルページアプリケーション（SPA）としての画面遷移を実装しました。 - **Vuetify:** Material Designに基づいた統一感のあるUIを効率的に構築しました。 - **開発・品質向上のための工夫:** - **テストの重視:** バックエンドエンジニアが主体となってフロントエンド開発も行うチーム構成だったため、品質担保のために **E2Eテストを特に充実** させ、手動テストの工数を削減しつつ、デグレを防止する体制を構築しました。 - **設計ドキュメントの整備:** アーキテクチャ設計、API設計、コンポーネント設計など、**各種設計ドキュメントを初期段階から整備** し、開発メンバー間の認識齟齬を防ぎ、スムーズな開発と将来のメンテナンス性向上に繋げました。 ### 成果 ポータル画面の初期フェーズの開発を完了し、今後本格的な展開を予定しています。 現時点で定量的な成果測定は行っていませんが、このポータル画面の展開により、従来運用チームが行っていた **関連情報の管理・設定業務の一部が連携サービス担当者へ移管** され、**運用負荷の軽減** と **担当者自身による迅速な情報更新** が可能になることを見込んでいます。 ## 開発: 開発基盤の改善・推進 (Platform Engineering) ### 概要 大規模メッセージングアプリのレコメンドシステム開発チームに所属しつつ、兼務でPlatform Engineeringチームにも参加。 開発チーム全体の生産性、コード品質、およびデプロイ頻度の向上を目的とした開発基盤の改善活動を推進しました。 ### 課題 開発チーム全体の生産性向上が求められており、特にコード品質の維持、デプロイ頻度の向上が課題となっていました。 これらの課題を解決するため、開発プロセスの標準化と自動化による効率化が急務でした。 ### 取り組み・技術活用 開発プロセスのボトルネックとなっていた部分を特定し、以下の技術導入と改善活動を実施しました。 * **Observability向上による問題検知・分析の迅速化:** * **Prometheus** を用いてシステムメトリクスやレコメンド関連指標を収集し、**Grafana** で可視化するダッシュボードを構築しました。 * これにより、システムの稼働状況やパフォーマンスをリアルタイムに把握可能にし、アラート設定を通じて **問題検知時間を短縮** しました。また、データに基づいた **迅速な分析と意思決定** を支援する環境を整えました。 * **コンテナ化によるデプロイ効率化と標準化:** * 従来のVM/物理サーバーベースのデプロイ環境から **Kubernetes (K8s)** へ移行を推進しました。 * これにより、デプロイメントの標準化、自動化による効率向上、およびインフラのスケーラビリティ向上を実現しました。 * **CI/CDパイプライン刷新によるリリースサイクルの高速化:** * 従来のJenkinsベースのCI/CDパイプラインから **GitHub Actions** へ移行しました。 * ワークフローの再利用性を高め、設定のコード管理を容易にすることで、より柔軟かつ効率的なビルド・デプロイプロセスを構築しました。 * **静的コード解析導入による品質向上と開発者意識の向上:** * **SonarQube** を導入し、静的コード解析をCIプロセスに組み込みました。 * コード品質の自動チェックにより、潜在的なバグやコードスメルを早期に発見し、品質の維持・向上を図るとともに、開発者自身の品質に対する意識向上を促進しました。 ### 成果 これらの開発基盤改善活動を通じて、開発チームの **リリース頻度を週1回から毎日へと大幅に向上** させることに成功しました。 これにより、**レコメンドシステムの改善サイクルの高速化を実現しました。**

## プロジェクト経験概要 ある大手メッセージングプラットフォーム企業のデータマネジメントプラットフォーム（DMP）の開発・運用を担当。ピーク**5万RPS**の高トラフィック、**2000億行超**のデータ（**グローバル1億人以上**のユーザー情報含む）、**500台規模**のサーバーを扱う大規模システムの設計、開発、運用保守に従事しました。 主な実績として、**Java, Kafka, HBase, Redis, Spark, Scala, MySQL, Elasticsearch** 等を活用し、以下のプロジェクトを推進しました。 - **クロスプラットフォームデータ統合基盤の設計・開発:** 同社の広告配信プラットフォームと企業向けアカウントサービス等、従来分断されていたデータを統合し、プロダクト横断での高度なターゲティングを実現する基盤を構築（ID体系変換、Opt-out考慮、Sparkバッチ処理、Redisキャッシュ活用）。 - **リアルタイムユーザーセグメント蓄積基盤の開発:** メッセージング機能のタグ等のリアルタイムイベントを処理し、ユーザーセグメントを蓄積する汎用的なストリーミングパイプラインをKafka/Redisで構築。データ整合性を担保するSpark/HDFSを用いた大規模バッチ同期処理も実装。 - **Apple ATT（App Tracking Transparency）対応:** IDFAに依存しないプラットフォーム独自のユーザーIDベースのターゲティング機能を実装し、広告識別子制限の影響を最小化。Redisによる同意状況の高速判定、HBaseのスケールアウト、処理最適化を実施し、安定稼働を実現。 - **チームへの貢献:** システム構成図や処理内容のドキュメント化（Wiki整備等）を推進し、チーム全体のシステム理解度向上、コミュニケーション円滑化、新規参画者のオンボーディング効率化に貢献。設計資料作成文化の醸成にも寄与。 これらの経験を通じ、**Java**を中心としたバックエンド開発スキルに加え、**Kafka, HBase, Redis, Spark**等の技術を用いた**大規模分散データ処理基盤**の設計・構築・運用（**リアルタイム処理、バッチ処理、NoSQL DB活用**含む）に関する深い知見と経験、ならびに**技術的課題解決能力**を培いました。また、**システム可視化とドキュメンテーション**を通じたチーム開発力の向上にも貢献してきました。 ## 開発: 同社の各プロダクトを横断的に活用できるクロスプラットフォーム機能 ### 概要 当初、担当していたDMPは広告配信プラットフォーム向けのシステムでしたが、企業向けアカウントサービスをはじめとする複数のB2Bプロダクトをデータで繋ぐ「クロスプラットフォーム」構想の中核として、「プラットフォーム全体のDMP」へと機能を拡張・進化させるプロジェクトに携わりました。 ### 課題 従来、広告配信プラットフォームと企業向けアカウントサービス等では、それぞれ異なる目的・ID体系でターゲティングデータが管理されており、データが分断されている状況でした。 クロスプラットフォーム構想の実現に向け、これらのデータを統合し、プロダクトを横断した一貫性のある高度なターゲティングを実現する必要がありました。 特に、数百億行規模のユーザーデータを、異なるID体系を変換しつつ、かつ配信停止（Opt-out）設定も考慮しながら毎日正確に統合処理を行う必要がありました。 ### 取り組み・技術活用 上記課題に対し、主に以下の取り組みを行いました。 - **データ統合基盤の設計・実装:** - 広告配信用とメッセージ配信用で異なるID体系で管理されていたユーザーセグメントデータを統合するための**データモデルを設計**しました。 - 数百億行規模のデータを毎日処理するため、**ID変換処理**と**Opt-out情報の反映**を考慮した**バッチ処理**を**Spark**等を用いて実装しました。ID変換処理の性能向上のため、変換テーブルを**Redis**にキャッシュとして保持する工夫を行いました。 - 性能・スケーラビリティ要求から**HBase**や**Redis**といったNoSQL DBを積極的に活用しました。 ### 成果 本取り組みにより、従来はプロダクトごとに分断されていたターゲティングデータを統合し、広告配信とメッセージ配信などを連携させた、より高度で一貫性のあるターゲティングを実現する基盤を構築しました。これにより、同社の各プロダクトを横断したデータ活用戦略（クロスプラットフォーム構想）の推進に貢献しました。 ## 開発: リアルタイムなユーザーセグメント蓄積基盤開発 ### 概要 同社の企業向けアカウントサービスのメッセージング機能のタグを活用し、リアルタイムでユーザーセグメントを構築する汎用的な基盤を開発しました。 これにより、タグ情報に基づいた広告配信など、データ利活用の幅を広げることを目的としました。 ### 課題 企業向けアカウントサービスのリアルタイムイベントタグ情報を広告配信に活用したいというニーズがありました。 このタグ情報はリアルタイム性が求められるため、即時にユーザーセグメントへ反映する必要がありました。 また、従来は類似のリアルタイム処理機能が個別のアプリケーションとして開発されており、同様の実装が繰り返され、コードが重複・乱立することが懸念されていました。 ### 取り組み・技術活用 - **汎用的なストリーミング処理基盤の構築:** - **Kafka** を用いて、様々なデータソースからのイベントをリアルタイムに処理し、ユーザーセグメントを蓄積するストリーミングパイプラインを構築しました。これにより、機能ごとに個別実装する非効率さを解消しました。 - ID変換処理には **Redis** を活用し、高速なデータルックアップを実現しました。 - **データ整合性を担保する定期同期処理の実装:** - ストリーミング処理だけではデータ齟齬が発生し得るため、定期的に送信元システムと完全同期するバッチ処理も開発しました。 - 同期処理では、送信元システムの全データを **Object Storage** 経由で **HDFS** に配置し、**Scala** と **Spark (Spark SQL)** を用いてHBase上の既存データとの差分を効率的に計算・更新する仕組みを構築しました。Sparkの分散処理能力を活用することで、大規模データの比較・更新処理を高速化しました。 ### 成果 リアルタイムなユーザーセグメント蓄積処理を汎用化する基盤を開発しました。これにより、類似機能を持つアプリケーションの乱立を防ぐことができました。実際に、この基盤はその後の複数の新規開発プロジェクトで再利用され、開発の効率化に貢献しました。 ## 開発: Apple ATT（App Tracking Transparency）対応 ### 概要 ATT（App Tracking Transparency）によるIDFA取得制限に対応するため、プラットフォーム独自のユーザーIDベースのターゲティング機能を実装し、それに伴うストレージのスケールアウトと処理の最適化を行いました。 ### 課題 Apple社のATTポリシーにより、iOSアプリにおけるIDFA（広告識別子）の取得にはユーザーの明示的な同意が必要となりました。これにより、従来のIDFAベースのターゲティング広告の配信量が大幅に減少する可能性がありました。そこで、ユーザーの同意状況に応じてIDFAベースのターゲティングとプラットフォーム独自のユーザーIDベースのターゲティングを使い分ける必要が生じました。また、プラットフォーム独自のユーザーIDベースのトラッキング範囲を拡大することにより、既存のIDFAベースのユーザーセグメントをプラットフォーム独自のユーザーIDに変換して保持する必要があり、データ量の増大とそれに伴う処理負荷の増加が課題となりました。さらに、ATT対応を行うにあたり、既存の膨大な規模のシステム全体を正確に把握する必要がありました。 ### 取り組み・技術活用 - **同意状況に応じた高速判定:** 同社のメッセージングアプリにおけるATTの同意結果を高速に参照するため、インメモリデータストアである**Redis**を採用し、同意状況を蓄積・活用する仕組みを構築しました。これにより、広告リクエストごとにユーザーの同意状況を低遅延で判定することが可能になりました。 - **プラットフォーム独自のユーザーIDベースのトラッキング拡大:** 従来のIDFAベースのトラッキングに加え、プラットフォーム独自のユーザーIDを用いたトラッキングの範囲を拡大しました。これにより、ATTによるIDFA取得制限の影響を最小限に抑え、ターゲティング可能なユーザー数を維持・拡大することを目指しました。 - **データ量の増大に対応した設計:** 従来のIDFAベースのユーザーセグメントをプラットフォーム独自のユーザーIDに変換して保持するため、最大で既存の2倍のデータ量を格納できる**HBase/Redis**のスケールアウト設計を実施しました。また、増大するデータ量に対応するため、データアクセス効率の最適化やクエリのパフォーマンス改善を行いました。 - **各種ターゲティングロジックの改修:** 既存の各種ターゲティングロジックにおいて、IDFAベースのターゲティングを実施してよいかの判定処理を追加しました。これにより、ユーザーの同意状況に応じて適切なターゲティング広告配信を実現しました。 - **システム可視化と知識の共有:** ATT対応を正確に進めるため、**ユーザーセグメント蓄積の方法別に特化したシステム構成図を網羅的に作成**しました。さらに、それぞれの処理内容を詳細な文章で書き下すことで、システムの全体像と各機能の動作を明確化しました。 ### 成果 ATTポリシーへの対応を完了し、**障害なくサービスをリリース**することができました。プラットフォーム独自のユーザーIDベースのトラッキングを拡大したことで、ATTによるIDFA取得制限の影響を最小限に抑え、むしろ**トラッキングの精度向上**に貢献しました。また、**大規模データ処理基盤の安定稼働**を維持し、広告配信への影響を最小限に留めることができました。 加えて、システム構成図と処理内容を文章化したことで、ATT対応を正確に進められただけでなく、**企画担当者もシステムの動作を理解できるようになり、コミュニケーションが円滑化**しました。また、**新規開発者の参入障壁が低下**し、チーム全体の**知識レベルの底上げ**に繋がりました。この経験から、**設計資料を作成し共有することがチームの文化として根づき**、その後の開発においても同様の取り組みが継続されています。

次期主力となるJava EE準拠アプリケーションサーバーの新バージョン開発プロジェクトに主要メンバーとして参画。 - **業務内容:** - 最新のJava EE（現Jakarta EE）仕様への厳密な準拠性を担保するための検証テスト計画の策定・実行 - 開発委託先である外部ベンダーとの技術的な仕様調整や課題解決に向けた連携の主導 - **実績:** - 担当したテスト計画策定・実行や、円滑なベンダー連携を通じて、開発対象のアプリケーションサーバーの品質向上に貢献

IT部門にて2年半従事し、複数の新サービス開発および新技術導入を主導。特にデータ活用基盤の整備と開発プロセスの効率化に貢献しました。 - **業務内容:** * 社内データウェアハウス(DWH)のデータ活用促進を目的としたAPI管理ツールの導入、およびJavaを用いたデータ提供APIの開発。機密情報に対する承認ワークフローの実装。 * BIツールの導入コスト低減を目的とした、Dockerコンテナによるサービス提供モデルの設計・構築。 * 開発チームと運用チーム間の連携を改善するためのDevOps推進。 * Ansible、Dockerを用いたインフラ自動化 (Infrastructure as Code) の導入。 * Jenkinsを用いたCI/CDパイプラインの構築・運用。 * Elastic Stackを用いたサービス監視・アラートシステムの構築。 * 共有リポジトリ、課題管理システム、社内Docker Registryの導入・運用。 - **実績:** * API基盤の導入により、セキュリティを確保しつつ社内データの利用部門を拡大。 * BIツールのコンテナ化により、ライセンス費用とインフラコストを最適化し、利用者の導入ハードルを大幅に低減。 * インフラ自動化、CI/CD、監視体制の構築を通じて、サービスリリース速度の向上と運用負荷の軽減を実現し、DevOps文化の醸成に貢献。

Excelベースで入力したパラメータに基づきサーバーを構成する自動化製品（Ansible/Chefのようなツール）の開発プロジェクトに約1年間携わりました。製品自体の開発に加え、自主的な業務改善も推進しました。 - **業務内容:** - サーバー構築自動化機能（バックエンド）の開発 - Excel VBA を用いたパラメータ入力インターフェースの開発・保守 - コーディング、テスト、運用、保守工程を担当 - 自主的な業務改善活動の推進 - **実績:** - 製品開発に加え、自主的な業務改善活動を推進 - シェルスクリプトの静的解析ツールの開発・活用: コード品質の向上に貢献 - Excelパラメータシート自動生成ツールの開発 (Go): 手作業によるシート作成の手間を削減し、作業効率を改善

入社後3年間、自社開発のJava EE準拠アプリケーションサーバーの設計・開発プロジェクトに従事しました。国内チームで設計を担当し、開発は主にインドの開発チームと連携して進めました。また、製品の運用管理を行うためのGUI開発も担当しました。 * **業務内容:** * 自社開発のJava EE準拠アプリケーションサーバーの設計・開発 * 国内チームでの基本設計・詳細設計 * インドの開発チームとの仕様調整、進捗管理等の連携業務 * 製品の運用管理を行うGUIコンソールの設計・開発・テスト * **実績:** * 国内外のチーム（日本・インド）と連携し、グローバルな開発プロジェクトを推進した経験 * 短期間のインドへの出張を通じて、現地エンジニアと直接コミュニケーションを取りながらプロジェクトを進行 * アプリケーションサーバー本体の設計から管理用GUIの開発まで、幅広い開発工程を担当