**Dockerfileとは、Dockerイメージを作成するための手順書を指します。**ファイルはテキスト形式ですので、構文に従い手順を記述していきます。ここでは、概要からDockerイメージのビルドに必要な命令や構文を解説していきます。

【参考】：[Docker ドキュメント日本語化プロジェクト](https://docs.docker.jp/)
【参考】：[Docker](https://www.docker.com/)

*Dockerとは、仮想化実行環境を実現するプラットフォームソリューションを指します。*Dockerの特徴は、実行環境をイメージとして登録できることです。同一のイメージを利用することで、繰り返し行うシステム導入作業が自動化され、システムの複製や管理を効率的に行うことができます。

【参考】：[Docker](https://www.docker.com/)

Dockerとは？使いどころやメリット・デメリットについて解説！

Dockerfileは、Dockerイメージを作成するための手順書ですが、自動化のための設計図とも言えます。*ファイルはテキスト形式ですので、作成や編集管理が簡単です。*ファイルとして保存できるため、問題発生時の対処をスムーズに行うことができます。

Dockerfileはレイヤー化されており、ベースのイメージを用いて追記していくことが可能です。Dockerコンテナ全体から見ると、変更管理もしやすく自動化に適しています。バージョンアップにも対応可能ですので、作成方法を覚えておくのが良いでしょう。

*Docker Composeとは、複数のコンテナを定義し実行するツールを指します。*YAML形式のファイルを用いて、アプリケーションサービスの生成や起動が効率的に行うことができます。

コマンド1つで、本番稼働のワークフローを効率化することが可能です。大規模で複雑な運用を行う場合に、効率的なワークフローを実現します。 

Docker Composeに必要なのは、Dockerfileとdocker-compose.ymlです。Dockerfileとの直接的な違いは、YAMLファイルが追加で必要となる点です。それだけで、ライフサイクルで求められるサービスの生成から起動、管理まで対応します。

【参考】：[Overview of Docker Compose](https://docs.docker.com/compose/)

冒頭にDockerfileの役割を理解するために、*Dockerの運用に関係する一連の流れを整理しておきます。*次の図をご覧ください。

~~【図】：Docker運用におけるイメージの格納から活用まで~~

ここからは図の黄色いブロックで分類した処理を、左から順に3つの項目に分けて解説します。

図中の「リポジトリの参照と利用」をご覧ください。

~~【図】：リポジトリを利用する~~

*Dockerでは、ゼロからイメージを作成することなく、Docker Hubなどの公式リポジトリからダウンロードして使用することができます。*そのために、イメージの検索や格納のコマンドが用意されています（①②）。変更する必要がなければ、そのまま、Dockerで実行することが可能です。

図中の「Dockerfileの作成と編集・イメージのビルド」をご覧ください。

~~【図】：Dockerfileを作成する~~

*Dockerのイメージを作成するには、設計図となるDockerfileが必要です。*Dockerfileは拡張子を含みませんがテキストファイルとして作成、編集が可能です（③⑤）。ファイル中に記述する命令と用法が定義されています。Dockerfileの配置場所としては、任意の場所で作成からビルド・実行を行います。

ファイルにはベースイメージを指定することが可能です。基準となるイメージに命令を追加してカスタマイズすることができます（④）。すべてを新たに記述するよりは、Docker Hubに登録済みのイメージをカスタマイズすることで、短期間で高品質の実行環境を構築することが可能です。

図中の「イメージの利用と再利用」をご覧ください。

~~【図】：イメージを利用する~~

*Dockerfileを作成した場合は、ビルドコマンドでイメージを生成します。*イメージは、Dockerで実行することもできますし、リポジトリに公開して再利用を促すこともできます（⑥⑦）。同じ設定で多くのコンテナを起動したり、カスタマイズしたりします。バージョンアップも容易に行うことができます。

エンジニア初心者でも分かる！Dockerコンテナの超入門！

*Dockerfileを作成するには、最低限いくつかの命令（コマンド）を知っておくと良いでしょう。*必要となる基本命令を、次の図に整理します。

~~【図】：Dockerfileで用いる基本コマンド~~

それぞれの目的と使用方法は以下の通りです。具体的な書き方も、例として併せて紹介します。

・*FROM*
ベースとなるDockerイメージを指定します。イメージビルド時の処理ステージを初期化するために使用します。この命令は、ARGを除いて最初に記述する必要があります。

・*COPY*
指定するファイルやディレクトリをコピーし、コンテナ内のパスに追加します。

・*RUN*
コマンドを実行し、処理結果を次のステップで使用します。その後、ビルドイメージを確定します。命令の記述は、シェル実行形式、またはexec形式で記載します。

例：RUN /bin/bash -c 'source $HOME/.bashrc; echo $HOME'
　　RUN ["/bin/bash", "-c", "echo hello"]

・*CMD*
コンテナ実行時のデフォルトの処理で、イメージが起動されたときに実行する命令です。設定するために、一つだけ記述します。複数ある場合は、最後の1つのみが実行されます。いくつか書式があり、シェル実行形式やENTRYPOINTのデフォルトパラメータ、exec形式で記載します。

【参考】：[Dockerfile リファレンス](https://docs.docker.jp/engine/reference/builder.html)

*Dockerfileでは次のような命令（コマンド）も定義されています。*要望に応じて記述することができます。

・*LABEL*
イメージにメタデータを追加する命令で、＜key＞＝＜value＞とキーバリュー形式で記述します。

・*EXPOSE*
コンテナ実行時のネットワークのリッスンポートを指定できます。TCPかUDP、そしてポート番号を指定します。

・*ENV*
環境変数に値を設定します。一度に複数の変数を指定できます。変数が1つの場合は”ENV <key> <value>”とするか、”ENV <key>=<value>”で指定します。変数が複数の場合は、キーバリュー形式でまとめて記述することで1行で複数の指定が可能です。

・*ADD*
指定するファイルやディレクトリ・リモートファイルのURLを指定のパスに追加します。

・*ENTRYPOINT*
コンテナを実行モジュールのように実行する場合に設定します。シェル実行形式またはexec形式で記載します。exec形式が推奨される形式です。Dockerfileには、CMDまたはENTRYPOINTのいずれかが必要です。

・*VOLUME*
指定した名称でマウントポイントを生成します。

・*USER*
ユーザ名と、必要に応じてユーザグループを指定し、実行することができます。

・*WORKDIR*
RUN、CMD、ENTRYPOINTで用いるワークディレクトリを指定します。

・*ARG*
ビルド時にユーザーが渡す変数を宣言します。ARGはFROMの前に記述することもできます。

例：ARG VERSION=latest
　　FROM base:${VERSION}

*Dockerfileの書き方を理解するには、公式サイトのリファレンスやベスト・プラクティスを活用すると良いでしょう。*具体例としてサンプルアプリケーションを動作させれば、より理解度が深まります。

【参考】：[Dockerfile リファレンス](https://docs.docker.jp/engine/reference/builder.html)
【参考】：[Dockerfile のベスト・プラクティス](https://docs.docker.jp/develop/develop-images/dockerfile_best-practices.html?highlight=best%20practices)
【参考】：[Docker Get started サンプル・アプリケーション](https://docs.docker.jp/get-started/02_our_app.html)
【参考】：[Docker サンプル アプリケーション](https://docs.docker.jp/sample/samples.html)

ここでは、*Dockerのドキュメントに最初に登場するgetting-startedを起動してみます。*Dockerのダウンロードとインストールが完了して、最初に実行するサンプルです。起動方法は、次の様に行います。

```docker run -d -p 80:80 docker/getting-started```

“-p 80:80”はコンテナ内のポート番号80とホストのポート番号80を指定していますが、必要に応じて変更して起動します。起動すると、コンソールアクセスやウェブアクセスが可能となります。例えば、Docker Desktopからは次の図のようにコンテナが表示されます（①）。

コンテナの「image」をクリックすると、イメージの情報が表示されます（②）。

~~【図】：Docker Desktopでイメージを確認する~~

イメージの表示画面の上部では、「image hierarchy」に参照しているFROM命令が順に表示されています。

### getting-startedのコマンドを確認する

*イメージの表示画面の下部には、次の図のようにDockerfileで記述した命令がレイヤー表示されています。*右側に拡大して全体を表示しておきます。このように起動しているイメージの命令も確認することができます。

~~【図】：イメージで用いるコマンドを確認する~~

さらに次の図のように、該当する命令（コマンド）をクリックすると、右側「Command」欄に実際に記述した命令が表示されます（①②）。このように細かく動作を確認することもできます。

~~【図】：イメージで用いるコマンドを確認する（続き）~~

これらの情報は、コマンドラインで確認することができます。次の図をご覧ください。この図のように、”docker images”でイメージIDを取得し、”docker history イメージID”で詳細情報を確認します（①②）。

ここでは”<missing”と表示される項目がありますが、気にする必要がありません。レイヤが他のシステムにおいてビルドされていることを示すものです。

~~【図】：イメージで用いるコマンドをコマンドラインで確認する~~

Dockerはコンテナ環境で標準的に用いられ、システムリソースを削減できるので利用が増加しています。その実行に必要なものとして、Dockerfileがあります。ここではイメージ作成に必要なDockerfileの概要から実際の記述方法まで解説していきます。

Dockerは、イメージを実行するコンテナを管理するプラットフォームソリューションです

Dockerfileは、Dockerイメージを作成するための手順書です

テキスト形式のため編集が簡単で、ベースイメージを利用したカスタマイズが容易です

【図解】Dockerfileとは？概要や記述方法を詳しく解説！

PyTorchは数あるPython向けの機械学習ライブラリの1つであり、近年人気が高まっているものでもあります。Pythonを使ったAI開発を考えている方の多くが聞いたことはあるはずですが、どのように使えばよいかよく分からない方も多いのではないでしょうか。

本記事では、**PyTorchの概要を説明しつつ、入門としての基本的な使い方やより深く学ぶための方法を解説していきます。**

PyTorchとは、2016年からリリースされているPython向けの機械学習ライブラリです。Facebookで開発された本ライブラリは、他のPythonライブラリと同様にオープンソースであり、誰でも無料で使用することができます。*その自由度の高さや使いやすさから、世界中のユーザの中で人気が高まっており、アップデートも盛んに行われています。*

これからPythonを使ってディープラーニングを含むAI開発を行いたいと考えている方にとって、その概要や使い方を知っておいて損はないでしょう。

【参考】：[Pytorch](https://pytorch.org/)

PyTorchとは？特徴やメリット・デメリット等の入門情報を解説

Pythonのよく使うライブラリ一覧！一段上の開発を目指そう

PyTorchを使うとどのようなことができるのでしょうか。機械学習向けに開発されただけあり、線形回帰などの基本的な回帰計算や、ニューラルネットワーク生成などディープラーニング関連の処理も容易に行うことができます。

他の大手の機械学習ライブラリが備えている自動微分、GPU連携機能も含まれているため、他のライブラリに比べて劣っているということもありません。

ただし、*PyTorch はニューラルネットワークの構築方式に「define by run」を採用しており、ここがKerasやTensorFlowなど他のメジャーなライブラリが採用している「define and run」と異なる点です。*どちらの方式もメリットはあるので、使用目的に応じてライブラリを使い分けましょう。

エンジニアなら知っておくべき！機械学習とディープラーニングの違いとは？

PyTorchを使用するにあたってのメリットは以下の通りです。

◼︎*直感的にコーディングを行える*
PyTorchがサポートするデータ型のTensorはNumpyと使い方が非常に似ているため、使い勝手が良く、Pythonを扱ったことがあればスムーズにコーディングを行うことができるでしょう。TensorがGPU演算にそのまま使える点もそれを助けています。

NumPyとは？効率的なPythonのデータ分析手法を解説！

NumPyのインストール手順！トラブル対応法も解説！

◼︎*ニューラルネットワークのデバッグがし易い*
ニューラルネットワークの構築方式に「define by run」を採用しており、ネットワークにデータを流しながら構築を行うことができます。他のライブラリでは「define and run」であらかじめネットワークを構築する必要があり、デバッグがし辛く、初心者にとっては扱いづらいという点があります。

◼︎*最先端のアルゴリズムを活用できる*
上記のメリットもあり、PyTorchは研究分野で非常に活発に使われています。そのため、最先端の研究結果を自分で試してみることができ、AI関連の技術についても最先端を取り込むことも可能です。

PyTorch についての概要を説明してきました。次に、実際に使っていくにあたって知っておくべき基礎知識を説明します。

PyTorchは他のライブラリと同様にパッケージをインポートして使用する形であり、*torchというモジュールがベースです。*その下に、機械学習に関連した以下の代表的なパッケージが付属しています。

- autograd・・・自動微分を行うためのパッケージ
- nn・・・ニューラルネットワークを構築するためのパッケージ
- optim・・・パラメータ最適化アルゴリズムが含まれるパッケージ
- utils.data・・・主にデータ操作を行うユーティリティ関数が含まれたパッケージ
- onnx・・・Open Neural Network Exchangeと呼ばれるニューラルネットワークを他ライブラリと共有できる機能を持ったパッケージ

もちろん上記はほんの一部で、公式ページでは膨大なパッケージから構成されていることが分かります。

【参考】：[PyTorchの構成](https://pytorch.org/docs/stable/)

PyTorchではデータ操作を容易に行うために、独自のデータ形式Tensorが定義されています。*torchの下に構成されているtensorは、GPU上でもそのまま使用できる上に、numpyのndarrayを扱うようにデータ操作を行えるため、非常に使い勝手がよい型です。*2次元のベクトルや行列も簡単に定義できます。

例えば、以下のような形です。

```vector_sample = torch.tensor([1,2])
matrix_sample = torch.tensor([1,2],[3,4])```

ランダムなデータも以下のようにtensor型で作成可能です。

この例では、3×4のサイズで各要素が0～1の間でランダムとなる行列を生成することができます。

機械学習、とりわけディープラーニングを扱っていくには、高速演算を行えるGPUとの連携が欠かせません。*PyTorchでもコード内で明示的にGPU演算を行うことができます。*

Tensor型はそのままの状態でGPUへデータを転送することができるだけでなく、初期化の時点でGPU上にTensorを作成することもできます。

```tensor_gpu = torch.tensor([1,2], device=torch.device('cuda'))```

以下がGPUとCPU間でのデータやり取りの例です。

```tensor_cpu = tensor_gpu.to('cuda')
tensor_gpu = tensor_cpu.to('cpu')```

PyTorchの基礎を解説した次は、実際のコーティングにおける使い方を説明していきます。ここでは、データセットに対してニューラルネットワークで機械学習を行っていく例を紹介します。

まずは基本として、機械学習に使用するデータセットの定義方法です。*PyTorchではDataset型と呼ばれる独自のデータセット型が用意されており、この型を使用して機械学習を進めることが基本です。*この型では、通常のデータセットと同じく特徴量Xとラベルyから構成されていますが、それぞれTensor型になっているところが特徴的です。

Dataset型を定義するには、Numpyの配列で特徴量Xとラベルyのデータを用意し、下記のように処理する必要があります。

```Sample_dataset = torch.utils.data.TensorDataset(X, y)```

配列と同じようにdataset型のインデックスを指定すれば、ラベルと対応した特徴量を取得することができます。

### DataLoaderによるミニバッチの作成

データセットが用意できたら、元の学習データから一部を取り出してミニバッチを作るケースが多いと思います。*このミニバッチの作成には、DataLoderというクラスを使用します。*元のdatasetからDataLoaderでミニバッチを作るには、下記のようなコーディングをすればいいでしょう。

```batch_size = 32
load_batch =  torch.utils.data.DataLoader(Sample_dataset , batch_size, shuffle=True)```

shuffleがTrueなのでランダムにデータが抽出される形です。

### ニューラルネットワークの生成

学習データが用意できたら、学習モデルであるニューラルネットワークを作成していきましょう。ここでは最もシンプルなSequentialモデルで作成していきます。例として、Sequentialモデルに活性化関数をReLUとして、以下のように定義します。

```neural_network = torch.nn.Sequential(
    torch.nn.Linear(64, 32),
    torch.nn.ReLU(),
    torch.nn.Linear(32, 24)
    torch.nn.ReLU(),
    torch.nn.Linear(24, 8)
)```

最後に、データの伝搬を行う方法を紹介します。先ほど作成したニューラルネットワークに対してミニバッチを下記のように伝搬させます。

```output = neural_network(load_batch)```

ニューラルネットワークの学習ができていれば、これで出力結果を得ることができます。

PyTorchに関する入門とも言える使い方を紹介しましたが、まだまだ使える機能はありますし、日々アップデートもされています。もっと使いこなせるようになるためにはどうすればよいでしょうか。具体的な方法を紹介していきます。

*まず始めに見るべきは公式のチュートリアルです。*それなりのボリュームがあり、基礎からディープラーニング含めたアルゴリズムの適用まで学ぶことができます。公式サイトでは英語ですが、日本語訳がされており、英語が分からなくても安心して取り組むことができます。コーディングをしながら学ぶことができる点もポイントです。

いきなりチュートリアルを始めるのも良いですが、本記事である程度全体を把握しておくことで、よりスムーズに学ぶことができるでしょう。注意点として、Google Colaboratoryを使用する前提の構成となっています。

【参考】：[PyTorchチュートリアル](https://yutaroogawa.github.io/pytorch_tutorials_jp/)

チュートリアルを全てこなすだけでは物足りない場合には、書籍を活用してより理解を深めるとよいでしょう。書籍1冊の中には、多くの知識が凝縮されているため、読破すればかなりの知識を身に付けることができます。

加えて、チュートリアルにはなかった新たな視点も見つけることができるでしょう。入門書としては「最短コースでわかる PyTorch ＆深層学習プログラミング」がおすすめです。*付録のマップで学習の立ち位置が分かるほか、サポートサイトに用意されたサンプルコードも充実しています。*


■最短コースでわかる PyTorch ＆深層学習プログラミング
▪著者：赤石 雅典
▪ページ数：584ページ
▪出版社：日経BP
▪発売日：2021/9/21
【参考】：[最短コースでわかる PyTorch ＆深層学習プログラミング](https://bookplus.nikkei.com/atcl/catalog/21/283980/)

機械学習が学べるおすすめの本12選！初心者から上級者まで厳選してご紹介！

AI開発が盛んなPythonには数多くのAIライブラリが存在しています。その中でも最近人気が高まっているのがPyTorchです。本記事ではPyTorchの概要を説明しつつ、基礎知識や入門としての使い方を紹介していきます。

PyTorchはFacebookが開発したAI開発用のPythonライブラリ

PyTorchは直感的なコーディングができること、デバッグがしやすいところにメリットがある

PyTorchを機械学習で使うにはTensor型やdataset型を理解する必要がある

PyTorch入門！基礎や使い方、学習方法について徹底解説

人気言語と言われる「Go言語」（別名:golang）ですが、実際に使われている言語をランキング形式で紹介している米国「TIOBE Index」によると、「Go言語」は2022年3月の13位から2023年3月には10位へとランクアップしており、**実用面でも人気が高まっていることが分かります。**

一方で、Go言語の人気低下説もあります。ここでは、「Go言語」の将来性や特徴、習得したスキルを活かす方法などについて紹介します。

【参考】：[TIOBE Index - TIOBE](https://www.tiobe.com/tiobe-index/)
【参考】：[The Go Programming Language](https://go.dev/)

Go言語とは？Go言語の特徴・将来性・習得に向いている人を解説

エンジニアの方が言語を学ぶ上で気になるのは、その言語の将来性だと思います。せっかく学んだ言語の需要がなければ、苦労が報われません。ここではGo言語の需要と将来性について見ていきましょう。

Go言語は2009年にGoogle社がソフトウェア開発の効率アップを狙いにリリースした、オープンソースの言語であり、誰でも自由に使うことができます。Go言語は「グー言語」と呼ばれることもありますが、正しい読み方は「ゴー言語」です。　

*リリース当初はLinux OS、Mac OS版の2種類でしたが、2013年にリリースされたバージョン1.0からWindowsにも対応しています。*この汎用性の高さは今後の需要を占う上で1つのポイントになります。

Go言語でできることは？Go言語の特徴やメリット・勉強方法を徹底解説！

5G通信が普及し、Webサービスはさらなる処理スピードのアップや迅速なレスポンスが求められるようになっています。これまでは通信が処理遅延、レスポンス遅延の原因の1つでしたが、5G通信の普及によって、サーバーサイドの処理遅延が顕在化してきました。

こうしたことから、並列処理や高速処理に長けたGo言語に対する期待や注目が高まっています。**実際にPHPで構築したWebサービスの遅延から、Go言語へのリプレイスの動きが強まっています。**以上のことから、さらに需要の高まりが期待されるGo言語エンジニアの将来性は高いと思われます。

5G技術がエンジニアに与える影響は大きい？今後の動向や求められること

<center>[エンジニア転職を成功させるため<br/>ぜひ*『マイナビIT エージェント』*をご活用ください！](https://mynavi-agent.jp/it/?utm_source=and-engineer&utm_medium=content-text&utm_campaign=acv07_2)</center>

*Go言語は無駄がなく読みやすいシンプルなコード、並列処理が得意でCPUに対する負荷の少ない身軽さ、実行速度の速さなどを特徴とした言語です。*

他にも、Go言語はコンパイル型言語のため実行時のエラーが起きにくく、安定性が高く、マシンへの負荷が小さいコストパフォーマンスの良さも特徴として挙げられます。

### Go言語は主にどこで使われているのか？

Go言語の特徴を一言で述べると非常に汎用性の高いプログラミング言語と言えます。プログラミング言語はそれぞれに得意分野があります。

たとえばPHPはWebサービス開発を得意とし、SwiftであればiOSを搭載したスマホアプリ、組込みシステム開発であればC言語が挙げられますが、*Go言語は苦手な分野が少なく、汎用性の点でも優れたプログラミング言語と言えます。*

そのため、あらゆる分野で利用されています。次項では、Go言語の主な活用分野について紹介します。

Go言語入門！特徴や作れるもの、将来性について徹底解説！

**マルチプラットフォームに対応するGo言語は、Linux・Windows・MacOS・Android・iOSなどさまざまなOSに対応し、多数のアプリ開発に利用されています。**そのため、あらゆるアプリケーションの開発が可能であり、スマホアプリ開発でも活用されています。

活用例としては、フリマアプリで人気の「メルカリ」では開発にGo言語が採用されています。

文法のシンプルさが特徴の1つであるGo言語は、コーディングがしやすく、しかも実装した後に細かな調整や対応が求められるWebサービス開発にも適しています。

**Go言語はメモリへの負荷が小さく、並行処理を得意とするため、スマホ側での処理をサーバ側で行うことができます。**YouTubeのような大規模データをサーバ側で処理するようなWebサービスにも対応可能です。

*Go言語の汎用性の高さを示す例としては、ドローンなどのIoT開発が挙げられます。*IoTフレームワークとして知られる「Gobot」にもGo言語が使われています。「Gobot」はネットワークを介して複数のデバイス間で相互に通信を行え、リモート操作やデバイス同士で連携させられるのが特徴です。

【参考】：[Gobot - Golang framework for robotics, drones, and the Internet of Things（IoT）](https://gobot.io/)

IoTと5Gの活用事例5選！2022年開催の注目展示会も紹介

年収は分野や需要、企業やスキルによって大きく変わりますが、キャリアアップを目指す上で1つの目安になります。ここではGo言語に絞ったプログラマーの年収調査データが少ないため、比較的近い職種と想定される「製品開発 / 研究開発」のエンジニアの年収を見ていきましょう。

「製品開発 / 研究開発」エンジニアの平均年収は「マイナビエージェント職種図鑑」によると477万円（※2023年3月執筆時点）、経済産業省2017年発表の「IT関連産業の給与等に関する実態調査結果」からSE・プログラマ（ソフトウェア製品の開発・実装）を参考にすると、平均年収568万円と分かりました。

国税庁2020年発表の「民間給与実態統計調査」によると民間企業平均年収は433万円ですので、「製品開発 / 研究開発」に関わるエンジニアは一般平均年収よりもやや高めであると分かります。

**第2言語としてGo言語を身に着けて高収入を得るには、そのスキルを必要とする企業、活躍できる企業への転職を有利に行える、市場価値の高いエンジニアになることが求められます。**

【参考】：[マイナビエージェント職種図鑑](https://mynavi-agent.jp/it/jobindex/13.html?utm_source=and-engineer&utm_medium=content-text&utm_campaign=acv07_2)
※【平均年収 調査対象者】2020年1月～2020年12月末までの間にマイナビエージェントサービスにご登録頂いた方
【参考】：[IT関連産業における給与水準の実態① ~ 職種別（P7）](https://warp.da.ndl.go.jp/info:ndljp/pid/11623215/www.meti.go.jp/press/2017/08/20170821001/20170821001-1.pdf)
【参考】：[民間給与実態統計調査-国税庁](https://www.nta.go.jp/publication/statistics/kokuzeicho/minkan2020/pdf/002.pdf)

## Go言語のメリットとデメリット

*元々はGoogle社内でのソフトウェア開発の生産性を上げるために開発されたGo言語ですが、オープンソースのプログラミング言語であり、各方面での利用が拡大しています。*

Go言語はシンプルで理解しやすい言語ですが、CやJavaなどと同じくコンパイル言語であり、実行時のスピードが速い点も特徴の1つです。ここでは「Go言語」の特徴を知る意味で、Go言語のメリット、デメリットについて見ていきましょう。

さまざまなメリットが存在するGo言語ですが、いくつかのデメリットも存在しており、それを理由に、Go言語の人気低下を主張する人がいます。

デメリットと言われる部分については、Go言語の設計思想であり、メリットとして捉えることもできます。Go言語の主なデメリットとして挙げられるのはシンプルな言語であるが故に拡張性に欠け、他の言語と比較してできることが限られる点です。

以下、デメリットとされる側面について挙げます。

*■ 1.継承の機能がない*
オブジェクト指向プログラミングでは、当たり前とされる「継承」の機能がありません。そのため、コードの使いまわしがしにくいことから、コードを修正しにくいという指摘があります。

*■ 2.「generics」の機能が実装されたが情報が少ない*
これまでなかった「generics」が実装されたばかりで、情報や実装された実績が少ないことから、まだ利用に対するハードルが高いようです。

*■3.「三項（条件）演算子」がない*
他の言語にはある三項演算子は、if－else文のような条件分岐の記述を省略できますが、三項演算子がないGo言語では条件分岐の記述が長くなりがちです。

*■ 4.例外処理がない*
Go言語は例外処理を排除する前提で設計されており、他の言語には存在する例外処理がありません。決まった型以外のコードを正しく処理できない点はデメリットと言えますが、プログラムを複雑化させる例外処理を排除したことはメリットとも考えられます。

また、Go言語では発生したエラーを戻り値として表せるため、エラーの対処を早めに行うことが可能です。

オブジェクト指向言語とは？基本的な概念と代表的な言語を解説

Go言語の人気の理由としては、以下に挙げるメリットに起因します。ここでは、Go言語の特徴とも言える主なメリットについて整理しましたので、興味が湧いた方はぜひ参考にしてください。

*■ 1.初心者にも理解しやすい*
Go言語は文法がシンプルで分かりやすく、初心者にも馴染みやすい言語ですが、JavaやCと構文が似ているため、どちらかの言語を習得した人は、他の言語よりも早くマスターしやすいでしょう。

*■ 2.平行処理が可能で処理スピードが速い*
Go言語はコンパイル型の言語のため、スクリプト言語と比較して処理を高速に行えるとともに、並行処理を得意としており、並行処理を苦手とするPHPで書かれたWebサービスのリプレイスにGo言語を利用するケースが増えています。

*■ 3.コーディングミスを減らせる*
Go言語の言語仕様はシンプルなため、複数のエンジニアが関わる開発において、記述方法がぶれにくく、コーディングミスが起きにくい仕様です。

*■ 4,安全性が高い*
Go言語はPython・Java・C#などと同様に、自動的にメモリーを管理する「ガベージコレクション」機能が備わっています。プログラミングで手動でのメモリー開放を意識する必要がなく、コーディングが楽になり、かつメモリー不足による障害が起きにくく、安全性が高いというメリットがあります。

PHPのおすすめ本13選！入門レベルからさらに学べる学習本まで解説

ここまでGo言語の特徴、メリット・デメリットについて解説しました。ここではGo言語の習得をおすすめしたい方、Go言語の難易度、おすすめの参考書について紹介します。

### Go言語の習得をおすすめしたい方

**スキルアップを目的に習得する第2言語として、C言語やJavaエンジニアの方におすすめです。**Go言語はC言語やJavaと構文が似ており、既にこれらを習得した方には向いていますが、プログラミング言語を初めて学ぶ入門者の方にはあまりおすすめできません。

それは、Go言語はシンプルで学びやすい言語ですが、比較的歴史が浅いことからGo言語に関する情報が少なく、教材や資格制度がまだ完全に整備されたわけではないからです。そのため、PythonやRubyなどと比較して難しいと感じてしまう方がいるかもしれません。

Javaとは？人気プログラミング言語Javaの将来性やメリットについて解説

**Go言語は文法が平易であり、コードがシンプルなことから学習の難易度は低いと言えます。**C言語やJavaの経験者であれば、構文が似ていることから学びやすい言語だと感じるでしょう。

Go言語はコンパイル型言語であり、予めエラーチェックが行われることで自然に構文に慣れ、手を動かして学べるのも特徴の1つです。

### Go言語の習得におすすめの参考書

Go言語を独学で学びたい方におすすめの参考書を紹介します。**基本から学びたい方向けの入門書と、実践力を身に着けたい方向けの現場で使える参考書をそれぞれ1冊ずつ紹介しますので、自分のレベルに合わせて活用してください。**

*■「たった1日で基本が身に付く！シリーズ たった1日で基本が身に付く！Go言語 超入門」*
基本からGo言語を学びたい人に入門書として、おすすめしたい参考書です。第2言語としてGo言語を学びたい方も、この書によってGo言語の基礎と概要が理解でき、応用レベルに進みやすくなります。

▪著者：清水美樹
▪ページ数：224ページ
▪出版社：技術評論社
▪発売日：2020/10/29

【参考】：[たった1日で基本が身に付く！シリーズ たった1日で基本が身に付く！Go言語 超入門](https://gihyo.jp/book/2020/978-4-297-11617-0)

*■「改訂2版 みんなのGo言語」*
Go言語の基本レベルは押さえ、現場で使えるレベルのGo言語スキルを身に着けたいと考えている人の実践力を高めるために利用する参考書としておすすめします。

▪著者：松木雅幸，mattn，藤原俊一郎，中島大一，上田拓也，牧大輔，鈴木健太
▪ページ数：224ページ
▪出版社：技術評論社
▪発売日：2019/08/01

【参考】：[改訂2版 みんなのGo言語](https://gihyo.jp/book/2019/978-4-297-10727-7)

## 身に着けたGo言語のスキルを活かすには

**本記事ではGo言語がシンプルなコードで学びやすく、また並列処理が得意で実行速度の速く、将来性が高いプログラミング言語であることを解説しました。**

第2言語としておすすめのGo言語を習得できたとしても、そのスキルを活かせる企業、自分の希望に合う企業やGo言語で活躍できる企業を独力で探し出すのは簡単ではありません。

そこでぜひご活用いただきたいのが[マイナビIT エージェント](https://mynavi-agent.jp/it/?utm_source=and-engineer&utm_medium=content-text&utm_campaign=acv07_2)です。 

マイナビIT エージェントは、IT・Webエンジニア向けの無料の転職⽀援サービスです。

IT・Webエンジニアの転職事情に詳しいキャリアアドバイザーが、あなたのご経験やスキルをお伺いし、転職活動のプランをご提案致します。

アドバイザーは企業側の人事担当者と直接連携を取れますので、求人票に載っていない企業情報も確認することができます。残業時間や給与面など、働き方などをしっかり確認の上で応募企業を選んでいくのが良いでしょう。

・資格やプログラミングの勉強をしているけれど、企業が求めるレベルに達しているのかわからない
・スキルアップをして市場価値を上げていける企業の選び方を知りたい
・数多くあるITエンジニアの職種の中で、自分に向いている仕事は何か知りたい

こうした悩みを抱えていらっしゃる方は、まずは無料登録でキャリアカウンセリングをおすすめ致します。

<center>[あなたに合った企業選びをサポート致します。<br/>エンジニア転職のご相談はぜひ<br/>*『マイナビIT エージェント』*へ！](https://mynavi-agent.jp/it/?utm_source=and-engineer&utm_medium=content-text&utm_campaign=acv07_2)</center>

人気のあるGo言語は、Googleが開発したオープンソースのプログラミング言語です。シンプルな言語で、高速処理や並列処理にも優れ、大企業での採用が相次いでいます。ここではGo言語の習得を考えるエンジニアの方に向け、その特徴や将来性などを解説していきます。

言語・開発の記事（74ページ目）