TensorFlowとは、Google社が開発した機械学習用フレームワークを指します。ニューラルネットワークの構築・訓練のために開発されました。機械学習モデルの開発とトレーニング（学習）に使用します。Pythonに限定されず、C・C++やJavaでも利用できます。*機械学習や数値解析・ディープラーニングに対応し、人気があります*。
【参考】：[TensorFlow](https://www.tensorflow.org/)

Pythonと機械学習を学んでAI時代に対応できるエンジニアに

TensorFlowはGoogleのサービスでも広く活用されています。その特徴は、以下のような点が挙げられます。


*・ニューラルネットワークの構築・訓練向けに開発*
ニューラルネットワークは数理モデルの一種で、脳の神経回路の一部を模しています。TensorFlowは、ニューラルネットワークの要件をクリアするために開発されたため、ニューラルネットワークやディープラーニングでの利用に適しています。

コアモデルのデータフローグラフを複製して並列実行することで、大規模なデプロイにも対応可能です。

*・言語、デバイスを問わず利用可能*
JavaScript向けのライブラリや、C++・Pythonに対応するコアライブラリが提供されています。モバイル・IoT向けのTensorFlow Liteでは、iOSやAndroidが利用できます。デバイスや言語に応じて言語バインディングをビルドすることができます。

*・豊富なテストツールやライブラリ*
複雑なモデル作成のKerasやModelサブクラスAPIが提供されます。デバッグを効率的に行うために、Eager Executionが提供されます。この他にもアドオンライブラリが充実しているため、ニーズに応じてライブラリを選択できます。

TensorFlowは、ニューラルネットワークやディープラーニングでの利用に適しています。そのため以下の用途に利用が可能です。

*・パターンを認識する*
ニューラルネットワークでは、データを学習することで人間の脳の様に音声や画像のパターンを認識することができます。それにより情報の蓄積と識別が可能です。用途としては音声認識やそれにもとづく自動翻訳等が可能となります。自動運転や不審者の特定等にも利用されています。

*・データを分類する*
信号や画像のデータを蓄積し、正しいデータを識別します。医療での病状を画像から判断したり、産業システムのエラー検知や品質検査等に利用したりと様々です。公共建築物の劣化状況を検査することにも役立てられています。

*・将来を予測する*
データ変動の蓄積により、今後の傾向を精度よく予測します。用途としては、金融では株式売買の上下動から将来の株価変動を予測することに使われています。

人間の言語水準に近いものを高レベル、機械の言語水準に近いものを低レベルとした場合、高レベルAPIは簡単に扱うことができ、低レベルAPIは細かい操作が可能です。TensorFlowは高レベルAPIと低レベルAPIを兼ね備えているため、多様なニーズに対応できます。

Kerasとは、*オープンソースのニューラルネットワークライブラリを指します*。Pythonで書かれた深層学習APIで、TensorFlow上で動作します。Googleのエンジニアが中心となって開発したKerasですが、Google社内で開発されたTensorFlowと結びつきが強く、TensorFlow 2.0において、Kerasが統合されています。
【参考】：[Keras](https://keras.io/)

TensorFlowとKerasの違いは、TensorFlowが機械学習のフレームワークで、Kerasがニューラルネットワークライブラリであることです。TensorFlowはKerasをライブラリとしてサポートします。TensorFlowの高レベルAPIはKeras API仕様をベースにしています。

Kerasはライブラリの位置づけであり、TensorFlow以外でも動作します。EclipsのDeeplearning4jやマイクロソフト社のCNTK上で動作させることもできます。

### TensorFlow以外の深層学習フレームワーク

TensorFlow以外の深層学習フレームワークとして、Facebook（現Meta）のAI Reserarch Lab（FAIR）で開発されたPyTorchがあります。PyTorchとは、Torchを元に作られたPython用深層学習フレームワークソフトウェアを指します。グラフベースの実行・分散学習・モバイル展開・量子化の機能を持ちます。
【参考】：[PyTorch](https://pytorch.org/)

PyTorchは、*低レベルAPIによりトレーニング時間が高速なため、短い時間で完了するのが特徴です*。TensorFlow以外の選択肢として比較するのも良いでしょう。

TensorFlowを利用するために、TensorFlowにおける機械学習の分類手順を説明します。
【参考】：[Machine Learning Introduction](https://developers.google.com/machine-learning/guides/text-classification)

*・データの収集*
必要なデータを収集していきます。精度を高めるためにはサンプル数を増やす必要があります。

*・データの探索*
データの特性や分布を理解します。ある程度手作業で期待に沿うものか確認していきます。

*・モデルの選択 *
収集したデータセットの特性からモデルを決定します。

*・データの準備*
モデルに合わせてデータを調整・変換します。

*・モデルの構築・学習・評価* 
データ処理のビルディングブロックとなる入力層・中間層・最終層を組み立てていきます。モデルの学習（トレーニング）では、モデルの現在の状態に基づいて予測を行い、その予測との誤差を最小にするためにネットワークの重みまたはパラメータを更新していきます。この手順をモデルが収束するまで繰り返します。

TensorFlowでは、データ収集以降の手順を効率的に行えるようAPIを提供しています。

最初にインストール要件を確認しておきます。TensorFlow 2はOSとして、*Windows 7以降・MacOS 10.12.6（Sierra）以降・Ubuntu 16.04以降がサポートされています*。Python 3.6〜3.9で動作します。Pythonのパッケージマネージャpipを使用します。
【参考】：[TensorFlow インストール](https://www.tensorflow.org/install)

インストールが完了したら、Pythonで”tensorflow”をインポートし、使用します。
```import tensorflow as tf```
【参考】：[初心者のための TensorFlow 2.0 入門](https://www.tensorflow.org/tutorials/quickstart/beginner)

Pythonのpipインストールを徹底解説！Windowsでも簡単？

TensorFlowは、「データの収集」「データの探索」「モデルの選択」「データの準備」を経て、「モデルの構築・学習・評価」を繰り返し精度を上げていきます。*最初に使い方を学ぶにはチュートリアルをおすすめします*。
【参考】：[TensorFlow Core チュートリアル](https://www.tensorflow.org/tutorials)

チュートリアルを進めるにあたり、人工知能の学習に必要なデータセットと呼ばれる学習データが必要です。手書き数字データベースMNISTは、6万例の学習セットと1万例のテストセットから構成されており、学習技術やパターン認識手法を試してみたいという方におすすめです。
【参考】：[THE MNIST DATABASE](http://yann.lecun.com/exdb/mnist/)

Kerasからは、”tensorflow.keras.datasets.mnist.load_data()”でデータセットのロードが可能です。

CSVのデータをデータセットにロードする場合は、”tensorflow.keras.utils.get_file()”でCSVファイルを指定します。”tensorflow.data.experimental.make_csv_dataset()”でCSVからデータセットを作成することもできます。
【参考】：[tf.data を使って CSV をロードする](https://www.tensorflow.org/tutorials/load_data/csv)

TensorFlowはディープラーニングに強みがあり、パターン認識に基づく音声認識・自動翻訳や自動運転・防犯等に活用されています。データ分類による医療画像分析・製造業のエラー検知や品質検査、将来の動向分析などに活用されています。

TensorFlowの事例紹介サイトでは、以下の様に実際の活用例が紹介されています。
【参考】：[TensorFlow 事例紹介](https://www.tensorflow.org/about/case-studies)

*・Coca-Cola社の購入証明機能*
モバイルファーストの体験としてCoke.comを立ち上げ、閲覧行動の変化に対応しました。ボトルキャップや冷蔵庫のパックに貼られた数千の製品コードスキャンによって得られた、不正確なコード予測をAI学習により迅速に修正できるようなユーザーエクスペリエンスを提供可能としました。
【参考】：[How Machine Learning with TensorFlow Enabled Mobile Proof-Of-Purchase at Coca-Cola](https://developers.googleblog.com/2017/09/how-machine-learning-with-tensorflow.html)

*・GEヘルスケア社のニューラルネットワーク学習*
MRIの画質や外観に影響する要因に影響されにくく、病院間で堅牢なシステム化が可能となりました。これにより、検査全体の時間が短縮され、検査の診断品質が向上しました。

TensorFlowは、医用画像ボリューム処理の主要要件である2Dおよび3DのCNN（Cascaded Neural Networks）をサポートしていることと、画像操作と最適化されたテンソル計算のための豊富なビルトインライブラリ関数の要件をクリアしています。
【参考】：[Intelligent Scanning Using Deep Learning for MRI](https://blog.tensorflow.org/2019/03/intelligent-scanning-using-deep-learning.html)

*・Twitter社によるTweetのランク付け*
Twitterを開いたときに、最も重要なツイートを見逃してしまうことがあり、この問題に対処するため、最も関連性の高いツイートをタイムラインの最上部に表示する「ランク付きタイムライン」に、TensorFlowを活用しています。

選定においてはJava APIが利用できることと、TensorFlowのツールのエコシステムが成功のカギとなりました。ユーザーが最高のツイートを見逃すことがないようにするために機能しています。
【参考】：[Ranking Tweets with TensorFlow](https://blog.tensorflow.org/2019/03/ranking-tweets-with-tensorflow.html)

*・AIRBUS社の衛星画像からのデータ抽出・分析*
コロンバス管制センターのオペレーションチームは、エアバス社と共同で24時間365日何千ものパラメータを追跡しています。これはクルーの健康状態を確認するために必要なデータです。

オペレーターが異常を検知した場合、異常報告書を作成し、エアバス社のシステム専門家が解決します。エアバス社のチームは、異常検出のワークフローの一部を自動化するために、Kubeflow上でTFXを利用しデータ処理と変換を行っています。
【参考】：[How Airbus Detects Anomalies in ISS Telemetry Data Using TFX](https://blog.tensorflow.org/2020/04/how-airbus-detects-anomalies-iss-telemetry-data-tfx.html)

上記の他にもGoogle社AIリサーチLabのBlogも多岐に渡り、実際に有益であることを実証しています。ご興味があれば以下のリンクをご確認ください。
【参考】：[Google AI Blog](https://ai.googleblog.com/search/label/TensorFlow)

## 需要高まる人工知能の対応能力を高めましょう

TensorFlowは、Google社が開発した機械学習用フレームワークです。Google社自らが活用しており、事例で分かるように実際の業務活用も進んでいます。*研究者から実際の業務利用まで多様な活用が期待できます*。

チュートリアルではドキュメントのほか、動画がブログやYouTubeチャンネルに公開されています。学ぶだけの方にも有益ですので、将来の可能性を高めるためにも準備をしましょう。

TensorFlowは、Google社が開発した機械学習用フレームワークで人気があります。主に機械学習モデルの開発とトレーニング（学習）に使用します。ここではTensorFlowの特徴やできることを紹介し、実際の公開事例についても詳しく解説していきます。

TensorFlowとは、Google社が開発した機械学習用フレームワークを指します

機械学習や数値解析・ディープラーニングに対応し、人気があります

高レベルAPIと低レベルAPIに対応し、実績が多数あります

TensorFlowとは？特徴やできることをわかりやすく解説！

shell（シェル）とは、*OS（オペレーティングシステム）の操作を行うためのインターフェースプログラムを指します*。システムコマンドのインターフェースとしてOS操作を行います。

OSの中核となるコードをカーネル（核）と言います。その外側のユーザ側のインターフェース部分をシェル（殻）と呼んでいます。貝殻の中と外のイメージです。シェルは対話的（インタラクティブ）にユーザー操作要求を解釈し、必要な処理を実行します。

シェルの特徴の1つは、カーネルリクエストを簡単に行えることです。従来のプログラミングではシステムアクセス用のプログラムコードを作成する必要がありました。シェルでは、追加のアプリ開発をせずに、コマンドラインで必要な操作をすることができます。

続く特徴は、シェルスクリプトというスクリプト言語に対応していることが挙げられます。シェルは、作業の操作をコマンドラインに記述し実行します。*シェルスクリプトでは、同じ処理手順をコードとして作成することで、バッチ処理や一括実行を簡単に行うことができます*。

シェルの利用メリットは、前述のシェルの有する特徴を最大限活用できることです。具体的には、複数の作業手順を一括実行することで、シェルスクリプト実行による作業品質の均一化が可能です。スクリプト実行では、運用管理の自動化も期待できます。

作業手順としては、CLIで基本操作が正しいことを確認し、シェルスクリプトのコードを作成します。これにより*運用管理における作業手順の標準プロセス化も可能です*。

### コマンドラインインターフェイスとは

コマンドラインインターフェイスとは、コマンドを入力し所定の操作を行うインターフェースを指します。略称として、CLI（Command Line Interface）と呼びます。

シェルのコマンドインターフェースは、CLI形式がほとんどです。シェルは*シェル自体が解釈できる組み込みコマンドと、外部のコマンドやアプリケーションを起動する外部コマンド呼び出しが実装されています*。

AWS CLIの使い方は？インストールから使用方法まで解説！

シェルスクリプトとは、*シェルで解釈可能な一連の操作コマンドを記述したコードを指します*。スクリプト言語の一種です。シェル組み込みコマンドや外部コマンドを適宜実行させることで、複雑な処理に対応します。

シェルにはコマンドインターフェースとしてインタプリタ機能があります。入力されたコマンドの解釈を対話型で逐次実行します。シェルの実行方法は、CLIからのコマンド入力の対話型実行と、シェルスクリプトを用いた一括実行の両モードに対応します。

カーネルとは、*システム資源をプロセッサの特権を使って効率的に割当・実行・制御する機能を指します*。具体的には、メモリーやCPU・I/O等を管理するOSの中核機能です。ユーザーはプログラムを実行することで、システムコールを通じてカーネルへ処理要求を発行します。カーネルは、システムコールの要求を手順に従い処理していきます。

カーネルはユーザーのプログラムやデーモン（常駐プロセス）をプロセスとして管理し、システム資源を割り当て、ファイルやI/Oのアクセスを管理します。

*シェルは、UNIX系システムで実装されており、Linuxにも利用されています*。macOSやWindowsにもシェルが搭載されています。ここでは代表的なシェルの種類について見ていきます。

Bourne Shellはshプログラムで、1977年に登場したシェルです。*UNIXに標準搭載されていたため、古くから使われています*。対話的に操作する場合にコマンド編集等の機能が実装されておらず、後に標準化されたPOSIX Shellに置き換わっていきました。

C Shellはcshプログラムで、BSD UNIXで配布されたシェルです。Bourne Shellに不足していたヒストリ機能やエイリアス機能を実装したことで、対話的な操作性が大幅に向上しました。*C言語に近い言語体系を取っており、シェルスクリプトの開発が容易です*。

ジョブコントロール機能によりフォアグランドジョブとバックグラウンドジョブの管理を可能としたために、バッチ処理等の運用性も向上しました。

KornShellはkshプログラムで、*Bourne ShellとC Shellの機能を取り込んでいます*。Bourne Shellの上位互換として動作し、かつC Shellで実装された対話的操作時のコマンド編集機能を実装したものです。

BashはLinuxやUNIX系システムで用いられているシェルで、GNUプロジェクトにより開発された*Bourne Shellのフリーソフトウェア版です*。bashとは、Bourne-again shellの頭文字をとった名称です。フリーソフトウェア版開発にあたり、C ShellやKornShellの機能を取り入れています。

Bashは登場以降、Linuxのデフォルトシェルとして利用が進んでいます。macOSおよびMicrosoft Windowsにも対応しています。

Powershellは、*.NET Frameworkで用いるオブジェクト指向のシェルです*。CLIとシェルスクリプトに対応します。古くはWindows Scripting Host（WSH）が主流でしたが、Windows 7以降はPowershellが標準搭載され、Windowsシステムで利用されています。

MS-DOSでは、コマンドプロンプトでバッチファイルが実行できました。現在は*WindowsではWindows Subsystem for Linux（WSL）が実装されており、Bashを利用することが増えています*。

GUI系Shellというと、マンマシンインターフェースとしては、macOSやWindows、UNIX系システムのX Windowsがあります。スクリプト実行という意味合いでは、先に挙げたCLIとシェルスクリプトを併用することになります。

ここでは代表的なシェルであるBashの利用方法を見ていきます。BashはLinuxに標準搭載されています。macOSにも導入済みですので、お持ちの環境で利用できます。Windowsの場合は、WSLをインストールすることで、UbuntuとBashが利用可能になります。

*Bashはデフォルトシェルとして広く利用されています*。bashのリファレンスマニュアルはGNUで配布されています。
【参考】：[Bash Reference Manual](https://www.gnu.org/software/bash/manual/bash.html)

シェルは対話型によるコマンド実行や、スクリプトファイルを読み込んで実行します。リダイレクト機能を用いて入出力先を変更することもできます。コメント行には行頭に#を入れておきます。

*システムのログインシェルとしてBashが設定されている場合は、そのままBashのコマンド入力が可能です*。外部コマンドとしてBashを起動することもできますし、シェルスクリプトの1行目のコメント行に実行プログラム名としてbashを “#!/bin/bash” のように明示的に指定することもできます。

ログインシェルのプロンプトが ”$” の場合は一般ユーザ、”#” の場合はスーパーユーザ（root）の権限でシェルを実行することができます。

*シェルのコマンドは組み込みコマンドと、外部コマンド呼び出しが可能です*。

内部コマンドには、操作コマンドとしてechoやprintf、ジョブ制御のfg・bg・jobs等があります。ディレクトリ管理用のdirs・popd・pushd、履歴管理のfcやhistory、環境設定のsetやalias等が用意されています。スクリプト言語の構文では、evalやbreak・continue・return・break・exit等が用意されていますのでコマンドを併用し、プログラミングに利用することができます。

外部コマンドの例ですが、LinuxやUNIX環境ではファイルやディレクトリ表示のls、カレントディレクトリ変更のcd・chdir、ファイルやディレクトリ移動のmv、削除のrm、コピーのcp等を利用し、業務プログラムと連携してスクリプト処理を作成します。上記以外にも、ご利用の環境で提供されているコマンドは外部コマンドとしてシェルから実行できます。

### シェルスクリプトの作成方法

*スクリプトファイルはテキスト形式ですので、emacsやvi等のテキストエディタを用いて作成します*。

シェルスクリプトでは環境変数に応じた処理の追加や、コマンド解釈で必要とされる引用ルールに応じた文字列を引数として渡すことができます。シェル組み込みコマンドや外部コマンドを組み合わせて、より大規模な処理を登録することが可能です。

WindowsのシェルはPowershellですが、LinuxやUNIXで使用しているBashを共通利用する場合はWSLを利用するのが良いでしょう。

WSL（Windows Subsystem for Linux）とは、Windows上でLinuxのコマンド・ツール・アプリケーションを直接実行するサブシステムを指します。*WSL2では最新の仮想化テクノロジーを使用し、Linux環境がそのまま動作します*。インストールも簡単に行うことができます。
【参考】：[Windows Subsystem for Linuxに関するドキュメント](https://docs.microsoft.com/ja-jp/windows/wsl/)
【参考】：[Microsoft WSL のインストール](https://docs.microsoft.com/ja-jp/windows/wsl/install)

## シェルの活用は、運用効率化の鍵

シェルはインタラクティブに操作するインターフェースとして、LinuxやUNIX系システムで標準的に利用されています。WindowsでもWSLの活用が進んでいます。*シェルスクリプトをシステム間で統一することで統合運用を図ることができます*。運用自動化や作業プロセスの標準化が可能となります。

特にBashはクロスプロットフォームでも動作するため、活用実践や知識吸収は運用スキルアップとしてもおすすめです。

DXとは？その意味と日本の現状、DX推進の障壁となる要因を分かりやすく解説！

shell（シェル）とは、OSの操作を行うためのインターフェースプログラムを指します。対話型で操作できるほか、シェルスクリプトというスクリプト言語に対応します。このため、運用自動化にも貢献します。ここではシェルの特徴やメリット、代表的な種類や活用方法を解説していきます。

shell（シェル）とは、システムコマンドを実行するOSの操作インターフェースを指します

対話的に逐次解釈する方法と、シェルスクリプト実行によるバッチ処理や一括実行に対応します

運用の自動化や作業の標準化・作業品質向上が期待でき、システム運用に活用されています

shell（シェル）とは？特徴やメリット・活用方法を解説

## 初心者でも分かるDockerコンテナ

エンジニアの皆さんは、Dockerやコンテナという言葉を耳にしたことがあるでしょう。仮想化の一種であることは分かっても、なかなかイメージがつかみづらく、理解が難しく思えますが、実は意外にシンプルな概念です。

ここでは、**Dockerコンテナに照準を当て、エンジニアの皆さんにぜひ知ってほしいことを中心に分かりやすく解説**をしますので、ぜひ最後まで読んでください。

【参考】：[ホーム-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！

皆さんは「コンテナ」と聞くと、何をイメージしますか？物流のコンテナをイメージする人も少なくないでしょう。確かに「コンテナ」は物流の世界ではよく利用されています。行き先ごとにコンテナに荷物をまとめ、コンテナ単位で船や列車、トラックにそのまま積み、目的地に運べます。

そのため、物流途上での積み替えや振り分けなど、無駄な作業が省け、効率的な物流を実現できます。Amazonはこのコンテナ物流を利用したことで今の地位を築いたとも言われています。

このように**物流業界では「コンテナ」による物流革命が起きましたが、ITの世界でも「コンテナ」が1つの革命を起こした**のです。それが「Dockerコンテナ」です。イメージとしては、次のような関係になります。

　　　　　　　　　　　　　　　*【コンテナA】【コンテナB】*

　　　　　　　　　　　　　　　　　　  *【Doker】*

　　　　　　　　　　　　　　　　　　　 *【OS】*

　　　　　　　　　　　　　　　　　　*【サーバー】*

### コンテナとはユーザー空間のこと

先ほどのイメージをより分かりやすく説明すると、サーバーにはOSがあり、さらにOSとコンテナを動かすためにDocker（エンジン）があります。コンテナはユーザー空間と呼んでも構いません。通常、*ユーザー空間は1つのOSに対して1つですが、Dockerではユーザー空間をコンテナとして複数設けることが可能*です。

**コンテナの中身はアプリケーションとミドルウェア、OSの一部（ライブラリーなど）**です。コンテナはOSのカーネルを利用して、それぞれが独立して動きます。

### Dockerコンテナ環境と仮想マシン環境との違い

ここまでの説明で、多くの方は「ただの仮想環境と何が違うのか？」と思われたかもしれません。確かに仮想マシンを実現する「ハイパーバイザー」と「Docker」の機能は似ているように思いますが、実は次の点で大きく異なっています。

*「仮想マシン環境」では「ハイパーバイザー」の下に「ゲストOS」を立て、その下でアプリケーションが動きます。*つまり、仮想マシンはOSそのものの仮想化です。ハイパーバイザーの詳細については後述します。

一方の「コンテナ型仮想環境」では、「ハイパーバイザー」と同じ位置に「Docker」があり、その下に「コンテナ」が複数あります。「コンテナ」にはOSライブラリー、ミドルウェア、アプリケーションが搭載されていると説明しましたが、Dockerの仮想化対象はコンテナです。

「仮想マシン環境」では必ず「ゲストOS」が必要ですが、**「コンテナ環境」ではアプリケーションを動かす際にサーバーOSのカーネル部分を、カーネル以外の部分はコンテナ自体のOSライブラリーを利用するため、ゲストOSを必要としません。**

上記の説明で簡単に紹介したハイパーバイザーについて、ここで詳しく解説します。**ハイパーバイザーとは、物理サーバー上に仮想環境を構築するためのソフトウェアのこと**です。

ハイパーバイザーには、ホストOSにインストールして使うホスト型ハイパーバイザーと、ホストOSにインストールしないネイティブ型ハイパーバイザーの2種類があります。

ホスト型ハイパーバイザーはOS上でソフトウェアとして稼働することで、OSの上でいくつもの仮想環境を動作させることができます。ホスト型ハイパーバイザーにはVMware Workstation Player・VMware Fusionなどがあります。

一方ネイティブ型ハイパーバイザーは、ハードウェア上で直接プログラムを稼働することで仮想環境を構築します。ネイティブ型ハイパーバイザーにはVMware vSphere・KVMなどがあります。

【参考】：[VMware Workstation Player のダウンロード | VMware | JP](https://www.vmware.com/jp/products/workstation-player/workstation-player-evaluation.html)

【参考】：[KVM](https://www.linux-kvm.org/page/Main_Page)

コンテナ型の仮想化技術はさまざまあります。LinuxベースのOpenVZなどもコンテナ型仮想化の1つです。そうした**コンテナ型仮想化技術を用いたサービスの中で、最も利用されているのがDocker**です。

*Dockerは、2013年にDocker社からリリースされ、Windows、Linux、Macなどのさまざまな環境で動作できる*点が特徴です。

またDockerにはKubernetes（クベルネテス）やDockerUIなどのGUI管理ツールを用いて、コンテナ管理や自動化が行えるメリットがあります。

現在、Dockerはクラウドの3大サービスであるAWS、Azure、GCPでも対応が進められています。

AWSのコンテナについて初心者にも分かりやすく解説！

クラウドエンジニアを目指す方必見！Azureを分かりやすく紹介！

GoogleのGCPについて知り、エンジニアのスキルに生かそう

## Dockerコンテナの利用メリット

コンテナ型仮想化技術を用いたDockerを利用すると、どんなメリットがあるのでしょうか？メリットを確認することで、Dockerに対する理解をさらに深めましょう。 

### 起動までの時間を大きく短縮できる

一般的な仮想サーバーでは、ゲストOS単位で仮想サーバーが生成されるため、OSの起動から利用可能な状態になるまで分単位の時間を要しますが、**コンテナ型仮想化では、コンテナ起動に掛かる時間は数秒程度です。**この身軽さ、素早さは大きな利点です。

*開発したシステムを動かすためには、同一環境を別のマシンで準備*しなければなりません。同一環境の構築の手間、環境確認や環境テストなど、多くの手順が必要です。しかし、**Dockerは環境が丸ごと提供されるため、少ない手順でスピーディーに同じ環境を再現**できます。

### Dockerイメージの配布により開発環境構築の時間が短縮できる

作成した*Dockerイメージはパッケージとして配布*できます。これにより、システム開発などで別のアプリケーションを動かす際にも、**Dockerイメージを利用すれば同一環境となり、環境のずれを防止できます。**Dockerイメージは開発環境を準備する時間の短縮にもおすすめです。

### ハードウェアリソースを削減できる

コンテナ自体は、アプリケーションの実行に必要なものだけに限定され、またホストOSのカーネル部分だけを使用するため、**無駄がなくパフォーマンスが向上し、リソースの削減も実現**します。

Dockerの特徴としてはコンテナ共有化サービスの『Docker Hub』があります。**『Docker Hub』を通じて世界中の開発者の成果物が共有**できます。これによって、よりレベルの高い優れたイメージを効果的、効率的に活用できます。

また、『Docker Hub』ではWebサイト構築に利用するWordPressやPHP、MySQLなどの環境がコンテナイメージとして提供されていますので、これらを利用してローカルに簡単にコンテナ環境を作成することも可能です。

【参考】：[Docker Hub Container Image Library | App Containerization](https://hub.docker.com/)

### インフラ調達は後回しにできる

一般的なシステム開発では、サーバーなどのインフラ環境を先に整えますが、Dockerコンテナでは、まずはアプリケーション作りから始めて問題がありません。アプリケーション開発が進んだところで、**コンテナ単位で本番環境に乗せればよいので、システムエンジニアはインフラを気にせず開発に専念**できます。

ロールバックの時間が速く簡単なことも、Dockerのメリットの1つです。ロールバックとは、日本語で「後退」「巻き戻し」という意味で、PCの状態を指定したところまで戻すことを言います。

開発やテストを行う上で、バージョンアップや処理を繰り返すことは多いです。そのため、バージョンアップする前や処理を実行する前の状態に戻すのに時間がかかると、作業効率が悪くなります。

ロールバックが速く簡単なことは開発・テスト作業を行う上で重要です。**Dockerコンテナは状態の差分を保存するため、ロールバックの時間が速く簡単なのがメリット**です。

良いことだらけに見えるDockerコンテナですが、デメリットもあり、必ずしもオールマイティではありません。そのため利用する際には、デメリットを意識し、対策が必要な場合があります。以下、**Dockerコンテナのデメリットを挙げますので、メリットと同様に認識しましょう。**

**Dockerコンテナは1つのOSに依存するため、OSの自由度はありません。**コンテナはホストOSのカーネルを使って動作します。したがってWindowsOS上で直接Linuxコンテナは動作させられません。同一マシン上で異なるOSを動作させるにはホスト型の仮想マシン環境が必要です。

コンテナはホストOSへの依存度が高く、個別にOSを立てるホスト型の仮想マシンと比較して、OSとの分離レベルが低いというデメリットがあります。**OSの脆弱性などに対する外部からの攻撃に対しては、すべてのコンテナが危険にさらされるため、細かいケアや対策が求められます。**

### Dockerファイルを作成するための知識が必要

**Dockerコンテナは便利なシステムである一方、使いこなすのが難しい**と感じることがあります。Dockerコンテナは使用する容量を少なく効率化するため、独自のファイルシステムを使用しています。このファイルシステムを理解するのが難しいと感じる場合があります。

## Dockerコンテナに関する疑問を解消

Dockerコンテナに関して、ある程度理解は進んだでしょうか？ここでは、**Dockerコンテナに関するよくある疑問について解説します。**

### Dockerコンテナの製品やサービス

Dockerコンテナを実際に製品やサービスとして提供しているものには何があるのか紹介します。

*▪Docker Hub*
**Docker Hubは、開発者が作成したコンテナをWeb上に公開・共有できるサービス**です。公開されているコンテナはダウンロード可能で、他人が作成したコンテナを利用してローカルにコンテナ環境を作成することもできます。

なお、2019年にDocker Store・Docker CloudはDocker Hubに統合されました。

【参考】：[DockerHub-Docker](https://www.docker.com/products/docker-hub/)

*▪AWS Fargate*
AWS Fargateとは、**「Amazon ECS（Elastic Container Service）」および「Amazon EKS（Elastic Kubernetes Service）」 で動作する、コンテナ実行環境**です。

コンテナ向けのサーバーを意識せずに利用できるクラウドサービスです。Googleの「Google Cloud Run」、Azureの「Azure Container Instances」なども同様のサービスです。

【参考】：[AWS Fargate（サーバーやクラスターの管理が不要なコンテナの使用）| AWS](https://aws.amazon.com/jp/fargate/)

*▪Docker Desktop*
**パソコンなどのローカル環境で簡単にDockerコンテナの開発環境を構築、導入できるソフト**です。WindowsやMacなどのOSに対応しています。個人向けプランは無償ですが、企業向けプランは有料化されています。

【参考】：[Docker Desktop - Docker](https://www.docker.com/products/docker-desktop/)

エンジニア必見！ Docker Desktop有料化の影響と対策

### Dockerのインストールと実行方法

Dockerは皆さんのパソコンにインストールをして実際に試すことができます。**インストールは『Docker Hub』から入手**します。以下のサイトでインストール、実行方法などを確認してください。

【参照】[Docker Desktop](https://docs.docker.jp/desktop/toc.html)

**パソコンにインストールしたDockerを利用するには、コマンドを用います。**Windowsであれば、コマンドラインを開いて、直接コマンドを打ち込みます。よく使うコマンドの例を挙げます。

*>docker version*
インストールされているDocker Engineのバージョン情報を確認します。

*>docker ps*
動作中のコンテナ一覧を表示します。

*>docker ps -a*
停止中のコンテナも含めて全てのコンテナを一覧表示します。

*>docker images*
現在取得済みのDockerイメージの一覧を表示します。イメージは主に「Docker Hub」から取得できます。

*>docker pull [イメージID]*
イメージをローカルに取得する際に使うコマンドです。

*>docker create --name [コンテナID] [イメージID]*
取得したイメージからコンテナ作成を行うコマンドです。 

*>docker start  [コンテナID]*
コンテナを実行するコマンドです。

*>docker stop [コンテナID] *
コンテナを停止するコマンドです。

*>docker cp*
コンテナのコピー、ファイル転送するコマンドです。

いかがですか？すでにDockerイメージがあれば、以上のコマンドだけでDockerコンテナのイメージを取得し、コンテナの作成と実行ができます。

## Dockerコンテナは必ず押さえておくべき技術

仮想化技術には、大きく分けるとOSの仮想化とコンテナ（ユーザー空間）の仮想化があります。ここではコンテナ仮想化のDockerについて採り上げ、その概念やメリット、デメリットなどを解説します。Dockerはエンジニアには必須技術ですので、ぜひ学んでください。

Dockerは、Docker社が提供するコンテナを仮想化するコンテナ型仮想環境実現ツール

従来型のホスト型仮想環境と異なり、コンテナ型仮想環境はゲストOSが不要である

Dockerイメージとはテンプレートであり、DockerコンテナとはDockerイメージを実行してできる仮想実行環境である

エンジニア初心者でも分かる！Dockerコンテナの超入門！

エンジニアの方が真っ先に思い浮かぶスクラッチは、ITのシステム開発時に一から開発する手法ではないでしょうか。ここで言うScratchは、ビジュアルプログラミングの言語です。

Scratch（スクラッチ）とは、*マサチューセッツ工科大学メディアラボが小中学生向けに開発した教育プログラミング言語を指します*。完全無料であり、多くの言語文字に対応しますので利用が拡大しています。日本語については、漢字とひらがなの双方に対応しますので幅広い層で利用可能となっています。
【参考】：[Scratch](https://scratch.mit.edu/)



Scratchは、8歳から16歳をターゲットに設計されています。*世界200カ国以上の国々で利用されており、70カ国以上の言語で提供されています*。公式サイトの情報によると、2022年5月現在の利用者は9,000万人を超えており大変人気があります。
【参考】：[Scratch Community statistics at a glance](https://scratch.mit.edu/statistics/)

Scratchもこれまで何度かバージョンアップを行っています。2007年に正式リリースされた初期バージョンは、Smalltalk環境の1つであるSqueakで動作しました。2013年に登場した2.0は、Adobe AIRに置き換えられました。2019年登場の最新版3.0では、*HTML5ベースに置き換えられアプリ利用せずに利用できるウェブアプリケーションのため、利用者がさらに増えました*。

利用者は気づきにくいとは思いますが、このようにバージョンアップとともにベースとなる動作環境や言語仕様も変遷を遂げています。

Scratchの派生版ですが、5歳から7歳向けのソフトウェアとなるScratchJrが、タフツ大学リサーチグループらとの共同開発で製品化されました。Scratchの簡易版の位置づけとなっており、お絵描きできるレベルから徐々にプログラムを学んでいきます。その過程で、*幼児期の計算力や識字力を高めていきます*。
【参考】：[ScratchJr](https://www.scratchjr.org/)

scratchは、ビジュアルプログラミングという手法を用います。ビジュアルプログラミングとは、視覚的な図形や絵・アイコン等のオブジェクトを用い、矢印で連結しプログラム作成する言語手法を指します。

ビジュアルプログラミングの基本概念ですが、指示で用いる条件や具体的な動作が書かれたオブジェクトをマウス操作でつなぎ合わせ、必要となる動作を完成させていきます。組み合わせを工夫することで様々な動作をさせることができます。

Scratchは、*ブロック型ビジュアルプログラミング言語です*。基本操作の書かれたブロックを連結し、動きや見た目や音等に処理を表していきます。画像のコスチューム変更や音の変更もできます。

Scratchは、感覚的に操作できるように設計されていますので、従来のコンピュータ言語で必要とされるような言語仕様を覚える必要がありません。プログラム知識不要で、幼児のコンピュータ教育から始められます。

Scratchは操作が簡単でありながら、*漢字・ひらがな表示に対応しています*。子供から未経験の大人まで実際にプログラミングし実行することができます。すぐに理解できますので、実行コード作成の操作を通じて論理的思考を学び、発想力やコミュニケーション能力が向上します。

Scratchでは、ゲームやアニメーション作成を簡単に行うことができます。イベントを登録することでインタラクティブなストーリー作成も可能です。完成した作品は、コミュニティで共有し互いに作業することもできます。アカウント登録なしでも公開作品で遊んだり、新規にプロジェクトを作成することができます。アカウント登録することで、作品を共有することもできます。

Scratchは、拡張機能があり外部装置との接続が可能です。この機能を用いてロボット制御を簡単に行うこともできます。LEGOによるロボット接続キットも販売されています。
【参考】：[LEGO MINDSTORMS EV3](https://scratch.mit.edu/ev3)
【参考】：[LEGO BOOST](https://scratch.mit.edu/boost)

このようなScratchの操作を通じて、*論理的思考の考え方を学び、問題解決やプロジェクト設計、アイデアの共有や交換の方法を理解することができます*。

*Scratchのプロジェクト作成から実行までの一連の流れは、Scratchの中で完結します*。そのため、その中でScratch以外のプログラムを利用することはできませんし、他のプログラム言語でScratchのコードを実行することもできません。AndroidやiPadで動作する汎用コードの作成は、これまでのテキストベース言語に任せることになります。

Scratchを始めるには、*PCやタブレットのブラウザから誰でも始めることができます*。スマホは閲覧のみで、プロジェクトの作成・編集はできません。ブラウザはPCでは、ChromeやEdge・Firefox・Safariがサポートされます。タブレットでは、モバイル用のChromeとSafariに対応します。

PCやタブレットでサポートされるブラウザのバージョンですが、PC用ブラウザは、Chrome：バージョン63以降、Edge：バージョン15以降、Firefox：バージョン57以降、Safari：バージョン11以降がサポートされます。Internet Explorerはサポートされていません。

言語・開発の記事（80ページ目）