-
React 深掘り
GraphQLクライアント — 一覧を出すのにAPIを4回叩く
一覧画面を1枚出すために、REST のエンドポイントを4回、多いときは21回叩いていた。そのうえ1件70項目も返ってきて、使うのは2項目だけだった。この記事では外部の公開APIを一切使わず、その「取りすぎ」と「足りない」を再現する小さな REST API を Express で自分で立て、転送量とリクエスト回数を実測する。次に graphql-yoga で GraphQL サーバーを自分で書き、まず curl の POST 1本だけで叩いて、同じ表で数字を比べる。そのうえで React 側に urql を入れ、ドキュメントキャッシュの素直さと限界を Network タブで確認する。Relay は思想が違うので、コンパイラを実際に走らせて「スキーマ側の規約を要求される」ところまで見て、個人開発では重いと結論を出す。最後に「GraphQL を入れない理由のほうが多い」判断基準を残す。 -
React 深掘り
React NativeとExpo — 書けてもdivは無い
「Reactが書けるならスマホアプリも作れる」と言われて React Native を触ったら、最初の1画面で落ちました。div も span も p も無く、文字を View に直接書くと落ち、CSSファイルも無い。何が同じで何が違うのかを、実際に create-expo-app でプロジェクトを作り、手持ちのスマホの Expo Go で動かしながら1つずつ切り分けます。わざと落として原因を読み、カウンターを作り、位置情報の権限を「拒否」して分岐が無いと落ちることも確かめます。Expo と素の React Native の違い、そしてストア配布に何が要るのかという現実的な着地まで。この回だけは VM ではなく Windows 本体と実機で作業します。 -
React 深掘り
Reactのアニメーション — 動きを付けたらカクついた
フェードインを1つ足しただけで画面がカクついた。原因はライブラリではなく「どのプロパティを動かしたか」でした。この記事では、まず left と width を動かす版と transform と opacity を動かす版を同じ画面に並べ、DevTools の Performance タブでフレームレートとレイアウトの再計算回数を実際に測って比べます。そのうえで CSS の transition と @keyframes だけでどこまで書けるか、どこで足りなくなるか(消えるときのアニメーション)を再現し、そこで初めて Framer Motion・react-spring・GSAP を1つずつ入れます。時間で指定する道具と物理で指定する道具の止まり方の違い、GSAP を React で使うときの後片づけ、そして prefers-reduced-motion まで。~/anilab をポート5186で新しく作り、最後に消します。 -
システム設計 深掘り
レプリケーションとシャーディング — 書き込みは速くならない
書き込みが詰まったのでレプリカを2台足したのに、書き込みは1ミリ秒も速くなりませんでした。レプリケーションが分散するのは「読み」だけで、「書き」は primary 1台に集まったままだからです。この記事では MySQL を Docker Compose で primary 1台 + replica 2台立てて実際にレプリケーションを組み、読みを振り分けたときに primary の CPU がどう下がるかを docker stats で測ります。次にわざと遅延を作り、遅れたレプリカを読むと古い値が返ることを再現します。primary を停めてレプリカを昇格させ、昇格が自動ではないこと、古い primary を戻すと二重書き込みになることも手で確かめます。後半はシャーディングで、範囲・ハッシュ・一貫性ハッシュの3つの分け方を Node のスクリプトで実際に計算し、台数を1台増やしたときに何%のデータが引っ越すかを数えます。最後に2台に分けた MySQL で JOIN・トランザクション・採番が壊れるところまで再現して、全部消します。 -
システム設計 深掘り
指数バックオフとバルクヘッド — リトライが障害を長引かせる
落ちかけている相手に素朴なリトライを投げると、負荷が3倍になって復旧を邪魔する。この記事では Node.js で「呼ぶ側」と「呼ばれる側」を自分で書き、わざと壊して、到達回数を数えます。素朴なリトライ・指数バックオフ・ジッタの3つを実測で比べ、バックオフだけでは再送の波が揃ってしまうことを確かめます。さらに、遅い相手が全体のコネクションを食い潰す様子をバルクヘッド(同時実行数の隔離)で止め、nginx の upstream で primary を1台落として backup へ切り替わるところを見ます。最後に、全部止めずに古いデータを返す「縮退」を実装し、どの型をいつ入れるかの優先順位で締めます。作業は VM の中の ~/rellab で行い、終わったら全部消します。 -
システム設計 深掘り
イベント駆動アーキテクチャ — 機能を足すたび注文APIが壊れる
注文が入ったらメールを送り、在庫を減らし、売上集計を更新する。この3つを注文APIから順に呼ぶ形で作ったところ、メールサーバーを1つ落としただけで注文そのものが500になりました。この記事では同じ機能を Redis Streams のイベント形に組み替え、購読側を1つ落としても注文が通ること、機能を1つ足しても注文APIを1行も触らずに済むことを実測します。そのうえで代償を正面から測ります。全体の流れがどこにも書かれていないこと、相関IDが無いと追跡できないこと、注文直後にメール履歴がまだ無いこと、同じイベントが2回届くことを、わざと起こして確かめます。続いてコマンドとイベントの違い、指揮者を置く形と各自が反応する形を比べ、CQRSでは20万件の集計クエリと、イベントで更新しておいた集計テーブルの実行時間を並べます。最後にイベントソーシングを小さく実装し、再生が遅くなるところまで見てから「大半のアプリには要らない」と結論を書き、立てたものを全部消します。 -
システム設計 深掘り
サービスディスカバリと名前解決 — 相手のIPを書いたら翌日壊れた
サービスAの設定ファイルにサービスBのIPアドレスを書いたら、コンテナを作り直した翌日に全部つながらなくなりました。この記事では Docker Compose で小さなサービスを2つ立て、まず docker inspect でIPが実際に変わるところを見てから、IP直書きが壊れる瞬間を再現します。次にサービス名で呼ぶ形に直し、getent hosts でDNS解決を確かめます。そのうえで「DNSだけでは足りない」ことを、nginx が起動時に解決したIPを掴んだまま502を返し続けるところで実測し、resolver と TTL で直します。さらに Redis を登録簿にした小さなサービスレジストリを作り、SETEX と定期更新で登録し、片方を止めると登録が自動で消えるところを確認します。最後に nginx で入口を1つにまとめる API ゲートウェイとレート制限を作り、BFF の考え方まで触れて、立てたものを全部消します。 -
システム設計 深掘り
データストアの選び方 — 速いのはJOINをしていないから
「NoSQLは速い」と聞いて MongoDB に移し、3ヶ月後に自分でJOINを書いていました。データの持ち方は速さで選ぶものではなく、どう問い合わせるかで決まります。この記事では Docker Compose で MySQL・Redis・MongoDB を同時に立て、利用者・投稿・タグ・フォローという同じ題材を、キーバリュー・ドキュメント・リレーショナルの3つの形で実際に持ってみます。同じ問いを3つの形に投げ、取れるもの・取れないもの・何回問い合わせが要るかを数えます。さらに1000万行のテーブルを作り、1列だけ合計する問いで行単位に読む形の不利を EXPLAIN と実行時間で見せ、列指向が何をしているのかを被覆索引で再現します。最後にフォローを3段たどる問いを再帰CTEで書き、深さを1つ増やすだけで急に遅くなるところを実測して、グラフDBが要る場面と要らない場面を分けます。立てたものは全部消します。 -
システム設計 深掘り
結果整合性とCAP定理 — リロードしたら件数が減った
レプリカを1台足した翌日、「投稿したのに一覧に出ない」「リロードしたら件数が減った」という報告が来ました。バグではなく、読む先を増やした瞬間から必ず起きることです。この記事では MySQL の primary 1台 + replica 1台を Docker Compose で立て、replica にわざと遅延を作って「書いた直後に自分の書き込みが読めない」ところを実測します。単調読み取りが崩れて件数が減る様子、返信が本文より先に見える因果の逆転も、実際にコマンドの出力として再現します。そのうえで強整合にする手段を3つ試します。primary から読む、SELECT ... FOR UPDATE、準同期レプリケーション。それぞれ何ミリ秒遅くなるかを測ります。最後に docker network disconnect で replica を切り離し、古い値を返すかエラーを返すかの二択しか無いことを目で見て、業務ごとにどちらを選ぶかの判断表を作ります。立てたものは全部消します。 -
システム設計 深掘り
可用性とSLO — 99.9%は月に43分しかない
「99.9%を目指します」と書いてから、それが月に何分の停止かを知りませんでした。この記事ではまず9の数を年・月・週・日の分数に直す小さなスクリプトを書き、99.9%が月43分しかないことを数字で確かめます。次に直列と並列で可用性がどう動くかを計算し、部品を足すと可用性が下がることを表で見ます。そのうえでVMに nginx とバックエンド2台を Docker Compose で立て、1台を止めた状態で curl を回し続けて「落ちていた時間」ではなく「失敗したリクエストの割合」を数えます。fail_timeout を変えて復旧時間が変わることを実測し、MTBF と MTTR から可用性を出し、SLA・SLO・SLI とエラーバジェットを月43分として計算します。最後に、個人サイトにどこまで必要かを金額と並べて判断します。