IBMのサーバレス環境OPENWHISKについて聞いてきた！

JUG CCCで、

SERVERLESS ARCHITECYURE FUNDAMENTALS

を聞いてきたので、メモ
（ただし、英語で聞いてきたので、メモが間違ってるところあるかも？
　表題のOPENWHISKについては、後半で）

---

・自己紹介
・IBMがオープンソースにいっぱい寄与

・サーバーレスとは？
　１．良くない名前だね
　　サーバーはある
　ポイントは
　　安い
　　簡単
　ファンクション　あず　あ　サーバー（FAAS)
　クラウド　ファンクション

　定義
　　プロビジョニングやサーバー管理なしに、コードが動くこと

サーバーレスは気にしない
　　スケーラビリティ
　　あべいらびりてぃ

プライシング：CPU（１００ミリ秒ごとに）＊メモリー使用料＊＄０．０００いくつか
　せつやくできる

・新しいアーキテクチャモデルなの？
　　コンシューマーのコンピューティングは
　　　　マイクロコンピューター→SAAS
　　エンタープライズのコンピューティングは
　　　　IAAS→サーバレスへ

APPS　　　　　　　　　　　　　　APPS
FAAS　　　　　　　　　　　　　　FAAS
コンテナ
プラットフォーム　　　→　　インフラはだれかのお仕事
インフラ

いままで　　　　　　　　　　　サーバーレス

VM→コンテナ→ファンクションへ

制限
　　実行時間
　　RATE　LIMITS：自動的に拡張してしまう

どっかーってなに？もうDockerはいらない

・新しいアーキテクチャ
　　FAAS使う
　　自分のFAASをかく
　　イベントドリブン

FAAS
　メッセージ
　HTTPコール　　→インボーク
　DBモニター

もう使っている
　Google FAAS
　　イメージ
　TWILIOなど

アーキテクチャーのシフト
　　ライブラリのインクルード→ルート・サービスのインボーク
　　パラメータ付きでイベント発火→FAASのインボーク

FAAS
　・小さい
　・短い実行時間
　・ステートレス

２つのスタイル
　　SYNC
　　ASYNC：長い実行時間のものなど

FAASの実装
・OPENWHISK
・Amazon　LAMBDA

・OPENWHISKのデモ
　　機能：JSONで入出力
　　IBMクラウドに作成する
　　IBMクラウドへインボーク

OPENWHISK：いろんな言葉に対応どっかーも

※ここで、ディスプレイが故障した
　クラウドファンクション→マイクロファンクション
　インフラ気にしないでいい
　早く提供できる

ワークショップやってる

３つのクラウドファンクションを考える
（ホワイトボードの内容）

CF－ABC
　　　　　　＊－－－－－＊　＊－－－－－－－＊　＊－－－－－－－＊
　　　　　　｜　CF-A　　｜　｜　CF-B　　　　｜　｜　CF-B　　　　｜
　　　　　　｜　login 　｜→｜load profile　｜→｜get item cart ｜
　　　　　　＊－－－－－＊　＊－－－－－－－＊　＊－－－－－－－＊
　　　　　　　　　　　　　　　　　　　　　　　　　　　　　｜
　Web　　 　　　　　　　　　　　　　　　　　　　　　　　　｜
ブラウザ　←ーーーーーーーーーーーーーーーーーーーーーーー
　

機能をオーケストレーションする

---

【参考】

OpenWhiskの記事
オープンソースのサーバレス実行環境「OpenWhisk」の概要とアプリケーションの作成
https://codezine.jp/article/detail/9623

なお、IBMのマイクロサービスは
https://www.ibm.com/cloud/functionsにあり、

使い方は
IBM OpenWhiskというサーバーレス実行環境を用いて、Swiftでおみくじ
https://qiita.com/mono0926/items/e8941135f34eea8da015

「ハイパーパラメタ」と言って、意味わからないのなら、AI投資はやめたほうがいいと思う。

・従来のAIは特徴量を利用していた。

　ディープラーニングは、特徴量がわからなくても、認識はできるんだけど、
　代わりにハイパーパラメータを決めなきゃいけない。

ここで、ハイパーパラメータって、意味わかります？
　ディープラーニングの層を何層にするか、ドロップ率をどれくらいにするかなど、
　ディープラーニングを実施する上で決めなければならない設定値のことなんだけど、
　この設定値により、学習がうまくいったり、できなかったりする。

つまり、特徴量のかわりに、このハイパーパラメータを決めなきゃいけず、
特徴量は理屈で予想がつくけど、ハイパーパラメータはそうじゃないので、
ディープラーニングでうまくいくかどうかは、経験と勘のやばい世界でもある
（このハイパーパラメータの最適化が最近の話題）

---

だけど、このハイパーパラメータって言葉をしらないと、この部分の話がぬけるので、
さっきの文は、

・従来のAIは特徴量を利用していた。
　ディープラーニングは、特徴量がわからなくても、認識できる

というお花畑になってしまう。こういう状態でAIに投資をすると・・