買いました。

写真の赤いUSBドングルがXiのデータ端末L-02C。今の時期はどこのショップでもキャンペーンやってると思いますが、僕の場合だとXi同時契約で端末代から3.5万円引き、ポケットチャージャー(モバイル充電器)、あと細かいアクセサリをいくつか貰いました。

Xi(LTE)の対応エリアはここから見ることができます。
関東・甲信越 「Xi」（クロッシィ）サービスエリア
2011/12現在だと23区内でもまだスカスカな所があるみたいなので注意。

4.5インチはやっぱり大きい。手が小さいので右上隅とか指ぜんぜん届かんしポケット入らへん(´・ω・`)
使いこなせるようにならなくては。

今回はFlashDevelopを使ってWindows x86用のANEを作ろうかと思います。小さなdll (Dynamic Link Library)を作るだけなので、Visual Studio(Visual C++)のような大げさなIDEは使わずにGCCで。余計なプロジェクトフォルダやファイル等も作らなくていいのですっきり作れるんじゃないかなと。Windows環境へのGCCのインストール方法はこのエントリーの最後に紹介しています。

Flash Builder + Visual Studio な環境の人は、agendy さんにてANEを利用したAIRアプリケーションの作り方を丁寧に解説されていますので、そちらの良エントリーを参考にしてください。
参考: ActionScript Native Extensionsのサンプルアプリ作成のまとめ

ここではFlashDevelop (Flex/AIR SDK)はインストール、設定完了済みとします。
* 環境
　FlashDevelop 4.0.0 RC2
　gcc version 4.6.1

FlashDevelopでAIRプロジェクトを作る

[Project] > [New Project] > [AIR AS3 Projector] から HelloANE という名前のAIRプロジェクトを作ります。それから bat/CreateCertificate.bat を [右クリック] > Execute して HelloANE.p12 を先に作っておきます。パスワードはデフォルトだと “fd” になるようですが、サンプルなのでここはなんでもいいです。証明書関連についてはこのエントリーの主旨ではないため説明は省きます。

ActionScript3.0でインタフェースを決める

まずはAPIのインタフェースを決めるところから。
[as]
package com.example {
import flash.external.ExtensionContext;

public class HelloWorld {
private var ctx:ExtensionContext;

public function HelloWorld() {
ctx = ExtensionContext.createExtensionContext(“com.example”, null);
}
public function say():String {
return ctx.call(“hello”) as String;
}
public function dispose():void {
return ctx.dispose();
}
}
}
[/as]
コンストラクタで ExtensionContext のインスタンスを作ります。createExtensionContext メソッドの第1引数は拡張IDと呼ばれるものです。後で使うので他と衝突しないユニークなIDを付けておいてください。第2引数はコンテキストタイプと呼ばれるもので、ネイティブ側で複数の関数群を提供している場合にこのコンテキストタイプを使って呼び出せる関数群の判別を行ったりします。今回はネイティブ側で1つしか関数を提供しないのでnullを指定して構いません。

HelloWorld#say ではネイティブ側の hello という名前の関数を呼び出し、その関数の戻り値をStringとして返します。HelloWorld#dispose はコンテキストのリソース解放を行うためのメソッドです。これを明示的に呼び出さない場合はGCがリソースを回収してくれるので今回は特に気にしません。ネイティブ側で巨大な空間をmallocした時などはこれをきちんと呼び出してやる必要がありそうです。

C言語でネイティブ関数を実装する

作業用フォルダとして新規に ext フォルダを作り、{FLEX_SDK_PATH}\include\FlashRuntimeExtensions.h と {FLEX_SDK_PATH}\lib\win\FlashRuntimeExtensions.lib の2つをコピーして置きます。そして hello.c ファイルにC言語でネイティブ関数を実装します。
[cpp]
/* hello.c */
#include
#include “FlashRuntimeExtensions.h”
#define EXPORT __declspec(dllexport)

// ネイティブ関数の本体
// “Hello, World!” という文字列データをFREObject値として返す
FREObject _hello(FREObject ctx, void* funcData,
uint32_t argc, FREObject argv[]) {
FREObject ret;
const char* msg = (const char*)”Hello, World!”;
FRENewObjectFromUTF8(strlen(msg) + 1, (const uint8_t*)msg, &ret);
return ret;
}
/** FREObject型
* typedef void* FREObject
*
** FRENewObjectFromUTF8関数
* FREResult FRENewObjectFromUTF8(uint32_t length,
* const uint8_t* value ,
* FREObject* object);
*/

// 関数テーブル
// “hello” がAIRランタイム側(AS)から呼び出される関数名
// functionData はここでは使わない
// _hello がネイティブ関数へのポインタ
FRENamedFunction _methods[] = {
{ (const uint8_t*)”hello”, NULL, _hello }
};
/** FRENamedFunction構造体
* typedef struct FRENamedFunction_ {
* const uint8_t* name;
* void* functionData;
* FREFunction function;
* } FRENamedFunction;
*/

// 拡張コンテキスト初期化時に呼ばれる
void _ctxInitializer(void* extData, const uint8_t* ctxType,
FREContext ctx, uint32_t* numFunctionsToSet,
const FRENamedFunction** functionsToSet) {
*numFunctionsToSet = sizeof(_methods)/sizeof(FRENamedFunction); // == 1
*functionsToSet = _methods; // 関数テーブルの紐付け
}

// 拡張コンテキスト破棄時に呼ばれる
void _ctxFinalizer(FREContext ctx) { /* なにもしない */}

// アプリケーション初期化時に呼ばれる, DLLからエクスポート
EXPORT void extInitializer(void** extDataToSet,
FREContextInitializer* ctxInitializerToSet,
FREContextFinalizer* ctxFinalizerToSet) {
*extDataToSet = NULL; // 拡張データ, ここでは使わない
*ctxInitializerToSet = _ctxInitializer; // イニシャライザの紐付け
*ctxFinalizerToSet = _ctxFinalizer; // ファイナライザの紐付け
}

// アプリケーション終了時に呼ばれる, DLLからエクスポート
EXPORT void extFinalizer(void* extData) { /* なにもしない */ }

[/cpp]
C++ではないので extern "C" を書く必要はありません。また、最初に #define EXPORT __declspec(dllexport) をしています。これはDLLから関数をエクスポートする為に指定するものです。

FRENamedFunction 構造体のメンバになっている FREFunction というのが FREObject 型の値を返す関数へのポインタになっています。そしてその FREObject というのは単に void* を typedef しているだけ。ここでは関数テーブルでAIRランタイム側から呼び出せるネイティブ拡張関数群を管理しています。今回の例では1つしか関数を提供しないのでメリットがわからないかもしれませんが、提供する関数の数が増えてくると便利になります。その他のAPIや型情報などの細かい部分は公式のドキュメントを読んで理解しておきます。

DevelopingActionScriptExtensionsForAdobeAIR.pdf

ネット上にあるANEのサンプルコードの中には、初期化時関数や終了時関数を紐付ける部分で、関数名の前にアドレス演算子 & を付けている場合もあれば付けていない場合もあって混乱する人もいるかもしれません。が、それらはどれも問題なく動作するはずです。これはC言語の関数ポインタ(と文法)に関する少しややこしい話になるのでここでは割愛しますが、もし興味があれば以下のプログラムの実行結果を予想してから実際に確認してみてください。
[cpp]
#include

int test() {
return 1;
}

int main(void) {
int (*func)() = test;
printf(“%d\n”, test());
printf(“%d\n”, (&test)());
printf(“%d\n”, func());
printf(“%d\n”, (*func)());

printf(“%p\n”, test);
printf(“%p\n”, &test);
printf(“%p\n”, func);
printf(“%p\n”, *func);
printf(“%p\n”, ***********func);
return 0;
}
[/cpp]

* コンパイル
ネイティブ側の実装が済んだのでdllファイルをGCCで作ります。

C:\Users\Ryo\workspace\HelloANE\src\ext>gcc -c hello.c
C:\Users\Ryo\workspace\HelloANE\src\ext>gcc -shared -o hello.dll hello.o FlashRuntimeExtensions.lib

たった2回gccを叩くだけ、簡単ですね。FlashRuntimeExtensions.lib をリンクするのを忘れないように。これで hello.dll というファイルが生成されます。

aneファイルの作成

作成に必要なものは以下の5つ。

* 電子署名ファイル (HelloANE.p12 作成済)
* dllファイル (hello.dll 作成済)
* 拡張記述ファイル
* swcファイル
* library.swf

ということでまだ作っていない拡張記述ファイル(XML形式)から。名前は extension.xml とします。
[xml]

com.example
1

次は library.swf を作ります。swcファイルを展開すると入ってるので各々好きな方法で準備してください。ちょうどコマンドプロンプトが開いていたのでここでは acompc を使ってswcファイルを作ります。

## {FLEX_SDK_PATH}/bin へのPathは通っていることとする
C:\Users\Ryo\Documents\workspace\FlashDevelop\HelloANE>acompc ^
More? -target-player=13 ^
More? -source-path src ^
More? -include-classes com.example.HelloWorld ^
More? -output=hello.swc
設定ファイル "C:\Program Files\FlashDevelop\sdks\flex_sdk_4.5.1\frameworks\air-config.xml" をロードしています
C:\Users\Ryo\Documents\workspace\FlashDevelop\HelloANE\hello.swc (2094 bytes)

このswcファイルをzipとして展開して中にある library.swf を取り出しておきます。

* adtコマンドでaneファイルの作成
作業用フォルダとして新規に ane という名前のフォルダを作って必要な5つのファイルを入れておき、adt を使ってaneファイルを作成します。

C:\Users\Ryo\Documents\workspace\FlashDevelop\HelloANE\ane>adt -package ^
More? -storetype pkcs12 ^
More? -keystore HelloANE.p12 ^
More? -target ane hello.ane extension.xml ^
More? -swc hello.swc ^
More? -platform Windows-x86 library.swf hello.dll
password: パスワードを入力、デフォルトのままなら "fd"

C:\Users\Ryo\Documents\workspace\FlashDevelop\HelloANE\ane>

ここまでの作業でプロジェクトフォルダの中身は以下のようになっているはず。

動作確認

ネイティブ関数の呼び出しテストを行う前に application.xml を少し編集します。以下の情報を好きな所に追記します。extensionID には com.example.HelloWorld.as の中で指定した識別子文字列を入れます。

* application.xmlの編集
[xml]

com.example

[/xml]

* テスト用ASファイル(Main.as)の編集
ネイティブ関数をcallしてその戻り値をTextFieldに書き出します。
[as]
package {
import flash.display.Sprite;
import com.example.HelloWorld;
import flash.text.TextField;

public class Main extends Sprite {
private var ext:HelloWorld;

public function Main():void {
ext = new HelloWorld();
var tf:TextField = new TextField();
tf.text = ext.say(); // HelloWorld#say の中でネイティブ関数をcall
addChild(tf);
}
}
}
[/as]

* extdirフォルダの作成
このままF5を押しても Not supported native extensions profile と言われて実行できないはずです。ここで extdir という名前のフォルダを作り、aneファイルを展開したものを置いておきます。

* Run.batの編集
次に Run.bat ファイルを1行だけ編集します。10行目あたりにあるadlコマンドを叩いている所を以下のように修正します。

adl -runtime "%FLEX_SDK%\runtimes\air\win" -profile extendedDesktop -extdir extdir "%APP_XML%" "%APP_DIR%"

* 実行
今度こそ大丈夫、もう一度F5。

おつかれさまでした。

感想

AIRに触るのも初めてだったのですが特につまづく所はなかったです。ANEの作成手順自体は一見複雑なように見えますが、batファイルに手順をまとめて書いておくとか作業の効率化も難しくはありません。次はもう少し複雑な処理を試してみたいと思います。

enjoy!

——————–

おまけ: コンパイラ (GCC) の準備

C言語で普段プログラムを書いている人にとってGCCはお馴染みですね。Windows環境にGCCを入れるにはMinGWがお手軽なのでこれを入れます。Visual Studioと比べれば大変小さなツールなのですぐにインストールできるはずです。Flasherの方々にとってはもしかしたら聞き慣れないツールかもしれませんが、Cygwinからフォークして作られた有名なものなので神経質になる必要はありません。

公式のインストーラを使って入れます。ここでは最新の mingw-get-inst-20111118 を使います。インストールはマウスでぽちぽちしていくだけなので簡単ですが、以下のサイトで丁寧に説明されているので参考までに。
参考: Windows で MinGW バージョン 20110530 のインストールとテスト実行
ANEを作るだけなら C Compiler と C++ Compiler だけ入れればOK、MSYSはお好みで。インストールできたら環境変数Pathを編集しておきます(C:\Program Files\MinGW にインストールした場合は C:\Program Files\MinGW\bin をPathに追加)。
参考: Windows 環境変数 Path の設定方法

* 動作確認

C:\Users\Ryo>gcc -v
Using built-in specs.
COLLECT_GCC=gcc
COLLECT_LTO_WRAPPER=c:/program files/mingw/bin/../libexec/gcc/mingw32/4.6.1/lto-wrapper.exe
Target: mingw32
Configured with: ../gcc-4.6.1/configure --enable-languages=c,c++,fortran,objc,obj-c++ --disable-sjlj
-exceptions --with-dwarf2 --enable-shared --enable-libgomp --disable-win32-registry --enable-libstdc
xx-debug --enable-version-specific-runtime-libs --build=mingw32 --prefix=/mingw
Thread model: win32
gcc version 4.6.1 (GCC)

まずはインストールから。
* 環境
Linux 2.6.18-194.26.1.el5 x86_64 (CentOS release 5.7)
gcc version 4.4.4 20100726

インストール

C++ドライバは Boost と pcre 、SCons が別途必要なのでそちらを先にインストールします。Boostはインストール済みな人も多いかと思いますが、僕の環境ではバージョンが古めだったのでアップデートしました。v1.47からは bjam の他に b2 でもビルドできるようです。yumだと古いバージョンが入るのでソースからビルドします。
[shell]
$ wget http://sourceforge.net/projects/boost/files/boost/1.47.0/boost_1_47_0.tar.gz/download
$ tar zxf boost_1_47_0.tar.gz
$ cd boost_1_47_0
$ ./bootstrap.sh
$ sudo ./b2 install –prefix=/usr/local ## インストールしたいディレクトリ
[/shell]
/usr/local/ 以下を汚したくない場合は prefix で任意のディレクトリを指定すればOKです。

次にpcreですが、こちらはyum(Debian系はapt)で入れても大丈夫です。バージョンの古さが気になる場合は Utter Ramblings レポジトリを追加してそこからインストールするといいです。
[shell]
$ sudo yum install pcre.x86_64 –enablerepo=utter
[/shell]

MongoDB C++ドライバのビルドには SCons を使うので、もし入っていなければインストールします。
[shell]
$ sudo yum install scons
[/shell]

目的のMongoDB C++ドライバ(ここではv2.0を使う)を入れます。頻繁に更新されているようなので注意してください。特にv2.0のドライバは古いものだとコンパイルに失敗することが多いようです。
C++ Driver Download
[shell]
## modified 2011-11-09 17:53:31 のドライバをビルド
$ wget http://downloads.mongodb.org/cxx-driver/mongodb-linux-x86_64-v2.0-latest.tgz
$ tar zxf mongodb-linux-x86_64-v2.0-latest.tgz
$ cd cd mongo-cxx-driver-v2.0
$ scons -c ## 念のためビルド前にターゲットをクリーンアップしておく
$ scons –extrapath=/usr/local ## boostのインストールされているディレクトリを指定
[/shell]
scons でも make と同様に -j オプションで並列ビルドができますが今回は付けませんでした。案の定、コンパイルにはけっこうな時間がかかってしまいましたが。。

無事にビルドできたら、出来上がった libmongoclient.so を ldd で依存関係を確認しておきます。
[shell]
$ ldd ./libmongoclient.so
libpthread.so.0 => /lib64/libpthread.so.0 (0x00002ae841b9e000)
libboost_thread.so.1.47.0 => /usr/local/lib/libboost_thread.so.1.47.0 (0x00002ae841db9000)
libboost_filesystem.so.1.47.0 => /usr/local/lib/libboost_filesystem.so.1.47.0 (0x00002ae841fd2000)
libboost_system.so.1.47.0 => /usr/local/lib/libboost_system.so.1.47.0 (0x00002ae8421f2000)
libstdc++.so.6 => /usr/lib64/libstdc++.so.6 (0x00002ae8423f5000)
libm.so.6 => /lib64/libm.so.6 (0x00002ae8426f5000)
libgcc_s.so.1 => /lib64/libgcc_s.so.1 (0x00002ae842979000)
libc.so.6 => /lib64/libc.so.6 (0x00002ae842b87000)
/lib64/ld-linux-x86-64.so.2 (0x0000003cd5a00000)
librt.so.1 => /lib64/librt.so.1 (0x00002ae842edf000)
## 確認したら ldconfig で共有ライブラリのリンク設定を更新
$ sudo cp ./libmongoclient.so /usr/local/lib
$ sudo ldconfig /usr/local/lib
[/shell]

動作確認

インストールが終わったら動作確認。ここでは簡単なCRUD操作を試してみます。
* データベース: test, コレクション: users
[cpp]
/* mongo_test.cpp */
#include
#include

int main(void) {
using namespace std;
try {
/* connect */
mongo::DBClientConnection client;
client.connect(“localhost:27017″);

/* database: test, collection: users */
const string ns = “test.users”;

/* insert */
/* { “name”: “Ryo”, “age”: 26 } */
/* { “name”: “Ryo”, “age”: 26, “address”: “tokyo” } */
cout << "--- insert ---" << endl;
mongo::BSONObjBuilder builder;
builder.append("name", "Ryo").append("age", 26); // method chain
mongo::BSONObj doc = builder.asTempObj();
cout << doc.toString() << endl;
client.insert(ns, doc);
builder.append("address", "tokyo");
mongo::BSONObj doc2 = builder.obj();
cout << doc2.toString() << endl;
client.insert(ns, doc2);

/* find */
/* { } , fetch all documents */
cout << "--- find ---" << endl;
auto_ptr cursor =
client.query(ns, mongo::BSONObj()); // represent { }
while(cursor->more()) {
mongo::BSONObj p = cursor->next();
mongo::OID oid = p["_id"].OID(); // retrieve ObjectId
string name = p["name"].str(); // retrieve string value
int age = p["age"].numberInt(); // retrieve integer value
string address = p["address"].str();
cout << "ObjectId: " << oid << endl;
cout << "name: " << name << endl;
cout << "age: " << age << endl;
cout << "address: " << address << endl;
}

/* update (using BSON macro) */
/* { "$set": { "name": "Joe" } } */
cout << "--- update ---" << endl;
mongo::Query query(BSON("name" << "Ryo"));
mongo::BSONObj modifier = BSON("$set" << BSON("name" << "Joe"));
cout << modifier.toString() << endl;
client.update(ns, query, modifier,
/* upsert */ false, /* multi */ true);

cursor = client.query(ns, mongo::BSONObj());
while(cursor->more()) {
mongo::BSONObj p = cursor->next();
cout << p.toString() << endl; // JSON string output
}

/* remove */
/* { "name": "Joe" } */
cout << "--- remove ---" << endl;
client.remove(ns, mongo::Query(BSON("name" << "Joe")));

} catch(const mongo::ConnectException& e) {
cerr << "connect error" << endl;
cerr << e.getCode() << endl;
cerr << e.what() << endl;
} catch(const mongo::DBException& e) {
cerr << e.getCode() << endl;
cerr << e.what() << endl;
}
return 0;
}
[/cpp]
* コンパイル/実行
[shell]
$ g++ -g -Wall -I/usr/local/include -L/usr/local/lib -lmongoclient mongo_test.cpp -o mongo_test
$ ./mongo_test
[/shell]
* 出力結果

--- insert ---
{ name: "Ryo", age: 26 }
{ name: "Ryo", age: 26, address: "tokyo" }
--- find ---
ObjectId: 4ebfc78bb7e28e3bc501cd08
name: Ryo
age: 26
address:
ObjectId: 4ebfc78bb7e28e3bc501cd09
name: Ryo
age: 26
address: tokyo
--- update ---
{ $set: { name: "Joe" } }
{ _id: ObjectId('4ebfc78bb7e28e3bc501cd08'), name: "Joe", age: 26 }
{ _id: ObjectId('4ebfc78bb7e28e3bc501cd09'), name: "Joe", age: 26, address: "tokyo" }
--- remove ---

Cドライバと比べるとインタフェースはかなり高級です。

mongo::BSONObjBuilder のメソッドは内部で return *this しているのでメソッドチェーンができるようです(実際使うかどうかは別として)。この mongo::BSONObjBuilder のインスタンスは使い回したいと思うかもしれませんが、規模が大きくなってくるといろいろ罠にハマりやすいので(例えば、obj() を一度呼んでいるのに後でうっかり append() してしまうとSEGVする等)、使う度に生成するようにした方がいいような気がします。コードが読み辛くなるのを許容できるなら、BSONObjBuilder を一切使わずに BSON マクロのみでクエリを組み立てるのもいいかもしれません。

また、mongo::DBClientConnection::query() は戻り値として std::auto_ptr<mongo::DBClientCursor> を返すようになっているので注意。boost必須のドライバなんだし boost::shared_ptr を返すようにすればいいのにと思いますが、。

今回はMongoDB C++ドライバを使って簡単なCRUD操作を試してみました。今回紹介できなかったクラスもまだたくさんあるので少しずつ調べていこうと思います。

* C++ドライバ APIリファレンス
doxygen API docs

Demo: HTML5 Stereo Vision
Source Code: cv/stereo_matching at master from wellflat/jslib – GitHub

ここではKinectのように赤外線センサーはもちろん利用できないので、純粋な画像解析のみで奥行きを計算します。

2枚の画像でステレオマッチングを行い、カメラから対象までの距離を濃淡で表す視差マップ (深度マップや距離画像と呼ばれることもある、CGの視差マッピングとは別物)を生成します。使用するアルゴリズムはこれまで同様にブロックマッチングを、類似度評価にはSAD（Sum of Absolute Differences）をコストとします。

また、Web Workersを使った開発にも慣れておこうと思っていたところなので、今回も動的計画法などは併用せずにナイーブな実装にしてWeb Workersの性能も併せて確かめました。

これまでに書いてきたエントリーではステレオマッチングについての説明をほとんどしていなかったので、今回は簡単に説明しておきます。ステレオマッチングには人間や動物の両眼視のように、三角測量の原理を用いて2つの画像から対応点を求める受動ステレオ法と、2つのカメラの内1つを光を投影する光源に置き換えて対応点を求める能動ステレオ法の大きく分けて2つの手法があります。

ブロックマッチング法

今回は人間や動物と同様に左右2つの目から視差を計算する受動ステレオ法の1つ、ブロックマッチング法について簡単に説明します。このアルゴリズムの原理はとても単純で、一方の画像を小面積の領域に分割し、各領域について他方の画像上で対応する位置を探す手法です。左目と右目で視差のあるステレオペア画像において、左目画像の探索領域と似ている領域を右目画像から探しだし、その領域の位置のずれが視差として求められます。この場合、左目画像に映っている対象物は右目画像内ではその位置よりも左側に映るので、探索開始位置から左側のみを調べれば良いことになります。

各領域について画像全体を走査すると膨大な計算量になってしまうため、エピポーラ線（Epipolar Line）というものが用いられます。以下の図に示すように、一方の画像上の1点に注目したとき、その点を通る視線はもう一方の画像上では1本の直線として映ります。また、その直線上の各点を通る視線は、元の画像上では1本の直線となります。したがって、対応点の対は左右の画像上の一対の直線上に存在するため、その直線上だけ探索を行えばいいことになります。

類似度の評価には、一般的なテンプレートマッチングでも用いられるSAD（Sum of Absolute Differences）という指標を用います。これは探索領域内で左目画像と右目画像の輝度値の差の絶対値を求めて総和を取るもので、この値が小さければ小さいほど似ている領域と判断することができます。

この場合はIが左目画像、Tが右目画像、I(i,j)とT(i,j)はそれぞれ座標(i,j)の画素の輝度値になります。また、他の類似度指標としてはSSD（Sum of Squared Differences）やNCC（Normalized Cross-Correlation）などがあります。

以上がブロックマッチング法の簡単な説明になります。

ソースコードはGitHubに。Canvasを扱う外部ライブラリは使ってなくて、Canvas APIを直接利用したネイティブなJavaScriptコードになっています。
cv/stereo_matching at master from wellflat/jslib – GitHub

ブラウザ毎の処理時間

今回のデモが動作する各ブラウザで処理時間を計測してみました。10回計測した平均値(ms)です。ブロックマッチングのパラメータは探索ウィンドウサイズを7×7px、最大視差を10pxとしました。
(Windows7, Core2 Quad 2.40GHz, L2 Cache 4MB×2, 4GB RAM)

Firefoxがここまで速いのには驚きました。7未満のバージョンだと違った結果になるのでしょうか。Operaは少し昔のバージョンだとたぶん動かないと思いますが、現在の最新バージョンだと特に問題なく動作しました。また、Web Workersの生成およびメッセージパッシング部分のコストについては、今回のような重いCPUバウンドなデモであれば無視していいレベルかと思います。

CanvasとFlash

求めた視差データを使って三次元復元しようかと思ったのですが、CanvasはFlashと違って描画性能はまだまだ弱いので今回は諦めました。座標計算だけなら現在の処理系でも十分な性能は出せると思うのですが、描画までとなると現状はなかなかキビしいかと。逆に描画部分を含まない純粋な演算能力だけであればAVM2を凌ぐ勢いを感じたのでこれからに期待したいと思います。

一方、FlasnランタイムにおけるWeb Workersに相当する機能はFlash Player12, 13あたりで搭載されると思いますが、予定ではshared nothingなworkerのみとのことですので、Flasherのみなさんが共有リソースの泥沼にぞろぞろとハマるのは避けられそうです(参考: Adobe MAX 2011レポート：Flashランタイムの並行処理)。これはENTER_FRAMEでの負荷分散とは全く異なるものなので、Flasherの方々も将来に備えてメッセージパッシングによる並行処理の勘所をJavaScriptで事前に養っておくといいかもしれません。

まとめとして、今回はCanvasとWeb Workersを使ってJavaScriptで少しシビアな画像解析を試してみました。ActionScriptからの移植にも慣れてきたので、今後もいろいろ実験していきたいと思っています。

AS3版PaaSとも言えるAS3SXですが、サーバ側のシステム構成は少し変わっていることを前回述べました。今回はそのシステムと通信するクライアント側に焦点を当ててみます。

AS3SXのコンセプトを台無しにする方法

前回のエントリーで少しだけ書いたのですが、AS3SXはソケットサーバをフロントに置き、クライアントはそのサーバに直接接続してTCPで通信を行っています(エンドポイントをHTTPに見せてるのは実はフェイク)。

AS3SXはその名前が示すように「クライアントもサーバもAS3で！」というのをコンセプトにサービス提供していますが、普通のTCP通信を行っているなら別に言語に縛られる必要はありません。さらに、実際に送信しているデータはクエリストリング形式の単純なASCIIデータなのでプロトコル解析の必要すらなく、自分の好きな言語で簡単にクライアントが書けます。

好きな言語といってもAS3SXのユーザーが好きな言語は当然ActionScriptだと思います。ただ、Flash Playerを必要としない環境で動作するクライアントが書けると自由にいろいろできるようになります。

例えば Shutdown Time の60分制限を回避する

AS3SXはアプリケーション毎の設定で「Shutdown Time」というものが設けられており、そこで設定した時間(最大60分)の間に新規リクエストがない場合、サーバ側のFlash Playerがシャットダウンされます。60分で勝手に落ちるものを”サーバ”とは到底呼べないので、定期的にハートビートを送ってサーバ側のFlash Playerを落ちないようにしてあげます。

簡単なハートビート送信用クライアントモジュールの実装例を載せます。本当はPHPで書いた方が良かったのかもしれませんが、Perlの方が書き慣れているので。。

* クライアント (client.pl, perl 5.8以降で動作確認)
[perl]
#!/bin/env perl

use strict;
use warnings;
use AS3SX::Client;

## AS3SX::Client#new の引数は「AS3SX Admin Center」で取得したID
my $client = AS3SX::Client->new(‘your application_id here’);
## 600秒(10分)ごとにハートビート送信
$client->heartbeat(60*10);
[/perl]

* AS3SX::Client モジュール (AS3SX/Client.pm, 標準モジュールのみ利用)
[perl]
#!/bin/env perl

package AS3SX::Client;
use strict;
use warnings;
use Carp;
use IO::Socket;

## コンストラクタ
# “ClientAS3SX.setEndPoint” に相当
sub new {
my ($class, $appid) = @_;
my $socket = IO::Socket::INET->new(
PeerAddr => “as3sx.fdt.powerflasher.com”,
PeerPort => 4603,
Proto => ‘tcp’,
Timeout => 5,
) or croak “connect failed: $!”;
my $uuid = `uuidgen`; # UUID(GUID)を生成
chomp $uuid;
my @packed = (
pack(“H*”, ’0103000000010000006518000000′),
$appid,
pack(“H*”, ’24000000′),
$uuid,
);
my $data = ”;
$data .= $_ for @packed;
$socket->send($data);
bless {
socket => $socket,
}, $class;
}

sub close {
$_[0]->{socket}->close;
}

## ハートビート送信 (フォアグラウンドで動作)
# “ClientAS3SX.sendRequest(true)” に相当
# サーバ側にはBoolean型のリクエストハンドラをハートビート受信用に書いておく
sub heartbeat {
my ($self, $interval) = @_;
my $query = “DataService?data=BwAAAEJvb2xlYW4D&type=Boolean”;
local $SIG{INT} = sub {
$self->close;
exit(0);
};
while(1) {
$self->request($query);
sleep($interval);
}
}

## データ送信
sub request {
my ($self, $query) = @_;
my $magic = ’010200000001000000722e000000′;
$self->{socket}->send(pack(“H*”, $magic).$query);
}

1;
[/perl]
* コマンドラインから実行
[bash]
$ ls -F
AS3SX/ client.pl
$ chmod +x client.pl
$ ./client.pl

(CTRL+Cで止める)
[/bash]
データパケット内のGUIDに該当する部分を0(0×30)とハイフン(0x2d)で埋めて5秒間隔で送り、サーバ側で session.userId をログに書き出した結果を載せます。ちゃんと足跡が付きました。
(ログのtextareaが等幅フォントになってなくて見にくい、、)

このスクリプトはフォアグラウンドで動くので SIGINT(CTRL+C) で止める必要がありますが、実際はモジュールの heartbeat 内にあるループを取り除いてcronで定期的にキックするか、デーモンにしてバックグラウンドで走らせればいいと思います。

PaaSのようなサービスを開発するに際し、最初はインビテーションで限られたユーザーだけに使ってもらい、フィードバックを経て少しずつ改善していくのが普通だと思います。でもAS3SXはアルファ版と言いつつ誰でも使える状態でいきなり公開しました。さらに、検証中に向こうのサーバに適当なパケットを送ってみたところ、なんかのオンラインゲーム上で使っていると思われるレベルとか経験値などのユーザーデータが返ってきたので、AS3SXだけではなく複数のサービスでサーバを共用しているのでしょう。

“プラットフォーム”を提供するという意識が低いのではと思いました。やはり餅は餅屋ということでしょうか。

- Fast Development with a painless Framework
- Multiuser, Realtime Events & Sessions out of the box
- Super Easy Database Access without any SQL
- Fully Hosted in the Cloud

[追記] 技術的な部分は馬鹿全さんのブログも参考になります。(内容が少しかぶったけど；；)
馬鹿全 – サーバーサイドASのAS3SXとその考察

サーバサイドActionScriptという取り組み自体は何年も前からありますし、オープンソースに目を向けてみてもいくつかのTamarinプロジェクトで既に実現されていて、個人でも手軽に試すことができます(see also: programming socket with redtamarin)。

しかし、AS3SXはそれをクラウドでホスティングしている所が時代を感じさせます。AS3版PaaSですね。制作サイドの人にやさしいのは良いことです。

以下数行は細かい部分なので読み飛ばしてもらってOKです。
———-
技術的な面では、実は最初に書いたようなTamarinプロジェクトの成果を貪欲に取り込んだものではなく、サーバプロセス本体をAS3で書けるわけではない。パケットを覗いてみたところ、まずクライアント起動後にサーバとの接続確立後(ESTABLISHED)、アプリケーションIDとGUIDを送る。そのあとは普通のソケット通信。パケットのデータ部は　DataService?data={データ}&type={送るデータのクラス名}　というクエリ文字列の形でそのままASCIIデータを送っていたので、HTTPクライアントも後で使えるようになるのかもしれない(厳密にはDataService?...の前に数バイトのバイナリデータが付いている)。サーバ側はアプリケーションIDとGUIDを受け取った時にプレイヤーを蹴り起こしているようだけど、その時点から新規リクエストがない場合、最大60分間はプレイヤーを立ち上げたままにするようだ。アプリケーションの設定項目に「Shutdown Time」というのが設けてあり、現在は最小2分、最大60分の制限が掛けられている。
———-

* スケーラビリティ
初回接続時の遅延から考えて、複数のサーバに分散させたSWF群にTCPコネクションを貼り回っているのか、クラスタのメタ情報を管理するSWFがサーバSWFを選び取ってきて抱え込んでいるのかどちらでもいいですが、この仕組みでどうやって上手くスケールするようなインフラ構成を考えているのでしょう。オートスケールには対応してくれるのか。あとWindows Serverだとそれなりにお金もかかっちゃうので、採算がとれる課金体系にも注目したいところ。

* データベース
スキーマレスなデータベースが使えるようです。下の例のようにドキュメント指向でオブジェクトをそのまま保存することができます。

{
    "___type" : "com.as3sx.persitency::PersistentObject",
     "_id" : "4e6b3254ebd1d65dd80000a7",
     "name" : ryo
}

“Collection”と呼んでいるので実体はMongoDBでしょうか。AS3ドライバもコミュニティサポートで公開されてますし。でもライブラリ(AS3SX.swc)の使い方がよくわからなくて、インデックスを貼ったり他のCollectionと関係性を持たせたり(embed)とかはどうやって操作するんでしょう。。

* レイテンシ
テンポ良く検証できないなぁと思っておもむろにRTTを測ってみたのですが、東京からだと平均300msくらい。おっそい。リージョンがヨーロッパ(ドイツ)のようなのでこれはどうしようもないことですが、今のところ日本からまともに利用するのは厳しいです。せめてUS西海岸あたりにリージョンを作ってもらえれば。。

ちなみに、DNSレコードを覗いてみると tobiheidi.de なドメインを目にしたので、会社情報を調べてみたらすぐに見つかりました(フリーランス?)。AS3SXのWebサイトもASP.NET製ですし技術スペックもピンポイントなので、たぶんAS3SXの開発にはここも加わっているんでしょうね。
TobiHeidi: Expertise, Sprachen, Zertifikate | twago
インフラをどこが作っているのかというのは、PaaSを利用する上で重要な判断材料になるかと思います。

* 感想
システム構成の物珍しさも相まって個人的には使っていてとても面白かったです。デプロイやデバッグはめんどうなんですが、FDTにデプロイ支援やアプリケーションのステータス確認等ができるようなプラグインが提供されると嬉しいですね。僕はFDTもってないけど(´・ω・`)

DotCloudやfluxflexのようにプログラミング言語やミドルウェアが自由に選べるPaaSが注目されている今、かなりターゲットを絞った戦略で乗り込んできたわけですが、これで多くのユーザーを獲得できるのか。まぁ採算はしばらく別のところで取るつもりかもしれません。

ライブラリの使い方などのドキュメントもこれから充実してくるはずですし、ユーザーの意見や感想もたくさん上がってくると思いますのでそれを楽しみにしておきます。

AS3SXは巨大雲の夢を見るか

リリースされたのが2008年なので、3年も様子を見た上での決定ということになりますが、Googleさんにしては辛抱強かったなと思います。半年くらい前に乃木坂だか六本木あたりでいっしょにハイボール飲んでた時に「Flashからは全然使われてないはず」と彼らも言ってたし、そんなに長くはないだろうなぁとは僕も思ってましたが、ついにその時が来たようです。

原文は無機質ですが要は「ActionScript Developerの需要に応えて提供開始したのに、ぜんぜん使ってないじゃん！」というなんだか含みのある内容で、残念ながら需要喚起にもならなかったということですかね。どうやらブラウザのJavaScript実装の進化はパフォーマンスなどの点においても代替するには十分だと判断したようです。

ここ最近で活発になってきているO2O(Online to Offline)なビジネスにおいて「地図」の重要性はますます高くなってきています。Google Mapsのようなその分野のキラーアプリケーションにおいて、Flashという1つの大きなプラットフォームを打ち切る事実はいろいろ考えさせられますね。

今後3年間はまだサービス提供されるとのことですが、JavaScript APIへの切り替え作業は忘れないうちに手を付けておいた方がいいかと思います。

このブログを見てくださっている方はわかるかと思いますが、ブラウザ上で動く画像処理のサンプルを書く時はActionScriptを好んで使っています。その理由は簡単で、Flashは描画系が優れているから。また、最近だとChrome Developer Toolsの使い勝手がとても良いので、JavaScript(+ Canvas)でサンプルを書くことも増えてきました。

ただ、この2つの言語は仕事で使うわけでもないし得意でもありません。普段の業務だとシステムツールやデーモンなどはPerlで書くことが多いのですが、仕事以外でも使い慣れた道具で遊びたいです。でも僕はPerlで画像処理のコードなど1byteも書いたことがないので勝手が全然わかりません＞＜

画像を加工するようなライトな用途ではなく、解析処理などが行いやすい自由度の高い操作ができるPerlのモジュールを探して試そうと思います。

なんかオススメのあったら教えてください。

—————
(調べたことをここに追記していく予定)

* 画像処理用CPANモジュールのメモ
Image::Magick / Imager / Image::Imlib2

個人的には低レベルなAPIが使いやすい Imager が画像解析には一番使いやすそうに感じた。ブラーなどの画像加工程度の用途なら Image::Imlib2 で確かに十分っぽいか。

* その他参考資料
大規模画像配信とPerl

今回は決定木(Decision Tree)をCanvasに描いてみます。前回のナイーブベイズよりも決定木の方が解釈が簡単で、分類過程が見た目にも分かりやすいので手軽に試すことができました。今回も理論的な部分はWebや書籍の方を参考にしてもらって、ここでは試したことだけ書きます。

今回扱う問題は集合知プログラミングにある「サインアップを予測する」を取り上げます。これは、あるユーザーがあるWebサービスの無料会員になるか有料会員になるかを事前に集めたデータから予測する分類問題になっています。決定木は文章で説明するよりも、決定木そのものを見た方が意味が分かりやすいのでサンプルを載せます。

Demo:
Decision Tree on Canvas

この決定木の見方ですが、例えばリファラーが”google”で、さらに見たページ数が”21″ページ以上の人は有料会員(“Premium”)になったという結果を表しています。こういった分類結果は、例えばマーケティングの世界だと顧客プロファイリングに利用されたりしています。

ソースコードは少し長いのでGitHubに上げておきます。決定木学習の部分では外部ライブラリ等を使っていないので、JavaScriptの知識があれば読めると思います。

* GitHub
dtree.js at master from wellflat/jslib – GitHub

ちなみにこの決定木の応用先は画像処理分野にも及んでいて、もちろんOpenCVにも既に実装されています。
決定木 — opencv 2.2 documentation (see also: Random Forest)

* 参考
computing machinery
Teradata｜第14回：決定木

—————
Chrome Developer Toolsが予想以上に便利だった。なにこれすごい。

自然言語処理は専門外なんですが、職種的(?にこの分野に精通している人がたくさん社内にいるので僕も少し影響を受け始めています。。

今回は単純ベイズ分類器(Naive Bayes:ナイーブベイズ)による文書分類を基礎の部分だけやってみます。単純(Naive)と呼ばれているのは、文書の出現確率を単語の出現確率の”積”で近似し、語順や単語間の相関関係を考慮しないためにそう呼ばれています。ベイズ理論については書籍がたくさん出ているのでそちらを参考にしてください。ここで説明するにはとても大変なので(というより正しく説明できる自信がない)。この理論の実社会における適用分野としてはスパムフィルタなどが有名です。

ナイーブベイズは他の分類器と比べるとマシンリソースをあまり必要としないので、Flash(ActionScript)でもある程度の文書量までならPlayerがタイムアウトせずに学習/分類が可能です。ちなみにWeb上だとPythonでのサンプルが多く見つかりますが、確かにPythonなら実装が楽そうですね。

ここでは文書はBug-of-words(単語の集合)として扱い、良い文書(good)と悪い文書(bad)という2つのカテゴリーに分類します。また、良い文書が悪い文書に分類されるのを防ぐためにしきい値を設定しています。これは例えば、スパムメールがたまに受信フォルダに入り込むのは我慢できるけど、重要なメールがスパムメールと判定されるのは大変困ってしまいます。なので悪い文書に分類される確率が良い文書に分類される確率よりもしきい値以上高い場合にのみ悪い文書に分類し、しきい値以下の場合はunknownに分類するようにしています。

Naive Bayes Classifier – wonderfl build flash online

補足)
‘HTML5′ と ‘Flash’ という2つの単語を含む文書は悪い文書(bad)である確率が高いが、しきい値(悪い文書である確率が良い文書である確率の3.0倍)以下なため分類は保留。再度学習を重ねてから再試行すると、良い文書である確率が下がってしきい値を超えるため悪い文書に分類される。

* GitHub
naive_bayes at master from wellflat/aslib – GitHub

* 分類テスト
[as]
package {
import flash.display.Sprite;
import flash.text.TextField;
import flash.text.TextFormat;
import flash.utils.Dictionary;

[SWF(width="465", height="465", backgroundColor="#000000")]

public class Main extends Sprite {
private var nb:NaiveBayes;
private var tf:TextField;

public function Main():void {
p(“*** Document Classification using Naive Bayes ***\n”);
nb = new NaiveBayes(getFeatures);
sampleTrain(nb); // train
p(“P(quick fox|good) = ” + nb.getProb(“quick fox”, “good”).toString());
p(“P(quick fox|bad) = ” + nb.getProb(“quick fox”, “bad”).toString());
p(“class ‘quick fox’: ” + nb.classify(“quick fox”));
p(“”);
p(“P(quick money|good) = ” + nb.getProb(“quick money”, “good”).toString());
p(“P(quick money|bad) = ” + nb.getProb(“quick money”, “bad”).toString());
p(“class ‘quick money’: ” + nb.classify(“quick money”));
p(“”);
nb.setThreshold(“bad”, 3.0); // set classification threshold
p(“P(HTML5 Flash|good) = ” + nb.getProb(“HTML5 Flash”, “good”).toString());
p(“P(HTML5 Flash|bad) = ” + nb.getProb(“HTML5 Flash”, “bad”).toString());
p(“class ‘HTML5 Flash’: ” + nb.classify(“HTML5 Flash”));
p(“”);
for(var i:int=0; i<10; i++) { // more training
sampleTrain(nb);
}
p("P(HTML5 Flash|good) = " + nb.getProb("HTML5 Flash", "good").toString());
p("P(HTML5 Flash|bad) = " + nb.getProb("HTML5 Flash", "bad").toString());
p("class 'HTML5 Flash': " + nb.classify("HTML5 Flash"));
}
// sample training set below
private function sampleTrain(classifier:Classifier):void {
classifier.train("Hello how are you?", "good");
classifier.train("make quick money to live a good life", "bad");
classifier.train("the quick brown fox jumps", "good");
classifier.train("Dive into HTML5", "good");
classifier.train("HTML5 vs. Flash comparison", "bad");
}
// make features(bug-of-words) from document
private function getFeatures(document:String):Dictionary {
var delimiter:RegExp = /\W+/;
var words:Array = [];
var features:Dictionary = new Dictionary();
for each(var s:String in document.split(delimiter)) {
if(s.length > 2) {
words.push(s.toLowerCase());
}
}
for each(var w:String in words) {
features[w] = 1;
}
return features;
}
private function p(str:String):void {
if(!tf) {
tf = new TextField();
tf.x = 10;
tf.y = 20;
tf.width = tf.height = 465;
tf.defaultTextFormat = new TextFormat(‘Courier New’, 12, 0x00ff66, true);
addChild(tf);
}
tf.appendText(str + “\n”);
}
}
}
[/as]

* Naive Bayesクラス (ベースとしてClassfierクラスを作成)
[as]
// Naive Bayes
package {
import flash.utils.Dictionary;

public class NaiveBayes extends Classifier {
private var thresholds:Dictionary;

public function NaiveBayes(getFeatures:Function) {
super(getFeatures);
thresholds = new Dictionary();
}
public function getThreshold(category:String):Number {
for(var c:String in thresholds) {
if(c == category) {
return thresholds[category];
}
}
return 1.0;
}
public function setThreshold(category:String, threshold:Number):void {
thresholds[category] = threshold;
}
// classify document into category
public function classify(document:String):String {
var probs:Dictionary = new Dictionary();
var max:Number = 0.0;
var best:String = null;
getCategories().forEach(function(c:String, index:int, arr:Array):void {
probs[c] = getProb(document, c);
if(probs[c] > max) {
max = probs[c];
best = c;
}
});
for(var c:String in probs) {
var second:Number = probs[c]*getThreshold(best);
if(c === best) continue;
if(second > probs[best]) return “unknown”;
}
return best;
}
// Bayes’ theorem
// P(category|document) = P(document|category)P(category)/P(document)
//
public function getProb(document:String, category:String):Number {
// P(category)
var categoryProb:Number = getCategoryCount(category)/getTotalCount();
// P(document|category)
var documentProb:Number = getDocumentProb(document, category);
return documentProb*categoryProb; // ignore P(document)
}
// P(document|category)
private function getDocumentProb(document:String, category:String):Number {
var features:Dictionary = getFeatures(document);
var prob:Number = 1.0;
for(var f:String in features) {
prob *= getWeightedFeatureProb(f, category);
}
return prob;
}
}
}
// ——————–
// Base Classfier
package {
import flash.utils.Dictionary;

public class Classifier {
private var featureCount:Dictionary;
private var categoryCount:Dictionary;
protected var getFeatures:Function;

public function Classifier(getFeatures:Function) {
this.featureCount = new Dictionary();
this.categoryCount = new Dictionary();
this.getFeatures = getFeatures;
}
public function train(document:String, category:String):void {
var features:Dictionary = getFeatures(document);
for(var f:String in features) {
incrFeatureCount(f, category);
}
incrCategoryCount(category);
}
protected function getCategoryCount(category:String):Number {
if(categoryCount[category]) {
return categoryCount[category];
}
return 0.0;
}
protected function getFeatureCount(feature:String, category:String):Number {
if(!featureCount[feature][category]) {
return 0.0;
}
return Number(featureCount[feature][category]);
}
protected function getTotalCount():uint {
var cnt:uint = 0;
for each(var i:uint in categoryCount) {
cnt += i;
}
return cnt;
}
protected function getCategories():Array {
var categories:Array = [];
for(var c:String in categoryCount) {
categories.push(c);
}
return categories;
}
// P(feature|category)
protected function getFeatureProb(feature:String, category:String):Number {
if(getCategoryCount(category) == 0) {
return 0.0;
}
return getFeatureCount(feature, category)/getCategoryCount(category);
}
protected function getWeightedFeatureProb(feature:String, category:String,
weight:Number = 1.0, aprob:Number = 0.5):Number {
var basicProb:Number = getFeatureProb(feature, category);
var totals:Number = 0.0;
getCategories().forEach(function(c:String, index:int, arr:Array):void {
totals += getFeatureCount(feature, c);
});
return ((weight*aprob) + (totals*basicProb))/(weight + totals);
}
private function incrFeatureCount(feature:String, category:String):void {
if(!featureCount[feature]) {
featureCount[feature] = new Dictionary();
}
if(!featureCount[feature][category]) {
featureCount[feature][category] = 0;
}
featureCount[feature][category]++;
}
private function incrCategoryCount(category:String):void {
if(!categoryCount[category]) {
categoryCount[category] = 0;
}
categoryCount[category]++;
}
}
}
[/as]
ナイーブベイズ以外の分類器も後で追加しやすいようにクラスを分けて書いたのですが、AS3のDictionaryクラスが使いづらいので複雑になってしまいました。画像処理だと便利に使えるAS3ですが、描画系以外だとクラスライブラリやデータ構造が貧弱なのでやはり不利です。

このベイズ理論ですが、いきなりこれを勉強しても難しいと思うので、条件付き確率などの確率統計の基礎を固めてから勉強することを強くオススメします。僕は学部時代の教科書をひっぱりだして復習から始めましたがやっぱり難しいです。。この理論は確率的画像処理にも応用されているので、もう少し勉強してからチャレンジしてみたいと思います。

* 参考
入門ベイズ統計―意思決定の理論と発展
集合知プログラミング

ウチの会社の制作本部の人達と久しぶりに飲みに行ったので、彼/彼女らの仕事の進め方みたいなものを聞いてきた。一般的なWebサイト制作はもちろん、FlashやJavaScriptなどの技術力も僕より数倍上な人達だ。大きな組織の内でプロのデザイナーとしてたくさんの人と競争し続けてきたわけだから優秀で当たり前なのかもしれない。趣味程度にやってる僕なんかとは違う。

* CanvasとBitmapについて
彼らはしばらくCanvasを使ったアニメーションやゲームなどの案件に注力することになるらしいが、どれだけ正確に作業工数の見積もりができるかが大切だと言っていた。大組織ならではのお金が見え隠れする面白い話も聞いたけど詳しくは書けない。。ただ工数に関して言えば、例えばアニメーションで利用する機能として、HTML5のCanvasもFlashのGraphicsも moveTo() や lineTo() など同じ名前/機能のAPIが提供されている。コードレベルでのFlashからCanvasへの移植作業など彼らにとってはただのタイピングに過ぎないようだが、クロスブラウザ対応の方はやはりある程度まとまった時間を取られてしまうらしい。

大事なのはそのクロスブラウザ対応にかける工数の見積もり。彼らはそれぞれ独自に考えた方法で工数を計算しているらしいが、共通しているのはCanvasを使った案件でもクロスブラウザ対応に工数をたくさんかけるものとそうでないものがあるということ。Canvas上に描いた絵を動かすアニメーションなどには多く工数をかけるが、イメージエフェクト系のものにはあまりかける必要がない。普通に考えたら当たり前なんだけど、画像データ自体を操作する部分ではクロスブラウザとか関係ないわけだ。そもそもCanvasにはイメージエフェクト系のAPIは存在しない。pixel manipulationの項目にあるAPIは以下の4つだけ。
[javascript]
// pixel manipulation
ImageData createImageData(in float sw, in float sh);
ImageData createImageData(in ImageData imagedata);
ImageData getImageData(in float sx, in float sy, in float sw, in float sh);
void putImageData(in ImageData imagedata, in float dx, in float dy, in optional float dirtyX, in float dirtyY, in float dirtyWidth, in float dirtyHeight);
[/javascript]
BitmapDataと比べると大きな違いがあることがわかる。
BitmapData – ActionScript 3.0 コンポーネントリファレンスガイド
実質的にCanvasでは BitmapData#getPixels と BitmapData#setPixels に該当する機能しか備えていないことになる。多くの人は機能が貧弱だと言っているが、画像処理は実質的にこの2つの機能さえあればなんでもできる。Canvasに colorTransform() や copyChannel() などがなくても実装すればいいだけなので問題にはならない。JavaScriptは必要最低限の機能だけを提供して自分は小さくシンプルなままでいることに努め、リッチな機能はjQueryなどの外部ライブラリに任せている。一方、ActionScriptは自分にどんどん機能を追加して太らせていく方針を採った。(追加する機能の種類が偏っている気はするけど、。)

難しいのはパフォーマンスの確保。JavaScriptにはWeb Workersという強力な機能が備っているが、いつどういった時に使うかが難しい。画像処理であれば、採用するアルゴリズムとサービスが許容する最大画像サイズから計算量を見積もってWeb Workersを使うかどうかを決める。画像処理部分の計算量が少ない場合、workerとのメッセージングのコストの方が高く付くため、常にWeb Workersを使うという選択は賢明ではない。両者の実装コストの違いに関しては、やはり彼女らにとってはただのタイピングに過ぎないだろうから聞くのは止めた。まぁ確かに、Flashで計算をフレーム分散する面倒くささと比べて、Web Workersのshared nothingな仕組みだと実装は楽だと思う。

せっかくなので、昔Flashで作ったものを工数を意識しながらCanvas(JavaScript)で書き直してみる。
2009年に書いたJitter Filter (Photoshopの [フィルタ] > [表現技法] > [拡散] と同じ効果フィルタ) をCanvasに移植。これはVectorを使って実装されているので、コンテナ内の実データの配置がCanvasの getImageData() で得られるものとは全く違うところに注意、計算量は少ないのでWeb Workersは使わずに実装する。

Demo: Jitter Filter implementation on Canvas

特にクロスブラウザ対応をしなくても主要なモダンブラウザで動作することは確認。画素値が255を超える部分と画像データを指すインデックス値がコンテナサイズを超える部分、つまり境界値テストさえしっかりやればイメージエフェクト系のテストは大丈夫。QAテストをパスするのに必要なテスト項目を如何に速く列挙できるかが大切らしい。

* HTML5の良いところ
彼女らの意見は僕と全く同じ意見だった。HTML5の良さは文書の高度な構造化方法が提供されたこと。WWWにおけるリソース、つまりHyperText文書としての表現方法の幅が大きく広がったのだから喜んで受け入れよう。

* 僕が聞きたかったこと
正直、FlashとかHTML5とかはどうでもよくて、この人達のような制作サイドのエース達が僕らインフラエンジニアについてどう思っているのかが一番知りたかった。「キミたちのおかげで私たちがいっぱいサイト作れるんですよー」みたいなのは本心なのだろうか。デザイナーの人が”テンプレート”とか華麗に使いこなすのを僕は知ってるから、たぶんこれもテンプレートだとは思うんだけど、。

今回はDotCloudの「プログラミング言語やミドルウェアを自由に選べる」という特徴を活かしていろんな組み合わせを試してみたいと思います。

* メニュー
　PHP + MySQL
　Ruby + Redis (Sinatraを利用)
　Python + MongoDB (Flaskを利用)
　

PHP + MySQL

この組み合わせでのシステム開発はなんだかんだ言って仕事で慣れている方も多いのではと思います。もちろんDotCloudでもPHP + MySQLの環境をサポートしています。アプリケーションのデプロイまでの簡単なフローは前回のエントリーに書いたのでそちらを参照してください。

* 環境
　PHP 5.3.2
　MySQL 5.1.41
[shell]
$ mkdir phpmysql
$ cd phpmysql
$ dotcloud create phpmysql
Created application “phpmysql”
[/shell]
* dotcloud.yml
[shell]
www:
type: php
data:
type: mysql
[/shell]
ここまでで一度pushして、MySQLの各種情報を確認します。
[shell]
$ dotcloud push phpmysql ## dotcloud.ymlを書いてpush
$ dotcloud info phpmysql.data ## MySQLの情報を確認
cluster: wolverine
config:
mysql_password: {ここにパスワードが表示される}
created_at: 1312032855.118799
ports:
- name: ssh
url: ssh://mysql@89e51352.dotcloud.com:12096
- name: mysql
url: mysql://root:TCU3JM8kQripzTg9OG75@89e51352.dotcloud.com:12097
state: running
type: mysql
[/shell]
ウルヴァリンだって。サイクロップスとかローグって名前のクラスタもあるんでしょうか。

次にMySQLに接続します。普通にシェルから操作できます。
[shell]
$ dotcloud run phpmysql.data — mysql -uroot -p
# mysql -uroot -p
Enter password: {パスワードを入力}
Welcome to the MySQL monitor. Commands end with ; or \g.
Your MySQL connection id is 34
Server version: 5.1.41-3ubuntu12.10-log (Ubuntu)

Type ‘help;’ or ‘\h’ for help. Type ‘\c’ to clear the current input statement.

mysql> show databases;
+——————–+
| Database |
+——————–+
| information_schema |
| mysql |
+——————–+
2 rows in set (0.00 sec)

mysql> create database testdb;
Query OK, 1 row affected (0.00 sec)
[/shell]
testdb という名前でデータベースを1つ作りました。

次はPHPからアクセスしてみます。MySQLへの接続に必要なデータはホームディレクトリの environment.json というファイルに記述されているのでそこから取ってきます。
[php]
try {
// environment.json ファイルから接続に必要な情報を取得
$filepath = $_SERVER['HOME'].'/environment.json';
$env = json_decode(file_get_contents($filepath), true);
// "DOTCLOUD_DATA_MYSQL_xxx" というキーでMySQL関連のデータが入っている
$host = $env['DOTCLOUD_DATA_MYSQL_HOST'];
$port = $env['DOTCLOUD_DATA_MYSQL_PORT'];
$dbname = 'testdb';
$dsn = 'mysql:host='.$host.';port='.$port.';dbname='.$dbname;
$user = $env['DOTCLOUD_DATA_MYSQL_LOGIN'];
$pass = $env['DOTCLOUD_DATA_MYSQL_PASSWORD'];
$dbh = new PDO($dsn, $user, $pass); // ここでは PDO を利用
$dbh->setAttribute(PDO::ATTR_ERRMODE, PDO::ERRMODE_EXCEPTION);
$sql = ‘SELECT NOW()’; // 日付,時刻を取得
$stmt = $dbh->prepare($sql);
$stmt->execute();
$row = $stmt->fetch(PDO::FETCH_ASSOC);
echo ‘NOW(): ‘,$row['NOW()'];
$dbh = null;
}catch(PDOException $e) {
echo $e->getMessage();
}
?>
[/php]
[shell]
$ dotcloud push phpmysql ## アプリケーションのデプロイ
[/shell]
後はエントリーポイントにアクセスして日付と時刻が表示されたら成功です。PHPを書いたのは半年ぶりくらいですがここまで10分かかりませんでした。とても簡単。今回はPDOを使いましたが、もちろんmysqliも使えます。

Ruby + Redis

この組み合わせに特に意味はないです。なんとなく字面が良かったので、。Redisは最近注目され始めているNoSQLデータベースの1つで、githubやdigg、stackoverflowなど大規模サービスのバックエンドでも利用されています。Redisは文字列型の他にリストやセット、ハッシュなどの様々な型があり、それぞれの型に対するコマンドがatomicに動作するという良い特徴を持っています。また、Tokyo Cabinet/Tokyo Tyrantのようにデータの永続化やレプリケーションも可能です。Redisについては別エントリーのインメモリKVSのRedisについてで少し詳しく調べているのでもし興味があればそちらを参照してください。Ruby + Redisでの開発フローもPHP + MySQLの例とほとんど同じです。ここではWebアプリケーションフレームワークのSinatraも利用します。

* 環境
　Ruby 1.9.2 (Rack 1.3.2)
　Redis 2.2.2
　Sinatra 1.2.6
[shell]
$ mkdir rubyredis
$ cd rubyredis
$ dotcloud create rubyredis
Created application “rubyredis”
[/shell]
* dotcloud.yml
[shell]
www:
type: ruby
data:
type: redis
[/shell]
ここまでで一度pushして、Redisの各種情報を確認します。
[shell]
$ dotcloud push rubyredis ## dotcloud.ymlを書いてpush
$ dotcloud info rubyredis.data ## Redisの情報を確認
cluster: wolverine
config:
redis_password: {ここにパスワードが表示される}
created_at: 1312036663.3893609
ports:
- name: ssh
url: ssh://redis@6c235a17.dotcloud.com:11761
- name: redis
url: redis://redis:i5b8tq7d4UiG1cvlyQ9j@6c235a17.dotcloud.com:12096
state: running
type: redis
$ dotcloud run rubyredis.data redis-cli ## シェルからRedisの接続確認
# redis-cli
redis> auth {ここにパスワードを入力}
OK
redis> rpush message ‘hello’ ## 簡単な操作確認
(integer) 1
redis> rpush message ‘world’
(integer) 2
redis> lrange message 0 -1
1) “‘hello’”
2) “‘world’”
redis>
[/shell]
ここまでは特に問題はないかと。次にRuby(Rack)アプリケーションからRedisにアクセスしてみます。接続に必要な情報はMySQLの時と同様に environment.json ファイルから取ってきます。また、Rubyのバージョンは特に指定をしなければ1.9.2になるようなので $LOAD_PATH 等の細かい所に注意してください。

* Gemfile
[ruby]
source :rubygems
require ‘json’
require ‘rack’
require ‘redis’
require ‘sinatra’
[/ruby]
* config.ru
[ruby]
$:.unshift File.dirname(__FILE__)
require ‘redistest’
run Sinatra::Application
[/ruby]
* redistest.rb
[ruby]
require ‘rubygems’
require ‘json’
require ‘redis’
require ‘sinatra’

## 汚い書き方ですが接続テストということで;;
get ‘/’ do
filepath = ‘/home/dotcloud/environment.json’
env = JSON.parse(File.open(filepath).read)
host = env['DOTCLOUD_DATA_REDIS_HOST']
port = env['DOTCLOUD_DATA_REDIS_PORT']
pass = env['DOTCLOUD_DATA_REDIS_PASSWORD']
redis = Redis.new(:host => host, :port => port, :password => pass)
redis.rpush(:data, ‘redis’) ## リストの末尾(右)からpush
redis.lpush(:data, ‘hello, ‘) ## リストの先頭(左)からpush
p redis.lrange(:data, 0, -1) ## リストの先頭から末尾までの値を取得
end
[/ruby]
[shell]
$ dotcloud push rubyredis
[/shell]
エントリーポイントにアクセスして hello, redis と表示されたら成功です。やはり簡単。Rubyのバージョンに関しては、dotcloud.ymlで指定すれば1.8.x系も使えます。
[shell]
www:
type: ruby
config:
ruby-version: ree ## Ruby Enterprise Edition (1.8.x系)
[/shell]
HerokuもアドオンでRedisは使えるようですが、FREEプランだと「容量5MB, 1データベース, 永続化なし, レプリケーションなし」になっています。DotCloudではどれくらい使えるのかがドキュメントには書いていませんが、もし容量5MBだったらつらいなぁという感じです。アプリケーションのデプロイまでのステップはDotCloudの方が若干少ないので楽だと思います。Redisはalphaではなく既にbetaコンポーネントとして提供されているのでドキュメントもこれから充実してくるはず。

Python + MongoDB

この組み合わせは最近よく見かけるようになってきました。自然言語処理(NLP)屋さんがPythonを好むのはまぁわかるのですが、MongoDBも好きな人が多いのは何か理由があるんですかね。やっぱりドキュメント(文書)としてデータを扱うからでしょうか。とにかくNLPな人達はLLにもミドルウェアにも強くなれて羨ましい限り。一方、画像処理(CV/IM)な世界はPythonを広めるのに必要な土台は十分なのに、NLPな世界と比べるとあまり流行ってない上にデータストアに詳しい人も少ない気がします。CVな人達は動画像ファイルのような巨大データの”管理”ってどうやってるんでしょう、。

すみません、愚痴で話しがそれました。NLPな人達がときどき羨ましくなります(´・ω・`)
Python + MongoDBでの開発フローもこれまでの例と同じで特筆することはありません。ここではWebアプリケーションフレームワークのFlaskも利用します。

* 環境
　Python 2.6.5
　MongoDB 1.8.2
　Flask 0.7.2
[shell]
$ mkdir pythonmongo
$ cd pythonmongo
$ dotcloud create pythonmongo
Created application “pythonmongo”
[/shell]
* dotcloud.yml
[shell]
www:
type: python
data:
type: mongodb
[/shell]
[shell]
$ dotcloud push pythonmongo ## dotcloud.ymlを書いてpush
$ dotcloud info pythonmongo.data ## MongoDBの情報を確認
cluster: wolverine
config:
mongodb_password: {ここにパスワードが表示される}
created_at: 1312085176.141191
ports:
- name: ssh
url: ssh://mongodb@8107c568.dotcloud.com:11761
- name: mongodb
url: mongodb://root:EFe0oQokRCeWh6q6Cpbc@8107c568.dotcloud.com:12096
state: running
type: mongodb
$ dotcloud run pythonmongo.data mongo ## シェルからMongoDBの接続確認
# mongo
MongoDB shell version: 1.8.2
connecting to: test
> use admin
switched to db admin
> db.auth(“root”, “{パスワードを入力}”);
1
> use test
switched to db test
> db.messages.save({“message”:”hello, “}) ## データを入れておく
> db.messages.save({“message”:”mongodb”})
> db.messages.find()
{ “_id” : ObjectId(“4e350736e720613220dcc5f2″), “message” : “hello, ” }
{ “_id” : ObjectId(“4e35073de720613220dcc5f3″), “message” : “mongodb” }
> quit()
[/shell]
次にPython(WSGI)アプリケーションからMongoDBにアクセスします。普通の構成でファイル作ってpushするだけ。

* requirements.txt (RackアプリでいうGemfileのようなもの)
[shell]
Flask==0.7.2
pymongo==1.11
[/shell]
* wsgi.py
[python]
import json
from flask import Flask, g
from pymongo import Connection

application = Flask(__name__)
app = application

@app.before_request
def before_request():
filepath = ‘/home/dotcloud/environment.json’
f = open(filepath)
env = json.load(f)
f.close()
conn = Connection(env['DOTCLOUD_DATA_MONGODB_HOST'],
int(env['DOTCLOUD_DATA_MONGODB_PORT']))

conn.admin.authenticate(env['DOTCLOUD_DATA_MONGODB_LOGIN'],
env['DOTCLOUD_DATA_MONGODB_PASSWORD'])
g.db = conn

@app.teardown_request
def teardown_request(exception):
g.db.disconnect()

@app.route(‘/’)
def hello():
message = ”
for item in g.db.test.messages.find():
message += item['message'] + “\n”
return message

if __name__ == ‘__main__’:
app.run()
[/python]
[shell]
$ dotcloud push pythonmongo
[/shell]
エントリーポイントにアクセスして hello, mongodb と表示されたら成功です。

今回はPerlでの利用例は省略しますが、普通にPSGIアプリケーションを作って、使いたいCPANモジュールを Makefile.PL に書いてpushするだけで動きました。特に難しいところはないかと思います。

DotCloudでWebアプリケーションを開発する手順を整理すると以下のようになります。

また、SSHでDotCloudのサーバに接続するのは簡単です。
[shell]
アプリケーション名は pythonmongo とする
$ dotcloud ssh pythonmongo.www
# $SHELL
dotcloud@pythonmongo-default-www-0:~$ ls -aF
./ .bash_history .bashrc code@ env/ .pip-cache/ revisions/ .ssh/
../ .bash_logout .cache/ current@ environment.json .profile rsync-1312103158.72/
[/shell]
ちなみに、nginxなどのサービス監視はmonitで行っているようです。僕もさくらVPSに入れて使っていますが、設定ファイルの書式が綺麗で書きやすいので好きです。

DotCloudと似たようなPaaSでは日本人の方が作ったfluxflexがありますが、そちらはマウスでぽちぽち作業できるのでポップな感じがしますね(公式サイトの作りも)。当然ながら日本語ドキュメントが整備されているので英語が苦手な人はfluxflexの方が使いやすいかもしれません。現時点でのスペック比較はあまり参考にならない気もするので、公式のPVとか見て好きな方を選んだらいいんじゃないかと思います。僕はDotCloudの音の響きで選んだだけなので、。あと、コンポーネントのロードマップが公式サイトに載ってるので印象は良いです。

僕はインフラ寄りのエンジニアなのでアプリケーション開発には詳しくないのですが、これを機にアプリ側の勉強もしてみようと思います。

* [追記] 各ミドルウェアも使ってみました。続きの記事はこちら。
DotCloudでのMySQL,Redis,MongoDBの使い方

DotCloudの特徴としては上のビデオや下の図を見て分かるように、プログラミング言語やミドルウェアを選択できるという点です。つまりユーザーはこれらの技術を自由に組み合わせてシステムを構築することができます。これはGAEやHerokuなど利用技術に制限のあるPaaSとの大きな違いです。DotCloud – Components Roadmapを眺めていると、今後さらにたくさんのソフトウェアがサポートされることが期待できます。

公式のチュートリアルを読めば使い方はすぐわかるのですが、一応ここでもデプロイまでの手順を簡単に追ってみます。先日のRubyKaigiの興奮冷めやらぬ今、利用言語はRubyで。

と言いつつ、DotCloudのコマンドラインツールはPythonで書かれているのでまずそれをインストールします。アカウントは先に作成しておいてください。DotCloud – Sign Up Free
[shell]
## pip導入済みの場合は sudo pip install dotcloud のみでOK
$ sudo easy_install pip && sudo pip install dotcloud

## 初めて実行したときにapi keyを入力する
## http://www.dotcloud.com/account/settings で確認して入力
$ dotcloud
Enter your api key (You can find it at http://www.dotcloud.com/account/settings):

## ヘルプ表示
$ dotcloud -h
Command line tool to interact with dotcloud

positional arguments:
{info,status,run,logs,versions,url,setup,list,rollback,alias,ssh,push,destroy,create,restart}
setup setup your api key
create create an application
push push your application
list list your applications
versions list the versions of your application
run run a remote command
logs read logs
alias bind a custom domain name to a service
destroy destroy your application
url display URL(s) of your application
info get information about your application or service
status check the status
rollback rollback your service to the previous pushed version
ssh open an SSH session
restart restart your service

optional arguments:
-h, –help show this help message and exit
[/shell]
ここではRackアプリケーションをデプロイするところまで。
[shell]
$ mkdir helloworld
$ cd helloworld
$ dotcloud create helloworld
Created application “helloworld”
[/shell]
dotcloud.yml という設定ファイルに利用言語などを記述します。環境を選べるDotCloudの特徴的なところですね。必要に応じてデータベースやサービスのエントリーポイントなどの指定もこのファイルに記述します。

* dotcloud.yml
[shell]
www:
type: ruby
[/shell]
ここでは言語を選んでいるだけなのでこれだけです。次にRackアプリ本体をRubyで普通に書きます。実際にアプリ開発するときはSinatraなどのフレームワークを利用することになると思います。

* config.ru
[ruby]
run proc{|env| [200, {'Content-Type'=>'text/plain'}, 'Hello World!']}
[/ruby]
残るはデプロイ。これも簡単。
[shell]
## 必要なファイルを確認
$ ls
config.ru dotcloud.yml

## 作成したアプリケーションをpush
$ dotcloud push helloworld

Pseudo-terminal will not be allocated because stdin is not a terminal.
building file list … done
./
config.ru
dotcloud.yml

sent 295 bytes received 70 bytes 42.94 bytes/sec
total size is 88 speedup is 0.24
Deployment for “helloworld” triggered. Will be available in a few seconds.
2011-07-24 03:36:36 [api] Waiting for the build. (It may take a few minutes)
2011-07-24 03:36:36 [www.0] Deploying…
2011-07-24 03:37:05 [www.0] Service booted
2011-07-24 03:37:05 [www.0] The build started
2011-07-24 03:37:06 [www.0] Fetched code revision rsync-1311478595.13
2011-07-24 03:37:16 [www.0] nginx start/running, process 1412
2011-07-24 03:37:17 [www.0] The build finished successfully
2011-07-24 03:37:17 [api] Deploy finished

Deployment finished. Your application is available at the following URLs
www: http://9c79afdc.dotcloud.com/ ## URLが表示されるのでここにアクセス

## サービスの情報を確認
$ dotcloud info helloworld
www:
config:
rack-env: production
ruby-version: 1.9.2
instances: 1
type: ruby
url: http://9c79afdc.dotcloud.com/
[/shell]
あとはブラウザから表示されたURLにアクセスして Hello World! と表示されたら成功です。

Deployment made simpleを謳うとおり本当に簡単でした。ここまで5分かからない。コマンドラインツールの使い方も dotcloud.yml の書き方も簡単なのですぐに覚えられます。他の言語やミドルウェア(MongoDB, Redis)もいくつか試してみたのですが、特につまづくところはなかったです。ドキュメントもこれから充実してくるはず。また、料金ですが2サービスまで無料とのことです。DotCloud – Pricing

GAEなどの従来のPaaSを利用していて窮屈に感じていた人はDotCloudを新しい遊び場に選ぶといいかもしれません。
雲は縛られない。

* 参考
プログラミング言語やデータベースが選べる新世代PaaS「DotCloud」が正式サービス開始 － Publickey

最後のRubyKaigiということで、特に最終日はスピリチュアルな熱いセッションばかり。
如何に楽しくモノつくりができるか、それがなにより大切であると。
数々の熱いセッションを聞いているうちに情熱が湧き上がってくるのがわかりました。
僕自身は普段あまりRubyを書く機会に恵まれないのですが、それでもRubyKaigiに今年も楽しく参加できたのは、
Ruby言語の素晴らしさ故だけではなく、Rubyコミュニティとその文化に大きな魅力があったからに他なりません。
なんと人間くさくて楽しい世界なんだろうといつの間にか感動している自分がいるのです。

ラストはスタンディングオべーション。いつまでも拍手が鳴り止まず、みんな感極まってた＞＜

いつかまたどこかで、RubyKaigiのような素晴らしいRubyのイベントが開かれることを願っています。

　
——————–
ノベルティもいっぱいもらったよｖ

環境は CentOS 5.6 (x86_64) , gcc4.4, libmemcached-devel

* インストール
remiレポジトリから新しいバージョンを入れる

$ sudo yum install libmemcached-devel.x86_64 --enablerepo=remi

* 各基本操作(set, get, delete)を行う C版
[cpp]
// libmemcached_test.c

#include
#include
#include
#include

int main(void) {
memcached_st *memc;
memcached_server_st *servers = NULL;
memcached_return rc;
const char* server_list = “localhost:11211″;
const char* key= “key”;
const char* value= “value”;
char* retval = NULL;
size_t len = 0;
time_t expire = 0;
uint32_t flags = 0;

// 初期化
memc = memcached_create(NULL);
servers = memcached_servers_parse(server_list);
rc = memcached_server_push(memc, servers);
memcached_server_list_free(servers); // すぐに解放してOK
if(rc == MEMCACHED_SUCCESS) {
printf(“added server successfully\n”);
} else {
printf(“couldn’t add server: %s\n”, memcached_strerror(memc, rc));
}

// set
rc = memcached_set(memc, key, strlen(key), value, strlen(value), expire, flags);
if(rc == MEMCACHED_SUCCESS) {
printf(“key stored successfully\n”);
} else {
printf(“couldn’t store key: %s\n”, memcached_strerror(memc, rc));
}

// get
retval = memcached_get(memc, key, strlen(key), &len, &flags, &rc);
if(rc == MEMCACHED_SUCCESS) {
printf(“key got successfully\n”);
printf(“value: %s\n”, retval);
} else {
printf(“couldn’t get key: %s\n”, memcached_strerror(memc, rc));
}
free(retval); // 忘れないように!!

// delete
rc = memcached_delete(memc, key, strlen(key), expire);
if(rc == MEMCACHED_SUCCESS) {
printf(“key deleted successfully\n”);
} else {
printf(“couldn’t delete key: %s\n”, memcached_strerror(memc, rc));
}

// get
retval = memcached_get(memc, key, strlen(key), &len, &flags, &rc);
if(rc == MEMCACHED_SUCCESS) {
printf(“key got successfully\n”);
printf(“value: %s\n”, retval);
} else if(rc == MEMCACHED_NOTFOUND) { // keyが存在しない
printf(“couldn’t get key (not found): %s\n”, memcached_strerror(memc, rc));
} else if(rc == MEMCACHED_FAILURE) { // memcachedに接続できない
printf(“couldn’t get key (failure): %s\n”, memcached_strerror(memc, rc));
}
free(retval);

// 解放
memcached_free(memc);
return 0;
}
[/cpp]
* コンパイル, 実行 (+ valgrindでメモリリークのチェック)

$ gcc44 -o -libmemcached_test libmemcached.c -L/usr/lib64 -lmemcached
$ valgrind ./libmemcached_test
==10510== Memcheck, a memory error detector
==10510== Copyright (C) 2002-2009, and GNU GPL'd, by Julian Seward et al.
==10510== Using Valgrind-3.5.0 and LibVEX; rerun with -h for copyright info
==10510== Command: ./libmemcached_test
==10510==
added server successfully
key stored successfully
key got successfully
value: value
key deleted successfully
couldn't get key (not found): NOT FOUND
==10510==
==10510== HEAP SUMMARY:
==10510==     in use at exit: 0 bytes in 0 blocks
==10510==   total heap usage: 54 allocs, 54 frees, 42,214 bytes allocated
==10510==
==10510== All heap blocks were freed -- no leaks are possible
==10510==
==10510== For counts of detected and suppressed errors, rerun with: -v
==10510== ERROR SUMMARY: 0 errors from 0 contexts (suppressed: 4 from 4)

memcached_get 内で malloc が行われるので free で解放するのを忘れずに。また、key が存在しない場合は NOT FOUND が、memcachedに接続出来ない場合などは FAILURE が返る。

あと、libmemcachedは関係ないけど以下のような警告が出た場合は文字列の扱いを見直す必要がある。

deprecated conversion from string constant to ‘char*’

どうやら gcc4.2 から(? 文字列の扱いに厳しくなっていて、const を付けるべき所はちゃんと付けないとだめらしい。見かけない警告だったので少し焦ったけど、そういえば会社の開発環境は gcc4.1 だったかもしれない。

次はC++インタフェースを使う。APIの使い方は libmmecached/memcached.hpp を読んで確認。

* 各基本操作(set, get, delete)を行う C++版
[cpp]
#include
// ヘッダは memcached.h ではなく memcached.hpp を include
#include

int main(void) {
using namespace std;
try {
// Memcache インスタンス生成
// 内部で memcached_create などが呼ばれて初期化処理が行われる
memcache::Memcache memc(“localhost:11211″);
string key = “mykey”;
string value_str = “myvalue”;
// value は std::string ではなく std::vector で扱う
vector value(value_str.begin(), value_str.end());
vector retval;
time_t expire = 0;
uint32_t flags = 0;

// set
// bool set(const std::string &key, const std::vector &value,
// time_t expiration, uint32_t flags)
if(memc.set(key, value, expire, flags)) {
cout<<"key stored successfully"< } else {
cerr<<"couldn't store key"< }

// get
// bool get(const std::string &key, std::vector &ret_val)
if(memc.get(key, retval)) {
cout<<“key got successfully”< cout<<&retval[0]< } else {
cerr<<"couldn't get key"< }

// delete
// bool remove(const std::string &key)
if(memc.remove(key)) {
cout<<"key deleted successfully"< } else {
cerr<<"couldn't delete key"< }
} catch(const memcache::Error& e) {
cerr<<"catch exception"< cerr< cerr< }
return 0;
}
[/cpp]
注意する点は、value は std::string ではなく std::vector<char> で扱うところ。

ほとんどのC++ APIは内部でC APIを呼んでいるだけの薄いラッパーになっていて、それらのC APIの結果が MEMCACHED_SUCCESS の場合は true を返す仕様になっている (一部のAPIは memcached_return_t を返す)。ただ、異常系処理において memcache::Error はあまり役に立たず、APIの戻り値チェックがいちいち必要なところは変わらない。。

C APIがどれくらいカバーされているかまだ調べきれてないけど、使うのは簡単なのでつまづくところは少なそう。