LoginSignup
1
1

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

@BNR-Longin株式会社BinaryTech | 日本品質 × ベトナム開発、最高のバランスを。

💥倉庫崩壊を阻止！🚚失敗しないWMS開発の極意 | 第8回: デプロイとシステム拡張

Posted at

はじめに

倉庫管理システム（WMS）の開発が完了したら、次のステップは本番環境へのデプロイと、将来の成長に備えたシステム拡張です。大規模な倉庫や複数地域での運用では、クラウドインフラ、コンテナ化、自動スケーリングが不可欠です。また、コスト管理や多言語対応も重要な考慮事項です。第8回では、WMSをクラウド（AWS、GCP）にデプロイし、DockerとKubernetesで運用する方法、コスト最適化のためのサーバーレスアプローチ、新たな倉庫や多言語対応の拡張、監視システム（Prometheus/Grafana）の構築について、具体的なコード例とともに解説します。さらに、実際の運用での教訓も共有します。

デプロイと拡張の重要性

デプロイは、開発したWMSを本番環境で稼働させるプロセスであり、スケーラビリティ、安定性、コスト効率が求められます。システム拡張は、新たな倉庫の追加やグローバル展開（例：多言語対応）に対応する能力を指します。主な課題は以下の通りです：

  • 高負荷対応：ピーク時（例：ブラックフライデー）のトラフィック急増。
  • コスト管理：クラウドリソースの過剰使用によるコスト増。
  • 運用安定性：障害発生時の迅速な検出と復旧。
  • 拡張性：新倉庫や新言語の追加を最小限の変更で実現。

筆者の経験では、あるEコマース企業が単一サーバーにデプロイした結果、ピーク時にシステムがダウンし、1日で300万円の売上機会損失が発生しました。このような失敗を避けるため、クラウドと監視を活用したデプロイ戦略が不可欠です。

技術要件

デプロイとシステム拡張のための技術要件は以下の通りです：

  • クラウドインフラ：AWS（EC2, RDS）またはGCP（Compute Engine, Cloud SQL）。
  • コンテナ化：Dockerでアプリケーションをパッケージ化。
  • オーケストレーション：Kubernetesでスケールアウトと自動復旧。
  • コスト最適化：サーバーレス（例：AWS Lambda）で非頻繁タスクを処理。
  • 多言語対応：i18nライブラリで多言語UIとデータを提供。
  • 監視：Prometheusでメトリクス収集、Grafanaで可視化。

デプロイアーキテクチャ

以下は、WMSのクラウドデプロイと拡張のためのアーキテクチャ概要です：

  1. アプリケーション：FlaskベースのAPI、Reactベースのフロントエンド。
  2. データベース：PostgreSQL（AWS RDSまたはGCP Cloud SQL）。
  3. コンテナ：Dockerでバックエンドとフロントエンドをコンテナ化。
  4. オーケストレーション：Kubernetesでコンテナを管理、自動スケーリング。
  5. サーバーレス：レポート生成やデータ同期をAWS Lambdaで処理。
  6. 監視：PrometheusでCPU/メモリ監視、Grafanaでダッシュボード表示。
  7. CDN：Cloudflareで静的資産を配信、レイテンシを削減。

Docker化（バックエンドとフロントエンド）

以下は、FlaskバックエンドとReactフロントエンドをDockerでコンテナ化する例です。

Flaskバックエンド（Dockerfile）

FROM python:3.9-slim

WORKDIR /app

COPY requirements.txt .
RUN pip install --no-cache-dir -r requirements.txt

COPY . .

ENV FLASK_ENV=production
ENV DATABASE_URL=postgresql://postgres:password@db:5432/wms_db

EXPOSE 5000

CMD ["gunicorn", "-w", "4", "-b", "0.0.0.0:5000", "app:app"]

Reactフロントエンド（Dockerfile）

FROM node:16-alpine

WORKDIR /app

COPY package.json package-lock.json ./
RUN npm install

COPY . .

RUN npm run build

FROM nginx:alpine
COPY --from=0 /app/build /usr/share/nginx/html
COPY nginx.conf /etc/nginx/conf.d/default.conf

EXPOSE 80

CMD ["nginx", "-g", "daemon off;"]

NGINX設定（nginx.conf）

server {
    listen 80;
    server_name localhost;

    location / {
        root /usr/share/nginx/html;
        try_files $uri /index.html;
    }

    location /api/ {
        proxy_pass http://backend:5000;
        proxy_set_header Host $host;
        proxy_set_header X-Real-IP $remote_addr;
    }
}

Kubernetesデプロイ

以下は、Kubernetesでバックエンド、フロントエンド、データベースをデプロイする例です。

apiVersion: apps/v1
kind: Deployment
metadata:
  name: wms-backend
spec:
  replicas: 3
  selector:
    matchLabels:
      app: wms-backend
  template:
    metadata:
      labels:
        app: wms-backend
    spec:
      containers:
      - name: wms-backend
        image: wms-backend:latest
        ports:
        - containerPort: 5000
        env:
        - name: DATABASE_URL
          value: "postgresql://postgres:password@db:5432/wms_db"
        resources:
          limits:
            cpu: "500m"
            memory: "512Mi"
---
apiVersion: v1
kind: Service
metadata:
  name: wms-backend-service
spec:
  selector:
    app: wms-backend
  ports:
  - protocol: TCP
    port: 5000
    targetPort: 5000
  type: ClusterIP
---
apiVersion: apps/v1
kind: Deployment
metadata:
  name: wms-frontend
spec:
  replicas: 2
  selector:
    matchLabels:
      app: wms-frontend
  template:
    metadata:
      labels:
        app: wms-frontend
    spec:
      containers:
      - name: wms-frontend
        image: wms-frontend:latest
        ports:
        - containerPort: 80
        resources:
          limits:
            cpu: "300m"
            memory: "256Mi"
---
apiVersion: v1
kind: Service
metadata:
  name: wms-frontend-service
spec:
  selector:
    app: wms-frontend
  ports:
  - protocol: TCP
    port: 80
    targetPort: 80
  type: LoadBalancer
---
apiVersion: autoscaling/v2
kind: HorizontalPodAutoscaler
metadata:
  name: wms-backend-hpa
spec:
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: wms-backend
  minReplicas: 3
  maxReplicas: 10
  metrics:
  - type: Resource
    resource:
      name: cpu
      target:
        type: Utilization
        averageUtilization: 70

デプロイのポイント

  1. スケーラビリティ：KubernetesのHPA（Horizontal Pod Autoscaler）で負荷に応じてポッドを増減。
  2. 安定性：3つのレプリカで単一障害点を排除。
  3. コスト最適化：リソース制限（CPU: 500m, メモリ: 512Mi）を設定し、過剰割り当てを防止。
  4. デプロイ手順： 
    kubectl apply -f wms-deployment.yaml

サーバーレスによるコスト最適化

非頻繁なタスク（例：週次レポート生成）をAWS Lambdaで処理し、コスト最適化を実現します。

Lambda関数（レポート生成）

import json
import psycopg2
import pandas as pd

def lambda_handler(event, context):
    conn = psycopg2.connect(
        dbname="wms_db",
        user="postgres",
        password="password",
        host="rds-endpoint",
        port="5432"
    )
    
    try:
        cursor = conn.cursor(cursor_factory=psycopg2.extras.DictCursor)
        cursor.execute(
            """
            SELECT p.sku, SUM(ABS(t.quantity)) as total_sold
            FROM transactions t
            JOIN products p ON t.product_id = p.id
            WHERE t.type = 'OUT' AND t.created_at > CURRENT_DATE - INTERVAL '30 days'
            GROUP BY p.sku
            """
        )
        data = cursor.fetchall()
        
        df = pd.DataFrame(data)
        report_path = '/tmp/report.csv'
        df.to_csv(report_path, index=False)
        
        # S3にアップロード（簡略化）
        # boto3でS3に保存するロジックを追加
        
        return {
            'statusCode': 200,
            'body': json.dumps({'message': 'レポート生成完了'})
        }
    
    except Exception as e:
        return {
            'statusCode': 500,
            'body': json.dumps({'error': str(e)})
        }
    
    finally:
        cursor.close()
        conn.close()

サーバーレスのポイント

  1. コスト最適化：Lambdaは使用した分だけ課金（例：月間1000回のレポート生成で約$0.50）。
  2. スケジュール：AWS EventBridgeで週次実行を設定。 
    aws events put-rule --name WeeklyReport --schedule-expression "cron(0 9 ? * MON *)"
  3. スケーラビリティ：Lambdaは自動スケールし、ピーク負荷に対応。

多言語対応

多言語対応は、グローバル展開や多国籍スタッフのサポートに必要です。Flask-Babelでバックエンド、Reactのi18nextでフロントエンドを多言語化します。

Flask-Babel設定

from flask import Flask
from flask_babel import Babel

app = Flask(__name__)
babel = Babel(app)

@babel.localeselector
def get_locale():
    return request.accept_languages.best_match(['ja', 'en', 'vi'])

@app.route('/api/greeting')
def greeting():
    return jsonify({'message': gettext('こんにちは、WMSへようこそ！')})

React i18next設定

import React from 'react';
import i18n from 'i18next';
import { initReactI18next } from 'react-i18next';

i18n.use(initReactI18next).init({
    resources: {
        ja: { translation: { welcome: 'こんにちは、WMSへようこそ！' } },
        en: { translation: { welcome: 'Hello, welcome to WMS!' } },
        vi: { translation: { welcome: 'Xin chào, chào mừng đến với WMS!' } }
    },
    lng: 'ja',
    fallbackLng: 'en'
});

const Welcome = () => {
    return <h1>{i18n.t('welcome')}</h1>;
};

多言語のポイント

  1. ユーザビリティ：ユーザーのブラウザ言語を自動検出。
  2. 拡張性：新しい言語（例：中国語）をJSONファイルで追加。
  3. データベース：商品名や説明を多言語対応。 
    CREATE TABLE product_translations (
    id SERIAL PRIMARY KEY,
    product_id INTEGER REFERENCES products(id),
    language_code VARCHAR(10),
    name VARCHAR(255),
    description TEXT
);

監視（PrometheusとGrafana）

監視はシステムの安定性とパフォーマンスを確保します。

Prometheus設定

global:
  scrape_interval: 15s

scrape_configs:
  - job_name: 'wms-backend'
    static_configs:
      - targets: ['wms-backend-service:5000']

Flaskメトリクスエンドポイント

from prometheus_client import Counter, generate_latest
from flask import Response

request_count = Counter('wms_requests_total', 'Total API requests')

@app.route('/metrics')
def metrics():
    request_count.inc()
    return Response(generate_latest(), mimetype='text/plain')

Grafanaダッシュボード

  • CPU使用率、メモリ使用量、リクエストレイテンシを可視化。
  • アラート設定：CPU使用率が80%を超えた場合、Slackに通知。 
    grafana-cli plugins install grafana-slack-alert

新倉庫の追加

新倉庫を追加するには、データベースとアプリケーションを拡張します。

  1. データベース：warehousesテーブルに新倉庫を追加。 
    INSERT INTO warehouses (code, name, address) VALUES ('WH002', '東京倉庫', '東京都品川区');
  2. 在庫管理：新倉庫のロケーションをlocationsテーブルに追加。
  3. アプリケーション：倉庫フィルタリングをAPIに追加。 
    @app.route('/api/inventory/<sku>')
def get_inventory(sku):
    warehouse_id = request.args.get('warehouse_id')
    # warehouse_idに基づくフィルタリングロジック

実際のユースケース

以下は、デプロイとシステム拡張が倉庫業務にどのように役立つかの例です：

  1. ピーク時対応：
    • 課題：セール期間にサーバーダウン。
    • 解決策：Kubernetesで自動スケーリングを導入。
    • 結果：ダウンタイムゼロ、ピーク負荷を100%処理。
  2. コスト最適化：
    • 課題：クラウドコストが月間50万円増。
    • 解決策：レポート生成をAWS Lambdaに移行。
    • 結果：コストが60%削減。
  3. 多言語対応：
    • 課題：海外スタッフが日本語UIで操作困難。
    • 解決策：多言語対応（英語、ベトナム語）を導入。
    • 結果：スタッフの作業効率が30%向上。

実践のポイント

  • ロールバック計画：新機能デプロイ時に古いバージョンを保持。 
    kubectl rollout undo deployment/wms-backend
  • コスト監視：AWS Cost Explorerでリソース使用量を週次確認。
  • 監視を強化：Prometheusでカスタムメトリクス（例：APIエラー率）を追加。
  • 段階的拡張：新倉庫は1つずつ追加し、安定性を検証。
  • ユーザー教育：多言語UIの使い方をスタッフにトレーニング。

学びのポイント

デプロイは信頼性の基盤：適切なクラウド戦略と監視がなければ、優れたWMSも本番で失敗します。筆者のプロジェクトでは、ピーク負荷を想定せずEC2単一インスタンスにデプロイした結果、ブラックフライデーにシステムがクラッシュし、顧客の30%が離脱しました。Kubernetes、サーバーレス、Prometheusを導入することで、稼働率が99.95%に向上し、売上が20%増加しました。運用チームとの連携とロールバック計画が成功の鍵です。

次回予告

次回は、RFIDやロボット倉庫（AMR）の統合に焦点を当てます。これらの先端技術をWMSに組み込む方法について、Pythonのコード例とともに解説します。

1
1
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
Sign upLogin
1
1

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?