scalaでRESTサービス実装を学ぶ。

他に、playでmbaasというプロジェクトbaasboxがあるが、javaベースで実装されているので、ひとまず除外。

今回の対象は、spray|liftweb。・・・調査＆学習コスト云々の話が深刻となりそうだが、即座に動く例題をizmailoff氏(ガチな感じのliftwebとspray界隈のコミッター)が公開してくれているので、メモしておこうと思った。

選択肢① liftweb　

• liftweb(rest+model)+mongodb

OpenBankProjectが、liftで実装したAPIなどをその名の通り、公開してくれている。

いろいろあるので、マイナーなlift実装を比較的まとまった規模のコードで学ぶのに良い。

選択肢② spray+akka+liftweb

• spray(rest)+akka+liftweb(model)+mongodb

mongodb動かしておけば、githubのメモとおりで例題が即動く(検証環境Ubuntu14.04系)。

$./Spray_Mongo_REST_service/scripts/requests $ ./createUser.sh
{
  "status":"SUCCESSFUL",
  "value":{
    "email":"[e-mail]",
    "username":"test",
    "fullName":"Aleksey",
    "_id":"54ba87191e621d782791ee03",
    "isActive":true,
    "password":"mypass"
  }

$mongo
> use twitter
switched to db twitter
> show collections
system.indexes
tweet
user
> db.user.find()
{ "_id" : ObjectId("54ba87191e621d782791ee03"), "email" : "[e-mail]", "username" : "test", "fullName" : "Aleksey", "isActive" : true, "password" : "mypass" }

選択肢（番外編）　play(PredictionIO)

PredictionIOは、playを部分的に使った機械学習フレームワーク(レコメンド等)。5700位上のstarを集めており、2015年1月現在、github上のscalaプロジェクトの中では、もっともstarが多い。かなり大きめのフレームワークplayであり、REST実装を学ぶ目的には大きすぎそうだが、気になる存在。

PredictionIOを大づかみにするには、以下から入るといいのかも:
Need to build a personalisation engine? Introducing PredictionIO

※注、上の記事と異なり、PredictionIOバージョン0.84以降は、現時点では、hadoop上でなく、spark上で動作する。