背景
エンジニアの採用について、コーディングテストがよく使われています。しかしRailsのコーディングテストはRailsプロジェクト及びデータがなければ実施できない問題がありますので、多くのところはRubyのコーディングテストのみ実施しているのは実情でした。
はじめに
最近私はGoogle Colab環境で機械学習の練習を行っており、Colab(Jupyter Notebook)の便利さを改めて認識しました。
それで、Colabの実行環境を生かして、Railsのコーディングテストを行えるかを試みました。
環境構築
まず、RubyとRailsが実行できる環境をColab上で構築しなければいけません。
本記事では、構築の手順をゼロから案内いたします。
また、私はこちらのノートブックを公開しましたので、ダウンロードして、Google Colaboratoryで実行しても良いと思います。
Ruby On Rails環境構築
# Ruby環境構築
!apt update -y
!apt install -y -qq ruby
# 以降はRails用
!apt install -y -qq ruby-dev make sqlite3 libsqlite3-dev
# !apt install libtool libffi-dev libzmq3-dev libczmq-dev
!gem install --no-ri --no-rdoc bundler
こうすれば %%ruby の記述でRubyコードを走れますが、Railsのコードはまた別の方法を取らなければいけません。
SQLのコーディングテスト環境
どうせRailsの環境を構築するので、Sqlite3を用いたSQLのテスト環境も構築しました。
# SQL文のテストもスムーズに行えるためのSQlite環境設定
%%bash
cat << SQLITERC > ~/.sqliterc
.header on
.mode column
SQLITERC
# ここは確認用
cat ~/.sqliterc
ベースとなるRailsプロジェクトのクローン
該当リポジトリについては、２点注意しなければいけない点があります。
- ColabにインストールされるRubyのバージョンはv2.5.1なので、Gemfileが
ruby '2.5.1'になっているかを確認する必要があります。 -
config/webpacker.ymlのcheck_yarn_integrityがfalseになっていることを確認する必要があります。
# RailsサンプルのClone
!git clone https://github.com/jerrywdlee/coding-test-rails.git
デフォルトDirの移動
colabのデフォルトディレクトリは /content ですが、先ほどクローンしたレポジトリ配下に移動すべきです。
他のセルと違い、ここには先頭の ! が必要ありません。
また、このコマンドは他のセルに入れて実行することができません。
# デフォルトのDirの移動(「!」がいらない)
cd coding-test-rails
bundle及びデータベースをセットアップ
ビルドが遅いです。
!bundle install
!bundle exec rails db:create
!bundle exec rake db:migrate
環境確認
上記手順でRailsの実行環境が構築されました。これから環境を確認します。
Rails環境確認
下記コマンドの原理は、tmp/script.rb にRailsのソースコードを一旦保存して、 bundle exec rails runner tmp/script.rb を使って実行することです。
この手法を生かすと、Railsだけでなく、SQL、Node.jsなどもColabで実行できるようになります。
# Rails環境確認
%%bash
cat << RUBY > tmp/script.rb
puts "Rails v#{Rails.version}"
puts "Env: #{Rails.env}"
RUBY
bundle exec rails runner tmp/script.rb
結果：
Rails v6.0.0
Env: development
Running via Spring preloader in process 15095
SQL環境確認
同じく tmp/配下に一時ファイルを保存して実行します。
# SQL環境確認
%%bash
cat << SQL > tmp/sql_code.sql
SELECT 1+1;
SQL
# cat tmp/sql_code.sql
cat tmp/sql_code.sql | bundle exec rails db
結果：
1+1
----------
2
データの導入
ここまではRails環境を構築して確認しました、これからはRailsにサンプルデータを保存します。
CSVファイルの作成
Colabは機械学習に特化した実行環境であるため、numpy、pandas、scikit-learn、seabornなど便利なライブラリはすでに導入済みでした。
ここでその力を借りて、seabornサンプルデータの一つ、タイタニック号の生死者データ(の一部)をRailsに導入します。
# データCSVの作成(Python)
import seaborn as sns
# タイタニック号の生死者データ
titanic = sns.load_dataset("titanic")
display (titanic.head(5))
titanic.to_csv("tmp/titanic.csv", index=False)
書き出したCSVデータの確認：
!ls -la tmp/*.csv
!wc -l tmp/*.csv
-rw-r--r-- 1 root root 57018 Sep 13 04:59 tmp/titanic.csv
892 tmp/titanic.csv
CSVデータの導入
内部ロジックはここで確認できます。
詳しい説明は割愛します。
# サンプルCSVをRailsにインポート
!bundle exec rails runner 'DataImport.load_titanic_csv "tmp/titanic.csv"'
結果:
Running via Spring preloader in process 15368
891 passengers inseted!
注意: bundle exec rails runner で前述した Rails環境確認 のソースコードを実行してから、インポートをするのがおすすめです。いきなりCSVのインポートを実行すると、環境が止まってしまうケースがあります。
サンプル質問
いよいよ環境構築が全て終えました。参考として、サンプルの質問をここで出します。
タイタニック号乗客の生還率を求めなさい
生還率: 生存した乗客数 / 乗客の総数
ソースコードは下記のリンクで確認できます
https://github.com/jerrywdlee/coding-test-rails
Rails版
# Rails Ver.
%%bash
cat << RUBY > tmp/script.rb
# ここからはRailsコードです
alive_cnt = Passenger.alive.size
ttl_cnt = Passenger.all.size
puts "Survival Rate: #{(alive_cnt.to_f * 100 / ttl_cnt).round(1)}%"
# ここまではRailsコードです
RUBY
bundle exec rails runner tmp/script.rb
結果:
Survival Rate: 38.4%
Running via Spring preloader in process 15418
SQL版
# SQL Ver.
%%bash
cat << SQL > tmp/sql_code.sql
-- ここからはSQL文です
SELECT
(alive_cnt * 1.0 / ttl_cnt) AS survival_rate
FROM
(
SELECT COUNT(*) AS alive_cnt FROM passengers WHERE survived = 1
) AS alive,
(
SELECT COUNT(*) AS ttl_cnt FROM passengers
) AS ttl;
-- ここまではSQL文です
SQL
cat tmp/sql_code.sql | bundle exec rails db
結果:
survival_rate
-----------------
0.383838383838384