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