はじめに

YesCoderの私ですが、先日リリースされた国産ローコード開発ツール「Querier」を試したら良かったので、記事にしますよ。
今回はREST API編、次回はGraphQL編の予定です。
Web上でドラッグ＆ドロップで簡単にUIを構築できる開発ツールです。

Querierの気に入った点はいろいろありますが、まず一つ挙げるなら、SQLデータベースやFiresbase等の外部データと簡単に連携できるところですね。
一般にNoCode／LowCodeでの開発は、今はNoCodeデータベースを使うことが多いと思います。
でも本格的なシステムを作るなら、大規模データで実績のあるデータベースを採用したいです。
NoCodeデータベースとNoCodeアプリの組み合わせは、大規模の実績は私の耳に入ってきませんが、Querierのように外部データベースと連携できる開発ツールなら、LowCodeで本格的なシステム開発もいけると私は見ています。

そして本格的なシステム開発もいけるなら、いよいよ「YesCodeのかなりの仕事がNoCode／LowCodeで置き換わる」話が現実味を帯びてきます。
Querierからは、そんな未来を感じました。

Querierは管理画面の開発に特化した、バックエンドエンジニア向けのローコード開発ツールですが、今後はプロダクト向けでも、外部データベースと簡単に連携できる開発ツールが出てくるかもしれませんね。
私もYesCodeの仕事が減りそうで、うかうかしていられません。

それではQuerierのフリープランで、CRUDアプリを試作してみます。

記事の内容

ローコード開発ツールのQuerierを使用して、PostgreSQLにデータを読み書きするWebアプリを試作します。
自宅のローカル環境のPostgreSQLを使用しました。
同じくローカルでPostgRESTを起動し、この記事の方法で外部公開し、Querierアプリからアクセスしました。PostgRESTは、PostgreSQLを操作するRESTful APIを提供する、オープンソースのWeb APIサーバーです。
本記事ではバリデーションやPostgRESTのユーザー認証は省きました。

【ローカル環境にて】PostgreSQLにデータを用意し、PostgRESTを立ち上げる

ERモデリングツールでの作業

ERモデリングツールはA5:SQL Mk-2を使用しました。
以下のER図を描きました。エンティティ1つだけです。

ER図メニューから「DDLを作成する」を選択します。

RDBMS種類でPostgreSQLを選択し、DDL生成ボタンを押します。

以下のDDLが生成されました。


-- RDBMS Type   : PostgreSQL
-- Application  : A5:SQL Mk-2

/*
  BackupToTempTable, RestoreFromTempTable疑似命令が付加されています。
  これにより、drop table, create table 後もデータが残ります。
  この機能は一時的に $$TableName のような一時テーブルを作成します。
*/

-- WeatherForecast
--* BackupToTempTable
DROP TABLE if exists weather_forecasts CASCADE;

--* RestoreFromTempTable
CREATE TABLE weather_forecasts (
  id integer NOT NULL
  , dt date NOT NULL
  , temperature_c double precision NOT NULL
  , summary character varying NOT NULL
  , CONSTRAINT weather_forecasts_PKC PRIMARY KEY (id)
) ;

COMMENT ON TABLE weather_forecasts IS 'WeatherForecast';
COMMENT ON COLUMN weather_forecasts.id IS 'Id';
COMMENT ON COLUMN weather_forecasts.dt IS 'Date';
COMMENT ON COLUMN weather_forecasts.temperature_c IS 'TemperatureC';
COMMENT ON COLUMN weather_forecasts.summary IS 'Summary';

PostgreSQLの作業

本記事ではLinux上のPostgreSQLを使用します。
psqlを起動します。


psql --host=localhost --username=postgres --password

データベースを作成します。名前を「sample_db」にしましたが、何でも良いです。


CREATE DATABASE sample_db;

カレントデータベースを、作成したsample_dbに切り替えます。

\c sample_db

先ほどERモデリングツールが生成したDDLをpsqlにコピペして実行します。

以下のINSERT文を流して、2000年1月1日から150日分のテストデータを作成します。
テーブルにはidの降順でINSERTしてみます。


INSERT INTO weather_forecasts (
    id,
    dt,
    temperature_c,
    summary
)
SELECT
    id,
    ('1999-12-31'::DATE + (id::TEXT || ' days')::INTERVAL)::DATE AS dt,
    (random() * 75 - 20)::INT AS temperature_c,
    CASE (random() * 1000)::INT % 10
        WHEN 0 THEN 'Freezing'
        WHEN 1 THEN 'Bracing'
        WHEN 2 THEN 'Chilly'
        WHEN 3 THEN 'Cool'
        WHEN 4 THEN 'Mild'
        WHEN 5 THEN 'Warm'
        WHEN 6 THEN 'Balmy'
        WHEN 7 THEN 'Hot'
        WHEN 8 THEN 'Sweltering'
        WHEN 9 THEN 'Scorching'
    END AS summary
FROM
    generate_series(1, 150) AS id
ORDER BY id DESC;

以下のSELECT文を流して、データが作成されたか確認します。


SELECT
    *
FROM
    weather_forecasts;

以下のようにidの降順で表示されましたが、順番に意味はありません。

psqlから抜けます。

PostgRESTの作業

本記事ではPostgRESTをPostgreSQLと同じローカルのLinuxホストにインストールします。
このページを参考にして、PostgRESTのバイナリをインストール＆起動します。
Dockerを使う方法もあります。

PostgREST起動時に指定するコンフィグファイル例

sample.conf


db-uri = "postgres://postgres:secret@localhost:5432/sample_db"
db-schema = "public"
db-anon-role = "postgres"

起動コマンド例


postgrest sample.conf

起動画面

postgrestコマンドを起動するだけで、PostgreSQLのスキーマを読み取ってAPIエンドポイントを自動生成してくれます。

ブラウザで http://localhost:3000/weather_forecasts にアクセスし、weather_forecastsテーブルのデータを見てみると、以下のように表示されました。

PostgRESTサーバーを外部公開する

この記事のhttpの手順を行って、先程ローカルで起動したPostgRESTサーバー（ポート3000）を外部公開（ポート13001）しました。記事内の動作確認用Webサーバー（python3 -m http.server 3001）の起動は不要です。
なお、本記事ではhttpsは使用しなかったので、Caddyの手順は行いませんでした。

外部からREST APIにアクセスできるか、ブラウザで確認してみます。
VPSのドメインが yourdomain.com であれば、アクセス先は http://yourdomain.com:13001/weather_forecasts となります。

以下のようにリバースSSHポートフォワーディングを利用して、ブラウザからローカルのPostgRESTのAPIを呼ぶことが出来ました。

Querierでアプリを開発する

Querierにログイン後、以下の作業を行います。

サイドメニュー「連携データ」での作業

サイドメニューから「連携データ」を選択し、データソースを新規作成します。下図のように、

表示名：sample_restapi
データタイプ：restapi
baseurl：http://yourdomain.com:13001

としました。

サイドメニュー「アプリ一覧」での作業

サイドメニューから「アプリ一覧」を選択し、アプリを新規作成します。以下のように、アプリ名をweather_forecasts_restapiとしました。

アプリ名の右側の三点ボタンから「編集」を選択し、アプリの編集画面に進みます。

データフローを4つ作成

下図のように、SQLのSELECT文、INSERT文、UPDATE文、DELETE文に該当する4つのデータフローを作成することにします。

4つ共通の設定として、「データソース＝連携データで作成したsample_restapi」にします。

以下、データフローからinput_id、input_dt、input_temperature_c、input_summaryの4つのインプットコンポーネントを参照しますが、これらは後の作業で作成します。

SELECT文のデータフロー

名前を「df_select_weather_forecasts」にしました。
「オプションの入力」は、PostgRESTの仕様に従い、

メソッド：GET
URL：/weather_forecasts
URLパラメーター：order id.asc

としました。URLパラメーターで、id列の昇順でソートするよう指定しています。

INSERT文のデータフロー

名前を「df_insert_weather_forecasts」にしました。
「オプションの入力」は、PostgRESTの仕様に従い、

メソッド：POST
URL：/weather_forecasts
データ：JSON


{
    "id":{{ input_id.value }},
    "dt":"{{ input_dt.value }}",
    "temperature_c":{{ input_temperature_c.value }},
    "summary":"{{ input_summary.value }}"
}

としました。

下にスクロールして、「成功時のトリガーを設定する」に「df_select_weather_forecasts」を設定します。
この設定を行うと、SQLのINSERT文が成功したら引き続きSELECT文が自動実行され、画面のテーブル表示が自動更新されます。

UPDATE文のデータフロー

名前を「df_update_weather_forecasts」にしました。
「オプションの入力」は、PostgRESTの仕様に従い、

メソッド：PATCH
URL：/weather_forecasts
データ：JSON


{
    "dt":"{{ input_dt.value }}",
    "temperature_c":{{ input_temperature_c.value }},
    "summary":"{{ input_summary.value }}"
}

URLパラメーター：id eq.{{ input_id.value }}

としました。

下にスクロールして、「成功時のトリガーを設定する」に「df_select_weather_forecasts」を設定します。
この設定を行うと、SQLのUPDATE文が成功したら引き続きSELECT文が自動実行され、画面のテーブル表示が自動更新されます。

DELETE文のデータフロー

名前を「df_delete_weather_forecasts」にしました。
「オプションの入力」は、PostgRESTの仕様に従い、

メソッド：DELETE
URL：/weather_forecasts
データ：NONE
URLパラメーター：id eq.{{ input_id.value }}

としました。

下にスクロールして、「成功時のトリガーを設定する」に「df_select_weather_forecasts」を設定します。
この設定を行うと、SQLのDELETE文が成功したら引き続きSELECT文が自動実行され、画面のテーブル表示が自動更新されます。

以上でデータフローの作成は完了です。

コンポーネントの配置と設定

カラムコンポーネント

画面右側からコンポーネントタブに行き、カラムコンポーネントを下図のようにドラッグ＆ドロップします。

カラムコンポーネントの左側を広めにします。

テーブルコンポーネント「table1」

コンポーネントタブに行き、テーブルコンポーネントを下図のようにカラムコンポーネントの左側にドラッグ＆ドロップします。

エディタータブに行き、データに以下を入力してSELECT文のデータフローを設定します。


{{ df_select_weather_forecasts.data }}

テーブルコンポーネントのカラム（列）が古いままですが、アプリ編集を一旦終了し、再び開き直してデータフロー「df_select_weather_forecasts」を実行したら更新されました。

インプットコンポーネント「input_dt」

コンポーネントタブに行き、インプットコンポーネントを下図のようにカラムコンポーネントの右側にドラッグ＆ドロップします。

エディタータブに行き、以下のように設定します。

ウィジェット名：input_dt
ラベル：date
DefaultValue：


{{ table1.selectedRow.data ? table1.selectedRow.data.dt : '' }}

必須：オン

DefaultValueにtable1のデータを指定したので、table1の別の行を選択すると値がinput_dtに反映されます。

インプットコンポーネント「input_id」

コンポーネントタブに行き、インプットコンポーネントを下図のようにinput_dtの下にドラッグ＆ドロップします。

エディタータブに行き、以下のように設定します。

ウィジェット名：input_id
ラベル：id
DefaultValue：


{{ table1.selectedRow.data ? table1.selectedRow.data.id : '' }}

必須：オン

インプットコンポーネント「input_summary」

コンポーネントタブに行き、インプットコンポーネントを下図のようにinput_idの下にドラッグ＆ドロップします。

エディタータブに行き、以下のように設定します。

ウィジェット名：input_summary
ラベル：summary
DefaultValue：


{{ table1.selectedRow.data ? table1.selectedRow.data.summary : '' }}

必須：オン

インプットコンポーネント「input_temperature_c」

コンポーネントタブに行き、インプットコンポーネントを下図のようにinput_summaryの下にドラッグ＆ドロップします。

エディタータブに行き、以下のように設定します。

ウィジェット名：input_temperature_c
ラベル：temperature
DefaultValue：


{{ table1.selectedRow.data ? table1.selectedRow.data.temperature_c : '' }}

必須：オン

ボタンコンポーネント「button_select」

コンポーネントタブに行き、ボタンコンポーネントを下図のようにtable1の下にドラッグ＆ドロップします。

エディタータブに行き、以下のように設定します。

ウィジェット名：button_select
ラベル：読み直し
データフロー：df_select_weather_forecasts

ボタンコンポーネント「button_insert」

コンポーネントタブに行き、ボタンコンポーネントを下図のようにinput_temperature_cの下にドラッグ＆ドロップします。

エディタータブに行き、以下のように設定します。

ウィジェット名：button_insert
ラベル：新規登録
データフロー：df_insert_weather_forecasts

それでは存在しないデータを新規登録してみましょう。
インプットコンポーネントに適当な値を入力して、以下の画面で新規登録ボタンをクリックします。

以下のように、右上にdf_insert_weather_forecastsが成功したメッセージが表示さました。
また、今回のケースではテーブルコンポーネントに16ページ目が追加されて、df_insert_weather_forecastsに続いてdf_select_weather_forecastsが自動実行された様子です。

その16ページ目を表示させると、新規登録したデータが見えました。

ボタンコンポーネント「button_update」

コンポーネントタブに行き、ボタンコンポーネントを下図のようにbutton_insertの下にドラッグ＆ドロップします。

エディタータブに行き、以下のように設定します。

ウィジェット名：button_update
ラベル：行更新
データフロー：df_update_weather_forecasts

それでは先程新規登録したデータを更新してみましょう。
table1で先程のデータを選択後、インプットコンポーネントのid以外の値を適当に変更して、以下の画面で行更新ボタンをクリックします。

以下のように、右上にdf_update_weather_forecastsが成功したメッセージが表示さました。
また続いてdf_select_weather_forecastsも実行され、テーブル表示が自動更新されました。

ボタンコンポーネント「button_delete」

コンポーネントタブに行き、ボタンコンポーネントを下図のようにbutton_updateの下にドラッグ＆ドロップします。

エディタータブに行き、以下のように設定します。

ウィジェット名：button_delete
ラベル：行削除
データフロー：df_delete_weather_forecasts

それでは先程更新したデータを削除してみましょう。
table1で先程のデータを選択後、以下の画面で行削除ボタンをクリックします。

以下のように、右上にdf_delete_weather_forecastsが成功したメッセージが表示さました。
また続いてdf_select_weather_forecastsも実行され、今回のケースではテーブルコンポーネントから16ページ目がなくなりました。

以上、ひと通りCRUD機能を実装できました。
BIツールではできなかった、データの挿入・編集も可能でした。

使ってみての感想

これはエンジニア向けのツールですね。
ローコードなので、コードを書ける分ノーコードよりできることが多く、YesCoderにも受け入れられそうです。
UIをドラッグ＆ドロップで構築できて、コードも追加できるので、かつてのDelphiを思い出しました。

共有データベースとQuerierを連携させれば、共有データベースを通じてYesCodeアプリとも機能連携できそうです。
まず共有データベースをしっかり作り、Querierで作れる機能はサクッと作って工数削減し、複雑な機能だけYesCodeで開発してQuerierと機能連携させるイメージです。
良いと思いますねー。機会があれば、ぜひ業務で使いたいです。
国産ツールなので日本語でサポートが受けられるのも、ありがたいですね。