目的

「QOL向上」を目的として旧LAMPサーバを構築してきました。
旧LAMPサーバでは、収支管理、健康管理目的で使用しておりますが、新機能を今後追加していくため、機能が膨大になり管理できなくなる懸念があるため、今までの機能も見直しを進めていきます。
- 見直し対象：https://qiita.com/t_kyn/items/9a4cbd0ea54f68ca37a9
また、旧LAMPサーバは、定期的なセキュリティバージョンアップとモジュール管理ができてないため、下記も検討しています。
- コンテナイメージを作成・定期的なバージョンアップをする。
- k3dベースへのアーキテクチャシフトする
- モジュール管理として、Github（プライベートリポジトリ）で構成管理する
旧LAMPサーバでは、BIツールでJavaVMのメモリを多く使用し、OSがフリーズする事象が発生していました。
対策として、BIツールをCPU負荷をメインとしたpythonベースの自作アプリケーションに変更します。（JavaよりもPythonのほうがデータ分析やAI、機械学習と幅広く使われている点と、googlecolaboratoryでの実行も可能なため、学習範囲が広げやすい点より、新機能をより円滑にエンハンスするという狙いもあります。）
PCのディスク使用量削減のため、新LAMPサーバと旧Kubernetesサーバは廃止し、k3dサーバを搭載したサーバに統合します。(下図イメージ）

アーキテクチャ変更により、詳細な設計・実装を行います

前提

本来、要件整理後、アーキテクチャ構築を進めるべきですが、動作検証を優先するため、アーキテクチャ構築を先にしています。
k3dクラスタベースの下記アーキテクチャを構築しております。
- ロードバランサ（k3dベース）
- Nginx（Deployment）
- Python（Deployment）
- MySQL（Deployment）
上記アーキテクチャを構築した前提で、アプリケーションの実装まで検討します。

システム化の方針

要件定義以前に、そもそも何を実現していくか
まず、今までの構築したLAMPサーバとして、何が必要か不要かを判断し、システム化の方針を立てます

誰に対しての開発か

自分のみならず、妻、家族

目的の再確認

目的は「QOL向上」ですが、もう少し分類します。
- スキルや趣味の開発（個人スキル向上）
- 健康への配慮（睡眠時間、メンタルケア）
- 家族のコミュニケーション向上（アルバム作成）
- 時間の管理（優先順位付けの向上）

システム化の方針の整理

具体的にすると以下の4つで、個人開発としてどういう技術でアプローチしていくかを考えます
整理した結果、下記3つは必要なので、
- スキルや趣味の開発（個人スキル向上）
- 健康への配慮（睡眠時間、メンタルケア）
- 家族のコミュニケーション向上（アルバム作成）

スキルや趣味の開発（重要度：★★★）

目標：個人のスキルアップ
現状：個人開発での、技術要件定義スキル強化が乏しい
課題：マネジメント業務が重きとなっており、業務でのモダンな技術経験が希薄
解決策：個人でのアプリ開発向上、データ分析、運用スキルの向上
期待値①：アプリ開発・運用管理での上記機能が使いこなせること。
期待値②：新規機能追加（写真管理のアルバム管理＋旅行・レシピなどの提案企画支援）
使用技術：既に利用している下記を利用
- Nginx（html、css、javascript）
- python（Flask、FastAPI、SQLAlchemy、Pandas）
- MySQL
- k3d
- Github（構成管理、スケジュール管理）

健康への配慮（重要度：★★☆）

目標：メンタルヘルスのケア、リラックスする時間を確保
現状：勤怠管理から勤務時間を割り出したり、iPhoneの行動記録やジムでのトレーニング実績の分析は可能
課題：個人および妻のメンタルケアが必要不可欠。
解決策：メンタルヘルスの情報サイト一覧作成、睡眠・トレーニング記録管理
期待値①：ジム通いを週2～3は維持できること。
期待値②：個人開発の時間を減らし、睡眠・趣味の時間に充てられること。
使用技術：既に利用している下記を利用
- Nginx（html、css、javascript）
- python（Flask、FastAPI、SQLAlchemy、Pandas、Plotly）
- MySQL
- k3d
- Github（スケジュール管理）

家族のコミュニケーション向上（重要度：★★★）

目標：家族との団欒を増やす
現状：家族とのコミュニケーションを維持できてない
課題：現状の通り
解決策：維持できるためのツール導入（アルバムとチャット機能作成）
期待値：家族とのコミュニケーションを支援するコンテンツ作成
役割：アルバム、データ分析などを通じたつながりの維持支援
使用技術：既に利用している下記を利用
- Nginx（html、css、javascript）
- python（Flask、FastAPI、SQLAlchemy、Pandas）
- MySQL
- k3d
- Github（スケジュール管理）

時間の管理（重要度：対象外）

時間管理に関しては、Github（ProjectによるBacklog利用）で事足りるため、
対象から外すことにしました。

目標：時間を有効活用する
現状：メモとかで管理している
課題：プライベートでの時間管理ができてない
解決策：行動履歴と優先順位を立てるとともに、タスクに対して時間記録と分析をする
期待値①：タスク優先順位設定の判断が早まること
期待値②：タスクの時間記録

システム化の方針から機能要件・非機能要件整理

機能要件

下記を1つのサーバで行います
- スキルや趣味の開発（個人スキル向上）
- 健康への配慮（睡眠時間、メンタルケア）
- 家族のコミュニケーション向上（アルバム作成）
システム化の方針から機能要件を大枠レベルで整理します。
- 画面設計（画面一覧、画面遷移、画面レイアウト）
  - ログイン機能
  - 画面遷移（ログイン→Top画面→各メニューの画面一覧）
  - 収支計算、健康管理の画面
  - アルバムコンテンツ作成
  - URL一覧
- API設計（URL一覧、処理内容）
  - 収支計算、健康管理の表、グラフURL
  - アルバムコンテンツのURL
  - URL一覧
- 外部インターフェース設計（外部サイトとのやりとり、通信フロー）
  - アルバムコンテンツの保管先サーバへの通信
  - URL一覧
- DB設計（テーブル定義）
  - 収支計算、健康管理のテーブル定義
- 処理パターン（オンライン、バッチ）
  - オンライン：スマホからの打鍵
  - バッチ：各種メンテナンス
    - ログバックアップ・削除・圧縮
    - 統計情報収集（k3d、OS、コンテナ）
    - k3d起動・停止、k3dクラスタ再作成
    - イメージアップデート（難易度高め）
    - データベースエクスポート・インポート

非機能要件

AWSのWell Archtected Flameworkの考え方を参考にしていますが、セキュリティ、可用性、性能、メンテナンス、コストの5観点に加え、移植性についての要件になります。
- セキュリティ要件（アクセス制御、データの暗号化など）
  - ログイン、FlaskAPI、TFA
  - Nginxでのアクセス制御
- システムの信頼性や可用性（障害時の復旧能力、システムの稼働時間など）
  - k3dの導入（Kubernetesアーキテクチャ環境）
  - ファイルバックアップ
  - 制約：データベースが単一障害点となるため、その考慮点と対策
    - データベースバックアップ・リストア・エクスポート・インポート機能
- パフォーマンス（応答時間、処理能力など）
  - FlaskAPIとFastAPIベースのPythonフレームワークを利用
- 運用（メンテナンス）
  - 汎用化するため、Blueprint、オブジェクト指向プログラミングを活用する
  - ソースコードをGithubで管理する
  - k3dの起動停止スクリプトを開発する
  - k3dはバグだらけなので、バグを受容しつつ、回避策用のスクリプトを開発する
- コスト
  - 無料で使うため、OSSを利用する。
- 移植性
  - 異なるOSに移行することを考慮し、マニフェストファイルを管理する
  - データエクスポートはmysqldumpコマンド、インポートはmysqlコマンドを利用
使用する技術やプラットフォームの制約
（ハードウェアの仕様、ソフトウェアのバージョンなど）
- 仮想マシンは、VMWareを引き続き利用。OSはAlmaLinux8.9を採用する。
システムの利用環境に関する要件（言語、地域、ユーザーの文化的背景など）
- 特にないが、日本語ベースとする。地域も日本。

考慮すること

実テーブルを複数使用する場合、内部結合したビューを作成し、管理します。
データベース破損に備え、データベースをファイルエクスポートし、Slaveデータベースへインポートする処理を定期実行します。
PythonのCPU、メモリ負荷を減らすため、loggerによるログ出力は必要最小限とします。
ブラウザからの接続は秘匿情報の盗聴を防ぐため、https接続のみ許可します。

詳細設計（実装方針・イメージ）

pythonでの実装方法を検討します。

モジュール

flask,flasksecurity,pandas,sqlalchemy,plotlyが必要そうです
plotlyとはデータからグラフ描画・可視化をする機能です。
Matplotlibとは違い、plotlyではマウス操作での拡大縮小も可能なのが特徴です。

ライブラリ	用途
Flask	ウェブアプリケーションやAPIの開発
SQLAlchemy	SQLデータベースとの対話、オブジェクトリレーショナルマッピング（ORM）
plotly	グラフの描画や可視化
Pandas	表形式のデータ操作や解析
NumPy	数値計算や配列操作、科学技術計算、データ分析
openai	各種提案※外部APIの利用

ディレクトリ構成

下記役割を分けるようディレクトリ作成し、pythonスクリプトを作成し、配置ています。

pyscripts
  ├testapp.py（メインスクリプト）
  └content
    ├t_kyn_connection（データベース接続）
    ├t_kyn_models（データモデル定義）
    ├t_kyn_operations（データ操作）
    ├t_kyn_routes（URLとAPI操作とのマッピング）
    └t_kyn_views（表示テンプレート定義）

データモデル定義

pythonのSQLAlchemyのmodelsで定義します(以下は一例）

from sqlalchemy import Column, Integer, String, DateTime, BigInteger, Numeric, Float, Date
from sqlalchemy.ext.declarative import declarative_base

Base = declarative_base()

class ActPlanHouserepaircostsTotalView(Base):
    __tablename__ = 'act_plan_houserepaircosts_total_view'

    #id = Column(Integer, primary_key=True)
    aphc_year = Column(Integer, primary_key=True)
    aphc_month = Column(Integer, primary_key=True)
    aphc_payment = Column(Numeric)

データ操作

操作単位で定義します。例えば、データベースのデータをSELECTする場合、下記pandasを利用します(以下は一例）

import pandas as pd
from t_kyn_connection.create_session import get_session
import os
import logging
import matplotlib.pyplot as plt

# ログ設定
logging.basicConfig(level=logging.DEBUG)
logger = logging.getLogger(__name__)

class DataViewer:
    def __init__(self):
        # セッションを取得
        self.session = get_session()

    def view_all_data_as_html(self, table_class):
        try:
            # 全データを検索
            logger.debug("データベースからデータを取得します")
            results = self.session.query(table_class).all()
            logger.debug(f"取得したデータの数: {len(results)}")

            if results:
                # 検索結果をデータフレームに変換
                logger.debug("データフレームに変換します")
                columns = table_class.__table__.columns.keys()
                data = [tuple(getattr(result, column) for column in columns) for result in results]
                df = pd.DataFrame(data, columns=columns)
                logger.debug("データフレームの内容:\n%s", df)

                # データフレームをHTML形式で表示
                html_table = df.to_html(index=False)
                logger.debug("HTML形式のデータ:\n%s", html_table)

                return html_table
            else:
                logger.debug("No data found in the table.")
                return "No data found in the table."
        except Exception as e:
            logger.error("Error occurred while viewing data: %s", e)
            return f"Error occurred while viewing data: {e}"
        finally:
            # セッションをクローズ
            self.session.close()

URLとAPI操作とのマッピング・データ表示

FlaskのBlueprint, render_templateを用いて、テンプレート用のhtmlファイルを利用し、動的ページを作成します。(以下は一例）

import sys
from flask import Blueprint, render_template

# Create a Blueprint
act_plan_houserepaircosts_total_view_bp = Blueprint('act_plan_houserepaircosts_total_view_bp', __name__)
act_plan_houserepaircosts_total_view_graph_bp = Blueprint('act_plan_houserepaircosts_total_view_graph_bp', __name__)

sys.path.append('/app')
@act_plan_houserepaircosts_total_view_bp.get('/')
def execute_sample_task():
    sys.path.append('/app/content')

    from t_kyn_operations.select_args_10desc import DataViewer
    from t_kyn_models.models_t_kyn_act_plan_houserepaircosts_total_view import ActPlanHouserepaircostsTotalView

    data_viewer = DataViewer()

    html_table = data_viewer.view_all_data_as_html(ActPlanHouserepaircostsTotalView)

    return render_template('data.html', table=html_table)

表示テンプレート定義

data.htmlを定義します。これにより、各テーブルごとにhtmlファイルを用意する必要がなくなります(以下は一例）

<!DOCTYPE html>
<html lang="en">
<head>
    <meta charset="UTF-8">
    <meta name="viewport" content="width=device-width, initial-scale=1.0">
    <title>Data Table</title>
    <link rel="stylesheet" href="https://stackpath.bootstrapcdn.com/bootstrap/4.5.2/css/bootstrap.min.css">
</head>
<body>
    <div class="container mt-5">
        <h1>Data Table</h1>
        <div class="table-responsive">
            {{ table|safe }}
        </div>
        <div class="mt-3">
            <button class="btn btn-primary" onclick="goBack()">戻る</button>
        </div>
    </div>

    <script>
        // 戻るボタンの関数
        function goBack() {
            window.history.back();
        }
    </script>

</body>
</html>

グラフ表示

plotlyを用いて、グラフ作成します(以下は一例）

@act_plan_houserepaircosts_total_view_graph_bp.route('/')
def execute_sample_plotgraphtask():
    sys.path.append('/app/content')

    from t_kyn_operations.select_args_10desc import DataViewer
    from t_kyn_models.models_t_kyn_act_plan_houserepaircosts_total_view import ActPlanHouserepaircostsTotalView

    data_viewer = DataViewer()

    # データを取得してデータフレームに変換
    df = data_viewer.get_data_as_dataframe(ActPlanHouserepaircostsTotalView)
    graphtitle = ActPlanHouserepaircostsTotalView.__tablename__

    if df is not None:
        # グラフをプロット
        data_viewer.plot_data(df, 'aphc_month', 'aphc_payment', graphtitle)

    return 'Sample graph plot task executed successfully.'

データアップロードダウンロード
- 実装方法を確認中
データエクスポート、インポート
MySQLのPodからデータベースをエクスポートし、MasterデータベースではないMYSQLのPodへデータインポートを行います。
- MySQLダンプファイルをエクスポートするbashスクリプト
- MySQLダンプファイルからインポートするbashスクリプト
ログイン機能
- 実装方法を確認中

改善したい機能

住宅ローンのシミュレーション
- 1シミュレーション1テーブルとしており、複数のシミュレーション結果をグラフにする際、複数テーブルを結合してました。しかし、結合処理は応答時間が長くなるため、非効率です。
- 単一テーブルとし、シミュレーション毎に計算で出すようカラムを分けるよう変更します。

今後

画面遷移、データモデルをもう少し詳細化します
2024/9より、ローカルPC上のVMに構築ではリソースが足りないことが判明しました。ディスクサイズは問題ないとしても、CPUとメモリは共用で利用されることから、PC上から、クラウド（github codespaceかgoogle colabにデプロイ）する方針に梶をとります
2024/10 運用機能をいくつか追加するため、以下を対応しています。詳細事項は後続で記載予定です。
- ログ集約化（fluentdによる agentpod→serverpod ）
- 監視要件として統計用スクリプトの追加
- デプロイ機能スクリプト追加
- codespaceによる接続確認（localhostでの接続確認）

参考

flask-security

セキュリティ

パフォーマンス