SL-NTFSはMac OSX（10.6以降）に対応するフリーウェア。Windowsからのスイッチャーであったり、社内にWindowsとMac OSXが混在するような環境であればそのHDDに入っているデータを読み書きしたいと思うことはよくあることだろう。 インストーラー Windowsが動いているならばLANでつなげるだろうが、HDDだけがある場合は厄介だ。通常のままではMac OSXからNTFSのドライブは読み込むことが出来ない。そこで使いたいのがSL-NTFSだ。Snow Leopard向けのNTFS読み書きドライバだ。 SL-NTFSはシステム環境設定パネルにインストールされるソフトウェアで、そこからドライブをマウントする。接続しても自動的にマウントされるという訳ではないのでご注意いただきたい。アンマウントもSL-NTFSの設定から行う。 環境設定パネル。手元にNTFSのドライブがな

GityはMac OSX用のオープンソース・ソフトウェア。分散化バージョン管理システムであるGitの人気は高い。サーバ集中型の場合、個々人が自由にリポジトリを操作するのは難しいが、Gitの場合はフォークしてしまえば自由にコミットできるのが魅力だ。 Mac OSX（10.6以降）用のGitクライアント だが現状、必須と呼べるレベルのクライアントソフトウェアが存在しない。Subversionがあれだけ受け入れられたのはTortoiseSVNによるところが大きい。Finder連携型ではないけれども使い勝手の良いGitクライアントとしてGityを紹介しよう。 GityはGit操作に関して一通りの作業ができるクライアントソフトウェアだ。リポジトリの閲覧に加えてブランチを一覧したり、追加することもできる。タグやサブモジュールの追加も可能だ。差分の閲覧やコミット、Push、Pullなどの操作もできるので

はじめに Liftによるアプリケーション開発、第3回となる本稿は、Modelを利用したデータアクセスについて解説します。 前回、LiftのView層を解説する際に利用したサンプルを、LiftのModelを利用してデータベースへのアクセスを行うように改良しながら、Modelの使い方について説明します。 対象読者 Javaは知っているが、Scalaも学んでみたいと思っている方 ScalaでのWebアプリケーション開発に興味がある方 必要な環境 最低動作環境 Java SE 5 推奨環境 Java SE 6 Apache Maven 2.10 Scala 2.7.5 LiftのModel Liftにおけるデータアクセスコンポーネントは、Mapper and Record Frameworkと呼ばれています。その名のとおり、MapperはJDBCを利用したデータアクセスを提供するコンポーネントで、

CodeZine編集部では、現場で活躍するデベロッパーをスターにするためのカンファレンス「Developers Summit」や、エンジニアの生きざまをブーストするためのイベント「Developers Boost」など、さまざまなカンファレンスを企画・運営しています。

はじめに 第4回を迎えた本連載ですが、これまではLiftのView層やModel層の個々の要素の解説にとどまっていました。 今回は、View層とModelを組み合わせて、Twitterのクローンのようなアプリケーションを作成しながら、Liftを利用した開発の流れを説明することで、具体的なアプリケーションを構築するイメージをつかんでいただける内容になっています。 対象読者 Javaは知っているが、Scalaも学んでみたいと思っている方 ScalaでのWebアプリケーション開発に興味がある方 必要な環境 最低動作環境 J2SE 5.0 JDK 推奨環境 J2SE 6.0 JDK Apache Maven 2.10 Scala 2.7.5 アプリケーション作成の流れ アプリケーションを作成する流れは、次のとおりです。今回は、これまでのおさらいを兼ねて、1からアプリケーションを作成します。 mav

はじめに Google App Engine（GAE）/Javaでは、Java仮想マシン上で動作する言語を利用することができます。例えば、JRubyやGroovyなどです。 Scalaも、コンパイルすることによりJava仮想マシン上で動作するクラスファイルを生成する言語ですので、当然、GAE/Java上で動作させることができます。 Scalaが動作するということは、ScalaでできているWebアプリケーションフレームワークであるLiftを元に作成されたアプリケーションを、GAE/Javaに載せることができるということです。 前後編で構成される本連載では、ScalaおよびLiftをGAE/Java上で動作させる方法を解説した後、サンプルアプリケーションでGoogleが提供するさまざまなAPIを利用した、GAEならではのアプリケーションを作成して、GAEでのアプリケーション作成のイメージをつか

はじめに 前回の「Google App Engine/JavaでのScala/Liftアプリケーション開発（前編）」では、Google App Engine（GAE）JavaでLiftアプリケーションを利用する基本的な方法を解説しました。 後編である本稿では、前回作成したイベント管理アプリケーションに機能追加を行いながら、Googleが提供するemailサービスやスケジュールサービス（cron）、TaskQueue（非同期バックグラウンド処理）などを利用してアプリケーションを構築する方法について説明します。 また、これまで説明していなかったLiftViewによるテンプレートを利用しないレスポンスの生成や、カスタムディスパッチで任意のURLの処理を行う方法も紹介します。 対象読者 Javaは知っているが、Scalaも学んでみたいと思っている方 ScalaでのWebアプリケーション開発に興味が

原文(投稿日：2010/01/27)へのリンク プログラミング言語Scalaの作者達は長く待たれていたScala 2.8の最初のベータをリリースした。 2.7.7に対して大量のバグフィックスと多くの新機能を含んでいます。このベータは今後数ヶ月のうちにリリースされるはずの2.8.0最終バージョンの基礎となるものです。 （2.7.7からの）バージョン番号のわずかな増加からは、この言語に対して行われた変更の数の多さを適切に理解することはできない。残念ながら、Scala 2.8は2.7ブランチとバイナリ互換ではない。 新機能のいくつかの例は以下の通りである（包括的なリストはリリースアナウンスを参照のこと）： 再設計されたコレクションライブラリ Scalaのコレクションライブラリは完全に再設計された。今や新しいコレクションを実装するのがより簡単になっているだけでなく、ユーザは（ほぼ後方互換であるにも

こっちは本物のMapReduceだ！ グーグルがAppEngine-MapReduceをオープンソースで開発中 グーグルはGoogle App Engine上でMapReduce処理を実現するオープンソースを開発中だと、先日行われたイベントGoogle I/Oで明らかにしています。プロジェクトのホームページもGoogle Code上に「appengine-mapreduce - Project Hosting on Google Code」として公開されています。 Reduce処理やJava版はこれから 1つ前の記事「グーグルによるMapReduceサービス「BigQuery」が登場。SQLライクな命令で大規模データ操作」では、グーグルがSQLライクな命令を用いて大規模データ処理のサービスを提供することをお伝えしました。 記事でも書いたとおり、これは内部でMapReduceを使っているかど

「数兆件のデータも対話的に、高速に分析できる」。グーグルは5月19日にこのような表現で新しいサービス「BigQuery」の登場を紹介するエントリを、ブログにポストしています。 グーグルが公開したBigQueryは、Hadoopやデータウェアハウスなどを用いて多くの企業が行おうとしている大規模データ（いわゆる「Big Data」）の分析を、グーグルのクラウドで可能にします。利用者はGoogle Storage経由で大規模データを転送し、SQLライクな命令によって抽出や分析を行います。 まるでグーグルが大規模データ処理のMapReduceをホスティングし、その機能をサービスとして提供するようなものがBigQueryといえます（ただし公開された「BigQuery」の説明には、内部でMapReduceを利用しているのかどうかの記述はないのため、MapReduce「的」なサービスと表現すべきかもしれ

クラウドの登場によって新たな種類のデータベース、NoSQL（Not Only SQLの略）と呼ばれる非リレーショナル型のデータベースが注目を浴びています。アマゾンのAmazon Web Servicesで利用可能なSimpleDB、グーグルのGoogle App Engineで利用可能なBigTable、Apacheで開発が進められているCouchDB、MemcachedやBerkeley DBなどよく知られたものもありますし、商用製品としてはOracle Coherence、IBM WebSphere eXtreme Scaleなどもあります（参考：NoSQLデータベースを40種類以上リストアップ、キーバリュー型にもいろいろある）。 NoSQLデータベースはリレーショナルデータベースとは異なり、スケーラビリティやアベイラビリティをトランザクションやデータ一貫性よりも優先させた実装が多いの

スケーラブルなデータベースを実現する手段として「Sharding MySQL plus memcached」がよく知られる方法だとは、1つ前の記事「MySQL+Memcachedの時代は過ぎ、これからはNoSQLなのか、についての議論」で紹介しました。 ちなみに「Sharding」（シャーディング）とは複数のデータベースにデータを分散して運用することで、ざっくりいえばShared Nothing的な分散データベース構成のことです（この記事で紹介する英文中には「Shared MySQL」（共有MySQL）との記述がありますが、これは恐らく「Sharded MySQL」（ShardされたMySQL）のミススペルではないと推測します）。 日本で（たぶん）もっともMySQLについて詳しく解説してあるブログ「漢(オトコ)のコンピュータ道」のエントリ「さらにMySQLを高速化する7つの方法」では、Sh

ベンチャー企業の米VoltDBは5月25日（米国時間）、オープンソースのデータベースシステム「VoltDB 1.0.1」をリリースした。高速、拡張性、ACID遵守などを特徴とする次世代DBMSとしている。 VoltDBは「Postgres」「Ingres」などのデータベースプロジェクトを共同で創始したMichael Stonebraker氏が設計したもので、Stonebraker氏が非常勤教授を務めるマサチューセッツ工科大（MIT）、ブラウン大学、イェール大学、HP Labsの共同研究「H-Store」がベースとなっている。 VoltDBは豊富なメモリやマルチコアCPUを備えたシステムに最適化されており、データを分散させてメモリ内に配置することで飛躍的に性能を改善しているという。データベースエンジンはマルチスレッドで動作し、データは分割されて各スレッドに配置される。それぞれのスレッドはロッ

「多くのOLTPデータベースは30年前の設計を基にしており、今日の“Webスケールな”データベースの負荷を想定していない。これら伝統的なデータベースは、処理時間の90％以上がログ、ロック、ラッチ、バッファ制御といったオーバーヘッドに費やされ、しかもそれらによって限られた性能やスケーラビリティしか実現できていない」 Ingresの開発者でありInformixのCTOなどデータベースベンダの要職を歴任したデータベース研究者の大御所、マイケル・ストーンブレイカー氏が開発したVoltDBはプレスリリースでこのように既存のリレーショナルデータベースの欠点を示した上で、インメモリデータベースをベースにこれらのオーバーヘッドを除去し、ACIDによるデータ一貫性を維持しつつ大きな性能向上とスケーラビリティを実現したと説明されています。 SourceForge.jpの記事「「NoSQL」を上回る性能を目指す