読者です 読者をやめる 読者になる 読者になる

npmに代わるNodeパッケージマネージャーyarn

yarn

https://yarnpkg.com/

FacebookとExponent, Google, Tildeとの共同チームによって生まれた新しいパッケージマネージャー

Yarn pulls packages from registry.yarnpkg.com, which allows them to run experiments with the Yarn client. This is a proxy that pulls packages from the official npm registry, much like npmjs.cf.

http://blog.npmjs.org/post/151660845210/hello-yarn

新しいレジストリも作るのかと一瞬思ったけど、どうやらそうではなく、npmレジストリを利用するための新しいクライアントのようだ。よかった。

npmjsのブログを見る限りはyarnのリリースにかなり好意的。でもnpm Inc.がyarn開発からハブられたのはなぜなのか。

特徴

https://bower.io/blog/2016/using-bower-with-yarn/

bowerのブログを参考にまとめる。ただ、yarnとbowerは今は共存してない様子。

Lockfile

ユーザーやデバイス間にまたがるプロジェクトのライブラリのバージョン違いをなくす。npmでいうshrinkwrap機能。チーム開発していると頻発するので嬉しい。

Security

パッケージをインストールする前にパッケージをチェックしてセキュリティを高める。キャッシュを使うのもセキュリティ面で効果があるんだろう。

Offline

洗練されたキャッシュシステムで、パッケージのインストールにかかる時間を大幅に減らし、またオフラインでも使用可能になる。速い。

インストール

npm install --global yarn

pipeasy_installしたのを思い出した。

使い方

npmとのコマンド対応表

https://yarnpkg.com/en/docs/migrating-from-npm#toc-cli-commands-comparison

npm Yarn
npm install yarn install
(N/A) yarn install --flat
(N/A) yarn install --har
(N/A) yarn install --no-lockfile
(N/A) yarn install --pure-lockfile
npm install [package] (N/A)
npm install --save [package] yarn add [package]
npm install --save-dev [package] yarn add [package] --dev
(N/A) yarn add [package] --peer
npm install --save-optional [package] yarn add [package] --optional
npm install --save-exact [package] yarn add [package] --exact
(N/A) yarn add [package] --tilde
npm install --global [package] yarn global add [package]
npm uninstall [package] (N/A)
npm uninstall --save [package] yarn remove [package]
npm uninstall --save-dev [package] yarn remove [package]
npm uninstall --save-optional [package] yarn remove [package]
(N/A) yarn upgrade [package]

Git Large File Storage

参考

Git Large File Storage (Git LFS) とは、大容量ファイルを扱うためのGit拡張。オーディオ・ビデオ・データセット・グラフィクスといったファイルをリモートサーバーに格納し、テクストポインタとしてGitで管理することができる。

環境

OS X El Capitan Version 10.11.6
git version 2.10.0

インストール

$ brew install git-lfs
$ git lfs install

使ってみる

新規プロジェクトの場合

まずはバイナリファイルを用意し、これを管理することにする:

$ touch README.md
$ ls > large.bin

git-lfsで管理するファイルのパターンを設定する:

$ git lfs track '*.bin'
Tracking *.bin

'*.bin'のパターンにマッチするすべてのファイルが対象となる。

git-lfsに管理されているファイルパターンを確認するには、引数無しでgit lfs trackを実行する:

$ git lfs track
Listing tracked paths
    *.bin (.gitattributes)

また、pre-pushフックと.gitattributesが作成されている:

$ cat .git/hooks/pre-push
#!/bin/sh
command -v git-lfs >/dev/null 2>&1 || { echo >&2 "\nThis repository is configured for Git LFS but 'git-lfs' was not found on your path. If you no longer wish to use Git LFS, remove this hook by deleting .git/hooks/pre-push.\n"; exit 2; }
git lfs pre-push "$@"

$ cat .gitattributes
*.bin filter=lfs diff=lfs merge=lfs -text

Herokuなんかはgit-lfsに対応していないので、このpre-pushフックを削除しないとうまくビルドできないので注意。

次にこの.gitattributesをコミットする必要がある:

$ git add .gitattributes
$ git add large.bin
$ git commit -m "Added bin"

git lfs ls-filesコマンドでgit-lfs対象のファイルを確認できる:

$ git lfs ls-files
02c2d7a18e * large.bin

既存のプロジェクトの場合

すでにバイナリファイルをgit-lfsを使わずにコミットしており、途中からgit-lfsで管理したいとする:

$ git init .
$ ls > bar.bin
$ ls > foo.bin
$ git add .
$ git commit -m "initial commit"
$ ls > foo.bin
$ git add foo.bin
$ git commit -m "Second commit"

トラック対象のファイルを定義する:

$ git lfs track '*.bin'
$ git add .gitattributes
$ git commit -m "Now tracking bin files"
$ git tag not_working

対象のファイルを定義した.gitattributesをコミットしただけなので、バイナリファイルがlsfオブジェクトに変換されたわけではない。

すでにコミットしたファイルのキャッシュをクリアし、もう一度コミットし直す:

$ git rm --cached *.bin
$ git add *.bin
$ git commit -m "Convert last commit to LFS"

git lfs ls-filesコマンドで対象のファイルを確認する:

$ git lfs ls-files
4665a5ea42 * bar.bin
4665a5ea42 * foo.bin

最新の履歴のfoo.binファイルの中身を確認すると、lfsオブジェクトに変換されていることがわかる:

$ git show HEAD:foo.bin
version https://git-lfs.github.com/spec/v1
oid sha256:4665a5ea423c2713d436b5ee50593a9640e0018c1550b5a0002f74190d6caea8
size 36

過去(バイナリファイルをコミットし直す前)の履歴のfoo.binファイルでは、まだ変換されていない:

$ git show not_working:foo.bin
bar.bin
foo.bin

過去の履歴のファイルも変換するには、git-lfs-migrateを使うらしい。

単語をベクトル化するword2vec(gensim)を使い、指定した二単語間の関連度を算出する

word2vec

2014年から2015年辺りに流行った、単語をベクトル化して評価する手法。 有名なのは、

king – man + woman = queen

学習データとなるコーパスを準備する

無料かつ簡単に手に入るWikipediaのdumpファイルから持ってきます。

https://dumps.wikimedia.org/jawiki/latest/ の jawiki-latest-pages-articles.xml.bz2 をダウンロードします。

xmlファイルのままでは使えないので、 これをwp2txtを使ってplain.txtに変換します:

$ gem install wp2txt
$ wp2txt jawiki-latest-pages-articles.xml.bz2

ファイルが大量に作成されるので、次のように連結します:

$ cat jawiki-latest-pages-articles.xml-* > jawiki.txt

word2vecでは、単語ごとにスペースで区切られている必要があるので、日本語形態素解析器であるMecabを使って分かち書きします。

まずは、Mecabと標準辞書(IPA)をインストールします:

$ brew install mecab mecab-ipadic

さらにmecab-ipadic-NEologdというカスタム辞書をインストールします:

$ git clone --depth 1 https://github.com/neologd/mecab-ipadic-neologd.git
$ cd mecab-ipadic-neologd
$ ./bin/install-mecab-ipadic-neologd -n

Mecabと辞書のインストールが完了しました。まずはカスタム辞書のインストール先を調べます:

$ echo `mecab-config --dicdir`"/mecab-ipadic-neologd"
/usr/local/lib/mecab/dic/mecab-ipadic-neologd

Mecabの -d オプションにこのパスを指定して、分かち書きを行います:

$ mecab -d /usr/local/lib/mecab/dic/mecab-ipadic-neologd \
-Owakati jawiki.txt > jawiki_wakati.txt

これで学習データの準備が整いました。

word2vecの実装

参考

  • https://radimrehurek.com/gensim/models/word2vec.html
  • http://rare-technologies.com/word2vec-tutorial/
  • http://tjo.hatenablog.com/entry/2014/06/19/233949
  • http://sucrose.hatenablog.com/entry/2013/10/29/001041

Pythonのgensimを使って、word2vecを使用します。cythonを入れると学習時間が短縮されるみたいです。

$ easy_install gensim numpy scipy
$ pip install cython

まずは、学習のためのスクリプトを記述、実行します:

train.py

# -*- coding: utf-8 -*-
from gensim.models import word2vec
import logging

logging.basicConfig(format='%(asctime)s : %(levelname)s : %(message)s', level=logging.INFO)

sentences = word2vec.Text8Corpus('jawiki_wakati.txt')

model = word2vec.Word2Vec(sentences, size=200, min_count=20, window=15)

model.save("jawiki_wakati.model")
$ python train.py

あまりにも時間がかかりすぎる場合はファイルを分割します。最終的に100MBほどに分割して学習させました。

これでモデルができました。ちょっと動作を確かめてみましょう。

similarity.py

# -*- coding: utf-8 -*-
from gensim.models import word2vec
import logging
import sys

logging.basicConfig(format='%(asctime)s : %(levelname)s : %(message)s', level=logging.INFO)

model = word2vec.Word2Vec.load("jawiki_wakati.model")
argvs = sys.argv
print model.similarity(argvs[1], argvs[2])

これを実行します。

$ python similarity.py 日本 フィリピン
2016-09-09 21:57:52,064 : INFO : loading Word2Vec object from jawiki_wakati.model
2016-09-09 21:58:03,569 : INFO : loading syn0 from jawiki_wakati.model.syn0.npy with mmap=None
2016-09-09 21:58:03,956 : INFO : loading syn1 from jawiki_wakati.model.syn1.npy with mmap=None
2016-09-09 21:58:04,573 : INFO : setting ignored attribute syn0norm to None
0.262511504266

学習量が少ないので正確性にはかけるのでしょうが、ちゃんと単語類似度を返しています。

APIとして使う

ほかのプログラミング言語から使用しやすいように、APIとして使えるようにしてみます。

フレームワークにはFalconを使用、WSGIサーバーのgunicornも一緒にインストールします。

$ pip install falcon gunicorn

簡単に、2つのトークンを受け取って、類似度をJSONで返すAPIを作成します:

server.py

# -*- coding:utf-8 -*-
import json
import falcon
from gensim.models import word2vec
import logging

class Server(object):

    def __init__(self):
        self.logger = logging.basicConfig(format='%(asctime)s : %(levelname)s : %(message)s', level=logging.INFO)
        self.model = word2vec.Word2Vec.load("jawiki_wakati.model")

    def on_get(self, req, res):

        s1 = req.get_param('s1')
        s2 = req.get_param('s2')

        content = {
            "similarity": self.model.similarity(s1, s2)
        }

        res.body = json.dumps(content)

app = falcon.API()
app.add_route("/", Server())

サーバーを動かしてみます:

$ gunicorn server:app

次のようにGETリクエストを送ると、JSONで返ってきます:

$ curl "127.0.0.1:8000?s1=日本&s2=フィリピン"
{"similarity": 0.26251150426566316}

Docker

デプロイしやすいようにDockerで動かしてみます。

現在の環境はこれ:

Dockerファイルを追加:

Dockerfile

FROM python:2.7.9

RUN pip install --upgrade pip

WORKDIR /gensim-api
COPY requirements.txt /gensim-api
RUN  pip install -r requirements.txt
COPY . /gensim-api

管理が楽なのでDocker Composeを使用:

docker-compose.yml

api:
    image: gensim-api
    command: gunicorn --reload -b 0.0.0.0:5000 server:app
    volumes:
        - .:/gensim-api
    ports:
        - "5000:5000"

次のコマンドでDockerイメージを作成し、コンテナを起動します:

$ docker build -t gensim-api .
$ docker-compose up

最後に

上記のように、gensimを使えば簡単に単語の類似度が算出できることが分かりました。学習データの準備さえ乗り越えれば、あとはどうってことないと思います。

ソースコードはこちら:

https://github.com/uraway/gensim-api

今のところ、学習量は100MBなんですが、続けて学習させることも可能っぽいので、適度に更新しておきます。

単語の類似度以外にもいろいろ出来そうです。

Atom linter-rubocop でのエラー

linter-rubocop 0.5.0

Error: /Users/uraway/.rvm/rubies/ruby-2.3.1/lib/ruby/site_ruby/2.3.0/rubygems.rb:270:in `find_spec_for_exe': can't find gem rubocop (>= 0.a) (Gem::GemNotFoundException)
    from /Users/uraway/.rvm/rubies/ruby-2.3.1/lib/ruby/site_ruby/2.3.0/rubygems.rb:298:in `activate_bin_path'
    from /Users/uraway/.rvm/gems/ruby-2.3.1/bin/rubocop:22:in `<main>'
    from /Users/uraway/.rvm/gems/ruby-2.3.1/bin/ruby_executable_hooks:15:in `eval'
    from /Users/uraway/.rvm/gems/ruby-2.3.1/bin/ruby_executable_hooks:15:in `<main>'
    at /Users/uraway/.atom/packages/linter-rubocop/lib/index.coffee:57:15
    at process._tickCallback (internal/process/next_tick.js:103:7)

linter-rubocopが参照しているrubocopの場所がどうもおかしい。

とりあえずlinter-rubocopのドキュメントを見ると、解決法が:

rubocopのパスを調べて

which rubocop
/Users/uraway/.rvm/gems/ruby-2.3.1/bin/rubocop

bin/wrappers/に置き変えて、linter-rubocopのexecutablePathにペースト:

/Users/uraway/.rvm/gems/ruby-2.3.1/wrappers/rubocop

エラーはでなくなった。

"KeyError: key not found"

問題

Railsにて、新たに設定した環境変数が機能しない:

myproject/config/initializers/constants.rb:13:in `fetch': key not found: "CONSTANT" (KeyError)

原因

RailsのPreloaderであるspringを入れていたため、環境変数が更新されていなかった。

解決法

$ ./bin/spring stop

Python: プロジェクト別に依存モジュールの管理

requirements.txtのみで管理するのは複雑すぎて無理。 pip-toolsを使って楽に管理しよう。

pip-tools

インストール

$ pip install --upgrade pip
$ pip install pip-tools

pip-compile

requirements.inにプロジェクトに使用するモジュールのリストを作る:

gensim==0.9.1
numpy
scipy
falcon
gunicorn

次のようにコマンドを実行すると、依存モジュールのリストrequirements.txtが作成される:

$ pip-compile requirements.in
#
# This file is autogenerated by pip-compile
# To update, run:
#
#    pip-compile --output-file requirements.txt requirements.in
#
falcon==1.0.0
gensim==0.9.1
gunicorn==19.6.0
numpy==1.11.1
python-mimeparse==1.5.2   # via falcon
scipy==0.18.0
six==1.4.1                # via falcon

pip-sync

requirements.txtに書いてあるとおりに、依存モジュールを環境にインストール・アップグレード・アンインストールする。 npm installbundle installのようなもの。

開発用モジュールを分けて管理しているときは同時に指定する:

$ pip-sync dev-requirements.txt requirements.txt

UNIX系OSでの .gz ファイルの展開コマンド

たまに使おうとすると忘れていたりするのでメモ

.gz ファイルの展開

$ gunzip file.gz
$ gzip -d file.gz

もともファイルを保持しつつ展開

$ gunzip -k file.gz
$ gzip -dk file.gz

.gz ファイルを展開せずに標準出力

$ gzip -dc file.gz
$ gzcat file.gz