Processing math: 25%

2019/08/28

C++でリングバッファを実装

背景


仕事でプログラミングする際に、リングバッファを多用するため、テンプレートを作成する

記事の目的


リングバッファのテンプレートを作成する

リングバッファ


ここでは、リングバッファの記述方法について記載する。

仕様

テンプレートの仕様について記載する。
  • 複数のスレッドから、バッファサイズの変更、バッファの書き込み、バッファの読み込みが可能
  • データが格納されていないバッファにアクセスすると、エラーが表示され、デフォルトのデータが返される

テンプレート

リングバッファを使用するテンプレートを記載する。
  1. // ring_buffer.cpp
  2. #include <stdio.h>
  3. #include <mutex>
  4. // リングバッファに格納するデータ形式
  5. struct Data
  6. {
  7. int number = 0;
  8. };
  9. // 前方宣言
  10. class RingBuffer
  11. {
  12. public:
  13. // コンストラクタ(リングバッファのサイズを指定(2の冪乗が最適))
  14. RingBuffer(uint buffer_size_in);
  15. // デストラクタ
  16. ~RingBuffer();
  17. // リングバッファのサイズを指定(0より大の整数、2の冪乗が最適)
  18. void setBufferSize(uint buffer_size_in);
  19. // リングバッファのサイズを取得
  20. uint getBufferSize();
  21. // リングバッファにデータを書き込み
  22. void writeBuffer(Data data_in);
  23. // リングバッファのデータを読み込み(0: 最新, BufferSize: 最古)
  24. Data readBuffer(uint read_pointer_in);
  25. private:
  26. // コンストラクタ(宣言時に必ずバッファサイズを宣言する)
  27. RingBuffer();
  28. // リングバッファのポインタ
  29. Data *data_;
  30. // リングバッファのサイズ
  31. uint buffer_size_ = 0;
  32. // リングバッファ内に書き込まれたデータ数
  33. uint data_size_ = 0;
  34. // 書き込みポインタ(最新データのポインタ)
  35. uint write_pointer_ = 0;
  36. // mutex(読み書き、バッファサイズ変更を排他)
  37. std::mutex mtx_;
  38. };
  39. // コンストラクタ(プライベート関数)
  40. RingBuffer::RingBuffer()
  41. {}
  42. // コンストラクタ(リングバッファのサイズを指定)
  43. RingBuffer::RingBuffer(uint buffer_size_in)
  44. {
  45. // リングバッファのサイズを指定、メモリ上にバッファを確保
  46. setBufferSize(buffer_size_in);
  47. }
  48. // デストラクタ(リングバッファを削除)
  49. RingBuffer::~RingBuffer()
  50. {
  51. if (buffer_size_ > 0)
  52. {
  53. delete[] data_;
  54. }
  55. }
  56. // リングバッファのサイズを指定、メモリ上にバッファを確保
  57. void RingBuffer::setBufferSize(uint buffer_size_in)
  58. {
  59. if (buffer_size_in > 0)
  60. {
  61. // 排他
  62. std::lock_guard<std::mutex> lock(mtx_);
  63. // すでにメモリ上にリングバッファが確保されている場合は、一旦削除
  64. if (buffer_size_ > 0)
  65. {
  66. delete data_;
  67. }
  68. // リングバッファのサイズを保持
  69. buffer_size_ = buffer_size_in;
  70. // 内部変数の初期化
  71. data_size_ = 0;
  72. write_pointer_ = 0;
  73. // メモリ上にリングバッファを確保
  74. data_ = new Data[buffer_size_in];
  75. }
  76. else
  77. {
  78. fprintf(stderr, "Error: [RingBuffer] Please set buffer size more than 0.\n");
  79. }
  80. }
  81. // リングバッファのサイズを取得
  82. uint RingBuffer::getBufferSize()
  83. {
  84. // 排他
  85. std::lock_guard<std::mutex> lock(mtx_);
  86. return buffer_size_;
  87. }
  88. // リングバッファにデータ書き込み
  89. void RingBuffer::writeBuffer(Data data_in)
  90. {
  91. // リングバッファが確保されている場合のみ処理
  92. if (buffer_size_ > 0)
  93. {
  94. // 排他
  95. std::lock_guard<std::mutex> lock(mtx_);
  96. // 書き込みポインタを進める
  97. write_pointer_ ++;
  98. write_pointer_ %= buffer_size_;
  99. // データを書き込み
  100. data_[write_pointer_] = data_in;
  101. // 書き込んだデータ数を保持
  102. if (data_size_ < buffer_size_)
  103. {
  104. data_size_ ++;
  105. }
  106. }
  107. else
  108. {
  109. fprintf(stderr, "Error: [RingBuffer] Buffer is not allocated.\n");
  110. }
  111. }
  112. Data RingBuffer::readBuffer(uint read_pointer_in)
  113. {
  114. // 過去にデータが書き込まれていないデータのポインタにはアクセスさせない
  115. if (read_pointer_in < data_size_)
  116. {
  117. // 排他
  118. std::lock_guard<std::mutex> lock(mtx_);
  119. // 現在の最新データのポインタを0, 古いほど値が大きくなる(最大: Buffer Size)
  120. uint read_pointer = (buffer_size_+write_pointer_-read_pointer_in)%buffer_size_;
  121. return data_[read_pointer] ;
  122. }
  123. else
  124. {
  125. fprintf(stderr, "Error: [RingBuffer] Read pointer is out of buffer. (%d / %d)\n",
  126. read_pointer_in, data_size_);
  127. Data data;
  128. return data;
  129. }
  130. }
  131. // テストコード
  132. int main()
  133. {
  134. fprintf(stdout, "Error pattern -------\n");
  135. // 宣言(エラー)
  136. RingBuffer buf(0);
  137. Data data_1;
  138. data_1.number = 0;
  139. // データ書き込み(エラー)
  140. buf.writeBuffer(data_1);
  141. // データ読み込み(エラー)
  142. buf.readBuffer(1);
  143. // リングバッファのサイズを再設定
  144. buf.setBufferSize(10);
  145. // データ読み込み(エラー)
  146. buf.readBuffer(1);
  147. fprintf(stdout, "Normal pattern ------\n");
  148. for (uint i=0; i<2*buf.getBufferSize(); i++)
  149. {
  150. Data data_2;
  151. data_2.number = i;
  152. // データ書き込み(正常)
  153. buf.writeBuffer(data_2);
  154. fprintf(stdout, "%d / %d\n",i, 2*buf.getBufferSize()-1);
  155. // 1. データ読み込み(最古のデータ 0 or 10)
  156. fprintf(stdout, "1. buf.data[%d].number: %d\n",
  157. i%buf.getBufferSize(),
  158. buf.readBuffer(i%buf.getBufferSize()).number);
  159. // 2. データ読み込み(最新のデータ 0 to 19)
  160. fprintf(stdout, "2. buf.data[%d].number: %d\n",
  161. 0,buf.readBuffer(0).number);
  162. }
  163. return 0;
  164. }

テンプレートのコンパイル方法

テンプレートのコンパイル方法を記載する。
  1. $ g++ ./ring_buffer.cpp -std=c++11 -o ring_buffer_sample

テンプレートの実行結果

テンプレートの実行結果を記載する。
  1. $ ./ring_buffer_sample
  2. Error pattern -------
  3. Error: [RingBuffer] Please set buffer size more than 0.
  4. Error: [RingBuffer] Buffer is not allocated.
  5. Error: [RingBuffer] Read pointer is out of buffer. (1 / 0)
  6. Error: [RingBuffer] Read pointer is out of buffer. (1 / 0)
  7. Normal pattern ------
  8. 0 / 19
  9. 1. buf.data[0].number: 0
  10. 2. buf.data[0].number: 0
  11. 1 / 19
  12. 1. buf.data[1].number: 0
  13. 2. buf.data[0].number: 1
  14. 2 / 19
  15. 1. buf.data[2].number: 0
  16. 2. buf.data[0].number: 2
  17. 3 / 19
  18. 1. buf.data[3].number: 0
  19. 2. buf.data[0].number: 3
  20. 4 / 19
  21. 1. buf.data[4].number: 0
  22. 2. buf.data[0].number: 4
  23. 5 / 19
  24. 1. buf.data[5].number: 0
  25. 2. buf.data[0].number: 5
  26. 6 / 19
  27. 1. buf.data[6].number: 0
  28. 2. buf.data[0].number: 6
  29. 7 / 19
  30. 1. buf.data[7].number: 0
  31. 2. buf.data[0].number: 7
  32. 8 / 19
  33. 1. buf.data[8].number: 0
  34. 2. buf.data[0].number: 8
  35. 9 / 19
  36. 1. buf.data[9].number: 0
  37. 2. buf.data[0].number: 9
  38. 10 / 19
  39. 1. buf.data[0].number: 10
  40. 2. buf.data[0].number: 10
  41. 11 / 19
  42. 1. buf.data[1].number: 10
  43. 2. buf.data[0].number: 11
  44. 12 / 19
  45. 1. buf.data[2].number: 10
  46. 2. buf.data[0].number: 12
  47. 13 / 19
  48. 1. buf.data[3].number: 10
  49. 2. buf.data[0].number: 13
  50. 14 / 19
  51. 1. buf.data[4].number: 10
  52. 2. buf.data[0].number: 14
  53. 15 / 19
  54. 1. buf.data[5].number: 10
  55. 2. buf.data[0].number: 15
  56. 16 / 19
  57. 1. buf.data[6].number: 10
  58. 2. buf.data[0].number: 16
  59. 17 / 19
  60. 1. buf.data[7].number: 10
  61. 2. buf.data[0].number: 17
  62. 18 / 19
  63. 1. buf.data[8].number: 10
  64. 2. buf.data[0].number: 18
  65. 19 / 19
  66. 1. buf.data[9].number: 10
  67. 2. buf.data[0].number: 19

備考


まとめ


  • C++でリングバッファを記述するテンプレートを記載した

参考文献



変更履歴


  1. 2019/08/28: 新規作成
  2. 2019/08/28: 備考追記
  3. 2019/09/02: 仕様追記

2019/08/26

forループをCUDAで並列化する方法

背景


CUDAを利用して並列化を行い、処理を高速化する必要が出てきたため、CUDAで並列化処理を記述する方法について記述する

記事の目的


CUDAで並列化処理を行う際のテンプレートを作成する

CUDA


ここでは、CUDAを利用したCプログラムの記述方法について記載する。

CUDAとは

CUDAは、nvidia社が提供するGPUを利用した並列演算プログラミング基盤である

利点

  • ユーザーが多く、情報も入手しやすい
  • ライブラリが充実している
  • 導入が容易である

テンプレート

CUDAを利用して並列処理を行うテンプレートを記載する。
  1. // cuda_sample_code.cu
  2. #include <stdio.h>
  3. // デバイス(GPU)側のスレッドの設定 //////////////////////////////////
  4. // BLOCK_SIZE_Xは、1ブロックあたりのスレッド数を表す
  5. // GPUの種類により、1ブロックあたりのスレッド数の制限が異なる
  6. // 最適なスレッド数を設定しないと、カーネル関数の処理がスキップされる
  7. // 注)上記の場合、エラーでプロセスが落ちる事はない
  8. #define BLOCK_SIZE_X 512
  9. // カーネル関数(GPUで処理する関数)vec_sumの宣言 /////////////////////
  10. // この関数がGPUで並列実行される
  11. __global__
  12. void vec_sum(float k, float *a, float *b, float *c)
  13. {
  14. // iは、"for(int i=0; i < grid.x * block.x; i++)" の値を取る
  15. // ただし、並列処理のため、i++順に処理されるわけではない
  16. int i = blockIdx.x*blockDim.x + threadIdx.x;
  17. c[i] = k*a[i] + b[i];
  18. // GPU内のスレッドの同期 ////////////////////////////////////////
  19. // block_size * grid_size個の全てのスレッドが、ここで同期する
  20. __syncthreads();
  21. }
  22. // カーネル関数を呼び出す関数を宣言 /////////////////////////////////
  23. void cuda_handler(float *a, float *b, float *c)
  24. {
  25. // デバイス用のポインタを宣言 ///////////////////////////////////
  26. float *d_a, *d_b, *d_c;
  27. // デバイス(GPU)側の配列のメモリを確保 //////////////////////////
  28. // デバイス側のメモリ確保処理は重いため、回数は減らした方が良い
  29. cudaMalloc(&d_a, N*sizeof(float));
  30. cudaMalloc(&d_b, N*sizeof(float));
  31. cudaMalloc(&d_c, N*sizeof(float));
  32. // ホスト側の配列内のデータをデバイス側にコピー /////////////////
  33. cudaMemcpy(d_a, a, N*sizeof(float), cudaMemcpyHostToDevice);
  34. cudaMemcpy(d_b, b, N*sizeof(float), cudaMemcpyHostToDevice);
  35. // デバイス側の配列cの全ての要素に0をセット /////////////////////
  36. cudaMemset(d_c, 0, N*sizeof(float));
  37. // cudaを利用した処理のうち、最後のエラーを取得し、表示 /////////
  38. // ここでは、メモリへのデータセットのエラーチェックに利用している
  39. // 注)nvccのコンパイルオプションに"-g -G"を追加しないと動作しない
  40. // 注)エラーチェックをアクティブにすると、性能が極端に落ちる
  41. checkCudaErrors(cudaGetLastError());
  42. // 並列処理するスレッド数を定義 /////////////////////////////////
  43. // 総スレッド数は block_size * grid_size = N 個である
  44. // x, y, zの3次元まで設定可能である
  45. dim3 block_size (BLOCK_SIZE_X, 1, 1);
  46. dim3 grid_size (N / block.x, 1, 1);
  47. // カーネル関数(GPUで処理する関数)の呼び出し ////////////////////
  48. // カーネル関数内では、デバイス側のメモリ内のデータのみ操作可能
  49. vec_sum<<<grid_size, block_size>>>(2.0f, d_a, d_b, d_c);
  50. // cudaを利用した処理のうち、最後のエラーを取得し、表示 /////////
  51. // ここでは、vec_sumのエラーチェックに利用している
  52. // 注)nvccのコンパイルオプションに"-g -G"を追加しないと動作しない
  53. // 注)エラーチェックをアクティブにすると、性能が極端に落ちる
  54. checkCudaErrors(cudaGetLastError());
  55. // この行までに実行されたカーネル関数の処理が完了するまで待機 ///
  56. // デバイスとホストの処理は非同期である
  57. // 同期処理を行うか、cudaMemcpyするまで、互いは独立して動作する
  58. cudaThreadSynchronize();
  59. // 計算結果をホスト側にコピー ///////////////////////////////////
  60. cudaMemcpy(c, d_c, N*sizeof(float), cudaMemcpyDeviceToHost);
  61. // デバイス(GPU)側の配列のメモリを開放 //////////////////////////
  62. cudaFree(d_a);
  63. cudaFree(d_b);
  64. cudaFree(d_c);
  65. // cudaを利用した処理のうち、最後のエラーを取得し、表示 /////////
  66. // ここでは、メモリへのデータセットのエラーチェックに利用している
  67. // 注)nvccのコンパイルオプションに"-g -G"を追加しないと動作しない
  68. // 注)エラーチェックをアクティブにすると、性能が極端に落ちる
  69. checkCudaErrors(cudaGetLastError());
  70. }
  71. int main(void)
  72. {
  73. // 計算回数の設定 ///////////////////////////////////////////////
  74. // N = 512×2048
  75. int N = 1<<20;
  76. // ホスト用のポインタを宣言 /////////////////////////////////////
  77. float *a, *b, *c;
  78. // ホスト側の配列のメモリを確保 /////////////////////////////////
  79. a = (float*)malloc(N*sizeof(float));
  80. b = (float*)malloc(N*sizeof(float));
  81. c = (float*)malloc(N*sizeof(float));
  82. // a, bの配列にそれぞれ1,2を代入////////////////////////////////
  83. for (int i = 0; i < N; i++) {
  84. a[i] = 1.0f;
  85. b[i] = 2.0f;
  86. }
  87. // cudaでの処理を行う関数 ///////////////////////////////////////
  88. cuda_handler(a, b, c);
  89. // 計算結果の確認 ///////////////////////////////////////////////
  90. float maxError = 0.0f;
  91. for (int i = 0; i < N; i++)
  92. {
  93. maxError = max(maxError, abs(c[i]-4.0f));
  94. }
  95. printf("Max error: %f", maxError);
  96. // ホスト側の配列のメモリを開放 /////////////////////////////////
  97. free(a);
  98. free(b);
  99. free(c);
  100. return 0;
  101. }

テンプレートのコンパイル方法

テンプレートのコンパイル方法を記載する。
  1. nvcc -lcuda ./cuda_sample_code.cu -o ./cuda_sample
デバッグログを出力する場合は、下記のように記載する。
  1. nvcc -lcuda -g -G ./cuda_sample_code.cu -o ./cuda_sample

テンプレートの実行結果

テンプレートの実行結果を記載する。
  1. $ ./cuda_sample
  2. Max error: 0.000000

まとめ


  • CUDAでプログラミングをする際のテンプレートを調査、記載した

参考文献



変更履歴


  1. 2019/08/26: 新規作成

2019/08/25

make時にGPUのアーキテクチャ番号を自動設定させる方法

背景


複数種類の開発環境でまたがってCUDAを利用したプログラムを開発する際、マシンに搭載されたGPUのアーキテクチャに応じて、CMakeLists.txt内のアーキテクチャ番号を毎回書き換える必要があった。メンテナンスの効率化のため、どのGPU搭載のマシンでmakeした場合でも、GPUの種類を識別して、そのGPUに最適なバイナリファイルを生成する環境を構築する。

記事の目的


makeする際に自動で搭載GPUのアーキテクチャを識別し、そのGPUに最適なバイナリーを出力するようにmake環境を構築する

仮想/実アーキテクチャの設定


ここでは、UbuntuにおけるマルチGPU対応のmake環境を構築するための方法について記載する。

nvccのコンパイルオプション

nvccのコンパイルオプションのうち、アーキテクチャに関する部分について記述する。
  • --gpu-architecture (-arch)
  • *.cuが対象にしている仮想アーキテクチャを指定する。したがって、基本的にはcompute_*の中から選択する。
  • --gpu-code (-code)
  • 仮想アーキテクチャのコード(*.ptx)から生成して出力に加えるアーキテクチャを指定する。PTXを含めたいときはcompute_*、特定のGPU向けバイナリを含めたいときはsm_*を選択する。
  • --generate-code arch=compute_*,code=\"compute_*,sm_*\"
  • 上記2つのオプションを一度に設定できる

導入方法

make環境を構築する手順は、下記の通りである。
  1. check_cuda.cuをCMakeLists.txtと同じ階層に置く
    1. // check_cuda.cu
    2. #include <stdio.h>
    3. int main(int argc, char **argv){
    4. cudaDeviceProp dP;
    5. float min_cc = 3.0;
    6. int rc = cudaGetDeviceProperties(&dP, 0);
    7. if(rc != cudaSuccess) {
    8. cudaError_t error = cudaGetLastError();
    9. printf("CUDA error: %s", cudaGetErrorString(error));
    10. return rc; /* Failure */
    11. }
    12. if((dP.major+(dP.minor/10)) < min_cc) {
    13. printf("Min Compute Capability of %2.1f required: %d.%d found",
    14. min_cc, dP.major, dP.minor);
    15. printf(" Not Building CUDA Code");
    16. return 1; /* Failure */
    17. } else {
    18. printf("%d%d", dP.major, dP.minor);
    19. return 0; /* Success */
    20. }
    21. }
  2. CMakeLists.txtを編集する
  3. 下記のコードを追加することで、$CUDA_NVCC_FLAGSにコンパイルしたマシンのアーキテクチャを自動設定できる。
    1. cmake_minimum_required(VERSION 3.0)
    2. # Find CUDA
    3. find_package(CUDA)
    4. if (CUDA_FOUND)
    5. #Get CUDA compute capability
    6. set(OUTPUTFILE ${CMAKE_CURRENT_SOURCE_DIR}/cuda_script) # No suffix required
    7. set(CUDAFILE ${CMAKE_CURRENT_SOURCE_DIR}/check_cuda.cu)
    8. execute_process(COMMAND nvcc -lcuda ${CUDAFILE} -o ${OUTPUTFILE})
    9. execute_process(COMMAND ${OUTPUTFILE}
    10. RESULT_VARIABLE CUDA_RETURN_CODE
    11. OUTPUT_VARIABLE ARCH)
    12. execute_process(COMMAND rm ${OUTPUTFILE})
    13. if(${CUDA_RETURN_CODE} EQUAL 0)
    14. set(CUDA_SUCCESS "TRUE")
    15. else()
    16. set(CUDA_SUCCESS "FALSE")
    17. endif()
    18. if (${CUDA_SUCCESS})
    19. message(STATUS "CUDA Architecture: -arch=sm_${ARCH}")
    20. message(STATUS "CUDA Version: ${CUDA_VERSION_STRING}")
    21. message(STATUS "CUDA Path: ${CUDA_TOOLKIT_ROOT_DIR}")
    22. message(STATUS "CUDA Libararies: ${CUDA_LIBRARIES}")
    23. message(STATUS "CUDA Performance Primitives: ${CUDA_npp_LIBRARY}")
    24. set(CUDA_NVCC_FLAGS "{$CUDA_NVCC_FLAGS};--generate-code arch=compute_${ARCH},code=\"compute_${ARCH},sm_${ARCH}\"")
    25. else()
    26. message(WARNING -arch=sm_${ARCH})
    27. endif()
    28. endif()

まとめ


  • 搭載GPUのアーキテクチャを識別し、そのGPUに最適なバイナリーを出力するmake環境を構築する手順について調査、記載した

参考文献



変更履歴


  1. 2019/08/25: 新規作成

2019/08/24

CUDA10のコンパイラでrosのパッケージがコンパイルできない問題の対処法

背景


CUDA10のnvccを用いてrosのパッケージをコンパイルする際、エラーが発生してコンパイルできない問題が生じた。

記事の目的


CUDA10のnvccでrosパッケージをコンパイルできるようにする

nvccのバグ


ここでは、CUDA10のnvccでrosパッケージをコンパイルできない現象、原因及び対策について記載する。

現象

CUDA10のnvccでrosパッケージをコンパイルすると、下記のエラーが発生する場合がある。
  1. $ catkin_make
  2. ...
  3. /usr/include/pcl-1.7/pcl/point_cloud.h:586:100 error: template-id getMapping used as a declarator
  4. friend boost::shared_ptr& detail::getMapping(pcl::PointCloud &p);
  5. ^
  6. /usr/include/pcl-1.7/pcl/point_cloud.h:586:100 error: getMapping is neither function nor member function; cannot be declared friend
  7. cc1plus: error: expected ‘;’ at end of member declaration
  8. /usr/include/pcl-1.7/pcl/point_cloud.h:586:111: error: expected ‘)’ before ‘&’ token
  9. ...
  10. make: *** [all] Error 2

原因

nvccが利用しているgnuコンパイラのバグが原因である。このバグは、「friend関数によりnamespace内で定義された関数を使用する」記述があるコードで発生する。ところで、rosは独自に手を加えたPointCloudLibrary(PCL)を使用しているが、PCLのコード内に上記の記述が存在する('/usr/include/pcl-1.7/pcl/point_cloud.h'内 l.586)。nvccのコンパイラは、上記箇所をコンパイルする際に、関数のnamespace部分を削除してしまう(detail::getMapping→getMapping)。そのため、コンパイラ自身が関数を見つけられなくなり、エラーとなる。
  1. $less /usr/include/pcl-1.7/pcl/point_cloud.h
'point_cloud.h'内の該当箇所
  1.  
  2. namespace detail
  3. {
  4. template <typename PointT> boost::shared_ptr<pcl::MsgFieldMap>&
  5. getMapping (pcl::PointCloud<PointT>& p);
  6. } // namespace detail
  1.  
  2. protected:
  3. // This is motivated by ROS integration. Users should not need to access mapping_.
  4. boost::shared_ptr<MsgFieldMap> mapping_;
  5. friend boost::shared_ptr<MsgFieldMap>& detail::getMapping<PointT>(pcl::PointCloud<PointT> &p);
  6. public:
  7. EIGEN_MAKE_ALIGNED_OPERATOR_NEW
  8. };
  9. namespace detail
  10. {
  11. template <typename PointT> boost::shared_ptr<pcl::MsgFieldMap>&
  12. getMapping (pcl::PointCloud<PointT>& p)
  13. {
  14. return (p.mapping_);
  15. }
  16. } // namespace detail

対策

'/usr/include/pcl-1.7/pcl/point_cloud.h'を下記のように書き換えることで回避できる。
  1. // Add ---------------------------------------------------------------------- //
  2. template <typename PointT> boost::shared_ptr<pcl::MsgFieldMap>&
  3. getMapping (pcl::PointCloud<PointT>& p);
  4. // -------------------------------------------------------------------------- //
  5. namespace detail
  6. {
  7. template <typename PointT> boost::shared_ptr<pcl::MsgFieldMap>&
  8. getMapping (pcl::PointCloud<PointT>& p);
  9. } // namespace detail
  1.  
  2. protected:
  3. // This is motivated by ROS integration. Users should not need to access mapping_.
  4. boost::shared_ptr<MsgFieldMap> mapping_;
  5. // Change ------------------------------------------------------------------- //
  6. friend boost::shared_ptr<MsgFieldMap>& getMapping<PointT>(pcl::PointCloud<PointT> &p);
  7. // friend boost::shared_ptr<MsgFieldMap>& detail::getMapping<PointT>(pcl::PointCloud<PointT> &p);
  8. // -------------------------------------------------------------------------- //
  9. public:
  10. EIGEN_MAKE_ALIGNED_OPERATOR_NEW
  11. };
  12. // Add ---------------------------------------------------------------------- //
  13. template <typename PointT> boost::shared_ptr<pcl::MsgFieldMap>&
  14. getMapping (pcl::PointCloud<PointT>& p)
  15. {
  16. return (p.mapping_);
  17. }
  18. // -------------------------------------------------------------------------- //
  19. namespace detail
  20. {
  21. template <typename PointT> boost::shared_ptr<pcl::MsgFieldMap>&
  22. getMapping (pcl::PointCloud<PointT>& p)
  23. {
  24. return (p.mapping_);
  25. }
  26. } // namespace detail

備考

  • ros-kinetic、cuda 10.1で検証した
  • コンパイルが通ることと、実行可能であることを確認した

まとめ


  • rosをapt install時にインストールされるpclのヘッダーファイルを変更することにより、CUDA10のnvccでrosパッケージがコンパイルできなくなる問題を回避した

参考文献



変更履歴


  1. 2019/08/24: 新規作成

2019/08/20

Pyenvの導入(Ubuntu)

背景


Ubuntu開発用PCで、Python2、Python3、Anacondaを使用しているため、手軽に切り替えられる方法が必要だった。

記事の目的


pyenvを導入する

Pyenv


ここでは、Ubuntuにおけるpyenvの導入方法と使用方法について記載する。

Pyenvとは

Pyenvは、Pythonの複数のバージョンを使い分けるコマンドラインツールである。

利点

  • shellで書かれていてPython自体に依存しない
  • pyenv install <Version>のように打つだけで好きなバージョンがインストールでき、切り替えも容易にできる
  • virtualenvへのバインディングを標準で搭載し、バージョンを切り替えるのと同じインターフェースでパッケージ環境も切り替えられる

導入方法

UbuntuへのPyenvの導入手順は、下記の通りである。
  1. 必要ライブラリをインストールする
    1. $ sudo apt install -y make build-essential libssl-dev zlib1g-dev libbz2-dev \
    2. libreadline-dev libsqlite3-dev wget curl llvm libncurses5-dev libncursesw5-dev \
    3. xz-utils tk-dev libffi-dev liblzma-dev python-openssl git
  2. gitからPyenvのを取得する
    1. $ git clone https://github.com/pyenv/pyenv.git ~/.pyenv
  3. Pyenvにパスを通して有効化する
    1. $ echo 'export PYENV_ROOT="$HOME/.pyenv"' >> ~/.bash_profile
    2. $ echo 'export PATH="$PYENV_ROOT/bin:$PATH"' >> ~/.bash_profile
    3. $ echo 'eval "$(pyenv init -)"' >> ~/.bash_profile
    4. $ source ~/.bash_profile

使用方法

Pyenvの使用方法は、下記の通りである。
  • Pythonのインストール
    1. $ pyenv install <Version>
  • Pythonのアンインストール
    1. $ pyenv uninstall <Version>
  • インストールされたPythonのバージョン確認
    1. $ pyenv versions
    2. * system
    3. <Version>
  • Pythonのバージョン切り替え(全体)
    1. $ pyenv global <Version>
  • Pythonのバージョン切り替え(現在のディレクトリのみ)
    1. $ pyenv local <Version>

アンインストール方法

Pyenvのアンインストール方法は、下記の通りである。
  1. pyenvのアンインストール
    1. $ rm -rf $(pyenv root)
  2. (オプション)bash_profileかzshrcにpyenv関連の情報がある場合、削除
    1. $ nano ~/.bash_profile
    もしくは、
    1. $ nano ~/.zshrc
    下記を削除
    1. export PYENV_ROOT="$HOME/.pyenv"
    2. export PATH="$PYENV_ROOT/bin:$PATH"
    3. eval "$(pyenv init -)"
    4. eval "$(pyenv virtualenv-init -)"
  3. 再起動

まとめ


  • Pyenvの導入方法と使用方法について調査、記載した

参考文献



変更履歴


  1. 2019/08/20: 新規作成
  2. 2020/05/04: アンインストール方法追記

2019/08/17

PythonでSocketIO(クライアント編)

背景


PythonでSocketIO通信を行う必要があったため、今後の開発の効率化のためにSocketIO通信を行うクラスのテンプレートを作成する。

記事の目的


PythonでSocketIOクライアントを作成する

python-socketio


python-socketioを使用したSocketIOクライアントを作成する

選定理由

python-socketioの選定理由は、下記の通りである。

導入方法

python-socketioの導入手順は、下記の通りである。
  1. pipを利用して必要なライブラリをインストールする
    1. $ pip install requests python-socketio

テンプレート

python-socketioの使用テンプレートは、下記の通りである。
  1. # socketioライブラリのインポート
  2. import socketio
  3. # ログ出力用ライブラリのインポート
  4. from logging import getLogger, StreamHandler, DEBUG, INFO, ERROR
  5. # 時間関係ライブラリのインポート
  6. import time
  7. # 終了シグナルをキャッチするライブラリのインポート
  8. import signal
  9. # マルチスレッドライブラリのインポート
  10. import threading
  11. # ロガーのインスタンス作成
  12. logger = getLogger(__name__)
  13. stream_handler = StreamHandler()
  14. # ログレベルを設定
  15. log_level = INFO
  16. logger.setLevel(log_level)
  17. stream_handler.setLevel(log_level)
  18. # ロガーにハンドラーをセット
  19. logger.addHandler(stream_handler)
  20. # SocketIOのテンプレート
  21. class SocketIOClient:
  22. # namespaceの設定用クラス
  23. class NamespaceClass(socketio.ClientNamespace):
  24. def on_connect(self):
  25. pass
  26. def on_disconnect(self):
  27. pass
  28. def on_message(self, data):
  29. pass
  30. def on_server_to_client(self, data):
  31. pass
  32. # 接続時に呼ばれるイベント
  33. def on_connect(self):
  34. logger.info('Connected to server (%s:%d, namespace="%s", query="%s")',\
  35. self.ip_,self.port_,self.namespace_,self.query_)
  36. self.is_connect_ = True
  37. # 切断時に呼ばれるイベント
  38. def on_disconnect(self):
  39. logger.info('Disconnected from server (%s:%d, namespace="%s", query="%s")',\
  40. self.ip_,self.port_,self.namespace_,self.query_)
  41. self.is_connect_ = False
  42. def on_message(self, data):
  43. logger.info('Received message %s', str(data))
  44. # サーバーからイベント名「server_to_client」でデータがemitされた時に呼ばれる
  45. def on_server_to_client(self, data):
  46. logger.info('Received message %s', str(data))
  47. # Namespaceクラス内の各イベントをオーバーライド
  48. def overload_event(self):
  49. self.Namespace.on_connect = self.on_connect
  50. self.Namespace.on_disconnect = self.on_disconnect
  51. self.Namespace.on_message = self.on_message
  52. self.Namespace.on_server_to_client = self.on_server_to_client
  53. # 初期化
  54. def __init__(self,ip,port,namespace,query):
  55. self.ip_ = ip
  56. self.port_ = port
  57. self.namespace_ = namespace
  58. self.query_ = query
  59. self.is_connect_ = False
  60. self.sio_ = socketio.Client()
  61. self.Namespace = self.NamespaceClass(self.namespace_)
  62. self.overload_event()
  63. self.sio_.register_namespace(self.Namespace)
  64. # 接続確認
  65. def isConnect(self):
  66. return self.is_connect_
  67. # 接続
  68. def connect(self):
  69. # 接続先のURLとqueryの設定
  70. url = 'ws://'+self.ip_+':'+str(self.port_)+'?query='+self.query_
  71. logger.info('Try to connect to server(%s:%d, namespace="%s", query="%s")',\
  72. self.ip_,self.port_,self.namespace_,self.query_)
  73. try:
  74. self.sio_.connect(url, namespaces=self.namespace_)
  75. except:
  76. logger.error('Cannot connect to server(%s:%d, namespace="%s", query="%s")',\
  77. self.ip_,self.port_,self.namespace_,self.query_)
  78. else:
  79. if not self.is_connect_:
  80. logger.error('Namespace may be invalid.(namespace="%s")',\
  81. self.namespace_)
  82. # 切断
  83. def disconnect(self):
  84. try:
  85. self.sio_.disconnect()
  86. except:
  87. logger.error('Cannot disconnect from server(%s:%d, namespace="%s", query="%s")',\
  88. self.ip_,self.port_,self.namespace_,self.query_)
  89. else:
  90. self.is_connect_ = False
  91. # 再接続
  92. def reconnect(self):
  93. self.disconnect()
  94. time.sleep(5)
  95. self.connect()
  96. # クライアントからデータ送信(send)する
  97. def sendData(self, data):
  98. try:
  99. self.sio_.send(data, namespace=self.namespace_)
  100. except:
  101. logger.error('Has not connected to server(%s:%d, namespace="%s", query="%s")',\
  102. self.ip_,self.port_,self.namespace_,self.query_)
  103. else:
  104. logger.info('Send message %s (namespace="%s")', str(data), self.namespace_)
  105. # 独自定義のイベント名「client_to_server」で、クライアントからデータ送信(emit)する
  106. def emitData(self, data):
  107. try:
  108. self.sio_.emit('client_to_server', data, namespace=self.namespace_)
  109. except:
  110. logger.error('Has not connected to server(%s:%d, namespace="%s", query="%s")',\
  111. self.ip_,self.port_,self.namespace_,self.query_)
  112. else:
  113. logger.info('Emit message %s (namespace="%s")', \
  114. str(data), self.namespace_)
  115. # メインの処理
  116. def run(self):
  117. while True:
  118. self.connect()
  119. time.sleep(1)
  120. if self.is_connect_:
  121. break
  122. p = threading.Thread(target=self.sio_.wait)
  123. p.setDaemon(True)
  124. p.start()
  125. if __name__ == '__main__':
  126. # Ctrl + C (SIGINT) で終了
  127. signal.signal(signal.SIGINT, signal.SIG_DFL)
  128. # SocketIO Client インスタンスを生成
  129. sio_client = SocketIOClient('localhost', 10000, '/test', 'secret')
  130. # SocketIO Client インスタンスを実行
  131. sio_client.run()
  132. # データを送信
  133. for i in range(10):
  134. sio_client.sendData({'test_data': 'send_from_client'})
  135. sio_client.emitData({'test_data': 'emit_from_client'})
  136. time.sleep(1)
  137. # 切断
  138. sio_client.disconnect()
  139. logger.info('Finish')
  140. # 終了
  141. exit()

備考

  • namespaceは、必ず「/」(スラッシュ)から始まる必要がある
  • 上記テンプレートは、サーバーと通信テストができる

まとめ


  • Python-SocketIOを利用したクライアントモジュールを作成した

参考文献



変更履歴


  1. 2019/08/17: 新規作成

PythonでSocketIO(サーバー編)

背景


PythonでSocketIO通信を行う必要があったため、今後の開発の効率化のためにSocketIO通信を行うクラスのテンプレートを作成する。

記事の目的


PythonでSocketIOサーバーを作成する

python-socketio


python-socketioを使用したSocketIOサーバーを作成する

選定理由

python-socketioの選定理由は、下記の通りである。

導入方法

python-socketioの導入手順は、下記の通りである。
  1. pipを利用してインストールする
    1. $ pip install requests eventlet python-socketio

テンプレート

python-socketioの使用テンプレートは、下記の通りである。
  1. # socketioライブラリのインポート
  2. import socketio
  3. # ログ出力用ライブラリのインポート
  4. from logging import getLogger, StreamHandler, DEBUG, INFO, ERROR
  5. # 時間関係ライブラリのインポート
  6. import time
  7. # 終了シグナルをキャッチするライブラリのインポート
  8. import signal
  9. # eventletライブラリのインポート
  10. import eventlet
  11. # マルチスレッドライブラリをインポート
  12. import threading
  13. # ロガーのインスタンス作成
  14. logger = getLogger(__name__)
  15. stream_handler = StreamHandler()
  16. # ログレベルを設定
  17. log_level = INFO
  18. logger.setLevel(log_level)
  19. stream_handler.setLevel(log_level)
  20. # ロガーにハンドラーをセット
  21. logger.addHandler(stream_handler)
  22. # SocketIOのテンプレート
  23. class SocketIOServer:
  24. # namespaceの設定用クラス
  25. class NamespaceClass(socketio.Namespace):
  26. def on_connect(self, sid, environ):
  27. pass
  28. def on_disconnect(self, sid):
  29. pass
  30. def on_message(self, sid, data):
  31. pass
  32. def on_client_to_server(self, sid, data):
  33. pass
  34. # 接続時に呼ばれるイベント
  35. def on_connect(self, sid, environ):
  36. logger.info('Connected to client (sid: %s, environ: %s)',\
  37. str(sid), str(environ))
  38. self.is_connect_ = True
  39. # 切断時に呼ばれるイベント
  40. def on_disconnect(self, sid):
  41. logger.info('Disconnected from client (sid: %s)',str(sid))
  42. self.is_connect_ = False
  43. # サーバーからデータ送信(send)する
  44. def send_data(self, data):
  45. try:
  46. self.sio_.send(data, namespace=self.namespace_)
  47. except:
  48. logger.error('Has not connected to client')
  49. else:
  50. logger.info('Send message %s (namespace="%s")',\
  51. str(data), self.namespace_)
  52. # 独自定義のイベント名「server_to_client」で、サーバーからデータ送信(emit)する
  53. def emit_data(self, data):
  54. try:
  55. self.sio_.emit('server_to_client', data, namespace=self.namespace_)
  56. except:
  57. logger.error('Has not connected to client')
  58. else:
  59. logger.info('Emit message %s (namespace="%s")',\
  60. str(data), self.namespace_)
  61. def on_message(self, sid, data):
  62. logger.info('Received message %s', str(data))
  63. self.send_data({'test_ack': 'send_from_server'})
  64. # クライアントからイベント名「on_client_to_server」でデータがemitされた時に呼ばれる
  65. def on_client_to_server(self, sid, data):
  66. logger.info('Received message %s', str(data))
  67. self.emit_data({'test_ack': 'emit_from_server'})
  68. # Namespaceクラス内の各イベントをオーバーライド
  69. def overload_event(self):
  70. self.Namespace.on_connect = self.on_connect
  71. self.Namespace.on_disconnect = self.on_disconnect
  72. self.Namespace.on_message = self.on_message
  73. self.Namespace.on_client_to_server = self.on_client_to_server
  74. # 初期化
  75. def __init__(self,ip,port,namespace):
  76. self.ip_ = ip
  77. self.port_ = port
  78. self.namespace_ = namespace
  79. self.is_connect_ = False
  80. self.sio_ = socketio.Server(async_mode='eventlet')
  81. self.app_ = socketio.WSGIApp(self.sio_)
  82. self.Namespace = self.NamespaceClass(self.namespace_)
  83. self.overload_event()
  84. self.sio_.register_namespace(self.Namespace)
  85. # 接続確認
  86. def isConnect(self):
  87. return self.is_connect_
  88. # 切断
  89. def disconnect(self,sid):
  90. try:
  91. self.sio_.disconnect(sid,namespace=self.namespace_)
  92. except:
  93. logger.error('Cannot disconnect from Client(sid="%s", namespace="%s")',\
  94. namespace=self.namespace_)
  95. else:
  96. self.is_connect_ = False
  97. # 開始
  98. def start(self):
  99. try:
  100. logger.info('Start listening(%s:%d, namespace="%s")',\
  101. self.ip_,self.port_,self.namespace_)
  102. eventlet.wsgi.server(eventlet.listen((self.ip_, self.port_)), self.app_)
  103. except:
  104. logger.error('Cannot start listening(%s:%d, namespace="%s")',\
  105. self.ip_,self.port_,self.namespace_)
  106. # メインの処理
  107. def run(self):
  108. p = threading.Thread(target=self.start)
  109. p.setDaemon(True)
  110. p.start()
  111. if __name__ == '__main__':
  112. # Ctrl + C (SIGINT) で終了
  113. signal.signal(signal.SIGINT, signal.SIG_DFL)
  114. # SocketIO Server インスタンスを生成
  115. sio_server = SocketIOServer('localhost', 10000, '/test')
  116. # SocketIO Server インスタンスを実行
  117. sio_server.run()
  118. # 接続待ち
  119. while not sio_server.isConnect():
  120. time.sleep(1)
  121. # 切断待ち
  122. while sio_server.isConnect():
  123. time.sleep(1)
  124. logger.info('Finish')
  125. # 終了
  126. exit()

備考

  • namespaceは、必ず「/」(スラッシュ)から始まる必要がある
  • eventletを使用した場合、他の作業スレッドから、SocketIO内のEmitやSendを呼び出せない
  • 上記テンプレートは、クライアントと通信テストができる

まとめ


  • Python-SocketIOを利用したサーバーモジュールを作成した

参考文献



変更履歴


  1. 2019/08/17: 新規作成

2019/08/15

クローンしたUbuntuをIntel NUC上で起動した際に、OSが起動しなくなる問題の対処法

背景


Intel NUCへUbuntuをクローンして同一環境のPCを増やした際に、"no bootable devices found"のメッセージが表示され、OSが起動しなくなった。

記事の目的


Intel NUC上で、クローンしたUbuntu起動できるようにする

フォールバック起動に変更


ここでは、起動しない原因と対処法について記載する。

起動しない原因

クローンしたUbuntuが起動しない原因は下記の通りである。
  • EFI下では、OSを起動するブートローダーにはUbuntuなどのOS固有の名称が付けられる
  • マシンがブートローダーを検索できるように、ブートローダーをファームウェアのNVRAMに登録する必要がある
  • 通常のインストール時には、NVRAMへの登録も自動的に行われる
  • クローンした場合はNVRAMへの登録が行われないため、ブートローダーが見つけられず、OSを起動できない

対処方法

EFI下では、ブートローダーが見つからない場合、フォールバックとして起動するブートローダー名が設定されている。
そこで、フォールバック用のブートローダーを作成する。
  1. メディアブート等でOSを起動する
  2. 対象のOSがインストールされたメディア(SSD、HDD)の中のEFI System Partition (ESP)をマウントする
  3. EFI/BOOTディレクトリ(フォールバック用のブートローダーディレクトリ)を作成する
  4. EFI/ubuntu/*を、EFI/BOOT/*へコピーする

対処方法例(Ubuntuメディアブートの場合)

Ubuntuメディアブートを行った場合の対処方法は、下記の通りである。
  1. $ sudo fdisk -l
  2. Device Start End Sectors Size Type
  3. /dev/sda1 2048 1128447 1126400 550M EFI System
  4. /dev/sda2 1128448 79626398 78497951 37.4G Linux filesystem
  5. /dev/sda3 79628288 85917854 6289567 3G Linux swap
  6. $ sudo mount /dev/sda1 /mnt #「Type」が「EFI System」のものをマウントする
  7. $ cd /mnt
  8. $ sudo mkdir EFI/BOOT #フォールバック用のブートローダーディレクトリ
  9. $ sudo cp EFI/ubuntu/* EFI/BOOT/

まとめ


  • EFI下のPCでクローンしたUbuntuを使用する場合、OSが起動しなくなる問題の原因と対策について記載した

参考文献



変更履歴


  1. 2019/08/15: 新規作成

Blogger上でコードを埋め込む方法

背景


ソフトウェアエンジニアとして活動する中で、個人の備忘録をかねてBloggerで技術メモを作成することにした。記事内でコードを表示する場合があるため、Bloggerの記事でコードを埋め込む方法を調査した。

記事の目的


Bloggerの記事でコードを表示する

google-code-prettify


ここでは、技術メモ内におけるコードの埋め込み方法について記載する。技術メモでは、基本的にgoogle-code-prettifyでコードの表示を行う。

選定理由

google-code-prettifyの選定理由は、下記の通りである。
  • 複数の言語をサポートしている
  • 行番号を表示できる
  • PC表示時にスクロールバーを表示可能
  • 導入が容易

導入方法

google-code-prettifyの導入手順は、下記の通りである。
  1. Blogger管理画面を開く
  2. 「テーマ」 を選び、 「HTMLの編集」をクリックする
  3. 下記Javascriptコードを、html内の<head>...</head>に貼り付ける
    1. <!-- google-code-prettify -->
    2. <script src='https://cdn.rawgit.com/google/code-prettify/master/loader/run_prettify.js?skin=sons-of-obsidian'/>
    3. <style type='text/css'>
    4. pre.prettyprint {
    5.       overflow: auto;
    6. }
    7. .prettyprint ol.linenums &gt; li {
    8. list-style-type: decimal;
    9. }
    10. </style>
    11. <!-- /google-code-prettify -->

使用方法

google-code-prettifyの使用方法は、下記の通りである。
  1. <pre class="prettyprint linenums">
  2. int sample_code(int b)
  3. {
  4. int a = 10;
  5. a += b;
  6. return a;
  7. }
  8. </pre>
上記の通り記述すると、下記のように表示される。
  1. int sample_code(int b)
  2. {
  3. int a = 10;
  4. a += b;
  5. return a;
  6. }

備考

  • 下記のように、言語を指定することも可能である。指定できる言語は、ここを参照。
    1. <pre class="prettyprint lang-yaml linenums" >
    2. - name : tomato
    3. email: tomato@gmail.com
    4. - name : potato
    5. email: potato@gmail.com
    6. </pre>
  • 記事にコード埋め込む際は、HTMLに直接記述する。「作成」で記述した場合、正しく作成されない場合がある
  • <style type='text/css'>...</style>にスタイルに関する記述を追記することで、見た目の変更が可能である
  • Javascriptコードの4-6行目で、スクロールバー表示を設定している
  • Javascriptコードの7-9行目で、行番号を毎行表示に設定している

まとめ


  • 技術メモ作成にあたり、Bloggerにコードを表示させる方法を記述した
  • google-code-prettifyは、htmlの<head>...</head>間に、該当Javascriptコードを記入することで使用可能である

参考文献



変更履歴


  1. 2019/08/15: 新規作成
  2. 2019/08/23: 備考追記

Blogger上で数式を表示する方法

背景


ソフトウェアエンジニアとして活動する中で、個人の備忘録をかねてBloggerで技術メモを作成することにした。記事内で数式を扱う場合があるため、Bloggerの記事で数式を表示する方法を調査した。

記事の目的


Bloggerの記事で数式を表示する

MathJax


ここでは、技術メモ内における数式の作成方法について記載する。
技術メモでは、基本的にMathJaxで数式の作成を行う。

選定理由

MathJaxの選定理由は、下記の通りである。
  • Tex形式で数式を記述できる
  • ブログ記事内に直接数式を記述することで、数式が自動生成される

導入方法

MathJaxの導入手順は、下記の通りである。
  1. Blogger管理画面を開く
  2. 「テーマ」 を選び、 「HTMLの編集」をクリックする
  3. 下記Javascriptコードを、html内の<head>...</head>に貼り付ける
    1. <!-- MathJax -->
    2. <script
    3. src='https://cdnjs.cloudflare.com/ajax/libs/mathjax/2.7.1/MathJax.js'
    4. type='text/javascript'>
    5. MathJax.Hub.Config({
    6. HTML: ['input/TeX','output/HTML-CSS'],
    7. TeX: { extensions: ['AMSmath.js','AMSsymbols.js'],
    8. equationNumbers: { autoNumber: 'AMS' } },
    9. extensions: ['tex2jax.js'],
    10. jax: ['input/TeX','output/HTML-CSS'],
    11. tex2jax: { inlineMath: [ ['$','$'], ['\\(','\\)'] ],
    12. displayMath: [ ['$$','$$'], ['\\[','\\]'] ],
    13. processEscapes: true },
    14. 'HTML-CSS': { availableFonts: ['TeX'],
    15. linebreaks: { automatic: true } }
    16. });
    17. </script>
    18. <!-- /MathJax -->

使用方法

MathJaxの使用方法は、下記の通りである。

  • インライン表示の場合
    1. インライン表示: $e^{i\pi}=-1$
    インライン表示: e^{i\pi}=-1
  • 独立行表示の場合
    1. $$\sum_{i=1}^{n}i = \frac{1}{2}n(n+1)$$
    \sum_{i=1}^{n}i = \frac{1}{2}n(n+1)

備考

  • MathJaxのJavascriptコードURL:(https://cdnjs.cloudflare.com/ajax/libs/mathjax/2.7.1/MathJax.js)は将来的に変更される可能性がある。有効なURLはMathJaxのGetting Startに記載されている。
  • Broggerのテーマによっては、数式が表示されない。現状動作確認しているのは、「シンプル」のみである。
  • BroggerのテーマのHTMLを編集する際、「"」(ダブルクオート)を使用すると、文字化けし、正しく動作しない場合がある。 

まとめ


  • 技術メモ作成にあたり、Bloggerに数式を表示させる方法を記述した
  • MathJaxは、htmlの<head>...</head>間に、該当Javascriptコードを記入することで使用可能である

参考文献



変更履歴


  1. 2019/08/15: 新規作成

技術メモのドキュメントルール

背景


ソフトウェアエンジニアとして活動する中で、個人の備忘録をかねてBloggerで技術メモを作成することにした。読みやすい技術メモを作成するため、ドキュメントルールの作成を行った。

記事の目的


読みやすい技術メモ作成するため、技術メモのドキュメントルールを作成する

ドキュメントルール


ここでは、技術メモのドキュメントルールついて記載する。

記事のテーマ

  • 本ブログに記載するテーマは、IT関連のものに限定する。
  • 1つの記事に記載できるテーマは、1つに絞る。複数のテーマについて記載する場合は、記事を複数に分割した上、親となる記事を作成する。

記事の構成

  • 技術メモは、技術メモのテンプレート構成に従って作成する。
  • 「表示形式」は、「見出し」、「小見出し」、「標準」の3種類のみを使用する。
  • 読みやすくするため、極力箇条書きで記載する。

記事の内容

  • 最低限の情報のみを記載し、感想や所感は記載しない。

図の作成方法

  • 技術メモでは、基本的にPlantUMLで図の作成を行う。

数式の作成方法

  • 技術メモでは、基本的にMathJaxで数式の作成を行う。
\sum_{i=1}^{n}i = \frac{1}{2}n(n+1)

コードの埋め込み方法

  1. import numpy as np
  2. a = 10

まとめ


  • 技術メモ作成にあたり、ドキュメントルールを作成した
  • 今後のブログ更新は、上記ルールに従って作成する

参考文献



変更履歴


  1. 2019/08/15: 新規作成

2019/08/14

技術メモのテンプレート

背景


ソフトウェアエンジニアとして活動する中で、個人の備忘録をかねてBloggerで技術メモを作成することにした。有効なメモを効率的に作成するため、テンプレートをまず作成する。

記事の目的


有効なメモを効率的に作成するため、技術メモのテンプレートを作成する

記事の内容


ここでは、技術メモのテンプレートに関する説明について記載する。

全体構成

技術メモは、「背景」、「記事の目的」、「記事の内容」、「まとめ」、「参考文献」、「変更履歴」の6項目から構成される。以下では、各項目の詳細について解説する。

  • 背景
  • 記事作成に至るまでの技術的な課題や背景について記載する。
  • 記事の目的
  • 記事の目指す目的について1行で記載する。
  • 記事の内容
  • 記事の目的に対する詳細な解説や手順について記載する。
  • まとめ
  • 記事の内容を3行以内で記載する。ただし、手順書に関してはまとめることが不可能なため、記載しない。
  • 参考文献
  • 記事内で参照した文献のリンクを記載する。
  • 変更履歴
  • 技術文書を書くための7つのルール」にも記載されているが、どんな人も、一回で完璧な文章を書くことはほぼ不可能である。記事は、内容が後で追加修正される可能性があるため、修正履歴を記載する。

図の作成方法

ここでは、技術メモ内における図の作成方法について記載する。
技術メモでは、基本的にPlantUMLで図の作成を行う。

PlantUMLを利用した図の作成方法の詳細は、別途記事を作成する。

数式の作成方法

ここでは、技術メモ内における数式の作成方法について記載する。
技術メモでは、基本的にMathJaxで数式の作成を行う。
\sum_{i=1}^{n}i = \frac{1}{2}n(n+1)
MathJaxを利用した数式の作成方法の詳細は、別途記事を作成する。

コードの埋め込み方法

ここでは、技術メモ内におけるコードの埋め込み方法について記載する。
技術メモでは、基本的にGoogle-code-prettifyでコードの埋め込みを行う。
  1. import numpy as np
  2. a = 10
Google-code-prettifyを利用したコードの埋め込み方法の詳細は、別途記事を作成する。

まとめ


  • 技術メモ作成にあたり、テンプレートを作成した
  • 全体構成、図の作成方法に関して記述した

参考文献



変更履歴


  1. 2019/08/14: 新規作成
  2. 2019/08/15: 数式作成の記事へのリンク追加
  3. 2019/08/15: コード埋め込みの記事へのリンク追加



MQTTの導入

背景 IoTデバイスの接続環境構築のため、MQTT(mosquitto)の導入を行った。 記事の目的 MQTT(mosquitto)をUbuntuに導入する mosquitto ここではmosquittoについて記載する。 MQTT MQTT(Message Qu...