Newtroid

Newtroidは簡単に扱えるコンテナオーケストレーションプラットフォームです。画面操作で簡単に素早くコンテナの起動・停止を行えます。通信制御を抽象化し、様々なクラウド環境を統合します。統合されたDevOps環境を提供し開発・運用コストを最適化します。マイクロサービスアーキテクチャでのシステムの構築・運用や様々なシステムとの連携をおこなうデータ連携基盤として応用しています。

Newtroidは、独自のアプローチを採用しており、コンテナ技術を活用してマイクロサービスアーキテクチャーを
実現しています。Newtroidは、XerviceとOptxというツールを使用し、安全かつ効率的な
新しいDevOpsを実現することができます。

Newtroidは、以下の特徴を持っています:Newtroidは、独自の技術を使用してマイクロサービスアーキテクチャーを実現しています。
これにより、他のコンテナプラットフォームとは異なる特性を持ち、効率的で安全な開発環境を提供します。
フルスタックの機能: Newtroidは、コンテナのオーケストレーションに加えて、XerviceとOptxというツールを
組み合わせてマイクロサービス化やDevOpsをサポートします。継続的な統合とデリバリーを可能にし、
効率的な作業とイノベーションを促進します。Newtroidは、従来のベンダによるコンテナプラットフォームよりも異なる
アプローチを取っており、迅速で安全な開発プロセスを実現します。
そのため、短期間でマルチクラウドでマイクロサービスクラウドシステムを構築することができます。
また、Newtroidは、サービスメッシュを容易に組み込みマイクロサービスアーキテクチャを構築します。
サービスメッシュにより、マイクロサービス間の通信制御やトラフィック管理、セキュリティ強化などが容易になります。

■Newtroidにより
マイクロサービスアーキテクチャで構築した
データ連携基盤/ Data Fabric Platform（データファブリックプラットフォーム） を紹介します。データ連携基盤は、異なるシステムやアプリケーション間でデータの受け渡しを行うためのプラットフォームです。
特にマイクロサービスアーキテクチャーを採用する場合、多数の個別のサービスが存在し、それらのサービス間でデータを連携する必要が生じます。
しかし、どのようなシステムが連携するのか予測がつかないケースもありますし、データの増えてくるタイミングを事前に予測することも難しい場合があります。
また、新たなシステム連携が生じる可能性もある一方で、現在稼働している状況に影響を与えずに連携を導入する必要があるケースもあります。
こうした状況で、コンテナオーケストレーションプラットフォームとしてNewtroidを使用することで、データ連携基盤を効果的に構築することができます。
以下に、コンテナオーケストレーションとマイクロサービスアーキテクチャーを使ったデータ連携基盤の利点をわかりやすく説明します。 1.マイクロサービスアーキテクチャーのメリット: マイクロサービスアーキテクチャーは、アプリケーションを小さな個別のサービスに分割する手法です。
各サービスは独立して開発・デプロイされ、柔軟性とスケーラビリティが向上します。新たなシステム連携が発生した場合でも、
個々のサービスを変更せずに連携を実現できます。
2.コンテナオーケストレーションの役割: コンテナオーケストレーションは、複数のコンテナーを効率的に管理する仕組みです。
Newtroidを利用することで、複数のマイクロサービスを含むコンテナーを自動的にデプロイ・スケーリング・監視することができます。

OptXは様々なアプリケーションパッケージ（コンテナイメージ）群です。データを変換する処理やAI、サーバーのアクセスを監視する処理、データベースなど様々な処理をプラットフォーム上に登録することで画面から簡単に設定、起動停止が行えるようになります。

3-1.簡単なデプロイ: Newtroidはマイクロサービスのコンテナーを簡単にデプロイできます。
3-2.水平スケーリング: データ量が増えてくる場合でも、Newtroidはサービスの自動スケーリングをサポートします。
3-3.トラフィック管理: リバースプロキシサーバーを含むNewtroidクラスターは、トラフィックの負荷分散を行い、
高可用性を確保します。
3-4.データ連携: 各マイクロサービスが独立して動作するため、新たなデータ連携が必要になった場合でも、
他のサービスに影響を与えずに追加することができます。NewtZeroは、Newtroid で構築したData Fabric Platform（データファブリックプラットフォーム）です。
異なるデータソースからデータを収集し、統合してビジネスの全体像を把握するためのアーキテクチャーです。
個々のデータストレージシステムではなく、データ環境全体に流動性を持たせ、データが成長するにつれて移動が困難になる
「データグラビティ（データが大きくなるにつれて移動が困難になる現象）」という問題に対処します。
データファブリックプラットフォームは、データの移動、変換、統合に関連する技術的な複雑さを抽象化し、
すべてのデータを企業全体で利用可能にします。

1.データ統合: 多種多様な既存システムのデータレイク、データウェアハウス、SQLデータベース、アプリなどからデータを収集し、統合します。
2.データ処理: 収集したデータを精査し、必要なデータのみを抽出して提供します。
3.データオーケストレーション: データの変換、統合、クレンジングなどの重要な処理を行い、ビジネス全体で使えるようにします。
4.データ発見: 異なるデータソースを統合し、新しい機会を見つけ出します。例えば、サプライチェーンと顧客管理のデータをつなげ、
新しい商品提供や顧客満足度向上の機会を見つけます。
5.データアクセス: データの利用を可能にし、適切な権限を持つチームがデータにアクセスできるようにします。
また、ダッシュボードやデータ可視化ツールを通じてデータを視覚的に理解しやすくします。NewtZeroは、複数のデータソースを緩く結びつけることで、ビジネスが必要とするデータにアクセスできるようになります。
様々なビジネスが必要とするデータアーキテクチャーは異なりますが、NewtZeroの導入により、健全なデータへのアクセス、
統合、共有が実現され、データドリブンの競争優位性を得るための戦略的な解決策となります。

マイクロサービスアーキテクチャで構築した児童虐待AI予防支援システムを紹介します。児童虐待AI予防支援をするためには、家庭環境の変化を把握する必要があります。
しかし、家庭環境の変化を把握するためには、複数のシステムの情報の統合とその情報の中から
現場で児童虐待予防の対策支援をしている職員の知識情報が必要です。
それは、職員がどんな情報を把握して支援をしているのかを理解する必要があります。児童虐待予防支援AIシステムは、機能を小さな独立したサービスに分割するマイクロサービスアーキテクチャーを
採用する必要性があります。これにより、個々のサービスを効率的に開発・保守できるだけでなく、
柔軟性と拡張性が必要になるからです。児童虐待予防支援システムには、データ収集、AI判定、通知、サポートなど
様々な要求に応じて、必要な機能を追加する必要があります。
それぞれの機能をマイクロサービスとして設計することで、システム全体をより効率的に拡張構築できます。また、児童虐待予防支援AIシステムは大量のデータを扱うことができ、大規模かつリアルタイムなデータ処理と分析を可能にし、
システム全体のパフォーマンスを向上させる必要があるデータファブリック基盤を構築する必要があります。
その結果、児童虐待予防にに関する環境の変化情報を迅速に収集し、AIの学習や判定に必要な時に必要な情報を活用することができます。また、コンテナオーケストレーションプラットフォームとマイクロサービスアーキテクチャーは、システムの継続性にとって以下のような利点があります。
1.スケーラビリティ：コンテナオーケストレーションプラットフォームにより、必要に応じてコンテナを自動的にスケーリングできます。
マイクロサービスアーキテクチャーにより、個々のサービスを独立してスケールアップできるため、リソースの最適な活用が可能です。
2.柔軟性：マイクロサービスアーキテクチャーは、各サービスを独立して開発・デプロイできるため、変更やアップデートが容易です。
新しい機能の追加やバグの修正などが短期間で行えます。
3.リソース管理：コンテナオーケストレーションプラットフォームにより、リソースの効率的な管理が可能です。
各コンテナのリソース使用量を監視し、必要に応じてリソースを割り当てることで、システムの安定稼働を確保できます。
4.リアルタイム性：データファブリック基盤により、リアルタイムでデータを処理・分析できるため、児童虐待の早期発見や迅速な対応が可能です。以上の視点からは、コンテナオーケストレーションプラットフォームとマイクロサービスアーキテクチャーが児童虐待予防支援AIシステムを効率的かつ柔軟に構築するために
不可欠であり、データファブリック基盤も大量のデータ処理とリアルタイム性を確保するために必要な要素であることがわかります。

マイクロサービスアーキテクチャー で構築したAI Platform を紹介します。AI Platformは、コンテナ技術とマイクロサービスアーキテクチャを統合したデータファブリックプラットフォームであり、
さらにサービスメッシュを含めた先進的なソリューションです。このプラットフォームは、
PapermillとJupyter Notebookを活用して持続的な学習を実現します。1.主な特徴としては、以下の点が挙げられます：1-1.柔軟でスケーラブルな学習環境: コンテナ技術とマイクロサービスアーキテクチャにより、
柔軟でスケーラブルな学習環境が構築可能です。PapermillとJupyter Notebookの活用により、
大量のデータを効率的に処理し、学習を継続することが可能です。
1-2.データ処理と前処理の効率化: PapermillとJupyter Notebookは、データの処理と前処理を効率化します。
Jupyter Notebookを使用してデータの可視化や変換、特徴エンジニアリングを行い、Papermillを使用して
処理結果を保存することで、学習データの品質と一貫性を向上させることができます。1-3.サービスメッシュによる通信最適化: サービスメッシュは、コンテナ化されたPapermillと
他のマイクロサービス間の通信を最適化します。データファブリックプラットフォームにおいて、
Papermillと他のモジュールやサービスとの連携がスムーズに行われ、データの受け渡しや
通信のオーバーヘッドが削減されます。1-4.持続的な学習とモデルの改善: Papermillを使ったデータファブリックプラットフォームでは、
学習を継続的に行うことができます。新しいデータが入手可能になるたびに、
Papermillを使用してモデルをトレーニングし、予測の精度を向上させることができます。2.このAIプラットフォームの具体的な構築により、以下のような効果が期待されます：2-1.高精度な予測: PapermillとJupyter Notebookを活用したデータファブリックプラットフォームにより、
データの柔軟な処理とモデルの改善が可能となります。学習を継続的に行い、
新たなデータが入手可能になるたびにモデルをトレーニングすることで、予測の精度を向上させることができます。2-2.リアルタイムな応答性: サービスメッシュを含むデータファブリックプラットフォームでは、
学習済みモデルをリアルタイムにデプロイし、予測と応答を行うことができます。
高速な予測モデルと通信最適化により、リアルタイムな応答性を実現します。2-3.柔軟な運用と拡張性: データファブリックプラットフォームの柔軟なアーキテクチャにより、
システムの運用と拡張が容易になります。PapermillとJupyter Notebookを活用することで、
モデルの管理や更新が簡単に行えます。
また、サービスメッシュによって各コンポーネントの連携がスムーズに行われるため、
システムの拡張も柔軟に対応できます。これらの特徴により、AIプラットフォームは、
高精度な予測、リアルタイムな応答性、柔軟な運用と拡張性を実現することが可能となります。
企業や研究機関など、さまざまな組織において、高度なデータ解析や予測、自動化などのニーズ
に対して効果的なソリューションを提供します。

マイクロサービスアーキテクチャで構築した臨床試験症例登録クラウドシステムを紹介します。近年、臨床研究や治験の需要が増加しています。病院の先生が自身で研究・治験を実施するケースも増えています。
しかし、病院や大学の予算に合った進捗等管理システムや治験薬管理システム、症例登録システム、症例報告システム、
ドキュメント管理システムなどの業務支援システムは、治験ごとにデータ項目が異なり増加するため、従来のRDMS
（関係データベース管理システム）ではデータベースの設計・開発に多くの時間と高額な費用が必要で、
中小規模の病院では導入が難しい状況です。
そこで、Newtroidはマイクロサービスアーキテクチャを活用した臨床試験症例登録クラウドシステムを提供しています。
臨床研究・治験のための進捗等管理システム、治験薬管理（温度監視を含む）システム、症例登録システム、症例報告システム、
ドキュメント管理システムをマイクロサービスアーキテクチャで効率的に構築し、SaaSとして提供しています。
まず、臨床試験症例登録クラウドシステム、SaaSを展開していき、その後、マイクロサービスアーキテクチャを活用して
治験薬管理（温度監視を含む）システム、症例登録システム、症例報告システム、ドキュメント管理システムへ
を拡張して提供していく予定です。これにより、中小規模の病院や研究機関でも手軽に導入できる、
効率的で革新的な臨床研究・治験支援システムを提供していきます。