2017 年頃に DBRE（Database Reliability Engineering）という概念が提唱されてから、早くも 8 年が経ちました。 ビズリーチが DBRE チームを立ち上げ、その第一歩を冷やし中華のようなタイトルで記事公開したのが 2019 年。そこから数えても、すでに 6 年の歳月が流れました。 各社 DBRE 各位、いかがお過ごしでしょうか。私たちは、今も「何が正解なのか」を模索し続ける DBRE としての日々を過ごしております。

即戦力人材と企業をつなぐ転職サイト「ビズリーチ」でプロダクトマネージャーを担当している原田と申します。 「ビズリーチ」は、採用企業様、ヘッドハンター様、求職者様それぞれに特化した機能を提供しています。私はこのうち採用企業様向けの領域を担当しております。

こんにちは、BizReach で DBRE チームをやらせてもらっている あわっちです。 今回は DBRE としてデータマイグレーションをサポートした際のサービスとの関わり方と手法について、令和最初の Tech Blog として紹介します。 DBRE というよりも、 DBA という要素が強いかもしれませんが、サービスサポートも私たちの重要な役割の１つです。 前回のDBRE(Database Reliability Engineering) の活動 〜 Backup Platform 編 〜とは少し違って泥臭いオペレーションのお話になりますが、お付き合いいただければと思います。

こんにちは、BizReach で DBRE チームをやらせてもらっている あわっちです。 先日 孤高にきらめく執行役員 園田より、 DBRE(Database Reliability Engineering)チーム始めました が掲載されましたが 結局具体的には何をしているの？ という声にお応えする為、私たちがどんな思想で活動を決めているのか、また具体的に何をどんな技術で何をやっているのか、をお伝えさせていただきます。

ビズリーチでは横断組織としてDBRE（Database Reliability Engineering）チームを発足しました。この記事ではチーム発足の意図と日本ではあまり聞き慣れないDBREについて紹介したいと思います。 DBREとは？ Database Reliability Engineering (DBRE) 日本語にすると「データベース信頼性エンジニアリング」となります。

BizReachプロダクト開発部、SREグループの久保木です。 今日は連載の最後の「AWS S3に蓄積したlogをGoogleのBigQueryに投入する仕組み作り」の七転八倒編をお送りしたいと思います。どうぞよろしくお願いします。

BizReachプロダクト開発部、SREグループの久保木です。 今日は連載中編の「AWS S3に蓄積したlogをGoogleのBigQueryに投入する仕組み作り」の技術調査・設計をお送りしたいと思います。どうぞよろしくお願いします。

BizReachプロダクト開発部、SREグループの久保木です。5月頃に中途で入ってきて、今はinfrastructure中心に開発に従事しています。 最近はlog生成周りをいじっていった結果、生成元であるapplicationもいじれるようになってきた気がします。あとはfrontendいじれば制覇かな！（＜どこに行く気なの？）

Stefan Meier is Lead Engineer at Stanby - the search engine division at BizReach, Inc. Today, he explains why Stanby is moving from Amazon Web Services (AWS) to Google Cloud Platform (GCP) for data analysis. What is the challenge with big data? “Big data is data sets that are so voluminous and complex that traditional data-processing application software [is] inadequate to deal with them."1 One of the most fundamental principles lies in the discrimination between streaming and batch processing. In batch processing, a set of events is collected over time and then processed later, whereas in the streaming model, data is processed in near real-time. Also, when dealing with streaming data new challenges appear, such as handling unordered data with unknown delays (see graph below). Indeed, the collected data events might originate from users with slow Internet connections, users accessing the site from multiple devices or there might be just network delays. Therefore, the gap between the time the event occurred (event time) and the time the event is observed by the system (processing time) ranges from a few milliseconds up to several hours. In order to combine and group related data, methods such as windowing are used.

こんにちは！立ち上げエンジニアのホリです。 今日は、BizHintサービス立ち上げに際して(どさくさに紛れて笑)、新しいデータベースを実戦投入した件について書きたいと思います。 2023年12月、株式会社ビズヒントの全保有株式をスマートキャンプ株式会社に譲渡しました。