「Qast」のインフラアーキテクチャ
アーキテクチャの工夫ポイント
アーキテクチャ設計の背景・意図
弊社プロダクトの「Qast」は、BtoB SaaSのWebアプリケーションで、インフラ環境としてAWSで構築されています。フロントエンドはNext.js、iOS/AndroidアプリはReact Nativeで構築されています。バックエンドの複数のサービスはマイクロサービスとして、Fargate on ECSで構築されており、全体の処理のほとんどがマイクロサービス間通信で占められています。主なデータベースとしてMySQL on Aurora、全文検索/ベクトル検索基盤としてOpenSearchを利用しています。またサーバレス基盤としてAWS Lambda、負荷が高い箇所にDynamoDBを採用するなど、要件に応じた適切なサービスを活用しています。
◆なぜそのツールを選択したのか
BtoB SaaSにおいては、堅牢なクラウドサービスが求められること、また当時のエンジニアにとって馴染み深いクラウドサービスとして、AWSが選定されました。技術選定においても、AWSに準拠した技術を可能な限りは採用するように留意しており、その意味でも多様な選択肢があるAWSで、実現できないことは少ないことを実感しています。
◆実際にどのように運用をしているのか
AWS環境のため、CloudWatchをログやメトリクスのデータの中心としつつ、本番の実運用においては、それらのデータをSentry、Datadogに送信してモニタリングを実施しています。特にDatadogにおいては、マイクロサービス間のトレーシングやログを横断して検索できるため、開発から運用まで幅広く活用をしています。
◆ご執筆者のご情報
- お名前: 荒川聖悟
- 役職: テックリード
- X(旧Twitter)アカウント名: @adsholoko
アーキテクチャを構成するツール
会社情報

any株式会社
従業員規模 11名〜50名
エンジニア組織規模 11名〜50名
anyは、「チームウィルで、一歩先の世の中へ」をビジョンとして掲げ、個人のノウハウを引き出し、組織全体のパフォーマンスを最大化するナレッジプラットフォーム「Qast」を開発しています。
any株式会社の利用ツールレビュー
AIコード生成

QastにおけるDevinの運用事例
any株式会社 / Shogo Arakawa
チームリーダー / フルスタックエンジニア / 従業員規模: 11名〜50名 / エンジニア組織: 11名〜50名
統合監視プラットフォーム

Datadogで支えるQastのObservability
any株式会社 / Shogo Arakawa
チームリーダー / フルスタックエンジニア / 従業員規模: 11名〜50名 / エンジニア組織: 11名〜50名
AI/ML監視

LangSmithによるQast AIの精度検証プロセス改善
any株式会社 / Shogo Arakawa
チームリーダー / フルスタックエンジニア / 従業員規模: 11名〜50名 / エンジニア組織: 11名〜50名



