vastai-migration-deep-dive
Vast.aiの大規模な再構築・移行戦略をストラングラーフィグパターンで実行します。Vast.aiへの移行、Vast.aiからの移行、メジャーバージョンアップグレード、既存の統合をVast.aiに再プラットフォーム化する際に利用できます。「migrate vastai」「vastai migration」「switch to vastai」「vastai replatform」「vastai upgrade major」などのフレーズでトリガーされます。
description の原文を見る
Execute Vast.ai major re-architecture and migration strategies with strangler fig pattern. Use when migrating to or from Vast.ai, performing major version upgrades, or re-platforming existing integrations to Vast.ai. Trigger with phrases like "migrate vastai", "vastai migration", "switch to vastai", "vastai replatform", "vastai upgrade major".
SKILL.md 本文
Vast.ai 移行の詳細ガイド
概要
Vast.ai への移行または Vast.ai からの移行、あるいはメジャーバージョンアップグレードのための包括的なガイドです。
前提条件
- 現在のシステムドキュメント
- Vast.ai SDK がインストール済み
- フィーチャーフラグインフラストラクチャ
- テスト済みのロールバック戦略
移行タイプ
| タイプ | 複雑度 | 所要期間 | リスク |
|---|---|---|---|
| 新規インストール | 低 | 数日 | 低 |
| 競合製品からの移行 | 中 | 数週間 | 中 |
| メジャーバージョン | 中 | 数週間 | 中 |
| 完全な再プラットフォーム化 | 高 | 数ヶ月 | 高 |
移行前の評価
ステップ 1: 現状分析
# 現在の実装をドキュメント化
find . -name "*.ts" -o -name "*.py" | xargs grep -l "vastai" > vastai-files.txt
# 統合ポイントをカウント
wc -l vastai-files.txt
# 依存関係を特定
npm list | grep vastai
pip freeze | grep vastai
ステップ 2: データインベントリ
interface MigrationInventory {
dataTypes: string[];
recordCounts: Record<string, number>;
dependencies: string[];
integrationPoints: string[];
customizations: string[];
}
async function assessVast.aiMigration(): Promise<MigrationInventory> {
return {
dataTypes: await getDataTypes(),
recordCounts: await getRecordCounts(),
dependencies: await analyzeDependencies(),
integrationPoints: await findIntegrationPoints(),
customizations: await documentCustomizations(),
};
}
移行戦略: Strangler Fig パターン
フェーズ 1: 並行実行
┌─────────────┐ ┌─────────────┐
│ 古い │ │ 新しい │
│ システム │ ──▶ │ Vast.ai │
│ (100%) │ │ (0%) │
└─────────────┘ └─────────────┘
フェーズ 2: 段階的シフト
┌─────────────┐ ┌─────────────┐
│ 古い │ │ 新しい │
│ (50%) │ ──▶ │ (50%) │
└─────────────┘ └─────────────┘
フェーズ 3: 完了
┌─────────────┐ ┌─────────────┐
│ 古い │ │ 新しい │
│ (0%) │ ──▶ │ (100%) │
└─────────────┘ └─────────────┘
実装計画
フェーズ 1: セットアップ (第 1~2 週目)
# Vast.ai SDK をインストール
npm install @vastai/sdk
# 認証情報を設定
cp .env.example .env.vastai
# 新しい認証情報で編集
# 接続性を検証
node -e "require('@vastai/sdk').ping()"
フェーズ 2: アダプタレイヤー (第 3~4 週目)
// src/adapters/vastai.ts
interface ServiceAdapter {
create(data: CreateInput): Promise<Resource>;
read(id: string): Promise<Resource>;
update(id: string, data: UpdateInput): Promise<Resource>;
delete(id: string): Promise<void>;
}
class Vast.aiAdapter implements ServiceAdapter {
async create(data: CreateInput): Promise<Resource> {
const vastaiData = this.transform(data);
return vastaiClient.create(vastaiData);
}
private transform(data: CreateInput): Vast.aiInput {
// 古い形式から Vast.ai 形式へマッピング
}
}
フェーズ 3: データ移行 (第 5~6 週目)
async function migrateVast.aiData(): Promise<MigrationResult> {
const batchSize = 100;
let processed = 0;
let errors: MigrationError[] = [];
for await (const batch of oldSystem.iterateBatches(batchSize)) {
try {
const transformed = batch.map(transform);
await vastaiClient.batchCreate(transformed);
processed += batch.length;
} catch (error) {
errors.push({ batch, error });
}
// 進捗状況を更新
console.log(`Migrated ${processed} records`);
}
return { processed, errors };
}
フェーズ 4: トラフィックシフト (第 7~8 週目)
// フィーチャーフラグで制御されたトラフィック分割
function getServiceAdapter(): ServiceAdapter {
const vastaiPercentage = getFeatureFlag('vastai_migration_percentage');
if (Math.random() * 100 < vastaiPercentage) {
return new Vast.aiAdapter();
}
return new LegacyAdapter();
}
ロールバック計画
# 即座にロールバック
kubectl set env deployment/app VASTAI_ENABLED=false
kubectl rollout restart deployment/app
# データロールバック (必要に応じて)
./scripts/restore-from-backup.sh --date YYYY-MM-DD
# ロールバックを検証
curl https://app.yourcompany.com/health | jq '.services.vastai'
移行後の検証
async function validateVast.aiMigration(): Promise<ValidationReport> {
const checks = [
{ name: 'データ数の一致', fn: checkDataCounts },
{ name: 'API 機能', fn: checkApiFunctionality },
{ name: 'パフォーマンスベースライン', fn: checkPerformance },
{ name: 'エラー率', fn: checkErrorRates },
];
const results = await Promise.all(
checks.map(async c => ({ name: c.name, result: await c.fn() }))
);
return { checks: results, passed: results.every(r => r.result.success) };
}
手順
ステップ 1: 現状を評価する
既存の実装とデータインベントリをドキュメント化します。
ステップ 2: アダプタレイヤーを構築する
段階的な移行のための抽象化レイヤーを作成します。
ステップ 3: データを移行する
エラーハンドリング付きでバッチデータ移行を実行します。
ステップ 4: トラフィックをシフトする
トラフィックを新しい Vast.ai 統合に段階的にルーティングします。
出力
- 移行評価が完了
- アダプタレイヤーが実装完了
- データの移行が成功
- Vast.ai への完全なトラフィックシフト完了
エラーハンドリング
| 問題 | 原因 | 解決方法 |
|---|---|---|
| データ不一致 | トランスフォーム エラー | トランスフォームロジックを検証 |
| パフォーマンス低下 | キャッシングなし | キャッシングレイヤーを追加 |
| ロールバックがトリガー | エラー率スパイク | トラフィック率を低減 |
| 検証失敗 | データ欠落 | バッチ処理を確認 |
例
クイック移行ステータス
const status = await validateVast.aiMigration();
console.log(`Migration ${status.passed ? 'PASSED' : 'FAILED'}`);
status.checks.forEach(c => console.log(` ${c.name}: ${c.result.success}`));
リソース
Flagship+ スキル
高度なトラブルシューティングについては、vastai-advanced-troubleshooting を参照してください。
ライセンス: MIT(寛容ライセンスのため全文を引用しています) · 原本リポジトリ
詳細情報
- 作者
- Brmbobo
- リポジトリ
- Brmbobo/Web2podcast
- ライセンス
- MIT
- 最終更新
- 2026/1/26
Source: https://github.com/Brmbobo/Web2podcast / ライセンス: MIT
関連スキル
superpowers-streamer-cli
SuperPowers デスクトップストリーマーの npm パッケージをインストール、ログイン、実行、トラブルシューティングできます。ユーザーが npm から `superpowers-ai` をセットアップしたい場合、メールまたは電話でサインインもしくはアカウント作成を行いたい場合、ストリーマーを起動したい場合、表示されたコントロールリンクを開きたい場合、後で停止したい場合、またはソースコードへのアクセスなしに npm やランタイムの一般的な問題から復旧したい場合に使用します。
catc-client-ops
Catalyst Centerのクライアント操作・監視機能 - 有線・無線クライアントのリスト表示・フィルタリング、MACアドレスによる詳細なクライアント検索、クライアント数分析、時間軸での分析、SSIDおよび周波数帯によるフィルタリング、無線トラブルシューティング機能を提供します。MACアドレスやIPアドレスでのクライアント検索、サイト別やSSID別のクライアント数集計、無線周波数帯の分布分析、Wi-Fi信号の問題調査が必要な場合に活用できます。
ci-cd-and-automation
CI/CDパイプラインの設定を自動化します。ビルドおよびデプロイメントパイプラインの構築または変更時に使用できます。品質ゲートの自動化、CI内のテストランナー設定、またはデプロイメント戦略の確立が必要な場合に活用します。
shipping-and-launch
本番環境へのリリース準備を行います。本番環境へのデプロイ準備が必要な場合、リリース前チェックリストが必要な場合、監視機能の設定を行う場合、段階的なロールアウトを計画する場合、またはロールバック戦略が必要な場合に使用します。
linear-release-setup
Linear Releaseに向けたCI/CD設定を生成します。リリース追跡の設定、LinearのCIパイプライン構築、またはLinearリリースとのデプロイメント連携を実施する際に利用できます。GitHub Actions、GitLab CI、CircleCIなど複数のプラットフォームに対応しています。
tracking-application-response-times
API エンドポイント、データベースクエリ、サービスコール全体にわたるアプリケーションのレスポンスタイムを追跡・最適化できます。パフォーマンス監視やボトルネック特定の際に活用してください。「レスポンスタイムを追跡する」「API パフォーマンスを監視する」「遅延を分析する」といった表現で呼び出せます。