この記事はJLCPCBと共同で公開されています。JLCPCBはPCBのプロトタイプと製造の分野で10年以上の経験を持つ最も経験豊富なPCBメーカーのひとつであり、品質、納期、費用対効果など、さまざまな業界のお客様のニーズを満たすことに取り組んでいます。 NE555タイマーは1971年に発売され、50年の歴史があります。使いやすく、安定していて安価なので、今でも広く使われており、2003年の生産量は10億台でした。今はNE555を使って電子ドアロックタイマーを作っています。電子ドアロックの制御部品のほとんどはこの回路を使用しています。タイミング方法は非常に単純で、1.1 x RCであり、MCUと比較するとあまり正確ではありませんが、非常に単純です。 ステップ1：回路図 NE555 x 1 20k Ohm Resistor x 1 10k Ohm Resistor x 2 4.7k Ohm Resistor X 1 3M Ohm Resistor X 1 200k Ohm Trimpots x 1 100uF 25V Capacitor X 1 10uF 50V Capacitor X 1 22uF 25V Capacitor X 1 220uF 25V Capacitor X 1 10nF 50V Capacitor x 2 M7 Diode(1A 1kV) x 3 MMBT3904 NPN Transistors x 1 12V Relay(SRD-12VDC-SL-C) x 1 2x3 pin male header x 1 Jumper block x 2 Large Green screw terminals (KF128-2.54-3P) x 1 Large Green screw terminals (KF128-2.54-4P) x 1 PCB X1 ステップ2：PCB EasyEDAを使用してPCBを設計し、その設計はJLCPCBにアップロードしてPCBを製造しています。 JLCPCBは、世界中の人々のために高品質のプロトタイピングPCBを製造しています。世界中に30万人以上の顧客がおり、1日あたり8000件以上の注文があります。彼らは10年以上の製造経験があり、非常に信頼性があります。自分で試してみて、JLCPCBでわずか2ドルで10個のPCBを入手してください。新規登録ユーザーは、18ドルのオファーがあります。ここで注文してください。https://jlcpcb.com/JPA JLCPCBからPCBを注文する方法の簡単な例： 1）「QUOTENOW」を押す 2）「ガーバーファイルを追加」を押します 3）zipまたはrarをアップロードする 4）すべてのプロパティをデフォルトのままにすることができます *プロパティから変更する必要があるのはPCBカラーだけです ガーバーファイル 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　 ステップ3：はんだ 回路図に従ってはんだ付けされているだけで、使用でき、プログラミングやデバッグは必要ありません

環境 m1 maxOS Monterey 12.0.1 課題 nvm i v14 をしたら nvm: install v14 failed! というエラーが出た。 解決方法 nvm i v15 Apple siliconは v14以下だとエラーになるらしいので、v15以上をインストールする

ガイア計画というものを知りました。 欧州宇宙機関　(ESA)　が打ち上げた専用の探査機で全天球の天体を観測してデータを蓄積するプロジェクトで、現在のデータ量は1.8TB、観測された天体の数は約1,900億個だそうです。このデータを利用して全天球の星の地図を作ってみました。　 データのダウンロード ガイア計画のデータは以下でアーカイブされていて、自由に利用できます。日本にもミラーサイトがあり国立天文台のウェブサイト jvo.nao.ac.jp からデータをダウンロードできます。今回は作業時点で最も新しい EDR3 (Early Data Research 3) を使いました。 なお、データの利用にあたっては所定のクレジットを併記する必要があり、専用ページで確認できます。 データの加工 GAIA データは gzip 圧縮された単純な CSV としてダウンロードできます。データには天球上での星の位置が含まれていて、それは黄道面を基準に黄経(ecl_lon)、黄緯(ecl_lat)として与えられているようです。今回は web 地図の上に天球を投影しようと思いましたので、赤道面を基準にした位置情報（赤経・赤緯）に変換しました。 この変換は単純な球座標上での回転移動とみなして以下の1次変換でOKということにしました。赤経をα、赤緯をβ、黄経δ、黄緯をγ、黄道傾斜角（地球の自転軸の傾き）をεとすると、以下の連立方程式で (δ, γ) から (α, β) が計算できるはずです。左辺は赤道面を基準にしたxyz座標、右辺は回転行列と黄道面を基準にしたxyz座標の積です。 \begin{eqnarray*} \left( \begin{array}{c} \cos\beta\cos\alpha \\ \cos\beta\sin\alpha \\ \sin\beta \\ \end{array} \right) =\left( \begin{array}{ccc} 1 & 0 & 0 \\ 0 & \cos\epsilon & -\sin\epsilon \\ 0 & \sin\epsilon & \cos\epsilon \\ \end{array} \right) \left( \begin{array}{c} \cos\delta\cos\gamma \\ \cos\delta\sin\gamma \\ \sin\delta \\ \end{array} \right) \end{eqnarray*} これを解くと、 \begin{equation} \alpha=\mathrm{tan}^{-1}\frac{\cos\epsilon\cos\delta\sin\gamma-\sin\epsilon\sin\delta}{\cos\delta\cos\gamma} \end{equation} \begin{equation} \beta=\mathrm{sin}^{-1}(\sin\epsilon\cos\delta\sin\gamma+\cos\epsilon\sin\delta) \end{equation} なお、今回は簡便に黄道傾斜角（地球の自転軸の傾き）として ε = 23.4° を使いました。 注意 結果として後述しますが、この射影変換が間違っているようで、意図した通り天球が平面に展開されませんでした。この件は別途検証しようと思います。 ベクトルタイルの生成 データが次のフォーマットの順に加工されるようにパイプして mbtiles を生成します。 1. csv.gz // 元データ。gzip 圧縮された csv 2. csv // csv 3. GeoJSON // 位置情報フォーマット 4. NDGeoJSONs // 3 を 改行区切りで結合したもの 5. mbtiles // ベクトルタイル 今回は 2 の csv から 3 のGeoJSON を生成するする単純なストリームの処理のみを自作しました。csv のカラムには例えば phot_g_mean_mag のような等級（星の明るさ）などの膨大な観測データがあるのですが、地学の素養がなくデータの意味を十分に理解できませんでした..。このストリームでは、　phot_g_mean_mag　は m プロパティとして保存しています。この値は結局使いませんでした。 // bin/build.js const csv = require('csv-parser') // 定数と計算用ユーティリティ const ECL_INC = 23.4 const ang2rad = (ang) => ang * Math.PI / 180 const rad2ang = (rad) => 180 * rad / Math.PI const sin = (ang) => Math.sin(ang2rad(ang)) const cos = (ang) => Math.cos(ang2rad(ang)) const atan = (rad) => rad2ang(Math.atan(rad)) const asin = (rad) => rad2ang(Math.asin(rad)) // 黄道 ->　赤道の座標変換 const ecl2eq = ([lng, lat]) => { const eq_lng = atan(cos(lng) * cos(lat) / (cos(ECL_INC) * cos(lng) * sin(lat) - sin(ECL_INC) * sin(lng))) const eq_lat = asin(sin(ECL_INC) * cos(lng) * sin(lat) + cos(ECL_INC) * sin(lng)) return [eq_lng, eq_lat] } process.stdin .pipe(csv()) .on('data', (chunk) => { const { ecl_lon, ecl_lat, phot_g_mean_mag } = chunk const m = parseFloat(phot_g_mean_mag) const ecl_coord = [parseFloat(ecl_lon), parseFloat(ecl_lat)] if(!ecl_coord[0] || !ecl_coord[1] !m) { return } try { const eq_coord = ecl2eq(ecl_coord); const feature = { type: 'Feature', properties: { m }, geometry: { type: 'Point', coordinates: eq_coord }, } process.stdout.write(JSON.stringify(feature) + '\n') } catch (error) { process.stderr.write(`[failure] ${JSON.stringify(error)}\n`) } }) tippeacanoe は標準入力をサポートしているので、例えば以下のようなコマンドで簡単に mbtiles を生成できます。1つのファイルあたりに約50万個〜90万個ほどの星のデータが入っているようです。 $ find ~/Downloads/GaiaSource_*.csv.gz | \ xargs -I {} sh -c "cat {} | gunzip | node bin/build.js" | \ tippecanoe -zg -o gaia.mbtiles --drop-densest-as-needed なお、実際には S3 にダウンロードしたデータを用いて以下のようなコマンドで複数に分けて処理しました。 # NUMBER_PREFIX は 0 から 7 $ aws s3api list-objects --bucket $GAIA_DOWNLOAD_BUCKET_NAME | \ jq .Contents | jq -r 'map(.Key)[]' | \ grep "GaiaSource_$NUMBER_PREFIX" | \ xargs -t -I {} sh -c "aws s3 cp s3://$GAIA_DOWNLOAD_BUCKET_NAME/{} - | gunzip | node bin/build.js" | \ tippecanoe -zg -o gaia$NUMBER_PREFIX.mbtiles -l gaia --drop-densest-as-needed 生成した 8　つの　mbtiles は tippeacanoe の tile-join コマンドで結合します。 $ tile-join -o gaia.mbtiles \ gaia0.mbtiles \ gaia1.mbtiles \ gaia2.mbtiles \ gaia3.mbtiles \ gaia4.mbtiles \ gaia5.mbtiles \ gaia6.mbtiles \ gaia7.mbtiles --no-tile-size-limit ベクトルタイルをホストする tileserver-gl でベクトルタイルを配信します。以下のコマンドで　http://localhost:8080/data/gaia.json からベクトルタイルが利用できるようになります。 $ nvm use v10 $ npx tileserver-gl ./gaia.mbtiles ベクトルタイルをレンダリングする タイルを読み込んでレンダリングするための html とスタイルを作成します。 私が属している Geolonia の Embed API を使うと mapboxgl/maplibregl と互換の Map クラスを利用できます。URL に緯度経度をシリアライズする data-hash="on" などの属性が使えるので便利です。 <html> <head> <style> html, body, #map { width: 100%; height: 100%; margin: 0; padding: 0; } </style> </head> <body> <div id="map" data-hash="on"></div> <script src="https://cdn.geolonia.com/v1/embed?geolonia-api-key=YOUR-API-KEY"></script> <script> new window.geolonia.Map({ container: document.getElementById('map'), style: { version: 8, sources: { gaia: { type: 'vector', url: 'http://localhost:8080/data/gaia.json', }, }, layers: [ { id: 'background', type: 'background', paint: { 'background-color': "black" } }, { id: 'stars', type: 'circle', source: 'gaia', 'source-layer': 'gaia', paint: { 'circle-color': '#ffffff', 'circle-radius': 1 } } ] } }) </script> </body> </html> 結果と考察 3,384個、613GB の GZIP ​されたCSV から8つの mbtiles を生成するのに、 AWS EC2 の t3.2xlarge インスタンスを使った処理で概ね24時間かかりました。全ての mbtiles を結合したデータのサイズは 13.5 GB でした。 星の海を探検してみる どうも射影変換が間違っているようで、 -45° から + 45°の範囲にしか星が分布しませんでした。ただ全単射ではありますので、このまま星の分布を眺めたいと思います。 北緯66°と南緯66°付近に集まるラグビーボールの縫い目のような線が出現しました。66°というのはおそらく 90° から黄道傾斜角を引いた値からくるもので、線は8つに分割したデータを tile-join することで出現しているもののように思えます。 ところどころ不自然な角張を持つ疎な領域や密な領域があります。これは元データの欠損や重複に由来しているもののように見えます。 星の集まった銀河のような構造も見えます。 星の密度が薄い場所があります。これは暗黒物質でしょうか。 まとめ 今回使った Gaia EDR3 のようなテラバイト級のデータを手軽にブラウジングするのは大変です。
解決方法として、ベクトルタイルで逐次データをロードできるようにするのは有効なのではないでしょうか。 この記事に関連するソースは以下にあります。 謝辞 This work has made use of data from the European Space Agency (ESA) mission Gaia, processed by the Gaia Data Processing and Analysis Consortium (DPAC). Funding for the DPAC has been provided by national institutions, in particular the institutions participating in the Gaia Multilateral Agreement. このエントリでは、欧州宇宙機関（ESA）のミッション Gaia のデータを利用しており、これは、 Gaia Data Processing and Analysis Consortium (DPAC) が処理を行なったものです。 DPAC への資金は、各国の機関、特に Gaia Multilateral Agreement に参加している機関から提供されています。

脱gulpにむけて、npm-scriptsに移行中に、参考にしたコードを正確に書いたにも関わらずにうまく動かない。 ファイルの更新を監視するwatchを走らせた際に、なぜかエラーが発生する。 結論から言うと、 OSがWindowsの人は、シングルクーテーション「'」ではうまく機能しません！！ package.jsonの書き換える必要があります 参考にしたwatchは以下の書き方 package.json "scripts"：{ "watch:server": "browser-sync start --server dist --files 'dist, **/*.html, !node_modules/**/*'", "watch:css": "watch 'npm run css' ./src/sass", "watch:js": "watch 'npm run js' ./src/js", "watch": "npm-run-all -p watch:*" }, npm run watchをした場合の、エラー内容 terminal $npm run watch > Watching run > Watching css' > Watching ./src/sass C:\Users\...\node_modules\watch\main.js:73 if (err) throw err; ^ [Error: ENOENT: no such file or directory, stat 'C:\Users\\...\\run'] { errno: -4058, code: 'ENOENT', syscall: 'stat', path: 'C:\\Users\\...\\run' } npm ERR! code ELIFECYCLE npm ERR! errno 1 npm ERR! sample@1.0.0 watch:css: `watch 'npm run css' ./src/sass` npm ERR! Exit status 1 npm ERR! npm ERR!npm Failed at the study@1.0.0 watch:css script. npm ERR! This is probably not a problem with npm. There is likely additional logging output above. ERR! code ELIFECYCLE npm ERR! errno 1 npm ERR! sample@1.0.0 watch:js: `watch 'npm run js' ./src/js` npm ERR! Exit status 1 npm ERR! npm ERR! Failed at the sample@1.0.0 watch:js script. npm ERR! This is probably not a problem with npm. There is likely additional logging output above. 同じようにWatching ./src/jsもエラーがかえってきます。 どこが動いていないのか探る browser-syncを指定したwatch:serverを個別にrunすると、ちゃんとブラウザがたちあがります。watchそのものが動いていないのではないようです。 npm run cssで指定したscssコンパイルも、npm run jsでjs圧縮も個別にrunするとちゃんと動きます。 npm-run-allで指定したコマンドですべてを動かすと、動きません。 ということで、 package.json "watch:css": "watch 'npm run css' ./src/sass", "watch:js": "watch 'npm run js' ./src/js", この記述に問題がありそうです。 GitHubのissueに記述発見！ GitHub / npm watch#109 こちらによると、 windowsの人は、シングルクオーテーションの部分を以下のように書き換えます。 package.json "watch:css": "watch \"npm run css\" ./src/sass", "watch:js": "watch \"npm run js\" ./src/js", Windowsの人は、文字列を\でエスケープが必要です！ 無事、記述したnpm scriptsが動くようになりました。 ぜひ、Windowsでエラーが起こった人は上記をためしてみてください。 参考

やりたいこと ・jsonを条件別に分割して出力したい。 やったこと ・node.jsのfsモジュールを使う。 ・今回はJsonPlaceholderのuser情報を一部変更して使用する。 data/users.json [ { "id": 1, "name": "Leanne Graham", "username": "Bret", "email": "Sincere@april.biz", "address": { "street": "Kulas Light", "suite": "Apt. 556", "city": "New York", "zipcode": "92998-3874", "geo": { "lat": "-37.3159", "lng": "81.1496" } }, "phone": "1-770-736-8031 x56442", "website": "hildegard.org", "company": { "name": "Romaguera-Crona", "catchPhrase": "Multi-layered client-server neural-net", "bs": "harness real-time e-markets" } }, { "id": 2, "name": "Ervin Howell", "username": "Antonette", "email": "Shanna@melissa.tv", "address": { "street": "Victor Plains", "suite": "Suite 879", "city": "Wisokyburgh", "zipcode": "90566-7771", "geo": { "lat": "-43.9509", "lng": "-34.4618" } }, "phone": "010-692-6593 x09125", "website": "anastasia.net", "company": { "name": "Deckow-Crist", "catchPhrase": "Proactive didactic contingency", "bs": "synergize scalable supply-chains" } }, { "id": 3, "name": "Clementine Bauch", "username": "Samantha", "email": "Nathan@yesenia.net", "address": { "street": "Douglas Extension", "suite": "Suite 847", "city": "New York", "zipcode": "59590-4157", "geo": { "lat": "-68.6102", "lng": "-47.0653" } }, "phone": "1-463-123-4447", "website": "ramiro.info", "company": { "name": "Romaguera-Jacobson", "catchPhrase": "Face to face bifurcated interface", "bs": "e-enable strategic applications" } } ] scripts/splitUsers.js const fs = require('fs'); const users = require('../data/users.json'); const fn = () => { const NewYorker = users.filter(user => { if (user.address.city === 'New York') { return true } }) fs.writeFile('../public/json/NewYork.json', JSON.stringify(NewYorker), err => { if (err) console.log(err) else console.log('success') }) } fn() ・fs.writeFileの第一引数で格納するデータの入った出力ファイルのパスを指定する。 ・第二引数は、string | Buffer | TypeArray | DataView | Object のいずれかの型になる。 ・jsonを指定したいときは、JSON.stringify()で文字列(string)型にする必要がある。 このようにすると、public/jsonの配下に条件別に分割されたjsonとして、NewYork.jsonを作成することができる。 実行の際は、実行ファイルのあるディレクトリに移動し、 node 実行ファイル名 で実行する。 参考 ・https://www.notion.so/Node-fs-3383f45c2cc34f26a04631254f7039cf#fdb261edcd934c95bdac72bd9e2ef70d ・https://www.notion.so/Node-fs-3383f45c2cc34f26a04631254f7039cf#1ad568abc03f49ef9260d2f31c28b2ca ・https://www.notion.so/Node-fs-3383f45c2cc34f26a04631254f7039cf#c8cd52db90464bf0b15d521e7aaf64c5