<?xml version="1.0" encoding="utf-8"?><feed xmlns="http://www.w3.org/2005/Atom" xml:lang="ja"><generator uri="https://jekyllrb.com/" version="4.4.1">Jekyll</generator><link href="https://niusounds.github.io/Droid-Metal/feed.xml" rel="self" type="application/atom+xml" /><link href="https://niusounds.github.io/Droid-Metal/" rel="alternate" type="text/html" hreflang="ja" /><updated>2026-06-19T11:11:09+09:00</updated><id>https://niusounds.github.io/Droid-Metal/feed.xml</id><title type="html">Droid Metal</title><subtitle>コードが静かに走る夜、画面の向こうで世界が変わる。AndroidとAIの最前線を、重い音とともに刻む。</subtitle><author><name>niusounds</name></author><entry><title type="html">Android 17: OSから「インテリジェンス・システム」への進化と、AIが守るセキュリティの最前線</title><link href="https://niusounds.github.io/Droid-Metal/2026/05/14/android-17-intelligence-system-security/" rel="alternate" type="text/html" title="Android 17: OSから「インテリジェンス・システム」への進化と、AIが守るセキュリティの最前線" /><published>2026-05-14T23:15:00+09:00</published><updated>2026-05-14T23:15:00+09:00</updated><id>https://niusounds.github.io/Droid-Metal/2026/05/14/android-17-intelligence-system-security</id><content type="html" xml:base="https://niusounds.github.io/Droid-Metal/2026/05/14/android-17-intelligence-system-security/"><![CDATA[<h2 id="はじめに">はじめに</h2>

<p>2026年5月、Googleは「The Android Show: I/O Edition」にて、Androidの歴史における大きな転換点を発表しました。それは、Androidを単なるアプリ実行基盤（OS）から、自ら考え行動する<strong>「インテリジェンス・システム」</strong>へと再定義することです。</p>

<p>本記事では、この進化の核となる Gemini Intelligence と、次期 OS <strong>Android 17</strong> で導入される強力なセキュリティ機能について深掘りします。</p>

<h2 id="1-インテリジェンスシステムとしてのandroid">1. 「インテリジェンス・システム」としてのAndroid</h2>

<p>これまでの Android は、ユーザーの入力を待ってアプリを起動する受動的な存在でした。しかし、これからは <strong>Gemini Intelligence</strong> がシステムレベルで統合され、ユーザーの意図を先読みする能動的なエージェントへと変わります。</p>

<ul>
  <li><strong>マルチステップ・オートメーション</strong>: 「旅行の予約をして、カレンダーに登録し、家族にメールを送る」といった複数のアプリにまたがる操作を、AIがユーザーに代わって一貫して実行します。</li>
  <li><strong>コンテキストの理解</strong>: 画面上の情報だけでなく、ユーザーの行動履歴や周囲の状況を把握し、最適なアクションを提案します。</li>
</ul>

<h2 id="2-android-17-aiによるlive-threat-detectionの衝撃">2. Android 17: AIによる「Live Threat Detection」の衝撃</h2>

<p>セキュリティ面でも、Android 17 は革新的な進化を遂げます。従来の静的なスキャンではなく、AIがシステム全体の挙動をリアルタイムで監視する <strong>Live Threat Detection</strong> が導入されます。</p>

<p>特に以下の脅威に対して、鉄槌を下します。</p>

<ul>
  <li><strong>高度なフィッシング攻撃</strong>: 銀行アプリを模倣した巧妙なオーバーレイ攻撃を、ピクセル単位のレンダリング挙動から AI が即座に検知。</li>
  <li><strong>不審な通信の遮断</strong>: バックグラウンドで密かに行われる SMS 転送や、不自然な通話ログの生成をリアルタイムでブロック。</li>
  <li><strong>偽のバイオメトリクス要求</strong>: ユーザーが意図しないタイミングでの指紋・顔認証要求を無効化。</li>
</ul>

<h3 id="play-integrity-api-によるセキュリティ検証">Play Integrity API によるセキュリティ検証</h3>

<p>開発者が「Live Threat Detection」の結果やシステムの整合性を確認するには、<strong>Play Integrity API</strong> を使用します。これにより、Play プロテクトが有効か、既知の脅威（PHA）が検出されていないかを判定できます。</p>

<div class="language-kotlin highlighter-rouge"><div class="highlight"><pre class="highlight"><code><span class="k">import</span> <span class="nn">com.google.android.play.core.integrity.IntegrityManagerFactory</span>
<span class="k">import</span> <span class="nn">com.google.android.play.core.integrity.IntegrityTokenRequest</span>

<span class="k">fun</span> <span class="nf">verifySystemIntegrity</span><span class="p">(</span><span class="n">context</span><span class="p">:</span> <span class="nc">Context</span><span class="p">,</span> <span class="n">nonce</span><span class="p">:</span> <span class="nc">String</span><span class="p">)</span> <span class="p">{</span>
    <span class="kd">val</span> <span class="py">integrityManager</span> <span class="p">=</span> <span class="nc">IntegrityManagerFactory</span><span class="p">.</span><span class="nf">create</span><span class="p">(</span><span class="n">context</span><span class="p">)</span>
    
    <span class="c1">// サーバーから取得した nonce を含めてリクエストを作成</span>
    <span class="kd">val</span> <span class="py">integrityTokenRequest</span> <span class="p">=</span> <span class="nc">IntegrityTokenRequest</span><span class="p">.</span><span class="nf">builder</span><span class="p">()</span>
        <span class="p">.</span><span class="nf">setNonce</span><span class="p">(</span><span class="n">nonce</span><span class="p">)</span>
        <span class="p">.</span><span class="nf">build</span><span class="p">()</span>

    <span class="n">integrityManager</span><span class="p">.</span><span class="nf">requestIntegrityToken</span><span class="p">(</span><span class="n">integrityTokenRequest</span><span class="p">)</span>
        <span class="p">.</span><span class="nf">addOnSuccessListener</span> <span class="p">{</span> <span class="n">response</span> <span class="p">-&gt;</span>
            <span class="kd">val</span> <span class="py">integrityToken</span> <span class="p">=</span> <span class="n">response</span><span class="p">.</span><span class="nf">token</span><span class="p">()</span>
            <span class="c1">// このトークンを自社サーバーに送り、Google サーバー経由で復号</span>
            <span class="c1">// 結果に含まれる 'playProtectVerdict' を確認する</span>
            <span class="nc">Log</span><span class="p">.</span><span class="nf">d</span><span class="p">(</span><span class="s">"Security"</span><span class="p">,</span> <span class="s">"Token generated. Send to server for verification."</span><span class="p">)</span>
        <span class="p">}</span>
        <span class="p">.</span><span class="nf">addOnFailureListener</span> <span class="p">{</span> <span class="n">e</span> <span class="p">-&gt;</span>
            <span class="nc">Log</span><span class="p">.</span><span class="nf">e</span><span class="p">(</span><span class="s">"Security"</span><span class="p">,</span> <span class="s">"Integrity check failed"</span><span class="p">,</span> <span class="n">e</span><span class="p">)</span>
        <span class="p">}</span>
<span class="p">}</span>
</code></pre></div></div>

<h3 id="gemini-nano-によるインテリジェンスの実装">Gemini Nano によるインテリジェンスの実装</h3>

<p>「インテリジェンス・システム」の核となるオンデバイス AI は、<strong>Google AI Edge SDK</strong> を通じて利用します。Android 17 では AICore との連携がさらに強化されています。</p>

<div class="language-kotlin highlighter-rouge"><div class="highlight"><pre class="highlight"><code><span class="c1">// build.gradle.kts: implementation("com.google.ai.client.generativeai:generativeai:0.9.0")</span>

<span class="k">import</span> <span class="nn">com.google.ai.client.generativeai.GenerativeModel</span>
<span class="k">import</span> <span class="nn">com.google.ai.client.generativeai.type.generationConfig</span>

<span class="kd">val</span> <span class="py">generativeModel</span> <span class="p">=</span> <span class="nc">GenerativeModel</span><span class="p">(</span>
    <span class="n">modelName</span> <span class="p">=</span> <span class="s">"gemini-nano"</span><span class="p">,</span> <span class="c1">// AICoreが管理するオンデバイスモデル</span>
    <span class="n">apiKey</span> <span class="p">=</span> <span class="s">"YOUR_API_KEY"</span><span class="p">,</span> <span class="c1">// 現状のSDKでは必要だが、将来的にAICoreが透過的に処理</span>
    <span class="n">generationConfig</span> <span class="p">=</span> <span class="nf">generationConfig</span> <span class="p">{</span>
        <span class="n">temperature</span> <span class="p">=</span> <span class="mf">0.1f</span>
        <span class="n">topK</span> <span class="p">=</span> <span class="mi">1</span>
        <span class="n">topP</span> <span class="p">=</span> <span class="mf">0.95f</span>
    <span class="p">}</span>
<span class="p">)</span>

<span class="k">suspend</span> <span class="k">fun</span> <span class="nf">generateSmartAction</span><span class="p">(</span><span class="n">prompt</span><span class="p">:</span> <span class="nc">String</span><span class="p">):</span> <span class="nc">String</span><span class="p">?</span> <span class="p">{</span>
    <span class="k">return</span> <span class="k">try</span> <span class="p">{</span>
        <span class="kd">val</span> <span class="py">response</span> <span class="p">=</span> <span class="n">generativeModel</span><span class="p">.</span><span class="nf">generateContent</span><span class="p">(</span><span class="n">prompt</span><span class="p">)</span>
        <span class="n">response</span><span class="p">.</span><span class="n">text</span>
    <span class="p">}</span> <span class="k">catch</span> <span class="p">(</span><span class="n">e</span><span class="p">:</span> <span class="nc">Exception</span><span class="p">)</span> <span class="p">{</span>
        <span class="nc">Log</span><span class="p">.</span><span class="nf">e</span><span class="p">(</span><span class="s">"AI"</span><span class="p">,</span> <span class="s">"Inference failed"</span><span class="p">,</span> <span class="n">e</span><span class="p">)</span>
        <span class="k">null</span>
    <span class="p">}</span>
<span class="p">}</span>
</code></pre></div></div>

<h2 id="3-新たな地平googlebook-と-aluminium-osの胎動">3. 新たな地平：Googlebook と 「Aluminium OS」の胎動</h2>

<p>今回の発表で最もハードウェアファンを熱狂させたのは、新カテゴリーのデバイス <strong>「Googlebook」</strong> の詳細です。これは単なる Android 搭載ノートPCではありません。Google が内部で進めてきた、ChromeOS を Android スタック上に再構築するプロジェクト <strong>「Aluminium OS」</strong> の結実なのです。</p>

<ul>
  <li><strong>OSの統合 (Aluminium OS)</strong>: ChromeOS のデスクトップ体験を Android カーネルとフレームワーク上でネイティブに動作させます。これにより、スマホ、タブレット、ノートPCで完全に同一の AI 基盤（Gemini）とアプリエコシステムが共有されます。</li>
  <li><strong>Glowbar と Magic Pointer</strong>: ハードウェア面では、天板に配置された機能的なライトバー「Glowbar」と、AI がユーザーの意図を汲み取って精度を高める「Magic Pointer（AIカーソル）」を搭載。</li>
  <li><strong>データ・アクセス・プロテクション</strong>: Android 17 の新機能として、Thunderbolt や USB4 デバイスによるダイレクト・メモリ・アクセス（DMA）を制限する機能を搭載。物理的なポートからの「裏口侵入」を許さない、鉄壁の防御を誇ります。</li>
  <li><strong>Pause Point</strong>: デジタル・ウェルビーイングも「メタル」に進化しました。SNSのドゥームスクロール（際限ない閲覧）を検知すると、デバイスを物理的な再起動が必要なレベルでロックする「Pause Point」を導入。依存の鎖を断ち切る、まさに鋼の意思を持った機能です。</li>
</ul>

<h2 id="まとめ">まとめ</h2>

<p>Android はもはや、単なるデバイスの制御ソフトではありません。私たちの生活を理解し、守り、先導する<strong>デジタル・インテリジェンス</strong>へと昇華しました。</p>

<p>Android 17 という名の「鋼鉄の守護神」がもたらす未来。Google I/O 2026 本番では、<strong>ポスト量子暗号（PQC）</strong>の Keystore サポートや、新たな <strong>Advanced Protection Mode API</strong> の詳細発表も期待されています。</p>

<p>Stay Metal, Stay Secure.</p>]]></content><author><name>niusounds</name></author><category term="Android" /><category term="AI" /><category term="Android17" /><category term="Security" /><category term="Gemini" /><summary type="html"><![CDATA[Androidは単なるOSを超え、Geminiを核とした「インテリジェンス・システム」へと進化。Android 17で導入される強力なリアルタイム脅威検出機能と、新たなハードウェア「Googlebook」について解説します。]]></summary></entry><entry><title type="html">Android: Gemini Nano (AICore) を用いたオンデバイス AI 実装ガイド</title><link href="https://niusounds.github.io/Droid-Metal/2026/05/02/android-17-gemini-nano-ai/" rel="alternate" type="text/html" title="Android: Gemini Nano (AICore) を用いたオンデバイス AI 実装ガイド" /><published>2026-05-02T09:00:00+09:00</published><updated>2026-05-02T09:00:00+09:00</updated><id>https://niusounds.github.io/Droid-Metal/2026/05/02/android-17-gemini-nano-ai</id><content type="html" xml:base="https://niusounds.github.io/Droid-Metal/2026/05/02/android-17-gemini-nano-ai/"><![CDATA[<h2 id="はじめに">はじめに</h2>

<p>Android の <strong>AICore</strong> は、Gemini Nano などの基盤モデルをシステムレベルで管理する機能です。開発者は <strong>Google AI Edge SDK</strong> を通じて、これらのモデルを自分のアプリから利用できます。</p>

<h2 id="準備-依存関係の追加">準備: 依存関係の追加</h2>

<p><code class="language-plaintext highlighter-rouge">build.gradle.kts</code> に以下の依存関係を追加します。</p>

<div class="language-kotlin highlighter-rouge"><div class="highlight"><pre class="highlight"><code><span class="nf">dependencies</span> <span class="p">{</span>
    <span class="c1">// Google AI Edge SDK for Android</span>
    <span class="nf">implementation</span><span class="p">(</span><span class="s">"com.google.ai.client.generativeai:generativeai:0.9.0"</span><span class="p">)</span>
    <span class="c1">// AICore 連携に必要な Google Play Services</span>
    <span class="nf">implementation</span><span class="p">(</span><span class="s">"com.google.android.gms:play-services-base:18.5.0"</span><span class="p">)</span>
<span class="p">}</span>
</code></pre></div></div>

<h2 id="実装例-オンデバイス推論の実行">実装例: オンデバイス推論の実行</h2>

<h3 id="1-モデルの初期化">1. モデルの初期化</h3>

<p><code class="language-plaintext highlighter-rouge">GenerativeModel</code> インスタンスを作成します。オンデバイスで動作させるには、<code class="language-plaintext highlighter-rouge">modelName</code> に <code class="language-plaintext highlighter-rouge">gemini-nano</code> を指定します。</p>

<div class="language-kotlin highlighter-rouge"><div class="highlight"><pre class="highlight"><code><span class="k">import</span> <span class="nn">com.google.ai.client.generativeai.GenerativeModel</span>
<span class="k">import</span> <span class="nn">com.google.ai.client.generativeai.type.generationConfig</span>

<span class="kd">val</span> <span class="py">generativeModel</span> <span class="p">=</span> <span class="nc">GenerativeModel</span><span class="p">(</span>
    <span class="c1">// AICore が提供するオンデバイス用モデル名</span>
    <span class="n">modelName</span> <span class="p">=</span> <span class="s">"gemini-nano"</span><span class="p">,</span>
    <span class="c1">// 現状の SDK 仕様では API Key の記述が必要だが、</span>
    <span class="c1">// AICore 経由の完全なローカル実行では、将来的に内部で処理される予定</span>
    <span class="n">apiKey</span> <span class="p">=</span> <span class="s">"YOUR_API_KEY"</span><span class="p">,</span> 
    <span class="n">generationConfig</span> <span class="p">=</span> <span class="nf">generationConfig</span> <span class="p">{</span>
        <span class="n">temperature</span> <span class="p">=</span> <span class="mf">0.1f</span>
        <span class="n">topK</span> <span class="p">=</span> <span class="mi">1</span>
        <span class="n">topP</span> <span class="p">=</span> <span class="mf">0.95f</span>
    <span class="p">}</span>
<span class="p">)</span>
</code></pre></div></div>

<h3 id="2-マルチモーダル入力の作成">2. マルチモーダル入力の作成</h3>

<p>画像とテキストを組み合わせた入力を、SDK 標準の <code class="language-plaintext highlighter-rouge">content</code> DSL で作成します。</p>

<div class="language-kotlin highlighter-rouge"><div class="highlight"><pre class="highlight"><code><span class="k">import</span> <span class="nn">com.google.ai.client.generativeai.type.content</span>
<span class="k">import</span> <span class="nn">android.graphics.Bitmap</span>

<span class="k">fun</span> <span class="nf">buildMultimodalInput</span><span class="p">(</span><span class="n">bitmap</span><span class="p">:</span> <span class="nc">Bitmap</span><span class="p">,</span> <span class="n">textPrompt</span><span class="p">:</span> <span class="nc">String</span><span class="p">)</span> <span class="p">=</span> <span class="nf">content</span> <span class="p">{</span>
    <span class="nf">image</span><span class="p">(</span><span class="n">bitmap</span><span class="p">)</span>
    <span class="nf">text</span><span class="p">(</span><span class="n">textPrompt</span><span class="p">)</span>
<span class="p">}</span>
</code></pre></div></div>

<h3 id="3-推論の実行suspend-関数">3. 推論の実行（Suspend 関数）</h3>

<p>非同期で推論を実行し、結果の文字列を取得します。</p>

<div class="language-kotlin highlighter-rouge"><div class="highlight"><pre class="highlight"><code><span class="k">import</span> <span class="nn">kotlinx.coroutines.Dispatchers</span>
<span class="k">import</span> <span class="nn">kotlinx.coroutines.withContext</span>
<span class="k">import</span> <span class="nn">android.util.Log</span>

<span class="k">suspend</span> <span class="k">fun</span> <span class="nf">analyzeImageOnDevice</span><span class="p">(</span><span class="n">bitmap</span><span class="p">:</span> <span class="nc">Bitmap</span><span class="p">):</span> <span class="nc">String</span><span class="p">?</span> <span class="p">=</span> <span class="nf">withContext</span><span class="p">(</span><span class="nc">Dispatchers</span><span class="p">.</span><span class="nc">Default</span><span class="p">)</span> <span class="p">{</span>
    <span class="kd">val</span> <span class="py">prompt</span> <span class="p">=</span> <span class="nf">buildMultimodalInput</span><span class="p">(</span><span class="n">bitmap</span><span class="p">,</span> <span class="s">"この画像の内容を1行で説明してください"</span><span class="p">)</span>
    
    <span class="k">try</span> <span class="p">{</span>
        <span class="c1">// generateContent は suspend 関数</span>
        <span class="kd">val</span> <span class="py">response</span> <span class="p">=</span> <span class="n">generativeModel</span><span class="p">.</span><span class="nf">generateContent</span><span class="p">(</span><span class="n">prompt</span><span class="p">)</span>
        <span class="c1">// 成功すれば response.text に結果が格納される</span>
        <span class="n">response</span><span class="p">.</span><span class="n">text</span>
    <span class="p">}</span> <span class="k">catch</span> <span class="p">(</span><span class="n">e</span><span class="p">:</span> <span class="nc">Exception</span><span class="p">)</span> <span class="p">{</span>
        <span class="nc">Log</span><span class="p">.</span><span class="nf">e</span><span class="p">(</span><span class="s">"GeminiNano"</span><span class="p">,</span> <span class="s">"推論中にエラーが発生しました"</span><span class="p">,</span> <span class="n">e</span><span class="p">)</span>
        <span class="k">null</span>
    <span class="p">}</span>
<span class="p">}</span>
</code></pre></div></div>

<h2 id="実装上の重要なポイント">実装上の重要なポイント</h2>

<h3 id="aicore-のセットアップ状態">AICore のセットアップ状態</h3>

<p>Gemini Nano は AICore によって管理されているため、アプリの初回起動時にモデルがダウンロードされていない場合があります。</p>

<ul>
  <li><strong>モデルの準備</strong>: 現在の SDK では、<code class="language-plaintext highlighter-rouge">generateContent</code> 呼び出し時にモデルが未準備だと例外が発生することがあります。</li>
  <li><strong>互換性</strong>: Pixel 8/9 シリーズや最新の Samsung Galaxy など、AICore がサポートされている端末である必要があります。</li>
</ul>

<h3 id="メモリとパフォーマンス">メモリとパフォーマンス</h3>

<ul>
  <li><strong>メモリ消費</strong>: モデルのロード時に 1〜2GB 程度の一時的なメモリ消費が発生することがあります。低メモリ端末での動作には細心の注意を払ってください。</li>
  <li><strong>スロットリング</strong>: 長時間の推論はサーマルスロットリングを引き起こします。バッチ処理ではなく、ユーザーの操作に連動した単発の推論に向いています。</li>
</ul>

<h2 id="まとめ">まとめ</h2>

<p>Google AI Edge SDK を利用することで、クラウド版の Gemini とほぼ同じインターフェースでオンデバイス AI を実装できます。</p>

<ol>
  <li><strong><code class="language-plaintext highlighter-rouge">GenerativeModel</code></strong> で <code class="language-plaintext highlighter-rouge">gemini-nano</code> を指定する。</li>
  <li><strong><code class="language-plaintext highlighter-rouge">content</code> DSL</strong> を使用してマルチモーダル入力を構成する。</li>
  <li><strong><code class="language-plaintext highlighter-rouge">generateContent</code></strong> を Coroutine 内で呼び出す。</li>
</ol>

<p>プライバシーが重視されるデータや、オフライン環境での補助機能として、ぜひ活用してみてください。</p>]]></content><author><name>niusounds</name></author><category term="Android" /><category term="AI" /><category term="Kotlin" /><category term="Gemini" /><summary type="html"><![CDATA[Google AI Edge SDK を使用して、Android 端末上で Gemini Nano を動かすための具体的な実装コードと、実務での注意点を解説します。]]></summary></entry><entry><title type="html">シニアAndroidエンジニアが深掘りすべき「パフォーマンス計測」の聖域: Compose、Baseline Profiles、そして実測の真実</title><link href="https://niusounds.github.io/Droid-Metal/2026/04/11/android-senior-performance-profiling/" rel="alternate" type="text/html" title="シニアAndroidエンジニアが深掘りすべき「パフォーマンス計測」の聖域: Compose、Baseline Profiles、そして実測の真実" /><published>2026-04-11T22:00:00+09:00</published><updated>2026-04-11T22:00:00+09:00</updated><id>https://niusounds.github.io/Droid-Metal/2026/04/11/android-senior-performance-profiling</id><content type="html" xml:base="https://niusounds.github.io/Droid-Metal/2026/04/11/android-senior-performance-profiling/"><![CDATA[<h2 id="はじめに">はじめに</h2>
<p>「アプリが少しカクつく」「スクロールが重い気がする」。こうした感覚的な課題に対し、エンジニアとしてどう向き合うか。シニアレベルに求められるのは、勘に頼ったリファクタリングではなく、客観的な数値とトレースに基づいた「計測の設計」です。</p>

<p>Jetpack Composeの導入によって、AndroidのUI開発は宣言的で簡潔になりました。しかし、その裏側にあるレンダリングパイプラインやコンパイラの挙動を理解せずに書くと、かえって原因不明のJank（画面のガクつき）を招くことがあります。本記事では、2026年現在のAndroid開発において、シニアエンジニアが押さえておくべきパフォーマンス計測の急所を解説します。</p>

<h2 id="1-recomposition数の罠と型の安定性stability">1. 「Recomposition数」の罠と、型の安定性（Stability）</h2>
<p>Composeのデバッグ中にまず見るのが「Recomposition Count」でしょう。しかし、数が多いこと自体が必ずしも悪ではありません。真の地雷は、<strong>「スキップ可能（Skippable）なはずのComposableが、スキップされていない」</strong>ことにあります。</p>

<h3 id="型の安定性を疑え">型の安定性を疑え</h3>
<p>外部ライブラリのクラスや、<code class="language-plaintext highlighter-rouge">List</code>などの標準コレクションを引数に取ると、Composeコンパイラがその型を「Unstable（不安定）」と判断し、再描画のスキップができなくなることがあります。</p>

<div class="language-kotlin highlighter-rouge"><div class="highlight"><pre class="highlight"><code><span class="c1">// アンチパターン: 外部の型をそのまま使うとUnstableとみなされることがある</span>
<span class="kd">data class</span> <span class="nc">UserState</span><span class="p">(</span>
    <span class="kd">val</span> <span class="py">name</span><span class="p">:</span> <span class="nc">String</span><span class="p">,</span>
    <span class="kd">val</span> <span class="py">tags</span><span class="p">:</span> <span class="nc">List</span><span class="p">&lt;</span><span class="nc">String</span><span class="p">&gt;</span> <span class="c1">// Listは標準で不安定な型</span>
<span class="p">)</span>

<span class="nd">@Composable</span>
<span class="k">fun</span> <span class="nf">UserProfile</span><span class="p">(</span><span class="n">user</span><span class="p">:</span> <span class="nc">UserState</span><span class="p">)</span> <span class="p">{</span>
    <span class="c1">// userが変わっていなくても、親が再描画されるとここも再描画される</span>
    <span class="nc">Text</span><span class="p">(</span><span class="n">user</span><span class="p">.</span><span class="n">name</span><span class="p">)</span>
<span class="p">}</span>
</code></pre></div></div>

<h3 id="プロの対策">プロの対策</h3>
<ul>
  <li><code class="language-plaintext highlighter-rouge">@Stable</code> や <code class="language-plaintext highlighter-rouge">@Immutable</code> アノテーションを適切に付与する。</li>
  <li><code class="language-plaintext highlighter-rouge">kotlinx.collections.immutable</code> を導入して、永続コレクションを使用する。</li>
  <li>Composeコンパイラのレポート（<code class="language-plaintext highlighter-rouge">composeCompiler { metricsDestination = ... }</code>）を出力し、どのComposableがスキップ不可能なのかを定量的に特定する。</li>
</ul>

<p>「なんとなくリメンバーする」のではなく、コンパイラがどう型を評価しているかを把握するのがシニアの仕事です。</p>

<h2 id="2-実測の王道system-trace-と-perfetto">2. 実測の王道：System Trace と Perfetto</h2>
<p>Android StudioのProfilerも優秀ですが、複雑なマルチスレッドの競合や、OSレイヤー（SurfaceFlingerなど）との同期ズレを追うには、System Trace (Perfetto) が不可欠です。</p>

<h3 id="ここに注目する">ここに注目する</h3>
<ul>
  <li><strong>Main ThreadのJank：</strong> 他の作業（ディスクI/O、重い計算）にメインスレッドが奪われていないか。</li>
  <li><strong>RenderThreadの遅延：</strong> GPUへの命令発行が16.6msを超えていないか。</li>
  <li><strong>Binderトランザクションの詰まり：</strong> IPC（プロセス間通信）が原因でUIがブロックされていないか。</li>
</ul>

<p>ログに <code class="language-plaintext highlighter-rouge">tag="Choreographer", msg="Skipped N frames!"</code> が出ている時は、既に手遅れです。Perfettoを開き、どのスレッドのどの関数がVsyncを逃したのか、時間軸に沿って「視覚化」してください。</p>

<h2 id="3-baseline-profiles-は先制攻撃の最適化">3. Baseline Profiles は「先制攻撃」の最適化</h2>
<p>2026年現在、パフォーマンス最適化は「起きてから直す」ものから「リリース前に仕込んでおく」ものへと進化しました。その中核が <strong>Baseline Profiles</strong> です。</p>

<p>通常、AndroidアプリはARTによるJITコンパイルで徐々に最適化されますが、インストール直後やアップデート直後は、未コンパイルのコードが走るため非常に重くなります。</p>

<h3 id="導入による劇的な変化">導入による劇的な変化</h3>
<ul>
  <li>アプリ起動時間の短縮（30%以上の改善も珍しくない）。</li>
  <li>初回のスクロール体験向上（事前のAOTコンパイルによるJank防止）。</li>
</ul>

<div class="language-kotlin highlighter-rouge"><div class="highlight"><pre class="highlight"><code><span class="c1">// Baseline Profile 生成用のテストコード</span>
<span class="nd">@RunWith</span><span class="p">(</span><span class="nc">AndroidJUnit4</span><span class="o">::</span><span class="k">class</span><span class="p">)</span>
<span class="kd">class</span> <span class="nc">BaselineProfileGenerator</span> <span class="p">{</span>
    <span class="err">@</span><span class="k">get</span><span class="p">:</span><span class="nc">Rule</span>
    <span class="kd">val</span> <span class="py">baselineRule</span> <span class="p">=</span> <span class="nc">BaselineProfileRule</span><span class="p">()</span>

    <span class="nd">@Test</span>
    <span class="k">fun</span> <span class="nf">generate</span><span class="p">()</span> <span class="p">=</span> <span class="n">baselineRule</span><span class="p">.</span><span class="nf">collect</span><span class="p">(</span>
        <span class="n">packageName</span> <span class="p">=</span> <span class="s">"com.example.myapp"</span><span class="p">,</span>
        <span class="n">includeInStartupProfile</span> <span class="p">=</span> <span class="k">true</span>
    <span class="p">)</span> <span class="p">{</span>
        <span class="c1">// ユーザーの主要なジャーニーを記述</span>
        <span class="nf">startActivityAndWait</span><span class="p">()</span>
        <span class="nf">scrollList</span><span class="p">()</span>
        <span class="nf">goToDetails</span><span class="p">()</span>
    <span class="p">}</span>
<span class="p">}</span>
</code></pre></div></div>

<p>この生成スクリプトをCI/CDに組み込み、リリースバイナリに常に最新のプロファイルを同梱させる仕組みを構築しましょう。</p>

<h2 id="まとめパフォーマンスは機能である">まとめ：パフォーマンスは「機能」である</h2>
<p>「動くこと」が開発者の責任なら、「心地よく動き続けること」はエンジニアの誇りです。Androidにおけるパフォーマンス最適化の勘所は以下の3点に集約されます。</p>

<ol>
  <li><strong>推論を捨てろ：</strong> コンパイラレポートやProfilerで、再描画の真因を特定する。</li>
  <li><strong>層を越えろ：</strong> Kotlinのコードだけでなく、System TraceでOSレベルの挙動を追う。</li>
  <li><strong>自動化しろ：</strong> Baseline ProfilesをCIに載せ、予防的な最適化を仕組み化する。</li>
</ol>

<p>技術は日々進化しますが、「実測に基づき、ボトルネックを科学的に潰す」という姿勢こそ、エンジニアが持つべき最も普遍的な知識です。</p>

<p>次にカクつきを感じた時、あなたはコードを書き換える前に、まずProfilerの記録ボタンを押せるでしょうか。その一歩が、プロフェッショナルへの境界線です。</p>]]></content><author><name>niusounds</name></author><category term="Android" /><category term="Performance" /><category term="JetpackCompose" /><category term="BaselineProfiles" /><category term="SeniorEngineer" /><summary type="html"><![CDATA[「なんとなく遅い」を科学的に解決するために。Jetpack ComposeのStability、System Traceによるボトルネック特定、そしてBaseline Profilesによる先回りした最適化。シニアエンジニアが武器とすべき『実測』の技術を整理します。]]></summary></entry><entry><title type="html">デバイス向き検出を LiveData から StateFlow + Compose へ完全移行する</title><link href="https://niusounds.github.io/Droid-Metal/2026/04/07/android-orientation-stateflow-compose/" rel="alternate" type="text/html" title="デバイス向き検出を LiveData から StateFlow + Compose へ完全移行する" /><published>2026-04-07T18:00:00+09:00</published><updated>2026-04-07T18:00:00+09:00</updated><id>https://niusounds.github.io/Droid-Metal/2026/04/07/android-orientation-stateflow-compose</id><content type="html" xml:base="https://niusounds.github.io/Droid-Metal/2026/04/07/android-orientation-stateflow-compose/"><![CDATA[<h2 id="はじめに">はじめに</h2>

<p>Android でデバイスの向き（方位角・ピッチ・ロール）を取得するには、加速度センサーと磁気センサーを組み合わせる方法が定番です。かつては <code class="language-plaintext highlighter-rouge">LiveData</code> を継承した独自クラスで実装するパターンが広く使われていましたが、2026 年現在のプロジェクトでは <code class="language-plaintext highlighter-rouge">StateFlow</code> + Kotlin coroutines を使う構成が主流です。</p>

<p>本記事では古い <code class="language-plaintext highlighter-rouge">LiveData</code> ベースの実装を出発点に、現代的な Flow ベースに移行するアプローチと、最終的に Jetpack Compose の UI へ流し込む全体像を解説します。</p>

<hr />

<h2 id="なぜ-livedata-から-stateflow-へ移行するのか">なぜ LiveData から StateFlow へ移行するのか</h2>

<p><code class="language-plaintext highlighter-rouge">LiveData</code> は Android のライフサイクルと自動的に連携できる点で優れていましたが、以下の理由で現代のコードベースでは扱いにくくなっています。</p>

<ul>
  <li><strong>ViewModel 外への依存</strong>: <code class="language-plaintext highlighter-rouge">LiveData.observe()</code> は <code class="language-plaintext highlighter-rouge">LifecycleOwner</code> を必要とするため、ドメイン層やリポジトリで使うと依存関係が逆転する</li>
  <li><strong>バックプレッシャー非対応</strong>: センサーは高頻度でイベントを発火するが、<code class="language-plaintext highlighter-rouge">LiveData</code> は間引き（debounce / throttle）を標準で持たない</li>
  <li><strong>Coroutines との親和性</strong>: <code class="language-plaintext highlighter-rouge">StateFlow</code> は <code class="language-plaintext highlighter-rouge">suspend</code> 関数や <code class="language-plaintext highlighter-rouge">Flow</code> 演算子と自然につながる</li>
</ul>

<p><code class="language-plaintext highlighter-rouge">StateFlow</code> に移行することで、センサーのデータをパイプライン上で加工しやすくなり、ViewModel までの責務境界も明確になります。</p>

<hr />

<h2 id="センサー管理クラスを-flow-ベースで作る">センサー管理クラスを Flow ベースで作る</h2>

<p>まず、センサー購読を <code class="language-plaintext highlighter-rouge">callbackFlow</code> でラップするユーティリティを作ります。</p>

<div class="language-kotlin highlighter-rouge"><div class="highlight"><pre class="highlight"><code><span class="k">import</span> <span class="nn">android.content.Context</span>
<span class="k">import</span> <span class="nn">android.hardware.Sensor</span>
<span class="k">import</span> <span class="nn">android.hardware.SensorEvent</span>
<span class="k">import</span> <span class="nn">android.hardware.SensorEventListener</span>
<span class="k">import</span> <span class="nn">android.hardware.SensorManager</span>
<span class="k">import</span> <span class="nn">kotlinx.coroutines.channels.awaitClose</span>
<span class="k">import</span> <span class="nn">kotlinx.coroutines.flow.Flow</span>
<span class="k">import</span> <span class="nn">kotlinx.coroutines.flow.callbackFlow</span>
<span class="k">import</span> <span class="nn">kotlinx.coroutines.flow.conflate</span>

<span class="k">fun</span> <span class="nc">Context</span><span class="p">.</span><span class="nf">sensorFlow</span><span class="p">(</span>
    <span class="n">sensorType</span><span class="p">:</span> <span class="nc">Int</span><span class="p">,</span>
    <span class="n">samplingPeriodUs</span><span class="p">:</span> <span class="nc">Int</span> <span class="p">=</span> <span class="nc">SensorManager</span><span class="p">.</span><span class="nc">SENSOR_DELAY_UI</span><span class="p">,</span>
<span class="p">):</span> <span class="nc">Flow</span><span class="p">&lt;</span><span class="nc">SensorEvent</span><span class="p">&gt;</span> <span class="p">=</span> <span class="nf">callbackFlow</span> <span class="p">{</span>
    <span class="kd">val</span> <span class="py">manager</span> <span class="p">=</span> <span class="nf">getSystemService</span><span class="p">(</span><span class="nc">SensorManager</span><span class="o">::</span><span class="k">class</span><span class="p">.</span><span class="n">java</span><span class="p">)</span>
    <span class="kd">val</span> <span class="py">sensor</span> <span class="p">=</span> <span class="n">manager</span><span class="p">.</span><span class="nf">getDefaultSensor</span><span class="p">(</span><span class="n">sensorType</span><span class="p">)</span>
        <span class="o">?:</span> <span class="nf">run</span> <span class="p">{</span> <span class="nf">close</span><span class="p">();</span> <span class="k">return</span><span class="nd">@callbackFlow</span> <span class="p">}</span>

    <span class="kd">val</span> <span class="py">listener</span> <span class="p">=</span> <span class="kd">object</span> <span class="err">: </span><span class="nc">SensorEventListener</span> <span class="p">{</span>
        <span class="k">override</span> <span class="k">fun</span> <span class="nf">onSensorChanged</span><span class="p">(</span><span class="n">event</span><span class="p">:</span> <span class="nc">SensorEvent</span><span class="p">)</span> <span class="p">{</span>
            <span class="nf">trySend</span><span class="p">(</span><span class="n">event</span><span class="p">)</span>
        <span class="p">}</span>
        <span class="k">override</span> <span class="k">fun</span> <span class="nf">onAccuracyChanged</span><span class="p">(</span><span class="n">sensor</span><span class="p">:</span> <span class="nc">Sensor</span><span class="p">,</span> <span class="n">accuracy</span><span class="p">:</span> <span class="nc">Int</span><span class="p">)</span> <span class="p">{}</span>
    <span class="p">}</span>

    <span class="n">manager</span><span class="p">.</span><span class="nf">registerListener</span><span class="p">(</span><span class="n">listener</span><span class="p">,</span> <span class="n">sensor</span><span class="p">,</span> <span class="n">samplingPeriodUs</span><span class="p">)</span>

    <span class="nf">awaitClose</span> <span class="p">{</span> <span class="n">manager</span><span class="p">.</span><span class="nf">unregisterListener</span><span class="p">(</span><span class="n">listener</span><span class="p">)</span> <span class="p">}</span>
<span class="p">}.</span><span class="nf">conflate</span><span class="p">()</span> <span class="c1">// 処理が間に合わない場合は最新値のみ保持</span>
</code></pre></div></div>

<p><code class="language-plaintext highlighter-rouge">callbackFlow</code> の <code class="language-plaintext highlighter-rouge">awaitClose</code> ブロックがコルーチンキャンセル時に自動で <code class="language-plaintext highlighter-rouge">unregisterListener</code> を呼ぶため、ライフサイクル漏れを起こしません。<code class="language-plaintext highlighter-rouge">conflate()</code> を付けることで、高頻度のセンサーイベントを UI 描画が追いつく範囲に自然に間引きできます。</p>

<hr />

<h2 id="向きデータを表す型と計算ロジック">向きデータを表す型と計算ロジック</h2>

<div class="language-kotlin highlighter-rouge"><div class="highlight"><pre class="highlight"><code><span class="k">import</span> <span class="nn">android.hardware.SensorManager</span>

<span class="kd">data class</span> <span class="nc">DeviceOrientation</span><span class="p">(</span>
    <span class="cm">/** 方位角（北=0, 東= π/2）ラジアン */</span>
    <span class="kd">val</span> <span class="py">azimuth</span><span class="p">:</span> <span class="nc">Float</span><span class="p">,</span>
    <span class="cm">/** ピッチ（前傾き）ラジアン */</span>
    <span class="kd">val</span> <span class="py">pitch</span><span class="p">:</span> <span class="nc">Float</span><span class="p">,</span>
    <span class="cm">/** ロール（横傾き）ラジアン */</span>
    <span class="kd">val</span> <span class="py">roll</span><span class="p">:</span> <span class="nc">Float</span><span class="p">,</span>
<span class="p">)</span>

<span class="k">fun</span> <span class="nf">computeOrientation</span><span class="p">(</span>
    <span class="n">accelerometer</span><span class="p">:</span> <span class="nc">FloatArray</span><span class="p">,</span>
    <span class="n">magnetometer</span><span class="p">:</span> <span class="nc">FloatArray</span><span class="p">,</span>
<span class="p">):</span> <span class="nc">DeviceOrientation</span><span class="p">?</span> <span class="p">{</span>
    <span class="kd">val</span> <span class="py">rotationMatrix</span> <span class="p">=</span> <span class="nc">FloatArray</span><span class="p">(</span><span class="mi">9</span><span class="p">)</span>
    <span class="kd">val</span> <span class="py">orientationAngles</span> <span class="p">=</span> <span class="nc">FloatArray</span><span class="p">(</span><span class="mi">3</span><span class="p">)</span>

    <span class="kd">val</span> <span class="py">success</span> <span class="p">=</span> <span class="nc">SensorManager</span><span class="p">.</span><span class="nf">getRotationMatrix</span><span class="p">(</span>
        <span class="n">rotationMatrix</span><span class="p">,</span> <span class="k">null</span><span class="p">,</span> <span class="n">accelerometer</span><span class="p">,</span> <span class="n">magnetometer</span>
    <span class="p">)</span>
    <span class="k">if</span> <span class="p">(!</span><span class="n">success</span><span class="p">)</span> <span class="k">return</span> <span class="k">null</span>

    <span class="nc">SensorManager</span><span class="p">.</span><span class="nf">getOrientation</span><span class="p">(</span><span class="n">rotationMatrix</span><span class="p">,</span> <span class="n">orientationAngles</span><span class="p">)</span>
    <span class="k">return</span> <span class="nc">DeviceOrientation</span><span class="p">(</span>
        <span class="n">azimuth</span> <span class="p">=</span> <span class="n">orientationAngles</span><span class="p">[</span><span class="mi">0</span><span class="p">],</span>
        <span class="n">pitch</span>   <span class="p">=</span> <span class="n">orientationAngles</span><span class="p">[</span><span class="mi">1</span><span class="p">],</span>
        <span class="n">roll</span>    <span class="p">=</span> <span class="n">orientationAngles</span><span class="p">[</span><span class="mi">2</span><span class="p">],</span>
    <span class="p">)</span>
<span class="p">}</span>
</code></pre></div></div>

<hr />

<h2 id="viewmodel-で-stateflow-に統合する">ViewModel で StateFlow に統合する</h2>

<p>2 つのセンサーフローを <code class="language-plaintext highlighter-rouge">combine</code> してまとめ、<code class="language-plaintext highlighter-rouge">StateFlow</code> に変換します。</p>

<div class="language-kotlin highlighter-rouge"><div class="highlight"><pre class="highlight"><code><span class="k">import</span> <span class="nn">android.app.Application</span>
<span class="k">import</span> <span class="nn">android.hardware.Sensor</span>
<span class="k">import</span> <span class="nn">android.hardware.SensorManager</span>
<span class="k">import</span> <span class="nn">androidx.lifecycle.AndroidViewModel</span>
<span class="k">import</span> <span class="nn">kotlinx.coroutines.flow.SharingStarted</span>
<span class="k">import</span> <span class="nn">kotlinx.coroutines.flow.combine</span>
<span class="k">import</span> <span class="nn">kotlinx.coroutines.flow.filterNotNull</span>
<span class="k">import</span> <span class="nn">kotlinx.coroutines.flow.map</span>
<span class="k">import</span> <span class="nn">kotlinx.coroutines.flow.stateIn</span>
<span class="k">import</span> <span class="nn">androidx.lifecycle.viewModelScope</span>

<span class="kd">class</span> <span class="nc">OrientationViewModel</span><span class="p">(</span><span class="n">app</span><span class="p">:</span> <span class="nc">Application</span><span class="p">)</span> <span class="p">:</span> <span class="nc">AndroidViewModel</span><span class="p">(</span><span class="n">app</span><span class="p">)</span> <span class="p">{</span>

    <span class="k">private</span> <span class="kd">val</span> <span class="py">accelFlow</span> <span class="p">=</span> <span class="n">app</span><span class="p">.</span><span class="nf">sensorFlow</span><span class="p">(</span><span class="nc">Sensor</span><span class="p">.</span><span class="nc">TYPE_ACCELEROMETER</span><span class="p">)</span>
    <span class="k">private</span> <span class="kd">val</span> <span class="py">magnetFlow</span> <span class="p">=</span> <span class="n">app</span><span class="p">.</span><span class="nf">sensorFlow</span><span class="p">(</span><span class="nc">Sensor</span><span class="p">.</span><span class="nc">TYPE_MAGNETIC_FIELD</span><span class="p">)</span>

    <span class="kd">val</span> <span class="py">orientation</span> <span class="p">=</span> <span class="nf">combine</span><span class="p">(</span><span class="n">accelFlow</span><span class="p">,</span> <span class="n">magnetFlow</span><span class="p">)</span> <span class="p">{</span> <span class="n">accelEvent</span><span class="p">,</span> <span class="n">magEvent</span> <span class="p">-&gt;</span>
        <span class="nf">computeOrientation</span><span class="p">(</span><span class="n">accelEvent</span><span class="p">.</span><span class="n">values</span><span class="p">.</span><span class="nf">clone</span><span class="p">(),</span> <span class="n">magEvent</span><span class="p">.</span><span class="n">values</span><span class="p">.</span><span class="nf">clone</span><span class="p">())</span>
    <span class="p">}</span>
        <span class="p">.</span><span class="nf">filterNotNull</span><span class="p">()</span>
        <span class="p">.</span><span class="nf">stateIn</span><span class="p">(</span>
            <span class="n">scope</span> <span class="p">=</span> <span class="n">viewModelScope</span><span class="p">,</span>
            <span class="n">started</span> <span class="p">=</span> <span class="nc">SharingStarted</span><span class="p">.</span><span class="nc">WhileSubscribed</span><span class="p">(</span><span class="mi">5_000</span><span class="p">),</span>
            <span class="n">initialValue</span> <span class="p">=</span> <span class="nc">DeviceOrientation</span><span class="p">(</span><span class="mf">0f</span><span class="p">,</span> <span class="mf">0f</span><span class="p">,</span> <span class="mf">0f</span><span class="p">),</span>
        <span class="p">)</span>
<span class="p">}</span>
</code></pre></div></div>

<p><code class="language-plaintext highlighter-rouge">SharingStarted.WhileSubscribed(5_000)</code> によって、画面が 5 秒以上バックグラウンドに入ったらセンサー購読を自動停止します。画面が戻れば再開します。</p>

<hr />

<h2 id="jetpack-compose-の-ui-へ流し込む">Jetpack Compose の UI へ流し込む</h2>

<div class="language-kotlin highlighter-rouge"><div class="highlight"><pre class="highlight"><code><span class="k">import</span> <span class="nn">androidx.compose.runtime.Composable</span>
<span class="k">import</span> <span class="nn">androidx.compose.runtime.getValue</span>
<span class="k">import</span> <span class="nn">androidx.lifecycle.compose.collectAsStateWithLifecycle</span>
<span class="k">import</span> <span class="nn">androidx.lifecycle.viewmodel.compose.viewModel</span>
<span class="k">import</span> <span class="nn">androidx.compose.material3.Text</span>
<span class="k">import</span> <span class="nn">kotlin.math.toDegrees</span>
<span class="k">import</span> <span class="nn">androidx.compose.foundation.layout.Column</span>
<span class="k">import</span> <span class="nn">androidx.compose.foundation.layout.padding</span>
<span class="k">import</span> <span class="nn">androidx.compose.ui.Modifier</span>
<span class="k">import</span> <span class="nn">androidx.compose.ui.unit.dp</span>

<span class="nd">@Composable</span>
<span class="k">fun</span> <span class="nf">OrientationScreen</span><span class="p">(</span>
    <span class="n">vm</span><span class="p">:</span> <span class="nc">OrientationViewModel</span> <span class="p">=</span> <span class="nf">viewModel</span><span class="p">(),</span>
<span class="p">)</span> <span class="p">{</span>
    <span class="kd">val</span> <span class="py">orientation</span> <span class="k">by</span> <span class="n">vm</span><span class="p">.</span><span class="n">orientation</span><span class="p">.</span><span class="nf">collectAsStateWithLifecycle</span><span class="p">()</span>

    <span class="nc">Column</span><span class="p">(</span><span class="n">modifier</span> <span class="p">=</span> <span class="nc">Modifier</span><span class="p">.</span><span class="nf">padding</span><span class="p">(</span><span class="mi">16</span><span class="p">.</span><span class="n">dp</span><span class="p">))</span> <span class="p">{</span>
        <span class="nc">Text</span><span class="p">(</span><span class="n">text</span> <span class="p">=</span> <span class="s">"方位角: %.1f°"</span><span class="p">.</span><span class="nf">format</span><span class="p">(</span><span class="n">orientation</span><span class="p">.</span><span class="n">azimuth</span><span class="p">.</span><span class="nf">toDegrees</span><span class="p">()))</span>
        <span class="nc">Text</span><span class="p">(</span><span class="n">text</span> <span class="p">=</span> <span class="s">"ピッチ:  %.1f°"</span><span class="p">.</span><span class="nf">format</span><span class="p">(</span><span class="n">orientation</span><span class="p">.</span><span class="n">pitch</span><span class="p">.</span><span class="nf">toDegrees</span><span class="p">()))</span>
        <span class="nc">Text</span><span class="p">(</span><span class="n">text</span> <span class="p">=</span> <span class="s">"ロール:  %.1f°"</span><span class="p">.</span><span class="nf">format</span><span class="p">(</span><span class="n">orientation</span><span class="p">.</span><span class="n">roll</span><span class="p">.</span><span class="nf">toDegrees</span><span class="p">()))</span>
    <span class="p">}</span>
<span class="p">}</span>

<span class="k">private</span> <span class="k">fun</span> <span class="nc">Float</span><span class="p">.</span><span class="nf">toDegrees</span><span class="p">()</span> <span class="p">=</span> <span class="nc">Math</span><span class="p">.</span><span class="nf">toDegrees</span><span class="p">(</span><span class="k">this</span><span class="p">.</span><span class="nf">toDouble</span><span class="p">()).</span><span class="nf">toFloat</span><span class="p">()</span>
</code></pre></div></div>

<p><code class="language-plaintext highlighter-rouge">collectAsStateWithLifecycle()</code> は <code class="language-plaintext highlighter-rouge">Lifecycle.State.STARTED</code> 以上の場合のみ収集します。画面が非表示になれば自動的にコレクションを停止し、ViewModel 側の <code class="language-plaintext highlighter-rouge">WhileSubscribed</code> と組み合わさることでセンサーも停止します。</p>

<hr />

<h2 id="まとめ">まとめ</h2>

<table>
  <thead>
    <tr>
      <th>比較項目</th>
      <th>LiveData ベース（旧）</th>
      <th>StateFlow ベース（現代）</th>
    </tr>
  </thead>
  <tbody>
    <tr>
      <td>ドメイン層での利用</td>
      <td>LifecycleOwner 依存で困難</td>
      <td>依存なし、自由に使える</td>
    </tr>
    <tr>
      <td>センサー停止タイミング</td>
      <td>onInactive に依存</td>
      <td>WhileSubscribed で自動制御</td>
    </tr>
    <tr>
      <td>複数センサーの統合</td>
      <td>MediatorLiveData が必要</td>
      <td><code class="language-plaintext highlighter-rouge">combine</code> で宣言的に書ける</td>
    </tr>
    <tr>
      <td>Compose との統合</td>
      <td><code class="language-plaintext highlighter-rouge">observeAsState</code></td>
      <td><code class="language-plaintext highlighter-rouge">collectAsStateWithLifecycle</code></td>
    </tr>
  </tbody>
</table>

<p>LiveData が「ライフサイクル問題を解決した」なら、StateFlow は「ライフサイクルへの依存そのものをなくした」と言えます。センサー処理のような高頻度イベントは特に Flow の恩恵が大きく、ドメイン層まで一気通貫でコードを整理できます。</p>

<hr />

<p><em>元記事: <a href="https://qiita.com/niusounds/items/54f09c2e4c012de398a8">Kotlin&amp;LiveDataで端末の向きを取得する処理を書いてみた</a></em></p>]]></content><author><name>niusounds</name></author><category term="Android" /><category term="Kotlin" /><category term="StateFlow" /><category term="Coroutines" /><category term="JetpackCompose" /><category term="Sensors" /><summary type="html"><![CDATA[加速度センサー・磁気センサーで端末の向きを取得するコードをFlow + coroutines + Jetpack Composeで書いてみた]]></summary></entry><entry><title type="html">AsyncTask、Loader、Rx、Coroutinesを全部通って見えた Android非同期設計の地雷</title><link href="https://niusounds.github.io/Droid-Metal/2026/04/06/android-async-design-landmines/" rel="alternate" type="text/html" title="AsyncTask、Loader、Rx、Coroutinesを全部通って見えた Android非同期設計の地雷" /><published>2026-04-06T09:00:00+09:00</published><updated>2026-04-06T09:00:00+09:00</updated><id>https://niusounds.github.io/Droid-Metal/2026/04/06/android-async-design-landmines</id><content type="html" xml:base="https://niusounds.github.io/Droid-Metal/2026/04/06/android-async-design-landmines/"><![CDATA[<h2 id="はじめに">はじめに</h2>
<p>Android 1.5の頃からアプリを作っていると、非同期APIは何度も主役交代してきました。AsyncTask、Loader、Rx、Coroutines。道具は進化しましたが、障害対応の現場で見る事故の根本原因は驚くほど似ています。</p>

<p>本記事では、各時代で実際に踏みがちな地雷を振り返りながら、2026年時点でも有効だった実務ルールに絞って整理します。ポイントは「どのAPIを使うか」より「キャンセル・責務・エラーハンドリングをどう設計するか」です。</p>

<h2 id="asynctask時代の地雷">AsyncTask時代の地雷</h2>
<p>AsyncTaskの時代は、とにかく画面回転とライフサイクルの相性で苦しみました。最も多かったのは、非同期処理中に画面が破棄され、結果をUIへ反映しようとしてクラッシュする問題です。</p>

<h3 id="典型的な事故">典型的な事故</h3>
<ul>
  <li>Activity参照を内部クラスで握り続ける</li>
  <li>画面回転後に古いインスタンスへコールバックしてアプリがクラッシュ</li>
  <li>キャンセルを呼んでも中断されず、二重更新が起きる</li>
</ul>

<h3 id="学んだこと">学んだこと</h3>
<p>「処理がバックグラウンドで動ける」ことと「UIを安全に変更できる」ことは別問題です。UIのライフサイクルとの接続点を設計しない限り、どんな非同期APIでも事故は起きます。</p>

<h2 id="loader時代の地雷">Loader時代の地雷</h2>
<p>Loaderはライフサイクル連携を前進させましたが、今度は責務の分散が問題になりました。データ取得ロジックがFragmentやActivityに寄りすぎると、見通しが急激に悪化します。</p>

<h3 id="典型的な事故-1">典型的な事故</h3>
<ul>
  <li>LoaderCallbacksに業務ロジックが混ざり、テストが難しい</li>
  <li>画面ごとに似たLoader実装が増殖し、修正漏れが発生</li>
  <li>キャッシュ戦略が画面単位でバラバラになる</li>
</ul>

<h3 id="学んだこと-1">学んだこと</h3>
<p>ライフサイクルに強い仕組みだけでは足りません。責務をUI層から分離し、ユースケース単位で再利用できる構造が必要です。</p>

<h2 id="reactivex時代の地雷">ReactiveX時代の地雷</h2>
<p>ReactiveX(Rx)は表現力が高く、複雑な非同期フローを綺麗に書けました。ただし、チームで運用するとDispose漏れとScheduler設計のばらつきが頻発しました。</p>

<h3 id="典型的な事故-2">典型的な事故</h3>
<ul>
  <li><code class="language-plaintext highlighter-rouge">subscribe()</code> が散在して購読ライフサイクルを追えない</li>
  <li><code class="language-plaintext highlighter-rouge">CompositeDisposable</code> の解放漏れで画面離脱後も処理継続</li>
  <li><code class="language-plaintext highlighter-rouge">observeOn</code> / <code class="language-plaintext highlighter-rouge">subscribeOn</code> の設計が統一されずデバッグ困難</li>
</ul>

<h3 id="学んだこと-2">学んだこと</h3>
<p>Rxの難しさは演算子ではなく運用ルールです。購読開始・終了の責務を定型化しないと、実装者依存の品質になります。</p>

<h2 id="coroutines時代の地雷">Coroutines時代の地雷</h2>
<p>Coroutinesは読みやすくなりましたが、地雷が消えたわけではありません。特に初期導入時は「軽く書ける」ことが裏目に出ます。</p>

<h3 id="典型的な事故-3">典型的な事故</h3>
<ul>
  <li><code class="language-plaintext highlighter-rouge">GlobalScope</code> の使用でライフサイクル外に処理が残る</li>
  <li><code class="language-plaintext highlighter-rouge">launch</code> と <code class="language-plaintext highlighter-rouge">async</code> を混在させ、例外伝播が意図通りにならない</li>
  <li><code class="language-plaintext highlighter-rouge">withContext</code> の乱用で責務境界が曖昧になる</li>
</ul>

<h3 id="学んだこと-3">学んだこと</h3>
<p>Coroutinesは「正しくキャンセルが伝播する設計」を作って初めて安全になります。書きやすさは設計品質の代替にはなりません。</p>

<h2 id="非同期処理の難しさ">非同期処理の難しさ</h2>
<p>どのような形で非同期処理をするにせよ、以下のことが地雷の要因になります。</p>

<ol>
  <li>非同期処理のキャンセルタイミングについてきちんとした考慮がされていない</li>
  <li>UI層とデータ層の非同期責務が混ざっている</li>
  <li>エラー分類とリトライ方針がユースケースごとに不統一</li>
</ol>

<p>この3つを放置すると、どのAPIでも「たまに落ちる」「再現しづらい」不具合の原因になります。</p>

<h2 id="まとめ">まとめ</h2>
<p>非同期APIは進化し続けていますが、地雷の本体は道具ではなく設計です。私が長年の移行で得た結論は次の3点です。</p>

<ol>
  <li>非同期処理のキャンセル戦略を決める</li>
  <li>UI層から非同期責務を剥がし、境界を固定する</li>
  <li>スレッド境界とオブジェクトの参照関係を意識する</li>
</ol>

<p>「新しいAPIに移行したのに不具合が減らない」と感じるチームでは、非同期処理の設計を見直すことが大切です。</p>]]></content><author><name>niusounds</name></author><category term="Android" /><category term="Asynchronous" /><category term="Coroutines" /><category term="RxJava" /><category term="Architecture" /><summary type="html"><![CDATA[AsyncTaskからCoroutinesまで渡り歩いて分かった、Android非同期設計で繰り返される地雷を実体験ベースで整理。APIの世代が変わっても残る失敗と、2026年時点の実務ルールを解説します。]]></summary></entry><entry><title type="html">Androidマルチモジュール化の判断基準と移行ロードマップ: 分けるべき時、分けすぎる罠、段階移行の実践</title><link href="https://niusounds.github.io/Droid-Metal/2026/04/05/android-multi-module-migration-roadmap/" rel="alternate" type="text/html" title="Androidマルチモジュール化の判断基準と移行ロードマップ: 分けるべき時、分けすぎる罠、段階移行の実践" /><published>2026-04-05T14:00:00+09:00</published><updated>2026-04-05T14:00:00+09:00</updated><id>https://niusounds.github.io/Droid-Metal/2026/04/05/android-multi-module-migration-roadmap</id><content type="html" xml:base="https://niusounds.github.io/Droid-Metal/2026/04/05/android-multi-module-migration-roadmap/"><![CDATA[<h2 id="はじめに">はじめに</h2>
<p>Androidアプリの規模が大きくなると、ほぼ必ず「マルチモジュール化するべきか」という議論にぶつかります。私自身、単一モジュールで育ったアプリを段階移行した案件と、最初から過剰分割して失敗した案件の両方を経験しました。</p>

<p>結論から言うと、マルチモジュール化は「正義」ではなく「投資」です。投資なので、回収できる条件を満たした時だけ実施するのが最適解です。本記事では、実務で使っている判断基準と、破綻しにくい移行ロードマップをまとめます。</p>

<h2 id="こういうケースなら分割の考えどきかもしれない">こういうケースなら分割の考えどきかもしれない</h2>
<p>以下のような状態なら、マルチモジュール化を検討してみる価値があります。</p>

<ul>
  <li>ビルド時間が開発体験を継続的に毀損している</li>
  <li>チームが並行開発しづらく、コンフリクトが常態化している</li>
  <li>機能境界が曖昧で、影響範囲の見積もりが外れ続けている</li>
</ul>

<h3 id="指標の目安">指標の目安</h3>
<ul>
  <li>クリーンビルドが10分以上、日中インクリメンタルでも待機が頻発</li>
  <li>1つのPRで無関係ファイルに波及する修正が多い</li>
  <li>メンバー同士が独立した機能の開発をしているはずなのにコンフリクトが頻繁に発生する</li>
</ul>

<p>逆に、ビルド時間も保守性も問題ない段階で分割だけを先行すると、ほぼ確実にコスト先行になります。特に小規模チームでは、モジュール間の調整コストが純粋な実装速度を上回りやすいです。</p>

<h2 id="分割しすぎの罠">分割しすぎの罠</h2>
<p>最も多い失敗は、責務ではなく「雰囲気」でモジュールを切ることです。例えば、UI部品を細粒度で分けすぎた結果、変更1件で5モジュールのリリース調整が必要になるケースは珍しくありません。</p>

<h3 id="典型的なアンチパターン">典型的なアンチパターン</h3>
<ul>
  <li>抽象化だけが増え、実装コストに見合う効果が出ない</li>
  <li>新しいコードを追加する際、coreに入れるべきかfeatureに入れるべきか、coreに入れるとしたらどこに入れるか、毎回迷う</li>
  <li>モジュールを分けているのに複数のモジュールに対し同時修正が必要な状態になっている</li>
  <li>共通機能モジュール側にfeatureモジュール都合の実装や命名が入り込み、再利用性が下がる</li>
</ul>

<h3 id="失敗を避ける原則">失敗を避ける原則</h3>
<ul>
  <li>モジュール分割の単位を明文化し、チームで合意する</li>
  <li>共通化することにこだわりすぎず、「3回重複したら共通化」くらいにする</li>
  <li>モジュール数ではなく、変更の閉じ込め率を評価指標にする</li>
</ul>

<h2 id="段階的移行ロードマップ">段階的移行ロードマップ</h2>

<h3 id="1-可視化フェーズ">1) 可視化フェーズ</h3>
<p>まず依存関係とビルド時間を可視化します。ここを飛ばすと、移行後に「何が良くなったのか」が測れません。</p>

<ul>
  <li>Gradle Build Scanでボトルネックタスクを特定</li>
  <li>変更頻度の高いパッケージを抽出</li>
  <li>依存サイクルの有無を確認</li>
</ul>

<h3 id="2-境界確定フェーズ">2) 境界確定フェーズ</h3>
<p>次に、コードを動かす前に境界を合意します。</p>

<ul>
  <li>feature, core, data などの責務を明文化</li>
  <li>API公開面を最小化して、内部実装は隠蔽</li>
  <li>依存方向を片方向に固定</li>
</ul>

<h3 id="3-抽出フェーズ">3) 抽出フェーズ</h3>
<p>ここで初めてモジュールを切り出します。最初の対象は「変更が多いが境界が比較的明確」な領域が安全です。</p>

<div class="language-kotlin highlighter-rouge"><div class="highlight"><pre class="highlight"><code><span class="c1">// settings.gradle.kts</span>
<span class="nf">include</span><span class="p">(</span>
    <span class="s">":app"</span><span class="p">,</span>
    <span class="s">":core:common"</span><span class="p">,</span>
    <span class="s">":core:ui"</span><span class="p">,</span>
    <span class="s">":core:data"</span><span class="p">,</span>
    <span class="s">":feature:auth"</span>
<span class="p">)</span>

<span class="c1">// feature/auth/build.gradle.kts</span>
<span class="nf">plugins</span> <span class="p">{</span>
    <span class="nf">id</span><span class="p">(</span><span class="s">"com.android.library"</span><span class="p">)</span>
    <span class="nf">id</span><span class="p">(</span><span class="s">"org.jetbrains.kotlin.android"</span><span class="p">)</span>
<span class="p">}</span>

<span class="nf">dependencies</span> <span class="p">{</span>
    <span class="nf">implementation</span><span class="p">(</span><span class="nf">project</span><span class="p">(</span><span class="s">":core:common"</span><span class="p">))</span>
    <span class="nf">implementation</span><span class="p">(</span><span class="nf">project</span><span class="p">(</span><span class="s">":core:ui"</span><span class="p">))</span>
    <span class="nf">implementation</span><span class="p">(</span><span class="nf">project</span><span class="p">(</span><span class="s">":core:data"</span><span class="p">))</span>
<span class="p">}</span>
</code></pre></div></div>

<p>この段階では「完璧な分離」より「壊さず移す」を優先します。必要なら一時的なFacadeを置いて移行期間の差分を吸収します。</p>

<h3 id="4-最適化フェーズ">4) 最適化フェーズ</h3>
<p>移行後に初めて最適化へ進みます。</p>

<ul>
  <li>KSP/KAPTの配置を見直し、重い処理を局所化</li>
  <li>API/implementation依存を整理して再コンパイル範囲を縮小</li>
  <li>不要モジュールの統合も含めて再評価</li>
</ul>

<h2 id="チームで運用したいこと">チームで運用したいこと</h2>
<ul>
  <li>新規機能は原則feature配下に追加し、app直下を汚さない（定型的に書く必要があるコードは除く）</li>
  <li>モジュール公開APIはレビューで明示チェックする（<code class="language-plaintext highlighter-rouge">internal</code>修飾子を適切に使う）</li>
  <li>月次で「分割したが価値が薄いモジュール」を棚卸しする</li>
</ul>

<p>「分割したはいいけど、むしろ統合した方が楽じゃなかった？」ということがないか定期的に振り返り、時にはモジュールを統合する決断をとるのも大事です。</p>

<h2 id="まとめ">まとめ</h2>
<p>マルチモジュール化は、規模拡大に対する万能薬ではありません。効果が出る条件を満たした時にだけ実施し、段階的に進めることで初めて投資対効果が合います。</p>

<p>実務での要点は次の3つです。</p>

<ol>
  <li>分割の開始条件を定量・定性の両面で定める</li>
  <li>分割しすぎを防ぐため、責務境界から設計する</li>
  <li>可視化から始める段階移行で、改善を計測しながら進める</li>
</ol>

<p>これから着手するなら、最初の一歩は「どこを分けるか」ではなく「なぜ分けるか」の合意形成です。ここが揃うと、移行は驚くほど安定します。</p>]]></content><author><name>niusounds</name></author><category term="Android" /><category term="Architecture" /><category term="Gradle" /><category term="Modularization" /><category term="TechLead" /><summary type="html"><![CDATA[Androidアプリをマルチモジュール化する判断基準を、実務での失敗と改善を踏まえて解説。分割しすぎを避けながら、段階的に移行する現実的なロードマップを紹介します。]]></summary></entry><entry><title type="html">AndroidローカルLLMの実践: 2026年版</title><link href="https://niusounds.github.io/Droid-Metal/2026/04/04/android-llm-2026/" rel="alternate" type="text/html" title="AndroidローカルLLMの実践: 2026年版" /><published>2026-04-04T09:00:00+09:00</published><updated>2026-04-04T09:00:00+09:00</updated><id>https://niusounds.github.io/Droid-Metal/2026/04/04/android-llm-2026</id><content type="html" xml:base="https://niusounds.github.io/Droid-Metal/2026/04/04/android-llm-2026/"><![CDATA[<h2 id="概要">概要</h2>
<p>本記事は、Android端末上で動作するローカルLLM（Large Language Model）を構築するための実践ガイドです。オフラインでの推論とプライバシー保護に重点を置き、2026年現在の最新技術を解説します。開発環境のセットアップからモデルの最適化、実際のアプリケーションへの組み込みまで、Androidエンジニアが実務ですぐに使える知見を提供します。</p>

<h2 id="用意するもの">用意するもの</h2>
<ul>
  <li>Android Studio 3.5+（Kotlin対応）</li>
  <li>Java/NDK SDK（APIレベル34以上推奨）</li>
  <li>TensorFlow Lite for Android v2.17+</li>
  <li>ONNX Runtime Mobile v0.18+</li>
  <li>GitHub Actions でのCI/CD設定</li>
</ul>

<h2 id="手順1-オフライン環境でのモデル最適化">手順1: オフライン環境でのモデル最適化</h2>
<p>現行のLLMは推論時にGPU/TPUを必要としますが、AndroidではARM CPUやNPUが主流です。以下のステップでモデルを軽量化できます。</p>

<ol>
  <li><strong>Quantization（8bit整数化）</strong>
    <ul>
      <li>Hugging Face Transformersで<code class="language-plaintext highlighter-rouge">AutoModel.from_pretrained(..., load_in_8bit=True)</code> を用いてモデルを変換。</li>
    </ul>
  </li>
  <li><strong>Pruning &amp; Distillation</strong>
    <ul>
      <li>TensorFlow Model Optimization Toolkit で不要なパラメータを削除し、推論速度を約3倍向上。</li>
    </ul>
  </li>
  <li><strong>Export to TFLite</strong>
    <div class="language-bash highlighter-rouge"><div class="highlight"><pre class="highlight"><code>python <span class="nt">-m</span> tensorflow_model_optimization.saving.configs.tflite_config <span class="se">\</span>
       <span class="nt">--input_file</span><span class="o">=</span>model/exported/pytorch_model.bin <span class="se">\</span>
       <span class="nt">--output_dir</span><span class="o">=</span>tflite/
</code></pre></div>    </div>
  </li>
</ol>

<h2 id="手順2-androidアプリへの組み込み">手順2: Androidアプリへの組み込み</h2>
<p>最適化済みTFLiteモデルをAndroidアプリに統合するには、以下のコード例が参考になります。</p>

<h3 id="kotlin実装例-推論処理クラス">Kotlin実装例: 推論処理クラス</h3>

<div class="language-kotlin highlighter-rouge"><div class="highlight"><pre class="highlight"><code><span class="kd">class</span> <span class="nc">LlmInference</span><span class="p">(</span>
    <span class="k">private</span> <span class="kd">val</span> <span class="py">interpreter</span><span class="p">:</span> <span class="nc">TFLiteInterpreter</span><span class="p">,</span>
    <span class="k">private</span> <span class="kd">val</span> <span class="py">inputTensor</span><span class="p">:</span> <span class="nc">Tensor</span><span class="p">,</span>
    <span class="k">private</span> <span class="kd">val</span> <span class="py">outputTensor</span><span class="p">:</span> <span class="nc">Tensor</span>
<span class="p">)</span> <span class="p">{</span>
    <span class="k">fun</span> <span class="nf">run</span><span class="p">(</span><span class="n">text</span><span class="p">:</span> <span class="nc">String</span><span class="p">,</span> <span class="n">maxTokens</span><span class="p">:</span> <span class="nc">Int</span><span class="p">):</span> <span class="nc">String</span> <span class="p">{</span>
        <span class="c1">// テキストをtokenize（ここでは簡略化）</span>
        <span class="kd">val</span> <span class="py">encoded</span> <span class="p">=</span> <span class="n">tokenizer</span><span class="p">.</span><span class="nf">encode</span><span class="p">(</span><span class="n">text</span><span class="p">,</span> <span class="n">add_special_tokens</span> <span class="p">=</span> <span class="k">false</span><span class="p">)</span>
        <span class="n">inputTensor</span><span class="p">.</span><span class="nf">flatBuffer</span><span class="p">().</span><span class="nf">putInt</span><span class="p">(</span><span class="mi">0</span><span class="p">,</span> <span class="n">encoded</span><span class="p">.</span><span class="n">length</span><span class="p">)</span>
        <span class="n">inputTensor</span><span class="p">.</span><span class="nf">flatBuffer</span><span class="p">().</span><span class="nf">putFloatArrayOf</span><span class="p">(</span><span class="n">encoded</span><span class="p">.</span><span class="n">indices</span><span class="p">.</span><span class="nf">map</span> <span class="p">{</span> <span class="n">it</span><span class="p">.</span><span class="nf">toFloat</span><span class="p">()</span> <span class="p">})</span>

        <span class="n">interpreter</span><span class="p">.</span><span class="nf">run</span><span class="p">(</span><span class="n">inputTensor</span><span class="p">.</span><span class="n">buffer</span><span class="p">,</span> <span class="n">outputTensor</span><span class="p">.</span><span class="n">buffer</span><span class="p">)</span>
        <span class="k">return</span> <span class="n">tokenizer</span><span class="p">.</span><span class="nf">decode</span><span class="p">(</span><span class="n">outputTensor</span><span class="p">.</span><span class="nf">intValueAt</span><span class="p">(</span><span class="mi">0</span><span class="p">))</span>
    <span class="p">}</span>

    <span class="k">companion</span> <span class="k">object</span> <span class="p">{</span>
        <span class="k">fun</span> <span class="nf">loadModelFromAssets</span><span class="p">(</span>
            <span class="n">context</span><span class="p">:</span> <span class="nc">Context</span><span class="p">,</span>
            <span class="n">modelAssetName</span><span class="p">:</span> <span class="nc">String</span>
        <span class="p">):</span> <span class="nc">LlmInference</span><span class="p">?</span> <span class="p">{</span>
            <span class="kd">val</span> <span class="py">file</span> <span class="p">=</span> <span class="nc">File</span><span class="p">(</span><span class="n">context</span><span class="p">.</span><span class="n">filesDir</span><span class="p">,</span> <span class="s">"lmm.tflite"</span><span class="p">)</span>
            <span class="k">if</span> <span class="p">(!</span><span class="n">file</span><span class="p">.</span><span class="nf">exists</span><span class="p">())</span> <span class="k">return</span> <span class="k">null</span>

            <span class="kd">val</span> <span class="py">builder</span> <span class="p">=</span> <span class="nc">InterpreterBuilder</span><span class="p">(</span><span class="nc">FileInputStream</span><span class="p">(</span><span class="n">file</span><span class="p">),</span> <span class="k">null</span><span class="p">)</span>
            <span class="kd">val</span> <span class="py">interpreter</span><span class="p">:</span> <span class="nc">TFLiteInterpreter</span> <span class="k">by</span> <span class="nf">setter</span> <span class="p">{</span> <span class="n">it</span> <span class="p">}</span>

            <span class="c1">// モデルの入出力情報を取得</span>
            <span class="kd">val</span> <span class="py">inputDetails</span> <span class="p">=</span> <span class="n">interpreter</span><span class="p">.</span><span class="nf">getInputTensor</span><span class="p">(</span><span class="mi">0</span><span class="p">).</span><span class="n">shape</span>
            <span class="kd">val</span> <span class="py">outputDetails</span> <span class="p">=</span> <span class="n">interpreter</span><span class="p">.</span><span class="nf">getOutputTensor</span><span class="p">(</span><span class="mi">0</span><span class="p">).</span><span class="n">shape</span>

            <span class="k">return</span> <span class="nc">LlmInference</span><span class="p">(</span>
                <span class="n">interpreter</span><span class="p">,</span>
                <span class="nc">Tensor</span><span class="p">(</span><span class="n">inputDetails</span><span class="p">),</span>
                <span class="nc">Tensor</span><span class="p">(</span><span class="n">outputDetails</span><span class="p">)</span>
            <span class="p">)</span>
        <span class="p">}</span>
    <span class="p">}</span>
<span class="p">}</span>
</code></pre></div></div>

<h2 id="実装上の注意点androidエンジニア向け">実装上の注意点（Androidエンジニア向け）</h2>

<ul>
  <li>
    <p><strong>メモリ管理</strong>  <br />
TFLiteインタプリタは推論中に数MBのヒープを消費します。<code class="language-plaintext highlighter-rouge">process.onCreate()</code> または <code class="language-plaintext highlighter-rouge">onStart()</code> でモデルを事前ロードし、アクティビティ切り替え時に解放することでクラッシュを防ぎましょう。</p>
  </li>
  <li>
    <p><strong>バックグラウンド処理</strong>  <br />
プライバシー保護のため推論を<code class="language-plaintext highlighter-rouge">WorkerThread</code>または<code class="language-plaintext highlighter-rouge">CoroutineScope</code>で非同期実行。メインスレッドでの操作は<code class="language-plaintext highlighter-rouge">runOnUiThread</code>で厳密に制限してください。</p>
  </li>
  <li><strong>省電力対策</strong>  <br />
NPUが利用可能な場合、<code class="language-plaintext highlighter-rouge">NNAPI</code>デリゲートを指定し、GPU/CPUの消費電力を最小化。設定例：
    <div class="language-kotlin highlighter-rouge"><div class="highlight"><pre class="highlight"><code><span class="kd">val</span> <span class="py">options</span> <span class="p">=</span> <span class="nc">InterpreterOptions</span><span class="p">().</span><span class="nf">apply</span> <span class="p">{</span>
    <span class="nf">setDelegate</span><span class="p">(</span><span class="nc">NNDelegeate</span><span class="p">())</span>
<span class="p">}</span>
</code></pre></div>    </div>
  </li>
  <li><strong>セキュリティ</strong>  <br />
モデルファイルは<code class="language-plaintext highlighter-rouge">android:sharedUserId="android.uid_system"</code>のアプリが所有するディレクトリに配置。外部ストレージへのコピー時は<code class="language-plaintext highlighter-rouge">ContentProvider</code>経由でアクセス権限を明示的に付与。</li>
</ul>

<h2 id="まとめ">まとめ</h2>
<p>2026年現在、Android端末でのローカルLLM実装は「量子化」「剪定」「NPU最適化」の3本柱で実現可能です。Kotlinを用いたTFLiteインターフェースはシンプルかつ高速で、オフライン環境でも数秒以内に応答が得られます。メモリリークやバッテリー消費への対策を事前に施せば、企業システムにも安心して導入できます。</p>

<p>Tags: Android, AI, LocalLLM, 開発</p>]]></content><author><name>niusounds</name></author><category term="Android" /><category term="AI" /><category term="LocalLLM" /><category term="開発" /><summary type="html"><![CDATA[Android端末上で動作するローカルLLM構築の実践ガイド（2026年版）。オフライン推論とプライバシー保護に焦点を当て、最新技術を解説します。]]></summary></entry></feed>