【要約】【連載#12】Raspberry Pi × FlutterでフィジカルAI：ログと再現性（スナップショット/解析） [Zenn_Python] | Summary by TechDistill
> Source: Zenn_Python
Execute Primary Source
// Problem
フィジカルAI特有の課題を扱う。
- ・誤作動や見逃し発生時の原因究明が困難。
- ・「何が入力され、どう推論し、なぜ動いたか」の追跡ができない。
- ・ログの肥大化によるストレージ圧迫。
- ・SDカードのI/O負荷によるシステム停止リスク。
// Approach
以下のステップで実装する。
1.スキーマ設計:
saved_ts, seq, source, snapshot を含むJSONL形式を採用。2.
SnapshotLoggerの実装: appendによる追記と、_trim_if_neededによる容量制限（古い半分を削除）を実装。3.非同期保存: FastAPIの
background_snapshot_log_loopを用い、1Hzの周期で保存。4.API提供:
/logs/snapshots により、直近N件のログを取得可能にする。5.解析ツール:
analyze_snapshot_log.py により、遅延（avg/p95/p99）やエラー回数を集計。// Result
- ・時系列での状態把握と、統計的な性能評価（遅延、停止回数等）が可能になる。
- ・JSONL採用により、解析処理が容易になる。
- ・今後はsystemdを用いた高度なログローテーションへの拡張が期待される。
Senior Engineer Insight
> エッジデバイスにおける再現性の確保は、製品化への必須条件だ。本手法は最小構成として極めて合理的である。特にJSONLの採用は、解析の容易さと書き込みの単純さを両立している。ただし、実運用ではSDカードの寿命とI/O競合がボトルネックとなる。
_trim_if_neededによる半分削除は、データ欠損のリスクがある。本番環境では、systemdと連携した厳密なログローテーションと、書き込み頻度の最適化が不可欠だ。