@k2works/claude-code-booster 4.17.0 → 5.0.0

package/lib/assets/docs/article/getting-start-docker-kubernetes/16-case-escqrs-kafka-kustomize-vs-helm.md

@@ -1,247 +1,256 @@
-# 第 16 章 ES/CQRS マイクロサービス（Kafka）のデプロイ — Kustomize 対 Helm
-
-## はじめに
-
-前章では ES/CQRS を Axon Framework（専用イベントストア Axon Server）で実装した case-3 を比較しました。この章では、同じ ES/CQRS を **Kafka をイベントバックボーン**として実装した版（case-4）を取り上げます。比較軸は引き続き **Kustomize 対 Helm** です。
-
-case-4 は、これまでの章で手づくりしてきたものより**実運用に近い完成度のデプロイ資産**を持っています。Kustomize には `base` と `overlays/`（local・prod）の階層があり、Helm には `_helpers.tpl` による命名・ラベルの共通化があります。本章では、この成熟した両構成を比較します。
-
-実装は [`apps/case-studies/case-4-escqrs-kafka/`](https://github.com/k2works/getting-started-docker-kubernetes/tree/main/apps/case-studies/case-4-escqrs-kafka) にあります。
-
----
-
-## 1. アーキテクチャ概要
-
-case-3（Axon）が専用のイベントストアを使うのに対し、case-4 は汎用の **Kafka + ZooKeeper** をイベントストリーミング基盤に使います。
-
-```plantuml
-@startuml
-title ES/CQRS（Kafka）版 Cargo Tracker
-
-actor 利用者
-node "frontendms (nginx)" as fe
-node "gatewayms :8080" as gw
-node "authms / bookingms / routingms\ntrackingms / handlingms / billingms" as ms
-queue "Kafka :9092\n+ ZooKeeper" as kafka
-database "PostgreSQL\n(read DB)" as db
-
-利用者 --> fe
-fe --> gw
-gw --> ms
-ms <--> kafka : produce/consume events
-ms --> db : read model
-@enduml
-```
-
-構成要素は次のとおりです。
-
-- **gatewayms**（8080）: API ゲートウェイ（`/api/auth/**`・`/api/v1/bookings/**` などをルーティング）
-- **6 マイクロサービス**: authms(8081)・bookingms(8082)・routingms(8083)・trackingms(8084)・handlingms(8085)・billingms
-- **frontendms**: SPA（nginx）
-- **Kafka**（9092 / 内部 29092）+ **ZooKeeper**: イベントストリーミング
-- **PostgreSQL**: CQRS の read モデル DB
-
-Kafka・ZooKeeper・PostgreSQL は **StatefulSet**、各サービス・frontendms は **Deployment** としてデプロイされます。
-
-### イメージのビルド
-
-各サービス・frontend はマルチステージ Dockerfile（Java 21）で自己完結しています。
-
-```bash
-cd apps/case-studies/case-4-escqrs-kafka
-for s in gatewayms authms bookingms routingms trackingms handlingms billingms; do
-  docker build -t "cargo-tracker/$s:latest" -f "backend/$s/Dockerfile" backend
-done
-docker build -t cargo-tracker/frontendms:latest frontend
-```
-
----
-
-## 2. Kustomize による実装（base + overlays）
-
-これまでの章では `base` のみでしたが、case-4 は **overlay** を備えます。
-
-```
-k8s/
-├── base/
-│   ├── kustomization.yaml   # 全リソース + images（イメージタグ集中管理）
-│   ├── namespace.yaml / configmap.yaml / secret.yaml
-│   ├── zookeeper.yaml / kafka.yaml / postgresql.yaml   # StatefulSet
-│   ├── authms.yaml … billingms.yaml / gatewayms.yaml / frontendms.yaml
-│   └── ingress.yaml
-└── overlays/
-    ├── local/kustomization.yaml   # ローカル検証用
-    └── prod/kustomization.yaml    # 本番用
-```
-
-`base` が共通定義、`overlays/<env>` が環境ごとの差分です。ローカル用 overlay は、`base` を参照しつつ gatewayms の Service を NodePort に**パッチ**します。
-
-```yaml
-# overlays/local/kustomization.yaml
-resources:
-  - ../../base
-patches:
-  - target:
-      kind: Service
-      name: gatewayms
-    patch: |-
-      - op: replace
-        path: /spec/type
-        value: NodePort
-      - op: add
-        path: /spec/ports/0/nodePort
-        value: 30080
-```
-
-これが第 13 章で触れた「base + overlay」の実例です。環境差分を**パッチとして宣言**し、base には一切手を加えません。本番用 overlay では、レプリカ数やリソース、Ingress ホストなどを別途上書きします。
-
-`base/kustomization.yaml` の `images` でイメージタグを集中管理する点は、これまでの章と同じです。
-
-### デプロイと動作確認
-
-overlay を指定して適用します。
-
-```bash
-kubectl apply -k apps/case-studies/case-4-escqrs-kafka/k8s/overlays/local
-```
-
-Kafka・ZooKeeper・PostgreSQL（StatefulSet）+ 6 サービス + gateway + frontendms の **11 ワークロード**がすべて `1/1 Running` になります。Kafka の起動を待つため、サービスに起動初期の再起動が入りますが復帰します。
-
-ゲートウェイ経由の疎通を、正しいルートパスで確認します。
-
-```bash
-kubectl -n cargo-tracker port-forward svc/gatewayms 18096:8080
-curl http://localhost:18096/actuator/health
-# {"status":"UP","groups":["liveness","readiness"]}
-
-curl -s -o /dev/null -w '%{http_code}\n' http://localhost:18096/api/v1/bookings   # 200
-curl -s -o /dev/null -w '%{http_code}\n' http://localhost:18096/api/v1/voyages    # 200
-curl -s -o /dev/null -w '%{http_code}\n' http://localhost:18096/api/v1/tracking   # 200
-curl -s -o /dev/null -w '%{http_code}\n' -X POST http://localhost:18096/api/auth/login  # 400（authms 到達）
-curl -s -o /dev/null -w '%{http_code}\n' http://localhost:18096/nope               # 404（ルートなし）
-```
-
-read 系エンドポイントが **200** を返すことは、Kafka 経由でイベントが配信され CQRS の read モデルが構築され、ゲートウェイ→サービス→DB が一貫して動作している証拠です。
-
----
-
-## 3. Helm による実装（_helpers.tpl + microservices ループ）
-
-`helm/cargo-tracker/` の構成です。
-
-```
-helm/cargo-tracker/
-├── Chart.yaml
-├── values.yaml
-└── templates/
-    ├── _helpers.tpl       # 命名・共通ラベルのヘルパー
-    ├── config.yaml        # ConfigMap + Secret
-    ├── infra.yaml         # zookeeper / kafka / postgresql（StatefulSet）
-    ├── microservices.yaml # サービスをループ生成
-    ├── frontend.yaml
-    └── ingress.yaml
-```
-
-これまでの章の Helm チャートと同様、サービスは `values.yaml` のリスト + ループで生成します。case-4 の `values.yaml` は、サービスごとの差（ポート・DB・JWT・追加 Secret 環境変数）をデータで表現します。
-
-```yaml
-microservices:
-  - name: authms
-    port: 8081
-    db: auth_db
-    jwt: true
-  - name: bookingms
-    port: 8082
-    db: booking_read_db
-  - name: trackingms
-    port: 8084
-    db: tracking_read_db
-    extraSecretEnv:
-      - name: TRACKING_PUBLIC_TOKEN_SECRET
-        # ...
-```
-
-case-4 の Helm が前章までと違うのは、**`_helpers.tpl` による命名・ラベルの共通化**を導入している点です。Helm の慣習に沿ったチャート名・フルネーム・共通ラベルのテンプレート関数を定義し、各リソースから `{{ include "..." . }}` で呼び出します。これにより、リリース名やチャート名を含む一貫した命名・ラベル付けが自動化されます。
-
-`config.yaml` では、非機密設定を ConfigMap（`cargo-config`）に、機密値を Secret（`cargo-secret`）に展開し、`values.yaml` の `config.*` / `secret.*` から注入します。本番では `-f values-prod.yaml` や `--set` で機密値を上書きする運用が前提です（`NOTES.txt` でも警告されます）。
-
-### 検証とデプロイ
-
-```bash
-helm lint apps/case-studies/case-4-escqrs-kafka/helm/cargo-tracker
-# 1 chart(s) linted, 0 chart(s) failed
-
-helm install cargo apps/case-studies/case-4-escqrs-kafka/helm/cargo-tracker \
-  --namespace cargo-tracker --create-namespace
-```
-
-Helm 版も 11 ワークロードが `1/1 Running` になり、ゲートウェイ経由の read エンドポイントが `200` を返すことを確認しました。
-
----
-
-## 4. ロギング基盤（EFK + DaemonSet）
-
-[第 9 章](09-container-operations.md) の **EFK（Elasticsearch + Fluentd + Kibana）+ DaemonSet** によるログ集約パターンを、本ケースにも実装として組み込んでいます（[第 13 章](13-case-monolith-compose-vs-kustomize.md) と同じ構成）。各 Pod は標準出力にログを出すだけで、各ノードに常駐する Fluentd がノード上の全 Pod のログを収集し、Elasticsearch に蓄積、Kibana で可視化します。
-
-base に `logging/` の 4 ファイルを置き、`k8s/base/kustomization.yaml` の `resources` に追加しています（local/prod 両 overlay に含まれます）。
-
-```
-logging/
-├── elasticsearch.yaml      # ConfigMap + PVC + Service + Deployment（単一ノード）
-├── fluentd-daemonset.yaml  # ServiceAccount + ClusterRole/Binding + DaemonSet
-├── kibana.yaml             # Deployment + Service（NodePort 30054）
-└── kibana-setup-job.yaml   # index pattern logstash-* を自動作成する Job
-```
-
-実装上の勘所は第 13 章と共通です。
-
-- **Fluentd**: `hostPath` で `/var/log/containers` を読み取る。containerd の CRI ログ形式に合わせて `FLUENT_CONTAINER_TAIL_PARSER_TYPE` を指定（既定の json だと不一致）。ClusterRole はケース間で衝突しないよう `fluentd-cargo-tracker` に修飾
-- **Elasticsearch**: RWO PVC のため `strategy: Recreate`、heap の 3〜4 倍（2Gi）のメモリ上限で OOM を回避
-- **Kibana**: `kibana-setup` Job が index pattern と既定ビュー（Discover）を自動設定し、開いたらすぐ使える
-
-Kafka をイベントバックボーンとする本ケースでは、各サービスのアプリログ（Fluentd → Kibana）と、トピックを流れるメッセージそのもの（Kafka UI）を併用すると、イベント駆動の挙動を多面的に観測できます。base に置いているため `overlays/local`・`overlays/prod` のどちらでもロギング基盤が含まれます。
-
-```bash
-# アプリと同時にデプロイされる（kubectl apply -k k8s/overlays/local）
-kubectl -n cargo-tracker get pods -l app.kubernetes.io/component=logging
-kubectl -n cargo-tracker exec deploy/elasticsearch -- curl -s 'http://localhost:9200/logstash-*/_count'
-# Kibana を開く（kind では NodePort が localhost に出ないため port-forward が確実）
-kubectl -n cargo-tracker port-forward svc/kibana 18081:5601   # → http://localhost:18081/
-```
-
----
-
-## 5. 比較考察
-
-case-4 は、Kustomize・Helm の両方が「実運用を意識した成熟度」に達しています。ここまでの章の知見と合わせて、両手段の到達点を整理します。
-
-| 観点 | Kustomize（base + overlays） | Helm（_helpers + values） |
-|------|------------------------------|---------------------------|
-| 環境差分 | overlay の `patches` で base を上書き | `values-<env>.yaml` / `--set` |
-| 同型サービス | base にファイル（重複あり） | `values` のリスト + ループ |
-| 命名・ラベル共通化 | `commonLabels` 等 | `_helpers.tpl` の include |
-| 機密・設定 | `secret.yaml` / `configmap.yaml` | `config.yaml`（values 駆動） |
-| ステートフル基盤（Kafka 等） | base に StatefulSet を記述 | テンプレートに固定記述 |
-| リリース管理 | なし | リビジョン・ロールバック |
-
-**環境差分の扱い**では、両者の思想の違いが明確です。Kustomize は「base を変えずに overlay でパッチを重ねる」宣言的な差分管理、Helm は「1 つのテンプレートを values で変化させる」パラメータ駆動です。本番・ローカルで構成が大きく変わる場合は overlay の見通しが良く、値だけが変わる場合は values が簡潔です。
-
-**同型サービスの繰り返し**では、これまでの章と同じく Helm のループが有利です。一方、Kustomize は overlay により**環境ごとの差分管理**で独自の強みを持ちます。
-
-case-4 のように成熟したプロジェクトでは、**「Kustomize か Helm か」は二者択一ではなく、両方を用意して状況に応じて使い分ける**ことも珍しくありません（実際 case-4 は両方を保守しています）。GitOps で環境別に宣言的管理したいなら Kustomize の overlay、チャートとして配布・バージョン管理したいなら Helm、という使い分けが現実的です。
-
----
-
-## まとめ
-
-- Kafka ES/CQRS 版 Cargo Tracker（Kafka + ZooKeeper + PostgreSQL〔StatefulSet〕+ 6 サービス + gateway + frontendms）を Kustomize（overlays/local）と Helm の両方でデプロイし、11 ワークロードが `1/1 Running`、ゲートウェイ経由の read エンドポイントが `200` を返すことを確認しました
-- Kustomize は base + overlay で環境差分を宣言的に管理し、Helm は `_helpers.tpl` + values でテンプレートを成熟させます
-- 成熟したプロジェクトでは両手段を併用し、GitOps（overlay）と配布（チャート）で使い分けることも現実的です
-- 第 9 章の EFK + DaemonSet を base に組み込み、local/prod 両 overlay で各サービスのログを Fluentd（DaemonSet）→ Kibana で観測できるようにしました
-- 次章では、第 13〜16 章の 4 ケースを横断し、アーキテクチャとデプロイ手段の関係を総括します
-
----
-
-- 前の章: [第 15 章 ES/CQRS マイクロサービス（Axon）のデプロイ — Kustomize 対 Helm](15-case-escqrs-axon-kustomize-vs-helm.md)
-- 次の章: [第 17 章 ケーススタディ実装比較まとめ](17-case-comparison-summary.md)
-- シリーズ目次: [Docker/Kubernetes 実践コンテナ解説](index.md)
+---
+type: Article
+title: "第 16 章 ES/CQRS マイクロサービス（Kafka）のデプロイ — Kustomize 対 Helm"
+description: "前章では ES/CQRS を Axon Framework（専用イベントストア Axon Server）で実装した case-3 を比較しました。"
+tags: [article, getting-start-docker-kubernetes]
+status: stable
+generated: { by: human:kakimomokuri, at: 2026-06-26T00:29:42Z }
+---
+
+# 第 16 章 ES/CQRS マイクロサービス（Kafka）のデプロイ — Kustomize 対 Helm
+
+## はじめに
+
+前章では ES/CQRS を Axon Framework（専用イベントストア Axon Server）で実装した case-3 を比較しました。この章では、同じ ES/CQRS を **Kafka をイベントバックボーン**として実装した版（case-4）を取り上げます。比較軸は引き続き **Kustomize 対 Helm** です。
+
+case-4 は、これまでの章で手づくりしてきたものより**実運用に近い完成度のデプロイ資産**を持っています。Kustomize には `base` と `overlays/`（local・prod）の階層があり、Helm には `_helpers.tpl` による命名・ラベルの共通化があります。本章では、この成熟した両構成を比較します。
+
+実装は [`apps/case-studies/case-4-escqrs-kafka/`](https://github.com/k2works/getting-started-docker-kubernetes/tree/main/apps/case-studies/case-4-escqrs-kafka) にあります。
+
+---
+
+## 1. アーキテクチャ概要
+
+case-3（Axon）が専用のイベントストアを使うのに対し、case-4 は汎用の **Kafka + ZooKeeper** をイベントストリーミング基盤に使います。
+
+```plantuml
+@startuml
+title ES/CQRS（Kafka）版 Cargo Tracker
+
+actor 利用者
+node "frontendms (nginx)" as fe
+node "gatewayms :8080" as gw
+node "authms / bookingms / routingms\ntrackingms / handlingms / billingms" as ms
+queue "Kafka :9092\n+ ZooKeeper" as kafka
+database "PostgreSQL\n(read DB)" as db
+
+利用者 --> fe
+fe --> gw
+gw --> ms
+ms <--> kafka : produce/consume events
+ms --> db : read model
+@enduml
+```
+
+構成要素は次のとおりです。
+
+- **gatewayms**（8080）: API ゲートウェイ（`/api/auth/**`・`/api/v1/bookings/**` などをルーティング）
+- **6 マイクロサービス**: authms(8081)・bookingms(8082)・routingms(8083)・trackingms(8084)・handlingms(8085)・billingms
+- **frontendms**: SPA（nginx）
+- **Kafka**（9092 / 内部 29092）+ **ZooKeeper**: イベントストリーミング
+- **PostgreSQL**: CQRS の read モデル DB
+
+Kafka・ZooKeeper・PostgreSQL は **StatefulSet**、各サービス・frontendms は **Deployment** としてデプロイされます。
+
+### イメージのビルド
+
+各サービス・frontend はマルチステージ Dockerfile（Java 21）で自己完結しています。
+
+```bash
+cd apps/case-studies/case-4-escqrs-kafka
+for s in gatewayms authms bookingms routingms trackingms handlingms billingms; do
+  docker build -t "cargo-tracker/$s:latest" -f "backend/$s/Dockerfile" backend
+done
+docker build -t cargo-tracker/frontendms:latest frontend
+```
+
+---
+
+## 2. Kustomize による実装（base + overlays）
+
+これまでの章では `base` のみでしたが、case-4 は **overlay** を備えます。
+
+```
+k8s/
+├── base/
+│   ├── kustomization.yaml   # 全リソース + images（イメージタグ集中管理）
+│   ├── namespace.yaml / configmap.yaml / secret.yaml
+│   ├── zookeeper.yaml / kafka.yaml / postgresql.yaml   # StatefulSet
+│   ├── authms.yaml … billingms.yaml / gatewayms.yaml / frontendms.yaml
+│   └── ingress.yaml
+└── overlays/
+    ├── local/kustomization.yaml   # ローカル検証用
+    └── prod/kustomization.yaml    # 本番用
+```
+
+`base` が共通定義、`overlays/<env>` が環境ごとの差分です。ローカル用 overlay は、`base` を参照しつつ gatewayms の Service を NodePort に**パッチ**します。
+
+```yaml
+# overlays/local/kustomization.yaml
+resources:
+  - ../../base
+patches:
+  - target:
+      kind: Service
+      name: gatewayms
+    patch: |-
+      - op: replace
+        path: /spec/type
+        value: NodePort
+      - op: add
+        path: /spec/ports/0/nodePort
+        value: 30080
+```
+
+これが第 13 章で触れた「base + overlay」の実例です。環境差分を**パッチとして宣言**し、base には一切手を加えません。本番用 overlay では、レプリカ数やリソース、Ingress ホストなどを別途上書きします。
+
+`base/kustomization.yaml` の `images` でイメージタグを集中管理する点は、これまでの章と同じです。
+
+### デプロイと動作確認
+
+overlay を指定して適用します。
+
+```bash
+kubectl apply -k apps/case-studies/case-4-escqrs-kafka/k8s/overlays/local
+```
+
+Kafka・ZooKeeper・PostgreSQL（StatefulSet）+ 6 サービス + gateway + frontendms の **11 ワークロード**がすべて `1/1 Running` になります。Kafka の起動を待つため、サービスに起動初期の再起動が入りますが復帰します。
+
+ゲートウェイ経由の疎通を、正しいルートパスで確認します。
+
+```bash
+kubectl -n cargo-tracker port-forward svc/gatewayms 18096:8080
+curl http://localhost:18096/actuator/health
+# {"status":"UP","groups":["liveness","readiness"]}
+
+curl -s -o /dev/null -w '%{http_code}\n' http://localhost:18096/api/v1/bookings   # 200
+curl -s -o /dev/null -w '%{http_code}\n' http://localhost:18096/api/v1/voyages    # 200
+curl -s -o /dev/null -w '%{http_code}\n' http://localhost:18096/api/v1/tracking   # 200
+curl -s -o /dev/null -w '%{http_code}\n' -X POST http://localhost:18096/api/auth/login  # 400（authms 到達）
+curl -s -o /dev/null -w '%{http_code}\n' http://localhost:18096/nope               # 404（ルートなし）
+```
+
+read 系エンドポイントが **200** を返すことは、Kafka 経由でイベントが配信され CQRS の read モデルが構築され、ゲートウェイ→サービス→DB が一貫して動作している証拠です。
+
+---
+
+## 3. Helm による実装（_helpers.tpl + microservices ループ）
+
+`helm/cargo-tracker/` の構成です。
+
+```
+helm/cargo-tracker/
+├── Chart.yaml
+├── values.yaml
+└── templates/
+    ├── _helpers.tpl       # 命名・共通ラベルのヘルパー
+    ├── config.yaml        # ConfigMap + Secret
+    ├── infra.yaml         # zookeeper / kafka / postgresql（StatefulSet）
+    ├── microservices.yaml # サービスをループ生成
+    ├── frontend.yaml
+    └── ingress.yaml
+```
+
+これまでの章の Helm チャートと同様、サービスは `values.yaml` のリスト + ループで生成します。case-4 の `values.yaml` は、サービスごとの差（ポート・DB・JWT・追加 Secret 環境変数）をデータで表現します。
+
+```yaml
+microservices:
+  - name: authms
+    port: 8081
+    db: auth_db
+    jwt: true
+  - name: bookingms
+    port: 8082
+    db: booking_read_db
+  - name: trackingms
+    port: 8084
+    db: tracking_read_db
+    extraSecretEnv:
+      - name: TRACKING_PUBLIC_TOKEN_SECRET
+        # ...
+```
+
+case-4 の Helm が前章までと違うのは、**`_helpers.tpl` による命名・ラベルの共通化**を導入している点です。Helm の慣習に沿ったチャート名・フルネーム・共通ラベルのテンプレート関数を定義し、各リソースから `{{ include "..." . }}` で呼び出します。これにより、リリース名やチャート名を含む一貫した命名・ラベル付けが自動化されます。
+
+`config.yaml` では、非機密設定を ConfigMap（`cargo-config`）に、機密値を Secret（`cargo-secret`）に展開し、`values.yaml` の `config.*` / `secret.*` から注入します。本番では `-f values-prod.yaml` や `--set` で機密値を上書きする運用が前提です（`NOTES.txt` でも警告されます）。
+
+### 検証とデプロイ
+
+```bash
+helm lint apps/case-studies/case-4-escqrs-kafka/helm/cargo-tracker
+# 1 chart(s) linted, 0 chart(s) failed
+
+helm install cargo apps/case-studies/case-4-escqrs-kafka/helm/cargo-tracker \
+  --namespace cargo-tracker --create-namespace
+```
+
+Helm 版も 11 ワークロードが `1/1 Running` になり、ゲートウェイ経由の read エンドポイントが `200` を返すことを確認しました。
+
+---
+
+## 4. ロギング基盤（EFK + DaemonSet）
+
+[第 9 章](09-container-operations.md) の **EFK（Elasticsearch + Fluentd + Kibana）+ DaemonSet** によるログ集約パターンを、本ケースにも実装として組み込んでいます（[第 13 章](13-case-monolith-compose-vs-kustomize.md) と同じ構成）。各 Pod は標準出力にログを出すだけで、各ノードに常駐する Fluentd がノード上の全 Pod のログを収集し、Elasticsearch に蓄積、Kibana で可視化します。
+
+base に `logging/` の 4 ファイルを置き、`k8s/base/kustomization.yaml` の `resources` に追加しています（local/prod 両 overlay に含まれます）。
+
+```
+logging/
+├── elasticsearch.yaml      # ConfigMap + PVC + Service + Deployment（単一ノード）
+├── fluentd-daemonset.yaml  # ServiceAccount + ClusterRole/Binding + DaemonSet
+├── kibana.yaml             # Deployment + Service（NodePort 30054）
+└── kibana-setup-job.yaml   # index pattern logstash-* を自動作成する Job
+```
+
+実装上の勘所は第 13 章と共通です。
+
+- **Fluentd**: `hostPath` で `/var/log/containers` を読み取る。containerd の CRI ログ形式に合わせて `FLUENT_CONTAINER_TAIL_PARSER_TYPE` を指定（既定の json だと不一致）。ClusterRole はケース間で衝突しないよう `fluentd-cargo-tracker` に修飾
+- **Elasticsearch**: RWO PVC のため `strategy: Recreate`、heap の 3〜4 倍（2Gi）のメモリ上限で OOM を回避
+- **Kibana**: `kibana-setup` Job が index pattern と既定ビュー（Discover）を自動設定し、開いたらすぐ使える
+
+Kafka をイベントバックボーンとする本ケースでは、各サービスのアプリログ（Fluentd → Kibana）と、トピックを流れるメッセージそのもの（Kafka UI）を併用すると、イベント駆動の挙動を多面的に観測できます。base に置いているため `overlays/local`・`overlays/prod` のどちらでもロギング基盤が含まれます。
+
+```bash
+# アプリと同時にデプロイされる（kubectl apply -k k8s/overlays/local）
+kubectl -n cargo-tracker get pods -l app.kubernetes.io/component=logging
+kubectl -n cargo-tracker exec deploy/elasticsearch -- curl -s 'http://localhost:9200/logstash-*/_count'
+# Kibana を開く（kind では NodePort が localhost に出ないため port-forward が確実）
+kubectl -n cargo-tracker port-forward svc/kibana 18081:5601   # → http://localhost:18081/
+```
+
+---
+
+## 5. 比較考察
+
+case-4 は、Kustomize・Helm の両方が「実運用を意識した成熟度」に達しています。ここまでの章の知見と合わせて、両手段の到達点を整理します。
+
+| 観点 | Kustomize（base + overlays） | Helm（_helpers + values） |
+|------|------------------------------|---------------------------|
+| 環境差分 | overlay の `patches` で base を上書き | `values-<env>.yaml` / `--set` |
+| 同型サービス | base にファイル（重複あり） | `values` のリスト + ループ |
+| 命名・ラベル共通化 | `commonLabels` 等 | `_helpers.tpl` の include |
+| 機密・設定 | `secret.yaml` / `configmap.yaml` | `config.yaml`（values 駆動） |
+| ステートフル基盤（Kafka 等） | base に StatefulSet を記述 | テンプレートに固定記述 |
+| リリース管理 | なし | リビジョン・ロールバック |
+
+**環境差分の扱い**では、両者の思想の違いが明確です。Kustomize は「base を変えずに overlay でパッチを重ねる」宣言的な差分管理、Helm は「1 つのテンプレートを values で変化させる」パラメータ駆動です。本番・ローカルで構成が大きく変わる場合は overlay の見通しが良く、値だけが変わる場合は values が簡潔です。
+
+**同型サービスの繰り返し**では、これまでの章と同じく Helm のループが有利です。一方、Kustomize は overlay により**環境ごとの差分管理**で独自の強みを持ちます。
+
+case-4 のように成熟したプロジェクトでは、**「Kustomize か Helm か」は二者択一ではなく、両方を用意して状況に応じて使い分ける**ことも珍しくありません（実際 case-4 は両方を保守しています）。GitOps で環境別に宣言的管理したいなら Kustomize の overlay、チャートとして配布・バージョン管理したいなら Helm、という使い分けが現実的です。
+
+---
+
+## まとめ
+
+- Kafka ES/CQRS 版 Cargo Tracker（Kafka + ZooKeeper + PostgreSQL〔StatefulSet〕+ 6 サービス + gateway + frontendms）を Kustomize（overlays/local）と Helm の両方でデプロイし、11 ワークロードが `1/1 Running`、ゲートウェイ経由の read エンドポイントが `200` を返すことを確認しました
+- Kustomize は base + overlay で環境差分を宣言的に管理し、Helm は `_helpers.tpl` + values でテンプレートを成熟させます
+- 成熟したプロジェクトでは両手段を併用し、GitOps（overlay）と配布（チャート）で使い分けることも現実的です
+- 第 9 章の EFK + DaemonSet を base に組み込み、local/prod 両 overlay で各サービスのログを Fluentd（DaemonSet）→ Kibana で観測できるようにしました
+- 次章では、第 13〜16 章の 4 ケースを横断し、アーキテクチャとデプロイ手段の関係を総括します
+
+---
+
+- 前の章: [第 15 章 ES/CQRS マイクロサービス（Axon）のデプロイ — Kustomize 対 Helm](15-case-escqrs-axon-kustomize-vs-helm.md)
+- 次の章: [第 17 章 ケーススタディ実装比較まとめ](17-case-comparison-summary.md)
+- シリーズ目次: [Docker/Kubernetes 実践コンテナ解説](index.md)