♾️ SREに入門しよう

社内LTにて、SRE用語を布教しようと試みましたʕ◔ϖ◔ʔ

Transcript

1. SREに入門しよう
   株式会社ユニクエスト
   長谷川広樹
   github.com/hiroki-it
   @Hiroki__IT
   

   View Slide

2. 自己紹介
   ▼ お仕事
   最近：クラウドインフラ、IaC、CICD、...
   以前：DDD
   ▼ 関心のある技術領域
   ・クラウドインフラ
   ・IaC
   ・DDD
   github.com/hiroki-it
   @Hiroki__IT
   長谷川 広樹 (はせがわ ひろき)
   株式会社ユニクエスト
   

   View Slide

3. 目次
   ■ SREとは
   ■ （僕が思う）SREに必要な思想と技術
   ■ Goによる厳格なルールに基づいた基盤実装
   ■ モニタリング
   ■ オンコールとインシデント対応
   ■ SLI/SLO
   ■ エラーバジェット
   ■ ポストモーテム
   ■ まとめ
   ■ カンファレンス
   

   View Slide

4. SREとは
   SRE：Site Reliability Engineering（サイト信頼性エンジニアリング）
   Googleによって提唱されたシステム運用や自動化に関連する開発
   Site Reliability Engineering by Betsy Beyer, Chris Jones, Niall Richard Murphy, Jennifer Petoff
   

   View Slide

5. SREとは
   SREは何をすればよいのか...？
   

   View Slide

6. （僕が思う）SREに必要な思想と技術
   ■ 稼働し続けられるシステム作り
   　・Goによる厳格なルールに基づいた基盤実装
   　・モニタリング
   　・オンコールとインシデント対応
   　・SLI/SLO
   　・エラーバジェット
   　・ポストモーテム
   　・クラウドインフラによるマネージドなインフラ（今回は割愛）
   　・セキュリティ（今回は割愛）
   　・Production Readiness Review（※マイクロサービスで使用されるルールのため割愛），など...
   ■ スケーラブルなアプリケーション開発を生み出す環境作り
   　・マイクロサービス，Kubernetes，CI/CD，IaC，トイル撲滅，など...（※今回は割愛）
   

   View Slide

7. Goによる厳格なルールに基づいた基盤実装（１）
   ■ Goのメリット
   ・データ型の扱いに非常に厳しく，開発時にバグを検出可能．
   ・ブラックボックスになりにくく，可読性が高い．
   ・処理速度が速い．
   ・同期処理と並列処理を簡単に書き分けられる（※非同期処理との違いに注意）．
   ・他の静的型付け言語（Java，C）よりも学習コストが低い．
   など...
   堅牢なバックエンドを実装できる（例：決済系など）
   

   View Slide

8. Goによる厳格なルールに基づいた基盤実装（２）
   Goの導入を実現させる！
   一緒にGoに挑戦していきましょう！
   僕一人だと力に限界があります（切実）！
   知見を共有し合って，お互い爆速成長したい！
   僕も勉強中なので，知見共有させていただきます！
   僕のリポジトリ：https://github.com/hiroki-it/notify-slack-of-amplify-events
   

   View Slide

9. モニタリング
   ■ モニタリングすべき４大シグナル
   　・レイテンシー（リクエスト到達まで＋処理終了からレスポンス到達まで）
   　・トラフィック（とあるネットワーク地点でのスループット）
   　・明示的エラーと暗黙的エラー
   　　（400/500系異常レス + 後述するSLO未達やAPI仕様不一致の正常レス）
   　・サチュレーション（システムの利用率の飽和度．「サチる」はよく使う）
   ４大シグナルは注視しよう！（自戒）
   

   View Slide

10. オンコールとインシデント対応
    ■ オンコールとインシデント対応とは
    　何らかのインシデントをチャンネルに通知するようにし，通知を受けて対応すること．
    　当番制にしている会社もある．
    ■ インシデントとは
    　エラーを含むシステム的に良くない事象のこと．
    参考：https://backlog.com/ja/blog/on-call-system-for-backlog-developers/
    明示的エラーと暗黙的エラーのオンコールは必須！
    

    View Slide

11. SLI/SLO（１）
    ■ SLIとは：Service Level Indicator
    　サービスレベルの指標とするメトリクスのこと．
    　・サーバ稼働率
    　・データベース稼働率
    　・レイテンシー
    　・レスポンスタイム
    　・レスポンスのステータスコード率
    

    View Slide

12. SLI/SLO（２）
    ■ SLOとは：Service Level Objective
    　SLIとして採用した指標の目標値のこと．
    　・サーバ稼働率（日当たり0.1%のダウンタイム発生）
    　・データベース稼働率（日当たり0.1%のダウンタイム発生）
    　・レイテンシー（日当たり0.1%までのレイテンシー増加）
    　・レスポンスタイム（日当たり0.1%までのレスポンスタイム増加）
    　・レスポンスのステータスコード率（日当たり99.9%の200レス）
    

    View Slide

13. エラーバジェット
    ■ エラーバジェットとは
    　・前述したSLI/SLOを決めたうえで設定．
    　・年間や月間のエラーやダウンタイムがSLOに達するまでは，
    　　これらが起こることを許容できる．
    参考：https://www.redhat.com/ja/topics/devops/what-is-sre
    ダウンタイムをどの程度発生させてよいかの目安になる．
    ビジネスより技術を優先するときの意思決定が早くなる．
    

    View Slide

14. ポストモーテム
    ■ ポストモーテムとは
    　障害報告書とは異なり，原因特定とシステム改善に重きを置いた報告書のこと．
    　（タイトル・日付・担当・原因と対応・システム的/収益的な影響・幸運だったこと・仕組みの改善策・タイムライン）
    ■ 留意すること
    　・作成に当たり，担当者を絶対に責めない．障害は誰のせいでもない．
    　　（★最重要であり，必ず守ること）
    　・対策は「以後は注意する」ではなく，再発しない仕組み作りになるように．
    　・多くの人に情報を共有すること．
    参考：https://qiita.com/an_sony/items/0565ad980f9097c76d11
    エンジニアリングの心理的安全性を高めて挑戦しよう！
    

    View Slide

15. まとめ
    今すぐ使えそうなSRE用語は
    どんどん使って
    SREチームさらにはシステム課全体の
    共通言語にしていきましょう！
    (「サチる」はすぐに使えます)
    

    View Slide

16. カンファレンス
    ■ SRE Lounge：https://sre-lounge.connpass.com/
    ■ SRE NEXT：https://sre-next.dev/
    

    View Slide

17. 最後に
    改めてGopherくん
    超かわいい!!!
    by Takuya Ueda (https://twitter.com/tenntenn)
    The Gopher character is based on the Go mascot designed by Renée French.
    

    View Slide