SRE大全 スタディスト編 後半 #hbstudy 85

#hbstudy 85 「SRE大全 スタディスト編」で登壇した際の資料（後半）です。
前半の資料はこちら。
https://speakerdeck.com/katsuhisa91/sre-taizen-studist-1

Transcript

1. SRE大全: スタディスト編 [後半]
   2018/10/31 hbstudy#85
   @katsuhisa__ / Katsuhisa Kitano
   Copyright (C) 2018 Studist Corporation. All Rights Reserved
   

   View Slide

2. 自分が話せそうなこと
   ● 0からのSRE 実践＆定着の経験
   ○ 何からはじめるか、何を変えるか
   ● SRE チームのマネージャー職として
   考えていることの共有
   ○ 採用やチームづくり
   前半
   後半
   

   View Slide

3. Agenda [後半]
   ● スキルマップ
   ● SRE の採用と育成
   ○ SRE として大事な価値観
   ● スタディストSRE チームが目指す方向性
   

   View Slide

4. スキルマップ
   

   View Slide

5. スタディスト SRE スキルマップ（一部）
   Ops DevOps Security Other
   設計・構築 監視 障害対応 データ分析
   思想
   ツール
   Hashicorp
   AWS
   Linux/Ubuntu/shell
   Stackdriver
   NewRelic
   Elastic
   Stack
   Terraform
   Packer
   Ansible
   Serverspec
   git, docker,
   Circle CI
   可用性
   負荷分散
   SLI/SLO OnCall
   Postmortem
   Deep
   Security
   ドメイン知
   識
   Code Series
   サービス構成
   Rails
   Inspector,CloudTrail,
   Guard Duty, WAF
   Redshift
   Athena
   BigQuery
   Redash
   CloudWatch
   RDBMS
   

   View Slide

6. スタディスト SRE スキルマップ（一部）
   Ops DevOps Security Other
   設計・構築 監視 障害対応 データ分析
   思想
   ツール
   Hashicorp
   AWS
   Linux/Ubuntu/shell
   Stackdriver
   NewRelic
   Elastic
   Stack
   Terraform
   Packer
   Ansible
   Serverspec
   git, docker,
   Circle CI
   可用性
   負荷分散
   SLI/SLO OnCall
   Postmortem
   Deep
   Security
   ドメイン知
   識
   Code Series
   サービス構成
   Inspector,CloudTrail,
   Guard Duty, WAF
   Redshift
   Athena
   BigQuery
   Redash
   CloudWatch
   ここだけでもボリューム
   めちゃくちゃでかい
   Rails
   RDBMS
   

   View Slide

7. スタディスト SRE スキルマップ（一部）
   Ops DevOps Security Other
   設計・構築 監視 障害対応 データ分析
   思想
   ツール
   Hashicorp
   AWS
   Linux/Ubuntu/shell
   Stackdriver
   NewRelic
   Elastic
   Stack
   Terraform
   Packer
   Ansible
   Serverspec
   git, docker,
   Circle CI
   可用性
   負荷分散
   SLI/SLO OnCall
   Postmortem
   Deep
   Security
   ドメイン知
   識
   Code Series
   サービス構成
   Inspector,CloudTrail,
   Guard Duty, WAF
   Redshift
   Athena
   BigQuery
   Redash
   CloudWatch
   他に書いていないスキル
   e.g. 負荷試験, 運用自動化, Log ...
   Rails
   RDBMS
   

   View Slide

8. スキルマップの意義: 地図
   ● 大まかな全体地図がないと
   自分がどこにいるのかが分かりにくい
   ○ 何が得意で、何が得意でないのか
   ○ どこを目指したいか
   ● SRE は責務を果たすためのスキルセットが
   幅広く求められるので、なおさら
   

   View Slide

9. スキルマップの役割・使い方
   ● Onboarding プロセスの言語化
   ● スタディストSRE の全体は、こんな感じ
   ● Onboarding では、ここまでは必要ですかね
   

   View Slide

10. スキルマップの中で何が大事か？
    

    View Slide

11. ぜんぶ
    

    View Slide

12. 優先順位
    ● 思想や設計に近い部分から頭に入れる
    ● ツールは、（まずは、）使い方よりも存在意義
    ○ なぜ他のツールではダメなのか
    ● 異なる存在意義のツールを適切に組み合わせて
    一つの目的を達成する能力
    ○ また、組み合わせるための糊を扱う能力
    

    View Slide

13. スタディストSRE の優先順位
    ● SRE の共通言語を持てている
    ● OnCall 要員が持つスキルの逆算
    ○ サービス構成の理解
    ■ AWS 構成
    ● EC2, ELB, RDS(Aurora), S3, CloudFront, ...
    ■ Rails, RDBMS
    ○ ドメイン知識
    ● インフラコードを自由にさわることができる
    ○ Ansible / Serverspec / Packer / Terraform / Docker
    

    View Slide

14. 実際の業務は？
    ● スキルの組合せで行うことが多いので、
    一つができれば、業務にすぐ活きるわけではない
    ○ また、新規 XX 導入時のDesign Review や、
    既存 XX を移行する計画策定は
    スキルに留まらない視点が求められる
    ● とはいえ、一つずつ階段を登るしかないので、
    スキルマップは頭の片隅に
    

    View Slide

15. Agenda [後半]
    ● スキルマップ
    ● SRE の採用と育成
    ○ SRE として大事な価値観
    ● スタディストSRE チームが目指す方向性
    

    View Slide

16. SRE の採用と育成
    

    View Slide

17. 前提: 組織のマネージャー職とは
    ● 組織づくりができてナンボ
    ○ 採用
    ○ チームづくり
    ○ ToBe を描いて共有する
    ○ ToBe 期限からの逆算
    ● そして、メンバーの市場価値を上げる
    

    View Slide

18. SRE と組織づくり
    

    View Slide

19. Netflix の事例
    Netflix が今後1年で、アメリカのインターネット
    トラフィック全体の3分の1を専有するようになると
    突然気づいた時の話
    → それまで自前のシステムを構築していたが、
    AWS と契約し、AWS を扱うチームを採用した
    

    View Slide

20. SRE に限らずだが、
    事業成長の逆算で組織をつくる
    

    View Slide

21. チームに、必要となる技術を
    先行して伝えることも必要
    

    View Slide

22. SRE の採用
    

    View Slide

23. SRE's Job Description
    

    View Slide

24. View Slide

25. View Slide

26. View Slide

27. View Slide

28. View Slide

29. View Slide

30. 必須要件とされているスキル
    ● コンピュータ・サイエンス系の学位
    ≒コンピュータに対する深い理解
    ● アルゴリズムとデータ構造
    ● プログラミング経験
    

    View Slide

31. 必要最低限の記述に留め、
    残りは面接で判断？
    （ ポジションの責務を記述するのに
    各社ページのボリュームを割いている様子 ）
    

    View Slide

32. では、何を評価すべきか
    

    View Slide

33. 「Hiring SREs」 by Andrew Fong, Dropbox
    https://www.youtube.com/watch?v=ucCSRY-KOCI
    

    View Slide

34. SRE に必要な能力
    ● Software Skills
    ● Systems & Networks
    ○ General “Linux” Skills
    ○ Low Level Systems Knowledge
    ○ Do you know
    how staff is put together
    ● Architecture
    ○ Tradeoffs
    ● Troubleshooting
    ○ Logical Thinking
    ○ Depth of knowledge
    ● Soft skills
    ○ Customer Service
    ○ Priorization
    

    View Slide

35. SRE に必要な能力
    ● Software Skills
    ● Systems & Networks
    ○ General “Linux” Skills
    ○ Low Level Systems Knowledge
    ○ Do you know
    how staff is put together
    ● Architecture
    ○ Tradeoffs
    ● Troubleshooting
    ○ Logical Thinking
    ○ Depth of knowledge
    ● Soft skills
    ○ Customer Service
    ○ Priorization
    個人的には、納得感ある分類
    

    View Slide

36. どうやって面接で評価するか
    面接の全体像（Funnel）は、ここでは触れない
    

    View Slide

37. Onsite Interview
    ● 業務内容から業務を深掘りし、状況質問する
    ○ ◯◯の時、なぜその判断をしたか
    ■ 選択肢としては、A やB もあったのでは？
    ● システムの振る舞いをホワイトボードに
    記述してもらう
    ○ 個別の技術要素も質問する
    ● 自社カルチャーとの相性もこの時に見る
    

    View Slide

38. Onsite Interview
    ● 業務内容から業務を深掘りし、状況質問する
    ○ ◯◯の時、なぜその判断をしたか
    ■ 選択肢としては、A やB もあったのでは？
    ● システムの振る舞いをホワイトボードに
    記述してもらう
    ○ 個別の技術要素も質問する
    ● 自社カルチャーとの相性もこの時に見る
    構造化面接など、面接精度を上げる
    取り組みはこれから整備
    

    View Slide

39. オススメ
    　Interviewing
    　Site Reliability Engineers
    　by Andrew Fong, Dropbox
    

    View Slide

40. SRE の育成
    

    View Slide

41. Onboarding
    

    View Slide

42. Onboarding: 1 month
    ● ランチ設定
    ● キャリアポートフォリオ策定
    ● SRE にとって大事なマインド共有
    ● 輪読: SRE 本、インフラエンジニアの教科書2
    ● サービス研修: Teachme Biz のプロダクト価値を知る
    

    View Slide

43. Onboarding: 1 month
    ● 開発ツール研修: Teachme Biz を動かす
    ● プロダクト研修: Teachme Biz システムのドメイン知識
    ● CRE 研修: 顧客要望や問い合わせ内容の例を知る
    ● AWS 研修
    ● Teachme Biz 構築研修: AWS に同じ構成を再現する
    ● Onboarding 報告会
    ● Onboarding おつかれさま会: 振り返りと今後の意識共有
    

    View Slide

44. View Slide

45. 自分は何が得意か、何をやりたいか
    何をやっている時に意味を感じるか
    →未来につなげる
    

    View Slide

46. SRE にとって大事な
    マインド共有
    約1,800 文字のドキュメント
    後ほど一部紹介
    

    View Slide

47. 輪読の前に
    やる意義を共有
    事前提示したテーマに関し、
    書籍から学んだ内容を、
    最終日に発表
    

    View Slide

48. View Slide

49. サービス研修
    ● 営業チームがお客様に
    Teachme Biz を説明する場に同席してもらう
    ● SREも、製品や機能の価値を深く知ることは重要
    ○ 機能の顧客影響を想像しやすくなる
    ○ トラフィック量からは分からない情報を
    ドメイン知識としてInput しておく
    

    View Slide

50. これから
    

    View Slide

51. 大事だと思っていること
    ● 本人の意志 × チームとして目指すべき方向性
    をすり合わせていく
    ● 1on1 でフィードバックサイクルを細かく回す
    ● 輪読など、チームで目線をそろえる必要がある
    技術トピックの学習も並行して行う
    

    View Slide

52. その他: やっていること
    ● AWS オンデマンドセミナーを見る会
    ○ 隔週でランチ食べながら見る
    ● 週次ミーティングで、新しい技術トピックや、
    勉強会参加した情報の共有
    ● 雑談で気になる技術トピックを先出し
    

    View Slide

53. SRE の評価
    

    View Slide

54. 採用・育成とくれば評価だが…
    ● 大事な価値観があり、
    それに沿った行動が評価されるべきという考え
    ● もちろん、スキルによる評価も必要
    

    View Slide

55. SRE として大事な価値観
    

    View Slide

56. 信頼されるために
    ● 技術者倫理を高く持つ
    ● 公明正大であること
    ○ 公明正大でないと、障害原因調査が難しい
    ● 人を責めない
    ○ 公明正大の維持に必要
    ● 腕を磨く: 気合ではサービスの信頼性は守れない
    

    View Slide

57. スケールするか
    ● 常にスケールすることを意識する必要はないが、
    SRE は、スケールの観点は常に持つべき
    ● ソフトウェアと思想は、スケールする
    ○ ウェブオペレーションは、
    技芸であり科学ではない
    by 『ウェブオペレーション』
    

    View Slide

58. チームで成果を出す
    ● SRE の業務範囲は多岐にわたるので、
    細分化して専任を置いたほうが
    短期の開発速度は向上する
    ○ しかし、特定人員が欠けると
    一気に開発速度が落ちる
    ○ また、変化に弱い
    ● チームで成果を出すことを重視
    

    View Slide

59. Agenda [後半]
    ● スキルマップ
    ● SRE の採用と育成
    ○ SRE として大事な価値観
    ● スタディストSRE チームが目指す方向性
    

    View Slide

60. スタディストSRE が
    目指す方向性
    

    View Slide

61. 短期（今期）
    ● 10+ Deploys Per Day へ
    ○ デプロイにまつわる意思決定のツール化
    ■ 安全なDB migration をツールで担保する
    ○ インフラ/ミドルウェア変更修正の
    反映リードタイムの高速化
    

    View Slide

62. 短期（今期）
    ● More Monitoring
    ○ 監視の網目の細かさが足りていない箇所の補強
    ■ バックグラウンドジョブ
    ○ より正しい監視をつくる
    ■ [前半] で、お話したSLI計測システムなど
    

    View Slide

63. 中長期で見据えるコンセプト
    ▶ Self-Service Is More Than A Button
    

    View Slide

64. Envoy 開発者Matt のDevOps 定義
    DevOps is the practice of developers being responsible for operating
    their services in production, 24/7.
    This includes development using shared infrastructure primitives, testing,
    on-call, reliability engineering, disaster recovery, defining SLOs, monitoring
    setup and alarming, debugging and performance analysis, incident root
    cause analysis, provisioning and deployment, etc.
    「The human scalability of “DevOps”」
    https://medium.com/@mattklein123/the-human-scalability-of-devops-e36c37d3db6a
    

    View Slide

65. Self-Service Is More Than A Button
    ● OaaS ( Operation as a Service )
    ○ 必要なオペレーションは、
    Self-Service で扱えるように
    ● SRE チームがどうなるかはまだ見えていない
    ○ OaaS のPlatform をつくるチームと、
    OaaS 周辺の問題解決に専門性を持つチーム
    に大きく分かれる？
    

    View Slide

66. スタディストSRE は、
    まだ はじまったばかり・・・
    

    View Slide

67. Copyright (C) 2018 Studist Corporation. All Rights Reserved 67
    #devsumiE
    自己紹介
    We are hiring!!
    スタディストでは、
    いっしょに闘ってくれるSRE を募集中
    

    View Slide