「家族アルバム みてね」を支える SREのこれまでとこれから

ゆるSRE勉強会 #1 でお話させていただいた、みてねSREの伊東（@_nihi）の登壇資料です。
https://yuru-sre.connpass.com/event/292063/

Transcript

1. 「家族アルバム みてね」を支える
   SREのこれまでとこれから
   ゆるSRE勉強会 #1
   

   View Slide

2. MIXI, Inc.
   自己紹介

   株式会社MIXI Vantageスタジオ 

   みてねプロダクト開発部 基盤開発グループ SREチーム 

   伊東 宏起

   

   https://hekki.info

   

   View Slide

3. MIXI, Inc.
   家族アルバム みてねの紹介
   写真プリント
   フォトブック
   スマホで撮影した子どもの写真や動画を家族と共有し、
   コミュニケーションして楽しむ家族アルバムサービスで
   す。

   

   View Slide

4. MIXI, Inc.
   家族アルバム みてねの紹介
   利用者数1,800万人を突破（2023年5月時点）
   ※ iOS・Android™ アプリ登録者数、ブラウザ版登録者数の合計
   7言語・175の国と地域でサービスを提供
   

   View Slide

5. MIXI, Inc.
   本日お話する内容

   - みてねでのSREチームの立ち上げ 

   - 立ち上げ移行のこれまでの振り返り 

   - これからの展望

   - まとめ

   

   View Slide

6. MIXI, Inc.
   みてねでのSREチームの立ち上げ

   - サービス開始は2015年4月 

   - 当時インフラを専任で担当するメンバーはおらず、インフラ上の問題は開発者が都度対応

   - 次第にユーザー体験や開発者体験に悪影響が出始める 

   - そこでサービス開始から約3年後の2018年2月、SRE組織を立ち上げることになる 

   

   View Slide

7. MIXI, Inc.
   みてねでのSREチームの立ち上げ

   - サービス初期からの開発メンバー・別の部署のSREチーム・別の部署のアプリ開発者の3名でスタート 

   - 当初のSRE組織を立ち上げた目標 

   - ユーザーがより良いサービス体験を得られるようにする

   - 開発者が開発に集中し、ユーザーへの価値提供を最速・最大化するための下支えをする

   

   View Slide

8. MIXI, Inc.
   みてねSREチームのこれまで（チーム規模 3〜4名）

   - ユーザーと開発者の体験向上 

   - メディアのアップロード・ダウンロードの高速化

   - Terraformを導入し、IaCの考え方を取り入れる

   - ログ分析基盤の構築

   - インフラコストの削減 

   - S3のストレージクラスやライフサイクルルールの最適化

   - セキュリティ向上

   - AWSアカウントの分離やGuardDutyの活用

   - OS/ミドルウェア/フレームワーク等のアップデート

   - Grafanaの導入

   - オブザーバビリティの改善と同時に、平常時の様子が分かるようになった

   

   View Slide

9. MIXI, Inc.
   - 開発者が新機能開発に集中できるように、それ以外の課題をSREが巻き取るというポリシーで運用 

   - インフラコストの削減には継続してチャレンジ 

   - ユーザーへの動画配信にHLS(HTTP Live Streaming)を活用

   - 詳細は「みてねの動画再生にHLSを導入した話」をご覧ください

   - AWS OpsWorksからAmazon EKSへの移行 

   - 前述したTerraformの導入やAWSアカウントの分割もこの前準備

   - 詳細は「4年間のEKS移行の取り組みを振り返って」をご覧ください

   - オンコール当番制度の導入 

   - 夜間や休日など業務時間外もサービスの品質を低下させないために、オンコール当番制度を導入

   - 制度設計を丁寧にしないと破綻するので要注意

   - 詳細は「『家族アルバム みてね』を支えるオンコールエンジニア制度」をご覧ください

   みてねSREチームのこれまで（チーム規模 4〜5名）

   

   View Slide

10. MIXI, Inc.
    - サービスの拡大と共に組織も大きくなり、組織のスケーラビリティという課題に直面 

    - 「新規開発以外の課題をSREが巻き取る」というポリシーに限界が見え始める

    - そこで開発者自身で問題の発見・解決ができる環境をSREが提供するポリシーに変化

    - 海外ユーザーの体験向上 

    - サービスの海外展開に注力し始めた一方、それまでインフラは全て日本国内に構築

    - 海外ユーザーにも快適にサービスを利用していただくために、インフラをマルチリージョン化

    - 詳細は「みてね マルチリージョン」で検索

    - オブザーバビリティ改善 

    - 「開発者自身で問題の発見・解決ができる環境」を目標とした取り組み

    - Grafana Lokiを使ったリアルタイムなログ検索基盤の構築

    - APM(Application Performance Monitoring)の普及やトレーニング

    みてねSREチームのこれまで（チーム規模 5〜6名）

    

    View Slide

11. MIXI, Inc.
    - まだまだ課題は山積み 

    - SLI/SLOの運用

    - ユーザー数の増加に伴いアプリケーション開発の難易度も格段にアップ

    - 開発スピードの低下や、リリース後に問題が顕在化するといった課題が発生

    - さらなるオブザーバビリティ改善、大規模なデータ・アクセスを開発環境上で再現するといった、複数の施策で
    対策予定

    - DBの負荷増大

    - コンテンツの大量生成・大量配信など、特定期間にDBへのクエリが集中

    - スケールアップにも限度があるので、マルチDBやシャーディングなど負荷分散にチャレンジ

    - 開発チームがスケールしても破綻しないSRE組織作り

    - 引き続き開発チームが自走できるための支援に注力

    これからの展望

    

    View Slide

12. MIXI, Inc.
    - サービスの規模・フェーズや目標に合わせてSREチームも柔軟に目標を変化させてきました 

    - はじめから完璧なSRE組織を作って運用するのではなく、スモールスタートで取り組むことが大切 

    - SREチーム発足から5年以上経過した今でも、完璧にGoogleが提唱するSREのプラクティスを実践できているとはいえ
    ません

    - SREのプラクティスを組織全体に浸透させていくことが大切 

    - 究極的にはSREチームが必要となくなる（＝開発チームが自走してSREのプラクティスを実践できるようになる）ことを
    目指す

    - これからSREに挑戦する方々の参考になれば幸いです！ 

    まとめ

    

    View Slide

13. MIXI, Inc.
    

    View Slide