ほんとうの信頼性はヒーローが死んでからはじまる / True reliability begins after the hero dies
by
VTRyo
×
Copy
Open
Share
Embed
Copy iframe code
Copy JS code
Copy link
Start on current slide
Slide 1
Slide 1 text
~/VTRyo/presentation master vtryoctl describe presentation ほんとうの信頼性は ヒーローが死んでからはじまる Nokuchi.SRE#0 / VTRyo ~/VTRyo/presentation master presentation will be started...
Slide 2
Slide 2 text
10分枠ですが ”LT” だからと ミスって5分で終わる内容に してしまいました🙇 ~/VTRyo/presentation master Twitter: @3s̲hv
Slide 3
Slide 3 text
自己紹介 • Topotalという会社で SRE as a Service. “Cross company Embedded SRE” • SRE NEXT, SRE Kaigi, CloudnativeKaigiなどで登壇 • 週末はカレーやってます • ビールの審査員資格有、チョットクワシイ ~/VTRyo/presentation master Twitter: @3s̲hv
Slide 4
Slide 4 text
組織のヒーロー 豊富な戦闘経験 ドメイン知識 エンジニアリングパワー ~/VTRyo/presentation master 著作権につき いらすとや Twitter: @3s̲hv
Slide 5
Slide 5 text
ヒロイズムの例 • たとえば障害発生時→超エキスパートが誰よりも早く対応 開始。後片付け(再発防止)もお手の物 • メンバーはその圧倒的な力に感謝🙏 • ヒーローは「私がいないと回らないかも」「常にシステム を良い状態にしておきたい」と思ったりする • 知識と経験Up・承認・査定Upなど ヒーローにはデメリットがほぼない ~/VTRyo/presentation master Twitter: @3s̲hv
Slide 6
Slide 6 text
実際に見た例 • あるチームのエースがerrorチャンネルにエラーをなんと 全部ひとりで見ていた(割と頻繁) (この人が自分をヒーローと思っていたかどうかは別) • しかしエース退職!メンバーが突然同じレベルの対応を始 めることになり、割り込みと不安が多発。 開発計画に支障が出かけていた ~/VTRyo/presentation master Twitter: @3s̲hv
Slide 7
Slide 7 text
ヒーローに頼らなくなってからが ほんとうの信頼性向上 ~/VTRyo/presentation master Twitter: @3s̲hv
Slide 8
Slide 8 text
マンパワーに頼らないために • エラー一件ずつ全部対応するのは非現実。 一件ごとに一喜一憂してよいのか?しないとしたらどうす ればしなくて済むようになるのか • →監視設定、SLOなどを整備する(当時SLOなかった) →エラーがあってもリリースしてよいのだろうか? という問いにはSLOやエラーバジェットといった数値から 自信を持って実行できる ~/VTRyo/presentation master Twitter: @3s̲hv
Slide 9
Slide 9 text
マンパワーに頼らないために • 他チームからの割り込みタスク(Help wanted)を「気 づいた人のマンパワー」ではなく当番制に変更 全メンバーが経験できるように調整 • あるドメインに強い人はそうでない人をサポートする • 対応期日 is ベストエフォートをやめる(早いほどよいと なるとヒロイズムが起動してしまう)。期日を設定して当 番制でも成立するように他チームと調整 ~/VTRyo/presentation master Twitter: @3s̲hv
Slide 10
Slide 10 text
Google SRE資料では • 「ヒーローは個人・チーム・システムにとって有害である」 • 個人には燃え尽きリスク チームにはヒーローに引っ張られて非現実的な期待値を生 み出すリスク システムには長期的な改善ができないことや過剰な保守を 生むリスク 参照: https://sre.google/resources/practices-and-processes/no-heroes/ ~/VTRyo/presentation master Twitter: @3s̲hv
Slide 11
Slide 11 text
Google SRE資料では • コストに見合わないほどの対応をしなくとも、システムはいき なり壊滅しない事が多い • SLOの設定をするならエラーバジェットポリシーも設定する • ヒーローは豊富な知識と経験があるので、長期的な改善に取り 組むよう依頼する • など 参照: https://sre.google/resources/practices-and-processes/no-heroes/ ~/VTRyo/presentation master Twitter: @3s̲hv
Slide 12
Slide 12 text
~/VTRyo/presentation master vtryoctl describe presentation ご清聴ありがとうございました Nokuchi.SRE#0 / VTRyo fi ~/VTRyo/presentation master presentation is nished...