稼働7年目のリアルタイムコメントシステム改善に向き合う、地道なSREアプローチ
by
gree_tech
Link
Embed
Share
Beginning
This slide
Copy link URL
Copy link URL
Copy iframe embed code
Copy iframe embed code
Copy javascript embed code
Copy javascript embed code
Share
Tweet
Share
Tweet
Slide 1
Slide 1 text
稼働7年目のリアルタイム コメントシステム改善に向き合う、 地道なSREアプローチ REALITY株式会社 エンジニア 小田 大輔
Slide 2
Slide 2 text
小田 大輔 / Daisuke Oda REALITY株式会社 エンジニア 2 ● 主なお仕事 ○ 開発生産性改善 ○ インフラ費用削減・維持 ○ パフォーマンス改善
Slide 3
Slide 3 text
目次・アジェンダ ● REALITYのご紹介 ● リアクティブな対応による功罪 ● コメントシステム改善の全体象 ● 改善事例のご紹介 ● 得られた教訓 3
Slide 4
Slide 4 text
REALITYについて 4
Slide 5
Slide 5 text
● スマホひとつでアバターライブ配信などを楽しめるアプリ ● 12言語対応で63の地域で配信中 5 REALITYのご紹介
Slide 6
Slide 6 text
6
Slide 7
Slide 7 text
7 売上高 65億円 営利 13億円
Slide 8
Slide 8 text
REALITYの 配信コメントシステム 8
Slide 9
Slide 9 text
9 ←視聴者のコメント
Slide 10
Slide 10 text
コメントシステムについて 10 ● システム構成 ○ GKEで提供 ○ WebSocketでのリアルタイム投稿・表示 ● コメントで投稿されるデータ ○ ユーザのテキスト入力 ○ システムコメント群 ■ ギフティング・フォロー・ミッション達成など ● その他の機能 ○ 裏で同時接続数などの配信属性を記録している システムコメント
Slide 11
Slide 11 text
今までのコメントシステム への向き合い方 11
Slide 12
Slide 12 text
コメントシステムはリアクティブに問題改善していた 12
Slide 13
Slide 13 text
リアクティブな対応により起きていた問題 ● 目指すべき方向を見失いがちで、負債も溜まってきた ○ こういう部分から間接的に経済合理性も損なわれる ● 事前対処の練度が下がる ● 改善の余地がある場合でも、優先度が上がりづらい / 体系的 にどう改善したら良いか把握しづらい ○ コアなシステムなのに 13
Slide 14
Slide 14 text
REALITYが10xする前に 体系的に改善する機構にしたい 14
Slide 15
Slide 15 text
各分野で目標値を決め、制御工学的に健全性を保つ 例えば ● 障害判定のラインを決める ● トラフィックあたりの目安 料金 / スペック値を決める ● 「テストカバレッジを上げる」のような指針を決める 15
Slide 16
Slide 16 text
16
Slide 17
Slide 17 text
● これによって目指すべき方向が明らかになり、システ ムの健全性がわかりやすく ● 心理的にも安心感が生まれる ● 体系的にシステムに向き合えることで価値提供がしや すくなるはず 17
Slide 18
Slide 18 text
18 (コメントシステムのビジネスオーダー) 信頼性維持 素早く価値提供 ソフトウェア アーキテクチャ改善 テストを 書きやすい環境 BlueGreenデプロイ導入 可用性指標 の策定と計測 パフォーマ ンス改善
Slide 19
Slide 19 text
取り組み 一挙ご紹介 19
Slide 20
Slide 20 text
20 (ビジネスオーダー) 信頼性維持 素早く価値提供 ソフトウェア アーキテクチャ改善 テストを 書きやすい環境 可用性指標 の策定と計測 パフォーマ ンス改善 BlueGreenデプロイ導入
Slide 21
Slide 21 text
21 コメントシステムのアーキテクチャ 全Podが全配信の コメントを受信 Node.js
Slide 22
Slide 22 text
Redis Pub/Subアーキテクチャのボトルネックについて ● 全ユーザのコメントが全Podを経由するようになっていた ○ 視聴者が誰もいない配信でも、全Podがその配信のコメントを Subscribeする ● それにより負荷逼迫。残念ながらややユーザ影響が出ている ● 接続中の最低限のPodのみ経由するようにしたい 22
Slide 23
Slide 23 text
Redis Pub/Subアーキテクチャ改善方針 ● ユーザの接続実態があるPodだけ当該配信のRedis Channel にSubscribeするように変更 ● 注意したこと ○ Redisのコマンド計算量の変化を細かく見積もった ■ キャパシティプランニングの意味で 23
Slide 24
Slide 24 text
24
Slide 25
Slide 25 text
改善後のアーキテクチャ 25 Node.js
Slide 26
Slide 26 text
ついでに負荷分散の強化 ● 一定以上のCPU利用率になったらk8s readiness probeを失 敗させて均等に負荷分散するように ○ WebSocketで長時間接続し続ける特性上、このような機 構に ○ 他のWebSocket系サーバで実装している仕組みを輸入 26
Slide 27
Slide 27 text
パフォーマンス改善幅 27 PodのCPU 66%DOWN & メモリ90% Down イベントループラグ安定 Pub/Sub用のRedisのCPU負荷半減 さらにPod数も改善前の 3分の1で済むように
Slide 28
Slide 28 text
また、Redis Pub/Subも水平分割することで 理論上は無限水平スケールが可能に 28
Slide 29
Slide 29 text
29 (ビジネスオーダー) 信頼性維持 素早く価値提供 ソフトウェア アーキテクチャ改善 テストを 書きやすい環境 パフォーマ ンス改善 可用性指標 の策定と計測 ※SREプラクティスでいうSLAや エラーバジェットの策定に近い
Slide 30
Slide 30 text
可用性指標の策定と計測 ● パフォーマンスの健全性を管理するため策定 ○ デプロイ頻度も上がってきたので事故率を可視化したい という意図がある ● 以下の項目を可用性指標としました ○ 1. WebSocket接続直後のコメントデータレスポンスレイテンシ ○ 2. コメント投稿から他ユーザがSubscribeするまでのレイテンシ 30
Slide 31
Slide 31 text
可用性指標の計測方針 ● OpenTelemetryでレイテンシ計測していく ○ メトリクスはGoogle Cloud Monitoringに保存 ● まず当時、Node.jsのバージョンを12から18に上げた。 ○ OpenTelemetry JavaScript SDKの安定版が当該Node.jsバージョンに 対応していなかったので。 31
Slide 32
Slide 32 text
可用性指標の計測の実装 ● 接続時の初期データレスポンスレイテンシの計測方法 ○ WebSocket handshake完了時のtimestampを記録 ○ レスポンス直前のtimestampとの差分をレイテンシとして記録 ● コメント投稿レイテンシの計測方法 ○ コメント投稿時のpublishデータにtimestampを記録 ○ Redis subscribeでデータを受け取った時点との差分をレイテンシとする 32
Slide 33
Slide 33 text
可用性ダッシュボード 一定値以上になるとアラートが飛ぶ。 「一定の閾値に保つ」というフィードバックループを回せるようになった 33
Slide 34
Slide 34 text
34 (ビジネスオーダー) 信頼性維持 素早く価値提供 ソフトウェア アーキテクチャ改善 テストを 書きやすい環境 パフォーマ ンス改善 可用性指標 の策定と計測 BlueGreenデプロイ導入
Slide 35
Slide 35 text
WebSocket + GKE + IstioでのBlueGreenデプロイ ● リリース時にGreen環境を作成 ● HTTPヘッダーベースで、開発者のみGreen環境にアクセス して動作確認できるように 35
Slide 36
Slide 36 text
具体的には ● WebSocketハンドシェイク時の HTTPリクエストのヘッダの値を元 にIstioのVirtualServiceでトラ フィック振り分け(つまりL7) 36
Slide 37
Slide 37 text
イメージ図 37
Slide 38
Slide 38 text
● 使い方を細かくドキュメント化し、不安感をやわら げながら展開 ● GKE + IstioでWebSocketサーバをトラフィック制 御している事例が少ない ○ 国内でも有数の事例になった 38
Slide 39
Slide 39 text
39 (ビジネスオーダー) 信頼性維持 素早く価値提供 ソフトウェア アーキテクチャ改善 パフォーマ ンス改善 可用性指標 の策定と計測 テストを 書きやすい環境 BlueGreenデプロイ導入
Slide 40
Slide 40 text
● 人によってテストを書いたり書かなかったり まちまち ● テストカバレッジ不明 ● データストアと通信するテストが書きづらい 40 コメントシステムのテストの課題点
Slide 41
Slide 41 text
1. Jestの導入 2. コンテナでテスト実行するように 3. Redisをテストコンテナで動かすように ○ モックではなく実物で動かしたい 41 [やったこと1]まずテストを実行しやすい環境づくり
Slide 42
Slide 42 text
[やったこと2]テストカバレッジの可視化 42
Slide 43
Slide 43 text
[やったこと2]テストカバレッジの可視化 43 1. Github Actionsでカバレッジデータ生成 2. Cloud Storageにアップロード 3. Looker Studioで2をデータソースにして グラフとしてダッシュボード化
Slide 44
Slide 44 text
44 (ビジネスオーダー) 信頼性維持 素早く価値提供 パフォーマ ンス改善 可用性指標 の策定と計測 テストを 書きやすい環境 ソフトウェア アーキテクチャ改善 BlueGreenデプロイ導入
Slide 45
Slide 45 text
コメントシステムのコードベースの課題 ● 起きていた現象 ○ ロジックが入り組み肥大化 & 凝集度が低下してきている部 分が多々ある ● 生じた課題 ○ ドメイン知識が把握しづらい / 開発に時間がかかる 45
Slide 46
Slide 46 text
コードベースの改善の進め方 ● 改善に興味のある有志メンバーでキックオフした ○ 課題の炙り出し / 優先度付 / 目線合わせの実施 ○ 有志メンバー = DevOpsチーム + サーバチーム ● 優先度が高い & 抽象度の高い課題は ○ 特に関心が高いメンバーで話し合って詳細方針を決めた 46
Slide 47
Slide 47 text
良い改善は良い問いから Q.ソフトウェアアーキテクチャを なぜ改善するのか? 47
Slide 48
Slide 48 text
良い改善は良い問いから A. 機能ドメインが整理され、価値 提供しやすくなるから 48 さらに言うと この改善幅が大きいから
Slide 49
Slide 49 text
キックオフ実施 49 実際の議事録
Slide 50
Slide 50 text
50
Slide 51
Slide 51 text
チケット化してみんなで消化 51
Slide 52
Slide 52 text
“コードベース改善の取り組み”で得られた効果 ● コメントサーバの機能開発がしやすくなった ○ APIハンドラをRESTのリソースごとにファイル分割した ○ APIハンドラと同じ場所に定義されていたドメインロジック群も 専用の層に分離した、など ● コメントサーバについて詳しいメンバーが増えるという副次 効果も 52
Slide 53
Slide 53 text
全体像まとめ 53
Slide 54
Slide 54 text
54 (コメントシステムのビジネスオーダー) 信頼性維持 素早く価値提供 ソフトウェア アーキテクチャ改善 テストを 書きやすい環境 BlueGreenデプロイ導入 可用性指標 の策定と計測 パフォーマ ンス改善
Slide 55
Slide 55 text
全体を通して得られた教訓 ● 相変わらず銀の弾丸は無いが、SRE文化が発展してきたこと により参考にしやすい事例が増えた ● 最初に抽象的なものをコアメンバーで潰し、協力者に具体タ スクとして展開していく方法がワークした ● ついでにNode.jsのランタイム知見が得られた 55
Slide 56
Slide 56 text
Goodbye, Silver Bullet! 56
Slide 57
Slide 57 text
ご清聴ありがとうございました 57
Slide 58
Slide 58 text
No content