Slide 1

Slide 1 text

実践的運用設計チェックリスト すぎむら @SugiTK 2018/05/10 (originally created as of 2016)

Slide 2

Slide 2 text

はじめに 「運用とはそもそも何をする仕事なのかをきちんと理解して、日々業務を行えるようにする」 という目的を掲げまして、チーム内で勉強会をしたことがありました。 2016年頃のことです。 そのときに作ったチェックリストです。使えそうなら適当に加工してみてください。

Slide 3

Slide 3 text

目次 ・運用は何のためにするのか意識は合っているか ・開発から運用の流れ ・システムの運用は何から始めるか ・環境 ・監視 ・ログ ・DB ・ベンダー情報の追跡 ・システムの更新 ・インシデント管理 ・レポート ・以上を踏まえて何をするか

Slide 4

Slide 4 text

運用は何のためにするのか ・サービスを継続するための取り組み  機能の修正・改善  バグの修正  性能の改善  OS/ミドルウェアやアプリケーションのバージョンアップ ☆リリースしたらあとは放っておけばお金が入って 来る、ということにはなりません。 ☆サービスを継続していくための営みが運用です。

Slide 5

Slide 5 text

開発から運用の流れ ・要求の取りまとめ  サービス側から (新機能、外部サービスとの連携)  開発側から (保守性の向上、新しいミドルウェアへの対応)  運用側から (障害頻度の軽減、性能向上、可視化) ・開発項目の確定と優先度付け ・リリース時期を確定 ・開発、テスト ・リリース ☆サイクルを回すことで、継続してサービスを提供 することができます。 ☆このサイクルを回す速度はビジネスチャンスに影 響します。

Slide 6

Slide 6 text

システムの運用は何から始めるか ・サービスの把握 ・構成の把握 (ハードウェア(仮想)、OS、ミドルウェア、サービス、アプリケーション ) ・通信の把握 (ネットワークセグメント、 IPアドレス、プロトコル、データ ) ・リソースの把握 (CPU、メモリ、ディスク、プロセス、ネットワーク ) ・冗長性の把握 (想定する障害や高負荷、対策 ) ・アクセス制御や権限の把握 (ユーザ、グループ、秘密鍵 /公開鍵証明書、ドメイン名、期限 ) ・ユーザ管理 (追加、削除) ・外部接続 (他サービス、アクセスキー、期限 ) ・ログ (アクセスログ、エラーログ、アプリケーションログ、ローテーション、保持期間 ) ・ベンダー情報 (サポートサイト、連絡窓口、ライセンス ) ・構成管理 (上記全て) ☆初めから設計書などのドキュメントが完全に整備 されていることはあまりありません。 ☆開発メンバーが残っていないこともありますし、彼 らでも知らないこともあります。

Slide 7

Slide 7 text

環境 ・商用環境 ・ステージング環境 ・開発環境 ・アクセス制限 (アカウント管理、役割の設定) ・環境差分の把握 ・リリース手順  リリース対象を確定  ステージング環境への配置、テスト  不具合の修正、再配置、テスト  商用環境への反映 ☆他にも環境を作ることがあります。 ☆サービスを継続して提供するため、を常に念頭に 置くのがとても大切です。 ☆環境ごとにアクセス制限を設けます。開発者は 商用環境には入れない、などのルールを実装しま す。

Slide 8

Slide 8 text

監視 ・何の情報を取得するために監視するか  リソース監視 (CPU、メモリ、ディスク、ネットワーク、クラウド課金)  プロセス監視  ログ監視  など ・障害が発生したときに何をするか ・監視設定は何を契機として見直すか ☆人間が見て監視することには限界があります。 ☆障害を検知するためだけではありません。サービス を運用するための費用や、サービスの利用者数や売 り上げなども監視の対象となり得ます。

Slide 9

Slide 9 text

ログ ・ログの種類  OSのログ  サービスのログ  ミドルウェアのログ ・ログレベル (緊急度、詳細度) ・分析  入力、出力  処理の前後関係  頻度  エラーコード  キーワードでの絞り込み  統計的解析 ☆ログには想定外のものが多数出て来ます。全部 あらかじめ洗い出しておくのは不可能です。 ☆分析・加工して見やすくするのもとても大切です。 運用設計や開発項目に入れておかないと、どこか でしわ寄せが来ます。

Slide 10

Slide 10 text

DB ・バックアップ、リストア/リカバリ  どの時点まで戻すのか (RPO: Recovery Point Objective)  戻すのにどれくらい時間を要するのか (RTO: Recovery Time Objective) ・パフォーマンスチューニング (索引、インメモリ化、統計情報など) ・リソース監視 ・権限管理 (ユーザ、パスワード、権限付与、権限剥奪) ・アクセス制御 (DB、スキーマ、表) ・初期化パラメータ ・ログ ☆DBにはサービスのためのデータが詰まっていま す。ほとんどのデータはビジネス上とても重要なも のとなります。

Slide 11

Slide 11 text

ベンダー情報の追跡 ・バージョンアップ情報  新機能  削除された機能  互換性 ・製品のロードマップ  チケットシステム  公開されたバグ情報  ソースコードの履歴管理情報 ・組織としての安定性  買収、解散、放置 ☆システム開発には他社 (OSSを含む)のOSやミド ルウェア、ハードウェア、サービスを必ず利用しま す。 ☆脆弱性情報だけを追いかけるのではなく、新機 能にも追随していくことで開発や運用にかかる費用 を削減できることもあります。 ☆5年も経つと製品自体がなくなってしまうこともよく あります。リスクとして認識しておきましょう。

Slide 12

Slide 12 text

システムの更新 ・サービスへの影響を把握 (停止、縮退、想定時間) ・更新対象を把握 (サーバ、ネットワーク、設定、データ) ・作業に影響する監視の抑止 ・更新作業を実施 ・監視の再開 ・構成管理への反映 ☆CI/CDが整備されていてblue-greenデプロイしま すということはまだまだ容易ではないと感じていま す。 ☆作業中の監視の抑止はよく作業漏れするようで す。あとでレポートを見たときにノイズになりますの で注意しましょう。

Slide 13

Slide 13 text

インシデント管理 ・インシデントの種類  障害からの回復  サービス要求への対応 ・既知の障害かどうかの判断 ・脆弱性の分析と対策 ・ベンダーへの問い合わせ ・対応履歴の管理 ・データの受け渡しと消去 ☆運用側で何かしなければいけないことがあれば すべてインシデントです。 ☆インシデントとアクシデントは違います。サービス を継続して提供するために、あらかじめ備えられる ものは設計しておきましょう。

Slide 14

Slide 14 text

レポート ・サービスからの要求  バッチで作成して提供  要求を受けて随時作成して提供 ・運用レポート  サービスの利用状況  リソースの利用状況  インシデントの発生状況  稼働率  ログ解析  状況の把握から   運用コストの見直し   設備投資の見直し   開発項目の優先度の変更 ☆定期的にサービスは見直されます。そのときの 判断材料を提供するのがレポートです。 ☆できるだけ定型化して自動生成できるようにする と、毎度の差分も見やすくなります。

Slide 15

Slide 15 text

以上を踏まえて何をするか ・日次作業 ・週次作業 ・月次作業 ・年次作業 ☆システムの規模やサービスの種類、利用者数、 利用頻度などさまざまな要因を考慮して、運用作業 を設計していきます。 ☆月次や年次での作業は、レポートの分析やシス テムの見直しが主になるでしょう。

Slide 16

Slide 16 text

終わり