超入門 SRE

Transcript

1. 1 超入門 SRE 何事もバランスが大事 渡部 龍一/ GMO PEPABO inc. Python勉強会 in 仙台(2024)
2. 技術部プラットフォームグループ 2021年 中途入社 2 自己紹介 渡部 龍一 Watanabe Ryuichi • ロール: SRE • SNS: @ryuichi_1208 • 好きなこと: EOL対応、障害対応 • SRE NEXTスタッフ
3. 3 SRE、聞いたことありますか？
4. 4 • SRE（Site Reliability Engineering）とは、元々Googleが提唱したシステム管理と サービス運⽤に対するアプローチ ◦ SREは、ソフトウェアエンジニアに運⽤チームの設計を依頼した時にできあがる もの ◦ 直訳するとサイト信頼性⼯学 ▪ 信頼性⼯学とは「故障」という品質を扱う学問 ▪ 「事業の経済的損失」につながる可能性のある障害を全体的に最⼩にすることが⽬的 ◦ Site Reliability Engineerで職種を指したりする • Webサイトの信頼性を重要視したエンジニアリングを⾏ったり組織に対して導⼊ SREとは
5. 5 なんで必要なの？
6. 6 最高のチームで最高のサービスを作れた まだ競合もいないしリリースしてヒットさせるぞ！ A社
7. 7 ユーザー数も順調に伸びて売り上げも好調！ 今度テレビCMでさらなるユーザー獲得を狙うぞ！ A社
8. 8 CM流れた瞬間アクセス殺到で繋がらなくなった ユーザー増加も見込みよりも下回ってしまった ... 新機能をリリースしたいけどアクセスを捌けないとユー ザー増えないしチームメンバー全員で対応しよう ... A社
9. 9 この業界まだまだユーザー増えそう！ 新機能開発しまくって宣伝してユーザー獲得するぞ！ A社 B社
10. 10 A社 B社 アクセス捌けるようになったが機能面で B社に劣ってしまっ ている。。。 新規ユーザーも増えないし困った。。。
11. 11 • SREは信頼性をエンジニアリングしていく ◦ Webサイトを運営しながら短いサイクルで新機能のリリースを⾏うことを⽬標としていく ◦ 短いサイクルでのリリースでも信頼性を保ちつつ運⽤する ◦ SLO‧SLIを定義しサービスレベルの⽬標や指標を決めて運⽤していく ▪ 例えば⽬標としていた稼働率よりも低い時間しか稼働してないなら改善のために機能開発を⽌める ▪ ⽬標よりも⾼い時間稼働しているなら多少のサービスダウンは機能開発を継続する ▪ ビジネス影響を考慮して⽬標数値を決めることをSREがサービスオーナーと決定していく SREがいると
12. 12 • 信頼性に繋がることはなんでもやるという気概 • CUJ/SLI/SLO、エラーバジェットの設定 • CI/CDの整備 • 監視、オブザーバビリティの実装 • 障害対応、オンコール対応、ポストモーテム • コスト削減 SREの活動内容例
13. 13 もっと知りたい
14. 14 2024/02発売の新刊
16. 16 ご静聴ありがとうございました