信頼性の目標を誰も求めてない

ホンマでっかSRE勉強会 #2 | 5分LT 信頼性の目標を、誰も求めていない SRE として関わりながら、ずっと考えていたこと Shuma /
#honmadekkasre

自己紹介 Shuma @ShuShuShuBOOOx システム開発企業（東京）の一人目SRE / クラウドインフラエンジニアファンクラブプラットフォームをAWSで運用 EC2 / RDS
/ ElastiCache / WAF など

立場受託開発の会社の「一人目SRE」多数のファンクラブを1つの基盤で運用 ― 負荷は販売イベントで数十倍変動クライアントにエンジニアはいないクライアントを介した外部システム連携が多い ― 信頼性が自社だけで閉じない自動化・効率化・障害対応のループは社内で回っている
「SLO、何%にしますか ?」と聞ける相手が、最初からいない

ある日の障害 01 突発的なアクセス急増毎分約40 ➔ 約840 02 KVストアの書き込みキャパシティ枯渇 03
500エラーが発生事後プロセス対応➔根本原因調査 ➔スプリント振り返り ※ 概念図（実データではありません）

解決 : 書き込みキャパシティ下限 1 → 20 実測ピーク (1分粒度) 見積った瞬間需要コスト増
(月) 約12/秒約15/秒約880円書き込みの観測最大過去の販売イベントも比較スロットルで弾かれた分を上乗せして推定秒間15に対して下限 20なら 2割ほど余裕を残せるめでたしめでたし。

で、この「 20」という数字、正解ですか ?

測れない、のではないエラーログは全件、Slackに流れる監視体制販売イベントごとの負荷記録を蓄積メトリクスは分単位で追える SLIの材料は揃っている。ないのは SLO ―― 数字の良し悪しを決める「目標」のほう

相談信頼性の目標を、誰も求めていないとき。何を「SREの成果」と呼べばいいですか。 (あと、受託開発の契約でSLA/SLOってどう置くのが普通なのかも、知りたいです)

いまの仮の答え STEP 01 STEP 02 (CURRENT) 合意できる目標から社内向け SLOの検討へ求める人が周囲にいない状況であれば、まずは「社内
の合意」だけでシンプルに持てる小さな目標からスタートします。具体的な一歩として、まずは自分たち向けの「社内向けSLO」が作れないか考えはじめた段階です。 ※ まだ頭の中だけで構想している状態

信頼性の目標を誰も求めてない

信頼性の目標を誰も求めてない

Shuma

More Decks by Shuma

Other Decks in Programming

Featured

Transcript

ホンマでっかSRE勉強会 #2 | 5分LT 信頼性の目標を、誰も求めていない SRE として関わりながら、ずっと考えていたこと Shuma /

自己紹介 Shuma @ShuShuShuBOOOx システム開発企業（東京）の一人目SRE / クラウドインフラエンジニアファンクラブプラットフォームをAWSで運用 EC2 / RDS

ある日の障害 01 突発的なアクセス急増毎分約40 ➔ 約840 02 KVストアの書き込みキャパシティ枯渇 03

解決 : 書き込みキャパシティ下限 1 → 20 実測ピーク (1分粒度) 見積った瞬間需要コスト増

で、この「 20」という数字、正解ですか ?

測れない、のではないエラーログは全件、Slackに流れる監視体制販売イベントごとの負荷記録を蓄積メトリクスは分単位で追える SLIの材料は揃っている。ないのは SLO ―― 数字の良し悪しを決める「目標」のほう

相談信頼性の目標を、誰も求めていないとき。何を「SREの成果」と呼べばいいですか。 (あと、受託開発の契約でSLA/SLOってどう置くのが普通なのかも、知りたいです)

いまの仮の答え STEP 01 STEP 02 (CURRENT) 合意できる目標から社内向け SLOの検討へ求める人が周囲にいない状況であれば、まずは「社内