サイト信頼性エンジニアリングとAmazon Web Services / SRE and AWS

© 2025, Amazon Web Services, Inc. or its affiliates. All
rights reserved. 1 © 2025, Amazon Web Services, Inc. or its affiliates. All rights reserved. サイト信頼性エンジニアリングと Amazon Web Services SRE and AWS Yoshi Yamaguchi (@ymotongpoo) J A W S D A Y S 2 0 2 5 B - 1 Senior Developer Advocate Amazon Web Services Inc.

rights reserved. 3 • SRE の基本概念と主要プラクティス • AWS におけるコンテキスト • SRE 実践のための AWS サービス • これからの SRE アジェンダ

rights reserved. 5 なぜ SRE が重要なのか

rights reserved. 6 『SRE サイトリライアビリティエンジニアリング』第1章 SREとは、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ときにできあがるものです。

rights reserved. 7 『SREをはじめよう』第1章サイトリライアビリティエンジニアリングは、組織がシステム、サービス、製品において適切なレベルの信頼性を持続的に達成できるよう⽀援することを⽬的とした⼯学分野である。

rights reserved. 8 SRE の⽬的『信頼性』を中⼼にバランスを取る • 開発者: アジリティ • 運⽤担当者: 安定性

rights reserved. 9 SRE のプラクティスオブザーバビリティ • SLO • エラーバジェット • ダッシュボード • アラートチェンジマネジメント • CI/CD • リリースプロセス • 設計⽀援 • ⾃動化⽂化 • トイルの削減 • エンジニアリング • ⾮難をしない緊急対応 • オンコール • 分析 • インシデント後のレビューキャパシティ計画 • 予測 • 需要駆動 • 性能

rights reserved. 10 SRE のプラクティス Dickerson の信頼性の階層構造インシデント後のレビューインシデントレスポンスモニタリング／オブザーバビリティ UX 開発テスト／リリースキャパシティ／スケール信頼性の情報源『SRE をはじめよう』 14章より信頼性の維持と持続可能な組織障害を価値に変えるプロセス障害の軽減ビジネスの成⻑

rights reserved. 11 モニタリング／オブザーバビリティ

rights reserved. 12 サービスレベル⽬標 SLO ／サービスレベル指標 SLI 信頼性 = ユーザーがサービスに期待する性能品質 SLI SLO

rights reserved. 13 SLIの計算⽅法例: 商品をカートに⼊れるのにかかる時間商品をカートに⼊れる時間がある期間で均して速い /cart エンドポイントへのリクエストのレイテンシーが28⽇間のP90において、 500ms以下である割合 • ユーザーの⾏為はシステムにどう影響するのか • 計測する期間はどれくらいか • 速さの絶対的な基準はなにか SLI SLO 90% だいたい定義前定義後

rights reserved. 14 エラーバジェットエラーバジェット = 100% - SLO 余裕がある SLO違反 SLO SLO SLI エラーバジェット新規開発のリスクが取れるすでに信頼性を毀損している 100% 90% 97% 93%

rights reserved. 15 インシデント管理通常業務とは異なる対応が必要 • 指揮者と対応者 • 対応⽅法 • 連絡系統 • 記録⽅法

rights reserved. 16 インシデント後のレビュー https://aws.amazon.com/message/073024/ ⾮難なく失敗を改善に活かす • 事実を時系列に記録 • 決定事項の記録 • 対応中に参照した⽂章、グラフの添付プロセスやシステムに焦点を当てる https://jaws-ug.jp/for-participant/

rights reserved. 17 ⾃動化継続的デプロイメント継続的デリバリー継続的インテグレーションコード管理/アーティファクト変更をコミットビルドとテストビルドとユニットテストの実⾏ステージングテスト環境にデプロイ統合テストと負荷テストを実⾏本番環境本番環境へデプロイ⾃動デプロイ⼿動承認⾃動化⾃動化デプロイ

rights reserved. 19 責任共有モデルクラウドのセキュリティでの⽂脈 https://aws.amazon.com/jp/compliance/shared-responsibility-model/

rights reserved. 20 責任共有モデル信頼性においても同様お客様クラウド内の信頼性に対する責任 AWS クラウドの信頼性に対する責任

rights reserved. 21 AWS Well-Architected フレームワーク AWS上でシステムを構築する上での6つの柱 • オペレーショナルエクセレンス (OE) • 回復⼒（信頼性） • パフォーマンス効率 • 持続可能性 • コスト最適化 • セキュリティ https://aws.amazon.com/jp/architecture/well-architected/

rights reserved. 22 AWS Well-Architected フレームワーク AWS上でシステムを構築する上での6つの柱 • オペレーショナルエクセレンス (OE) • 回復⼒（信頼性） • パフォーマンス効率 • 持続可能性 • コスト最適化 • セキュリティ特に SRE と多くの共通事項 SRE の定義や⽬的と照らし合わせる

rights reserved. 24 AWS における SRE 関連サービスツールやサービスとしてSRE実践をサポートインシデント後のレビューインシデントレスポンスモニタリング／オブザーバビリティ UX 開発テスト／リリースキャパシティ／スケール CloudWatch CloudWatch, SSM CodePipeline, CodeBuild, CodeDeploy ELB, Auto Scaling

rights reserved. 25 メトリクス Synthetics オブザーバビリティ in AWS ログ RUM Amazon CloudWatch ユーザー体験可視化インサイト／分析基礎パートナー／統合計装／収集 Internet Monitor トレース Container Insights Lambda Insights Contributor Insights Application Insights メトリクスストリーム CloudWatch Embedded Metric Format メトリクスエクスプローラーダッシュボード Live Tail Logs Insights クロスアカウントオブザーバビリティ OpenTelemetry CloudWatch Agent Application Signals

rights reserved. 26 例: ユーザー体験の観測 AWS Cloud

rights reserved. 27 RUM & Synthetics ユーザーの観点から計測 AWS Cloud

rights reserved. 28 SLIとSLOを⽐較する例: レイテンシーSLOがP90で3秒 AWS Cloud レイテンシー (SLI) の現状を確認したい

rights reserved. 29 CloudWatch Application Signals SLIのSLOに対する現状を把握

rights reserved. 30 バーンレートアラート思ってたよりエラーバジェットが速く減ってたら知らせるエラーバジェット時間 28d 14d 2.8d 100% 緊急事態の減り⽅予想よりは速いけど余裕はある

rights reserved. 31 インシデントレスポンス in AWS 例: 復旧のためにランブックを活⽤ • Amazon所有のランブック • 独⾃のランブック https://aws.amazon.com/jp/blogs/mt/use-aws-systems-manager-automation-runbooks-to-resolve-operational-tasks/

rights reserved. 32 AWS X-Ray 分散トレース

rights reserved. 33 構成管理 in AWS ⼿動スクリプト⽣成抽象化宣⾔的 Wiki、プレイブック、仙⼈ #!/bin/bash CloudFormation,Terraform Troposphere AWS CDK, Pulumi

rights reserved. 34 CI/CD in AWS CodePipeline Git repository Lambda function appspec.yml S3 Bucket OK ? v1 v2 90% 10%

rights reserved. 35 キャパシティ／スケール in AWS Virtual private cloud (VPC) Availability Zone Availability Zone Auto Scaling group

rights reserved. 37 AIツールの隆盛 AIツールは新しい⾃動化 • コードや設定を解説させる • ⾃然⾔語からクエリ⾔語に変換させる • パターン分析、異常の検出、変化の相関を⾏わせる • インシデントの記録を整理して⽂書化する etc… ただし⾮決定的なので現状では補助に使うのが良い

rights reserved. 38 コードの解説 Amazon Q Developer の IDE での利⽤

rights reserved. 39 クエリ⾔語の作成 CloudWatch Logs Insights: Query generator

rights reserved. 40 パターン分析 CloudWatch Logs Insights: パターン分析

rights reserved. 41 異常の検出 CloudWatch Logs Insights: ⽐較モード

rights reserved. 43 AWS オブザーバビリティベストプラクティス https://aws-observability.github.io/observability-best-practices/ja/

rights reserved. 44 AWS Skill Builder SRE 関連トピックを無料で学べる • ⽇本語コンテンツが250以上 • プラクティスと製品をつなげる https://explore.skillbuilder.aws/

rights reserved. 45 まとめ • SRE とは信頼性という測定値を中⼼としたエンジニアリングによる運⽤開発の形 • AWS には責任共有モデル、Well-Architected フレームワークが⼟台にあった • 各種プラクティスを⽀援する building block が提供されている • AI による⽀援で SRE が加速される • 最初の⼀歩を今⽇から始めましょう︕ SREの定義とAWSのアプローチ、そしてこれからのSRE

rights reserved. 46 AWS Builder IDで • AWS Skill Builder の600以上の無料コース • Amazon Q Developer の利⽤ • Amazon CodeCatalyst の利⽤ • AWS builders コミュニティへの参加が可能になります。 Do more with Builder ID

サイト信頼性エンジニアリングとAmazon Web Services / SRE and AWS

サイト信頼性エンジニアリングとAmazon Web Services / SRE and AWS

More Decks by ymotongpoo

Other Decks in Technology

Featured

Transcript