インシデント管理で得られた教訓
0 0 57 0 ジョーイ・ベイダ、ロス・デリンジャー共同執筆 Dropbox では、インシデント管理は信頼性への取り組みにおける重要な要素だと考えています。実際の障害発生に備えるために、カオス エンジニアリング（Chaos Engineering）などのプロアクティブな手法も採用していますが、インシデントへの対応の仕方がユーザー エクスペリエンスを大きく左右します。サイトの停止や製品の問題が発生する可能性がある場合、ユーザーにとって、それは一刻を争う事態です。 導入されて数年になるインシデント管理プロセスの主要コンポーネントですが、この領域には常に進歩する要素がありました。時間をかけて、技術的にも組織的にも、さらには手続き的にも細かな調整を加えてきました。 この投稿で触れているのは、 Dropbox がインシデント管理で得た教訓の一部について、深く掘り下げて説明します。インシデントにおけ
PCが安定稼働するかを「Prime95」で「ストレステスト」。PCの状況を「Open Hardware Monitor」でモニターする | Cloud-Work
ホームパソコンWindowsPCが安定稼働するかを「Prime95」で「ストレステスト」。PCの状況を「Open Hardware Monitor」でモニターする PCが安定稼働するかを「Prime95」で「ストレステスト」。PCの状況を「Open Hardware Monitor」でモニターする 2019 12/12 パソコンが安定して稼働するかどうかを確認したいとき、「ストレステスト」を行います。パソコンの主要パーツであるCPU、メモリーは正常に動作し続けられるのか、長時間使用しているうちに問題は起きないかをシミュレーションすることができるテストです。 パソコンに負荷をかけ続ける事で、問題なく稼働し続けることができるかをテストできる便利なツールとして「Prime95」があります。 特に、夏場に向けてパソコンのトラブルとして”熱”の問題が発生しがちです。CPU、メモリーに負荷がかかると”
ハードウェアストレステストでPCを安定させる方法 | ライフハッカー・ジャパン
パソコンの何かがおかしい時、実際の問題が何なのかを、正確に突き止めるのは至難の業です。頻繁にクラッシュしたり、意味不明なエラーが繰り返し発生したりという状況は、誰でも避けて通りたいもの。ソフトウェアの問題、ということもありますが、ハードウェアの問題という場合も多くあります。今回は問題がハードウェアの場合に焦点を当て、ハードウェアのストレステストを行うことによって、ハードウェアの問題を予防する方法を、ご紹介します。 ハードウェアが、原因のクラッシュやフリーズなどを起こさない、安定したPCが嫌いだという人は、おそらくいないかと思います。そして、パソコンを安定させることを目的としたアプリケーションは、ネット上にあふれんばかり。極限状態までのハードウェアストレステストを行うことにより、PCが問題なく、安定した状態を維持できるようになります。 今回取り上げているアプリは、長時間に渡って使用すると、よ
医療事故調査制度についてチーム医療：ダブルチェックの有効性を再考する（pdf）
ダブルチェックの有効性を再考する 京都大学医学部附属病院 医療安全管理部部長 松村由美 平成30年度医療安全セミナー 主催：厚生労働省四国厚生支局 サンポートホール高松 平成30年12月7日（金）13時00分 ダブルチェックとは？ 説明してみよう！ 2 誤薬の防止 各業務プロセスの中でのダブル チェックなど，・・・が重要である 日本看護協会 医療安全推進のための標準テキスト 論理・文脈チェック 表層チェック 3 各業務プロセス：薬剤の場合 処方 調剤 与薬 時間差 ダブルチェック 同時 ダブルチェック ダブルチェックなし または 研修医，指導医など または カンファレンス（論理・文脈チェックに向く） 業務として定めていない 処方鑑査業務 4 看護師は，同時ダブルチェックが多い ～注射薬のダブルチェックを例に～ • 方法は様々・・・ 指示簿とラベルと薬剤を二 人で一緒に同じものをみて います
Eliminating Toil をやっていく話 - Qiita
SRE Advent Calendar 2019 14日目の記事です。 皆さんこんにちは。都内某社でSREっぽいことをしているものです。SREを名乗り始めてから早2年も経過してしまいました。 本記事では日々のモチベーションを削ぐToilの削減についてこの2年間一体何が出来たかを振り返ってみたいと思います。 Toilの定義 まずはおさらいとしてToilの定義を復習しようと思います。 英単語的な意味は「骨折る、骨折って働く、骨折って進む、難渋しながら歩く」ですが、GoogleのSRE本 では下記のような作業と定義しています。 手作業（Manual） スクリプトの手動実行も含む 繰り返し作業（Repetitive） 自動化可能（Automatable） 戦術的（Tactical） 割り込みで作業が発生する On-call対応とかも 永続的な価値なし（No enduring value） サービス
SRE Practices in Mercari Microservices
This is a slide for SRE NEXT 2020 (https://sre-next.dev/). Mercari Microservices Platform Team is building a platform for backend developers to build and run microservices. Currently, in this platform, around 100+ microservices are running and more than 200+ developers are working with. To run this scale of platform, the reliability is really critical. In this talk, I will share how we operate thi
WEBサイト負荷テストツール7選 | さぶみっと！JAPAN
WEBサイトに情報を入力するだけで負荷テストができるLoad Impact、GUIから操作できるApache JMeterや、コマンドラインから使うcurl-loader・httperf・Siege・Pylot・abを簡単な使い方と共に紹介していきます。 Load Impact http://loadimpact.com/ Load ImpactはスゥエーデンのGatorhole AB社が管理している、フォームに必要な情報を入力するだけで負荷テストをしてくれるWEBサイトです。 ツールをインストールしたりする必要が有りませんので、非常に楽です。 毎月5回まで無料で負荷テストができます。 それ以上は10回/$30のクレジットを購入する事になります。 トップページのフォームにURLを入れて「Run free test」をクリックすると、世界各地のいずれかのAmazon EC2サーバから負荷テス
FMEA - Wikipedia
故障モード影響解析(FMEA)（えふえむいーえー、英: Failure Mode and Effect Analysis）は、故障・不具合の防止を目的とした、潜在的な故障の体系的な分析方法である。 概要[編集] 故障モード影響解析(FMEA)は、「設計の不完全や潜在的な欠点を見出すために構成要素の故障モードとその上位アイテムへの影響を解析する技法」である[1]。フォルトツリー解析（FTA：Fault Tree Analysis）がトップダウン手法であるのに対し、FMEAはボトムアップ手法という違いがある。FMEAは、FTA、HAZOP（Hazard and Operability Study）、デザインレビューとともに国際電気標準会議（IEC：International Electrotechnical Commission）の国際規格になっており、現在第３版のIEC 60812:2018
Erlang's 99.9999999% (nine nines) reliability
Erlang was reported to have been used in production systems for over 20 years with an uptime percentage of 99.9999999%. I did the math as the following: 20*365.25*24*60*60*(1 - 0.999999999) == 0.631 s That means the system only has less than one second of downtime during the period of 20 years. I am not trying to challenge the validity of this, I am just curious about how we can shut down a system
Introduction | Learn You Some Erlang for Great Good!
25.1. appupとrelupのしゃっくり¶ コードのホットローディングは、Erlangの中でも最も簡単な事の1つです。 再コンパイルして、完全修飾関数呼出し（fully-qualified function call）をして、それで完了です。 しかしながら、これを正しく安全に行うのはもっとずっと難しいのです。 コードをリロードすることを難しくしている、非常に単純な課題が1つあります。 素晴らしいErlangプログラマの脳みそを使って、gen_serverのプロセスを考えてみましょう。 このプロセスは、1種類の引数だけ受け取る handle_cast/2 関数を持っています。 この関数を異なる種類の引数を取るように更新して、コンパイルして、プロダクション環境にプッシュします。 すべて順調に動いていますが、停止させたくないアプリケーションがあるので、プロダクション環境のVMにロードして実
ホットスワップ - Wikipedia
ホットスワップ（英: Hot swap）は、日本語で活線挿抜（かっせんそうばつ）または活性挿抜とも表記され、主電源を投入したまま脱着を行える構造を備えた機器の仕組みを言う。 通常、稼働中の機器内部の各コンポーネントには電源が繋がっており、それを用いて稼働している。ホットスワップや類似した技術が採用されていない機器では、この状態で一部のパーツを外すと回路がオープンになって機器全体が不安定となったり、配線がショートする恐れがあった。ホットスワップが採用される以前の一部の機器は電源系を制御する仕組みを持ち、コマンドやパネル操作によってパーツ毎の電源をON/OFFして交換する事が出来たが、汎用的な仕組みは無く機器独自仕様に留まっていた。 このためホットスワップに対応しない機器では、ハードウェアやデバイスを新たに接続する場合や取り外す場合は、機器全体の主電源を切断した状態で行わなければならなかった。
使いたい！ホットコードローディング - Qiita
Erlangといえば、まずが思い出したのはなんだろう？OTPとか、アクターモデルとか、パターンマッチとか、Erlangerにとってどちらも日々仕事の中で当たり前の概念になりましたよね。でもその中にはなんとかひとつ神秘な場所が存在するじゃない？暗くて危ない、都市伝説のような、それはホットコードローディングである。 Erlang地獄、そして最下層？ 有名な Erlang 教科書『Learn you some Erlang for great good』の中で、ホットコードローディングについてこう書かれています これからOTPの中で最も複雑で、理解しがたく、正しく動作させることが難しく、時間もかかる部分の内の1つについて話そうとしています。 事実、すべての手順（以下relupと呼びます）を避け、単純にVMを再起動し新しいアプリケーションを起動することで更新ができるなら、そちらを選ぶことをおすすめ
3分で分かる Erlang hot code loading - Qiita
安っぽいタイトルを付けてしまい大変申し訳ありません。 Hot code loading とは、データはそのままでコードだけ最新のやつに差し替える Erlang VM の機能です。 うまくやると無停止で運用できるので嬉しかったりしますが、ちゃんとわかって使わないと謎の挙動に苦しむことになるのでちょっと調べてみました。 概要 まずは 公式ドキュメント を見て、一部動作を予想しつつまとめてみました。最低限、これだけ覚えておけば勝つる。 ■関数の実体 ある関数の実体が所属する世界は current, old の２種類ある. ■関数の実体の解決方法 「Fully qualified function calls」や「Fully qualified functionが入った変数」は常に current のやつを指す. そうでないものは現在実行中の関数が所属する世界のやつを指す. ■コード更新時の処理
フォルトツリー解析 - Wikipedia
この記事には複数の問題があります。改善やノートページでの議論にご協力ください。 出典がまったく示されていないか不十分です。内容に関する文献や情報源が必要です。（2010年4月） 独自研究が含まれているおそれがあります。（2010年4月） 出典検索?: "フォルトツリー解析" – ニュース · 書籍 · スカラー · CiNii · J-STAGE · NDL · dlib.jp · ジャパンサーチ · TWL フォルトツリー フォルトツリー解析（フォルトツリーかいせき、英: Fault Tree Analysis：FTA）とは、故障・事故の分析手法。JIS C 5750-4-4：2011 では標題で故障の木解析としている。JIS Z8115:2000では、フォールトの木解析を使っている。故障木解析ということもある[1]。 概要[編集] FTAは、JIS Z8115:2000で、「下位アイテ
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
https://sre-next.dev/
Amazon.co.jp: SRE サイトリライアビリティエンジニアリング ―Googleの信頼性を支えるエンジニアリングチーム: Sky株式会社玉川竜司 (翻訳), Betsy Beyer (編集), Chris Jones (編集), Jennifer Petoff (編集), Niall Richard Murphy (編集), 澤田武男 (監修), 関根達夫 (監修), 細川一茂 (監修), 矢吹大輔 (監修): 本
What's all this fuss about Erlang? | The Pragmatic Bookshelf
Testing Helm Chart Install Reliability
GitHub - sysbooks/site-reliability-engineering: Reading the SRE book
Uptime - Wikipedia