SREについて学ぶ - エラーバジェット編 - Qiita
はじめに サイトリライアビリティエンジニアリング（SRE）について学んだことをアウトプットしたいと思います。 今回は、エラーバジェット編です。 エラーバジェットとは？ エラーバジェットとは、サービスの信頼性がどの程度損なわれても許容できるかを示す指標です。 例えば、サービスレベル目標（SLO）が「99.99%」のリクエスト応答率を維持することである場合、エラーバジェットは、エラー応答率を「0.01%」以下に抑えることになります。 開発チームと運用チームは、エラーバジェットの条件を満たしてシステムの信頼性を維持するという共通目標に向かってお互いに協力し合いながら働きます。 なぜ必要なのか？ エラーバジェットの説明をみると当然の内容のように感じますが、なぜエラーバジェットという共通目標の設定が必要なのでしょうか？ これは、開発チームと運用チームの目標の違いから生じる行動の対立を避ける為になりま
Helps you find whether the website you are trying to browse is down or not. Check if the website is down just for you or everyone around the globe.
"Is It Down Right Now" monitors the status of your favorite web sites and checks whether they are down or not. Check a website status easily by using the below test tool. Just enter the url and a fresh site status test will be performed on the domain name in real time using our online website checker tool. For detailed information, check response time graph and user comments. Enter a domain below
『第74回： SRE大全: 序章』hbstudy#74 に参加してきた - ちくわ
以下の勉強会に参加してきました。 hbstudy#74 - hbstudy こちらがその本 ( 2017/8/19 発売 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 感想 SRE の概要や重要なポイントを解説して頂き、本を買わなくてもいいと思うものでは無く、本をより解釈できるためのガイドとなっていた印象をうけました。何しろいいボリュームですし、今回のような前説を受けてから読むことができるのはありがたいことです。 しかも、単純に紹介で終わっておらず、Googleの内情や、翻訳ならではの苦労話しも聞けて、非常に面白かったです (2h あっという間だった)。 印象に残ったのは、Google といえど、すごい人が魔法のようにシステムを構築/運用しているのではなく、地味な対応の積み重ねの話が出てくると聞いた時でした。Google 程のサービス
アジレント・テクノロジー株式会社 - ライフサイエンスと化学分析
ラボの移設を計画している方、必見！ラボの移設を成功させるための重要な考慮事項とベストプラクティスを公開中
テスト駆動開発：実はそれは設計技術です
テスト駆動開発（TDD）は、より優れたソフトウェアを持続的に早く提供するための確立された手法です。TDDは単純な考えに基づいている。製品コードを書く前に失敗するテストを書くことです。新しい行動が必要ですか？失敗するテストを書いてください。しかし、この一見単純な考えをうまく実行するには、スキルと判断が必要です。 TDDは本当に設計のためのテクニックです。TDDの基礎は、小規模なテストを使用してボトムアップを早急に設計することであり、システムへの信頼を構築しながら迅速に何らかの価値を得ることです。よりよい名前はテスト駆動設計かもしれません。 設計方法としては、集中と単純さです。目標は、開発者が価値を提供する上で不要な余分なコードを書くことを防ぐことです。問題を解決するのに必要最小限のコードを書くことです。 多くの記事がTDDを行うことのすべての利点を誇りにしています。そして多くの技術会議の講演
SREサイトリライアビリティエンジニアリングを読もう - yoshidashingo
セクションナイン の 吉田真吾（@yoshidashingo）です。 SRE本の原書が出てから早1年半が経ちました。原書はすでにオンラインで無料で読めるようになっています。 Google - Site Reliability Engineering 前回このブログでSREについて書いたのが、原書の出る1ヶ月くらい前ですね。 yoshidashingo.hatenablog.com 国内でもSRE部署の設置が急速に進んでますが、運用部門をSREと看板を掛け替えただけの劣化コピーが大量生産されていることも否めなかったりなかったり。 そもそもSREは、従来のシスアドではなくソフトウェアエンジニアです。そして、開発／運用の分断による必然的な対立関係をインセンティブ設計で統合し、サービスの成長と運用コストが比例しないように切り離すための組織設計であり、そのための技術ノウハウです。 今日は今週末発売さ
The Twelve-Factor App （日本語訳）
はじめに 現代では、ソフトウェアは一般にサービスとして提供され、Webアプリケーション や Software as a Service と呼ばれる。Twelve-Factor Appは、次のようなSoftware as a Serviceを作り上げるための方法論である。 セットアップ自動化のために 宣言的な フォーマットを使い、プロジェクトに新しく加わった開発者が要する時間とコストを最小化する。 下層のOSへの 依存関係を明確化 し、実行環境間での 移植性を最大化 する。 モダンな クラウドプラットフォーム 上への デプロイ に適しており、サーバー管理やシステム管理を不要なものにする。 開発環境と本番環境の 差異を最小限 にし、アジリティを最大化する 継続的デプロイ を可能にする。 ツール、アーキテクチャ、開発プラクティスを大幅に変更することなく スケールアップ できる。 Twelve-F
トイルとは｜CAMPFIRE 開発チーム
トイル（Toil）とは直訳すれば「労苦」であり、プロダクションサービスを動作させることに関する作業で、手作業で繰り返し行われ、自動化することが可能であり、戦術的で長期的な価値を持たず、作業量がサービスの成長に比例するといった傾向を持つものを指す。SREにおける重要な概念の一つであり、SREは日常的にトイルに対応しつつも、最低50%以上はエンジニアリングに当てるべきであるとされる。 トイルの定義SREにおけるトイルは運用タスクを指すことが多いが、単純に「運用」や「やりたくない仕事」に置き換えられるものではない。一般的にトイルは以下の特徴を持つ。 ・手作業であること 自動化されていない多くの仕事。スクリプトの実行を手作業で行う場合も含む。 ・繰り返されること トイルとは繰り返し行われる作業を指す。ある作業をするのが初めてだったり、新しい解決策を生み出しているのであればそれはトイルではない。 ・
Datadog APMの活用で爆速改善の巻｜CAMPFIRE 開発チーム
これはCAMPFIRE Advent Calendar 2020の6日目の記事です。 はじめまして。SREチームの加我です。 CAMPFIREのモニタリング周りを12月に刷新しました。 刷新に至った経緯や感じていた課題、導入して良かった事を書きます。 これまでのCAMPFIRECAMPFIREは Mackerel というモニタリングサービスを利用していました。 (余談ですが別のサービスでは今でもMackerelをバリバリ使っています) Mackerelは導入のハードルの低さやプラグインによるカスタマイズ性の高さ、直感的なUIが好評であることから当時導入に至ったとのことです。 私も以前Mackerelを導入してサービスのモニタリングをしていた事があり、導入後の運用のしやすさは大きなアドバンテージだと感じます。 CAMPFIREの課題おかげ様でCAMPFIREは多くの方に利用して頂けるクラウド
ポストモーテムの文化 - エムティーアイ エンジニアリングブログ
Dockerおじさんの西川です。 ここのところ、Lambdaばかり使っていてDockerとの触れ合いが足りていないと感じる今日このごろです。 さて、今日は近年の技術書で最も良書じゃないかと思われるSRE本からポストモーテムについてポエムりたいと思います。 前口上 SRE本にはGoogleの各種サービスの信頼性を支える運用エンジニアの文化、プロセス、具体的なテクニックが書かれています。これだけの有益な情報を体系化して公開してくださったGoogleのエンジニアの皆さんに足を向けて眠れません。（と言ってもGoogleエンジニアは世界中に居るので天空に足を向けるしかなくなってしまいますが…） SRE本はぜひ読んでもらいたいのですが、サックリと何が書いてあるか知りたい方は吉田真吾さんのブログエントリを同じShingoとしておススメします。 yoshidashingo.hatenablog.com 本
クラウド時代のトラブルシューティング : 解決に役立つプロバイダーとのコミュニケーション（前編） | Google Cloud 公式ブログ
編集部注 : 今回の記事は、数年前に SRE（サイト信頼性エンジニアリング）の本を出した（本当に！）Google エキスパート チームが執筆してくれました。実際に手を動かして学ぶ同書の姉妹書『The Site Reliability Workbook』も発売に向けて準備が進んでいるようです。ここでは、多くの IT チームにとって重要な SRE の一分野である、クラウド コンピューティング時代のトラブルシューティングについて取り上げます。今回は 2 回連載の前編です。本稿を読み終えたら、クラウド プロバイダーとのコミュニケーション方法をテーマにした後編もぜひご覧ください。 技術的な問題を効果的に解決するためには、運や経験に頼るのではなく、系統的なアプローチが必要です。書籍『Site Reliability Engineering』の中でも述べたように、トラブルシューティングは学習できるスキル
Google、SRE本の第三弾「Building Secure and Reliable Systems」を無料公開
Google、SRE本の第三弾「Building Secure and Reliable Systems」を無料公開 GoogleはSite Reliability Engineering（SRE）に関連する書籍として、これまで「Site Reliability Engineering」「The Site Reliability Workbook」の2冊を無料で公開してきました。 このSRE本の第三弾として、Googleは「Building Secure and Reliable Systems」の無料公開を開始しました。 「Site Reliability Engineering」（SRE）とは、GoogleのシニアVPであるBen Treynor氏が提唱した、高い信頼性や性能を発揮するシステムインフラを実現し、改善していくアプローチのひとつです。 そしてこのアプローチは、前述の通り20
SREをはじめる際のポイント：モニタリングとサービスレベルの考え方
近年、何かと話題に上がるSRE（Site Reliability Engineering）。しかし、「自分たちのチーム・組織に関係する話なのかよく分からない」「具体的に何をやればいいの？」といった感想を持つ方は多いのではないでしょうか。本連載では、そういった方に向けて、SREの考え方をご紹介します。連載の後半では、SREをいち早く取り入れた企業に導入背景などもインタビュー形式でお伝えする予定です。第三回となる本記事では、自社でSREチームの立ち上げを行ってきた筆者の経験をもとに、SREをはじめる際のポイントとして、実践的なモニタリングとサービスレベルの考え方についてお伝えします。 はじめに 株式会社スタディストSREチームの@katsuhisa__です。前回記事「SREをはじめるには、まずどうすればいいですか？ SREに必要なスキルと取り組み方」では、SREのはじめかたについて、スキルと取
25K request/secをさばいた「LINEのお年玉」のアーキテクチャの裏側 - LINE ENGINEERING
みなさんこんにちは、LINEのサーバーサイドエンジニアの長谷部です。普段は、最近でいうとLINE Login や LINE Customer Connect などの開発を担当しています。 2018年の年始に LINEのお年玉 というイベントを実施し、その開発を担当しました。今回の記事では、LINEのお年玉のアーキテクチャの紹介や、当日実際に発生した問題(サービス過負荷起因のkafka consumer遅延)などの振り返りについて書こうと思います。 LINEのお年玉とは お年玉イベント期間中に、お年玉とLINEスタンプをセットで「お年玉つきスタンプ」として販売しました。対象スタンプを購入したユーザーさんは、スタンプ購入数 x 10個 のお年玉が付与されます。 こういったメッセージが受信されます ユーザーは自分がもっているお年玉を友だちに直接送ったりグループに送信することができ、お年玉を受け取
1
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://www.usenix.org/sites/default/files/conference/protected-files/srecon16europe_slides_macnamara.pdf
運用現場におけるSRE本の「正しい」読み方