可用性の数字の読み方｜99.9%と99.99%の運用の差
99.9%と99.99%の差は0.09ポイントでも、止まってよい時間は10分の1です。ナインを時間に直す表、検知と復旧の上限、依存先のナイン、測り方の違いをSRE本と論文でまとめました。
SRESRE
SRE
Tech Leadポストモーテムの書き方｜非難しない振り返り文化
障害のあとに書くポストモーテムは、犯人探しをしないことで初めて学びに変わります。Google SRE本と公開資料をもとに、書くきっかけ・中身・アクションアイテムの立て方をまとめました。
Tech Leadインシデントコマンダー入門｜障害対応をリードする技術
障害対応の指揮役は、技術に一番詳しい人とは限りません。Google SRE本とPagerDutyの公開マニュアルから、役割分担・宣言の基準・引き継ぎの型を整理しました。
SREトイルとは何か｜手作業を測って減らすSREの基本動作
SREが言うトイルは「面倒な作業」ではなく、6つの性質で判定できる測定対象です。Google SRE本の定義と50%上限、減らす順番の考え方を一次情報から整理しました。
SREエラーバジェット入門｜信頼性と開発速度をトレードする仕組み
SLO を決めた時点で自動的に決まる「落としてよい量」がエラーバジェット。Google SRE 本の定義と 30 日で 43 分という具体例、バーンレートで減り方を見るアラート設計までを整理しました。
SRESLIとSLO入門｜「どれくらい落ちてよいか」を決める技術
SREの基本であるSLIとSLOの違い、100%を目指してはいけない理由とエラーバジェット、目標値を決めるときの5つの注意をGoogle SRE本とSRE Workbookをもとに整理しました。
SRESREとは？DevOpsとの違いと信頼性を守る仕組み
SREを「インフラ担当の新しい呼び方」で終わらせないための整理です。Googleが定めた運用作業50%の上限とエラーバジェット、そしてDevOpsとの関係を、SRE本とWorkbookの記述をもとに解説します。
About Me
かもめ／2児のパパエンジニア
日々のAIエンジニアリングと仕事の備忘録、子育て世帯の暮らしの記録、たまにRED STONEや鳴潮の話を書いています。
＊くわしいプロフィールは「More」から「かもめの歴史」へ。