Share
Embed
Transcript
52 slides
-
お任せください! AI Readyな環境として 問い合わせ窓口を AI chat bot化し ドキュメント検索をして最新のナレッジをベースに回答する ようにしました! また、MCPサーバーも提供し
、 Coding Agentからも直接利用できます! これでAI Nativeな開発ができます! -
AI-Readyといいつつやってることは、従来のDevEXが多い気がする • プラットフォームはAPI/CLIを提供 ◦ できれば、X as Codeで管理できるように • テストカバレッジだけでなく、Mutation testなどでテスト品質も
• オブザーバビリティで非ドメインエキスパートでも解決できるように • CI/CDをより高速に • PRごとの即時的な開発環境を 現時点では、AI-Ready は Dev-Friendly にとても近い -
AI-Readyといいつつやってることは、従来のDevEXが多い気がする • プラットフォームはAPI/CLIを提供 ◦ できれば、X as Codeで管理できるように • テストカバレッジだけでなく、Mutation testなどでテスト品質も
• オブザーバビリティで非ドメインエキスパートでも解決できるように • CI/CDをより高速に • PRごとの即時的な開発環境を なんならDevOpsと関係なく、自明な話も • タスクは完了条件を明確に • コンテキストが大きすぎるタスクは適切に分解を 現時点では、AI-Ready は Dev-Friendly にとても近い -
とはいえ、良い課題を見つける評価軸は? AI-Readyに求められる能力 意味 例 Context Capability 必要な情報が集約・関連付けられている ドキュメント、API/CLI/UI、Skills、MCP、RAG Traceability Capability
元情報・根拠・履歴を辿れる パーマリンク、git history Validation Capability 機械的に(決定論的に)判定できる テスト、高速なCI/CD、明確な完了条件 Equivalence Capability 変換や変更の意味保存を検証できる E2Eテスト、翻訳・移行・リファクタリングの QA Policy Capability 組織ルールや禁止事項を判定できる Policy as Code (OpenPolicyAgent) Permission Capability 権限・アクセス範囲を制御できる RBAC、File access、Networks access Execution Capability 成果物や変更を安全に試せる実行環境がある ローカル実行、ブランチごとの開発環境 Governance Capability 承認・監査・実行履歴を保証できる リリース承認、作業承認 -
どの不満から優先するべきか? 誰か(AIベンダー, OSS)が解決してくれそうな不満 自分(たち)じゃないと解決できない不満 人間とAI両方に 嬉しい AIに嬉しい No.1最優先 No.? No.?
No.? 優先度をつけなくても、全部AIを使えば、 OSS貢献も何もかもできてしまう気がする けど、実際に自分のお金と時間はそれでも有限だし 投資・節約を判断するのが一番人間の仕事っぽい -
キャッシュ層には、Memcached と Mcrouter がいる。 Mcrouter はコンシステントハッシュで、リクエストを健全な Memcached インスタンスに振り分ける。そして、その設定ファイ ルを生成しているのが、比較的新しいコンポーネント、 Mcrib
だった。 Mcribは、サービスディスカバリの Consul を監視している。Memcached インスタンスが利用不能になったと Consulが判断 すれば、Mcribは即座にスペアを昇格させる。古いインスタンスが復帰してきたら、データの整合性を保つために、フラッシュ してから戻す。 第2章 善意の効率 -
前週、25%、25%と二段階。いずれも、何事もなく完了していた。 2月22日。三段階目の25%。 Consul エージェントがシャットダウンする。ノードはサービスカタログから登録解除される。 Mcrib がそれを検知する。即座に スペアを昇格させる。新しいキャッシュノードは、空。 そしてエージェントが再起動する。ノードが戻る。 Mcrib がフラッシュする。
一つずつ。 順番に。着実に。 ピーク時刻に向かって、キャッシュのヒット率が、静かに落ちていった。 第2章 善意の効率 -
なぜ、Slackは落ちたのか。 ピーク時刻にぶつかった Consul エージェント再起動が、Mcribにキャッシュノードの入れ替えを連続的に行わせた。キャッ シュヒット率が落ちた。 なぜ、それが致命傷になったのか。 GDMメンバー情報のクエリは、本来「ユーザー単位でシャーディングされた表」をチャンネルから引いていたスキャッタークエ リ。普段はキャッシュが守っていた前提のクエリ。 なぜ、Mcribという「良くできた仕組み」が、事態を悪化させたのか。 Mcribは、旧来の方式より、ダウンを速く検知し、設定を速く修復した。効率的だった。だからこそ、キャッシュ層の入れ替わり
を激しくし、障害を広げた。 エピローグ 〜なぜ起こってしまったのか〜 -
>「より速く、より正しく動くコンポーネントが、より大きなシステムを、より危うくすることがある。」 Slackは、Consul の段階展開の手順を見直した。スキャッタークエリは、チャンネル単位でシャーディングされたテーブルに 向け直された。同種の高頻度スキャッタークエリがほかにないかも、洗い直された。 ローラ・ノーランは、ことが終わってから、リチャード・クックの『 How Complex Systems Fail』の第4節を、また読んだ。 >
複雑なシステムには、つねに潜在的な障害が、入り混じった状態で含まれている。個々には致命的でないため、運用中は 些細なものと見なされる。 潜在的な障害は、一つでは何も起こさない。何かの拍子に、それらが手をつなぐ朝が、来るだけだ。 エピローグ 〜なぜ起こってしまったのか〜