2025年新卒エンジニア研修 SRE資料/202504-sre

2025年4月に実施した新卒エンジニア研修の資料です。
SRE（Site Reliability Engineering） 、日経の SRE の取り組み

Transcript

1. Site Reliability Engineering (SRE) 日本経済新聞社 エンジニア新卒研修 2025 エンジニアとして、システムの信頼性をどう考え、どう実践するか？ エンジニア新卒研修2025 - SRE 1
2. 本日のゴール SREがなぜ必要とされているのかを理解する。 SREの基本的な考え方 (原則) を知る。 これからの仕事で意識すべきことを知る。 エンジニア新卒研修2025 - SRE 2
3. アジェンダ 1. SREとは？ 2. SREの基本原則 3. 開発プロセスとSRE 4. SREを支える文化 5. まとめ エンジニア新卒研修2025 - SRE 3
4. SRE って聞いたことありますか？ エンジニア新卒研修2025 - SRE 4
5. SREとは - Site Reliability Engineering ソフトウェアエンジニアリングの手法を運用に適用し、 スケーラブルで信頼性の高いシステムを構築・運用するアプローチ。 エンジニア新卒研修2025 - SRE 5
6. SREのコアコンセプト 「SREとは、ソフトウェアエンジニアに運用チームを設計させたらどうなるか、ということだ」 Ben Treynor Sloss (Google SRE創設者) 開発者自身がシステムの信頼性に責任を持つ文化へ。 手作業ではなく、エンジニアリング (自動化、ツール開発) で運用課題を解決する。 エンジニア新卒研修2025 - SRE 6
7. 「信頼性」とは？ ユーザーが期待する水準を満たし続けること 単なる「稼働率 (Uptime; どれだけの時間稼働しているか)」だけではない。 レイテンシ、エラー率、スループット、可用性など、ユーザー体験に関わる様々な側面を含む。 たとえば、日経電子版で言えば、 、 、 ユーザが記事を読みたいときに読める 記事が1秒以内に表示される など エンジニア新卒研修2025 - SRE 7
8. SRE が必要となった背景 エンジニア新卒研修2025 - SRE 8
9. 変化するシステムと運用の課題 システムの複雑化・大規模化: マイクロサービス、クラウド、分散システム… リリースサイクルの高速化要求: ビジネスの変化に素早く対応したい！ 従来の運用アプローチの限界: 手作業によるミスや遅延 変化への追従が困難 (スケーラビリティ問題) システムの「信頼性」と「開発速度」の両立が大きな課題に。 エンジニア新卒研修2025 - SRE 9
10. 開発速度と信頼性 ソフトウェア開発の一般的な役割分担: 開発 (Development): 新機能の設計・実装 コードの変更・修正 主な関心事: 早く新しい価値を届けたい！ 運用 (Operations): システムの安定稼働・監視 インフラの構築・管理 主な関心事: システムを止めずに安定させたい！ 目標の違いから、時には対立 ("壁") が生まれることも… エンジニア新卒研修2025 - SRE 10
11. 開発と運用チームの対立による問題 チーム間の「壁」が引き起こす具体的な課題: 開発の遅延: 運用チームの承認待ちや複雑なデプロイ手順により、機能リリースが遅れ、ビジネス機 会を損失する。 責任の押し付け合い: 問題発生時に互いに責任を押し付け合い、根本原因の特定と解決が遅れる。 知識の分断: 開発者は運用の課題を理解せず、運用は開発の意図を理解できず、技術的負債と運用コ ストが増大する。 モチベーションの低下: 互いの仕事への理解不足から尊重し合えず、チーム間のコミュニケーション と協力が減少する。 このような問題が、ビジネス価値の提供を妨げる要因に。 エンジニア新卒研修2025 - SRE 11
12. DevOps 開発 (Dev) と 運用 (Ops) が協力する文化・プラクティス 目的: ビジネス価値を 迅速 かつ 継続的 に、安定 して届ける。 文化: チーム間の壁を取り払い、コミュニケーションと協力を促進。 プラクティス: CI/CD パイプライン、自動テスト、Infrastructure as Code (IaC)、モニタリングなど。 エンジニア新卒研修2025 - SRE 12
13. SRE と DevOps の関係 "Class SRE implements interface DevOps" (by Google) SREは、DevOpsの考え方を「信頼性」という視点で実践する具体的な方法 DevOps: 開発と運用が協力して、より良いサービスを作る 考え方 チーム間の壁をなくす 継続的に改善する SRE: DevOpsの考え方を実現する「信頼性」を中心とした 具体的な方法 信頼性を数値で計測し、全員の共通認識とする 手作業を自動化し、信頼性の高いシステム・プロセスを実現する 障害から継続的に学びを得る エンジニア新卒研修2025 - SRE 13
14. なぜSREを学ぶのか？ 信頼性は全員が意識すべきこと SREは特定のチームだけでなく、すべてのエンジニアがユーザーに価値を届けるために必要な考 え方。最初に学ぶことで、品質を意識した開発の基礎ができる。 ユーザー視点を身につける 信頼性とはユーザーの満足度。SREは、ユーザーが本当に求めていること（速度、安定性など） をデータで捉え、改善する視点を養う。 システム全体で考える力 自分のコードがシステム全体、そしてユーザー体験にどう影響するかを理解する助けになる。 問題解決の視野も広がる。 エンジニア新卒研修2025 - SRE 14
15. 2. SREの基本原則 SREの活動を支える4つの重要な柱: 1. モニタリング (システムの声を聴く - SLO/SLI) 2. エラーバジェット (失敗を許容する考え方) 3. 自動化 (つまらない作業 = "トイル" をなくす) 4. インシデント管理 (失敗から学ぶ - 非難のないポストモーテム) エンジニア新卒研修2025 - SRE 15
16. 原則1: モニタリング (Monitoring) システムの状態を継続的に計測・可視化すること。 なぜモニタリング？: システムの健康状態を知る (元気？ 不調？) 問題を早期発見する (アラート) SLO (信頼性目標) が達成できているか測る データに基づいた判断をする (リリース判断、改善) 計測できないものは改善できない。まずは計測！ エンジニア新卒研修2025 - SRE 16
17. サービスレベル指標 / サービスレベル目標 サービスレベル指標: SLI (Service Level Indicator) 計測指標: サービスにおいて重要な側面を測る定量的な指標。 ユーザー体験で重要なものは何か。 例: リクエスト成功率、レスポンスタイム サービスレベル目標: SLO (Service Level Objective) 目標値: SLIに対する内部的な目標 ユーザーの期待する信頼性のレベル (これを満たせばユーザーは満足するはずという値) 例: リクエスト成功率 > 99.9% エンジニア新卒研修2025 - SRE 17
18. 原則2: エラーバジェット (Error Budget) 許容できる信頼性低下の量 = ユーザーが気にしない程度のダウンタイムやエラー。 計算例: SLO 99.9% → エラーバジェット 0.1% (月間約43分) 目的: 100%完璧を目指すのは高コストで非現実的。 エラーバジェットは 信頼性と開発速度 (新機能リリース) のバランスを取る指標。 予算が残っていれば、新しい挑戦 (リリース等) がしやすい。 予算が少なければ、信頼性改善を優先 (新機能リリースを控える)。 エラーバジェットは「ペナルティ」ではなく「開発のためのリスク許容量」 エンジニア新卒研修2025 - SRE 18
19. 原則3: 自動化 (Automation) 手作業 (トイル) をコードに置き換えること。 トイル: 自動化可能で何度も実施する手作業、価値がスケールしない作業。 例: 月次の手動バックアップ、手動デプロイ、定型的な設定変更、手動テスト 自動化の目的: 信頼性向上: ヒューマンエラー削減、一貫性確保。 効率化: 作業時間短縮 → 開発者はより創造的な作業へ。 迅速化: CI/CDによる素早いリリース。 面倒な繰り返し作業は、自動化できないか常に考えよう！ エンジニア新卒研修2025 - SRE 19
20. 原則4: インシデント管理 (Incident Management) インシデント (サービス停止や劣化) に迅速に対応し、復旧させ、再発を防止するプロセス。 前提: 複雑なシステムではインシデントは必ず起きる。 手段: インシデント対応マニュアルの策定 インシデント後のふりかえり (ポストモーテム) 目的: 発生時の影響を最小限に (MTTR短縮)。 根本原因を理解し、学びを得て改善する。 エンジニア新卒研修2025 - SRE 20
21. ポストモーテム インシデント後に実施する振り返り分析。 目的: 学習と改善 (犯人探しではない！) 重要な文化: Blameless (非難しない) 個人ではなく、システムやプロセスの問題に焦点を当てる。 「なぜそのミスが起こり得る状況だったか？」を問う。 成果物: 具体的な再発防止策 (アクションアイテム)。 失敗は最大の学びの機会。オープンに議論できる文化が重要。 エンジニア新卒研修2025 - SRE 21
22. 3. 開発プロセスとSRE 信頼性は、開発ライフサイクルの全フェーズで考慮されるべき品質特性。 設計: SLO定義、耐障害性、モニタリング容易性、安全なデプロイ方法 実装: 適切なログ、エラーハンドリング、パフォーマンス、テスト容易性 テスト: 負荷テスト、カオスエンジニアリング、自動化 デプロイ: CI/CD、ロールバック計画、段階的リリース 運用: モニタリング、アラート対応、インシデント分析、改善 システムに「あとで信頼性を足す」のは難しい。最初から考えよう！ エンジニア新卒研修2025 - SRE 22
23. 4. SREを支える文化 技術やプロセスだけでは不十分。文化が成功の鍵。 心理的安全性 失敗を学びに変える文化 実験と改善の文化 データに基づく意思決定 エンジニア新卒研修2025 - SRE 23
24. 心理的安全性 チームメンバーが安心して発言・挑戦できる状態。 具体例: インシデント時に「私のミスかもしれません」と正直に言える コードレビューで「この実装は不安です」と指摘できる 新しい技術の導入を「試してみたい」と提案できる 自分の知識の不足を認め、 「教えてください」と言える 「おかしい」と言える、 「やってみよう」と言える環境が重要。 エンジニア新卒研修2025 - SRE 24
25. 失敗を学びに変える文化 失敗を非難せず、学びの機会と捉える。 具体例: インシデントやバグを「誰のせい」ではなく「なぜ起きたか」に焦点を当てる 「ヒューマンエラー」という言葉を使わない（システムやプロセスの問題として捉える） 失敗を隠さず、共有して学び合う 小さな失敗を早期に発見・共有し、大きな問題を防ぐ 失敗は学びの機会。個人ではなく、システムやプロセスの問題に焦点を当てる。 エンジニア新卒研修2025 - SRE 25
26. 実験と改善の文化 小さな失敗を恐れず、継続的に改善を試みる。 具体例: カナリアリリースやA/Bテストを積極的に行う 改善案を小さく試し、効果を測る 失敗から学び、次の改善に活かす 技術選定に「完璧」を求めず、実践を通じて学ぶ 定期的な振り返り（レトロスペクティブ）で改善点を見つける エラーバジェットがあると実験を試みやすい 完璧を目指すのではなく、小さな改善を積み重ねていく エンジニア新卒研修2025 - SRE 26
27. データに基づく意思決定 感情や直感ではなく、データに基づいて判断する。 具体例: パフォーマンス問題は「遅い」という感覚ではなく、メトリクスで判断 リリース判断はエラーバジェットの残量に基づく 技術選定は実証実験の結果に基づく 改善の効果は定量的に測定する 「なんとなく」ではなく、 「データで示せる」判断を心がけよう。 エンジニア新卒研修2025 - SRE 27
28. まとめ なぜSREが必要？ 開発速度と信頼性の両立のため。 データ(SLO等)とDevOpsで実現。 SREの基本原則は？ 4つの柱 モニタリング, エラーバジェット, 自動化, インシデント管理。 何を意識する？ ユーザー視点で信頼性を考える。データで判断し、全員で責任を持つ。開発全段階で意識し、 継続的に改善。 この講義で得た知識・視点を、これからの業務に活かしてみてください！ エンジニア新卒研修2025 - SRE 28