Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
Workflow automationによるインシデント原因調査の自動化
Search
ITO Shogo
October 16, 2024
Programming
2
400
Workflow automationによるインシデント原因調査の自動化
Datadog Summit Tokyo 2024 の基調講演で使用したスライドです。
ITO Shogo
October 16, 2024
Tweet
Share
More Decks by ITO Shogo
See All by ITO Shogo
Datadog Workflow Automation で圧倒的価値提供
showwin
1
740
好きなことを強みにしよう
showwin
1
530
DDD勉強会 ~戦略的設計 編~
showwin
0
280
LAPRAS CTOが考える 採用効率化Tips 5選
showwin
1
850
自作ISUCONのすすめ
showwin
1
150
Engineering Manager Discussion #1 - 自己紹介LT
showwin
1
590
採用要件を明確にしよう
showwin
0
140
スタートアップにおける技術的負債との向き合い方
showwin
0
930
アルゴリズムマネジメント
showwin
1
3.2k
Other Decks in Programming
See All in Programming
MySQL9でベクトルカラム登場!PHP×AWSでのAI/類似検索はこう変わる
suguruooki
1
280
Workers を定期実行する方法は一つじゃない
rokuosan
0
140
AIのメモリー
watany
12
1.2k
「次に何を学べばいいか分からない」あなたへ──若手エンジニアのための学習地図
panda_program
3
710
変化を楽しむエンジニアリング ~ いままでとこれから ~
murajun1978
0
670
バイブコーディング超えてバイブデプロイ〜CloudflareMCPで実現する、未来のアプリケーションデリバリー〜
azukiazusa1
3
780
Amazon Q CLI開発で学んだAIコーディングツールの使い方
licux
3
170
一人でAIプロダクトを作るならAIにはもっと働いてもらいたい / I want AI to work harder
rkaga
3
300
대규모 트래픽을 처리하는 프론트 개발자의 전략
maryang
0
110
Go製CLIツールをnpmで配布するには
syumai
2
1.1k
decksh - a little language for decks
ajstarks
4
21k
QA x AIエコシステム段階構築作戦
osu
0
240
Featured
See All Featured
Code Reviewing Like a Champion
maltzj
524
40k
Let's Do A Bunch of Simple Stuff to Make Websites Faster
chriscoyier
507
140k
ReactJS: Keep Simple. Everything can be a component!
pedronauck
667
120k
No one is an island. Learnings from fostering a developers community.
thoeni
21
3.4k
BBQ
matthewcrist
89
9.8k
Fantastic passwords and where to find them - at NoRuKo
philnash
51
3.4k
Embracing the Ebb and Flow
colly
86
4.8k
Connecting the Dots Between Site Speed, User Experience & Your Business [WebExpo 2025]
tammyeverts
8
420
Typedesign – Prime Four
hannesfritz
42
2.7k
Learning to Love Humans: Emotional Interface Design
aarron
273
40k
Optimising Largest Contentful Paint
csswizardry
37
3.4k
Design and Strategy: How to Deal with People Who Don’t "Get" Design
morganepeng
130
19k
Transcript
Workflow Automation によるインシデント原 因調査 自動化 伊藤 勝梧 16 October 2024
komoju.com
伊藤 勝梧 showwin Staff SRE @ DEGICA, 2023.9 ~
KOMOJU by DEGICA 決済代行システム
多様な 決済方法を 提供
海外 決済手段も 対応
導入実績 10000社以上
KOMOJU by DEGICA 名前を聞いたことない …です…よ ??
10% 日本人 エンジニア 5名 日本在住 海外出身エンジニア 90%
KOMOJU 立ち位置 ユーザ 加盟店 Gateways (決済システム/アクワイアラ)
インシデント 早く復旧 させたい Generated by DALL·E 3
課題: インシデント復旧時間 改善 戦略: Runbook 作成とそ 自動化 実装: Workflow Automationによる自動化
結果: アラート 調査時間 短縮
課題: インシデント復旧時間 改善 戦略: Runbook 作成とそ 自動化 実装: Workflow Automationによる自動化
結果: アラート 調査時間 短縮
障害検知 原因特定 修正 インシデント復旧 まで プロセス 障害発生 障害回復
障害検知 原因特定 修正 迅速に障害検知できることが最重要 障害発生 障害回復
障害検知 原因特定 修正 インシデント復旧 まで プロセス 障害発生 障害回復
障害検知 原因特定 修正 問題 原因が特定 できれ 解決 容易 障害発生 障害回復
想像してください 入社して半年経過 今日から初 オンコールシフト アラート来ないで…🙏 Generated by DALL·E 3
Lorem Ipsum is simply
Lorem Ipsum is simply
Lorem Ipsum is simply
原因調査に 手間取る LB ログを確認 次 …? APMでエラー トレースを確認 手がかり なさに焦る
直近 デプロイ 有無を確認
ふたを 開けてみると Generated by DALL·E 3
5xx Expired 偽陽性アラート: 誤ったカード情報 によりエラー数増加 Error ユーザ 加盟店 Gateways (決済システム/アクワイアラ)
課題: インシデント復旧時間 改善 戦略: Runbook 作成とそ 自動化 実装: Workflow Automationによる自動化
結果: アラート 調査時間 短縮
Runbook One monitor, one runbook
手探り Runbook 障害検知 原因特定 修正 30~60分 5~10分 復旧時間改善 例 障害回復
手探り Runbook 障害検知 原因特定 修正 30~60分 5~10分 復旧時間改善 例 障害回復
Runbook自動化
課題: インシデント復旧時間 改善 戦略: Runbook 作成とそ 自動化 実装: Workflow Automationによる自動化
結果: アラート 調査時間 短縮
Workflow Automation 2023年6月にリリース Step by step でワークフローを定義 Datadog Monitor などを契機に実行
アラート 偽 陽性確認を 自動化 してみる
アラートを契機に Workflowが実行される
APM Spanを参照して HTTP Status > 399 が 発生している エンドポイント 一覧
を列挙
支払い 認証に関するエンド ポイント みでエラー発生? 違う場合 エラー発生箇所を Slackに投稿して終了
Span カスタムタグから 決済手段がクレジットカードか判 断 違う場合 問題 Gatewayを Slackに投稿して終了
アプリケーションDBから同期さ れるデータを参照して、 ユーザ カード情報に起因する エラーか判断 Yes 場合 偽陽性アラートだと Slackに投下 No
場合 要調査とSlack に投下
Tips Generated by DALL·E 3
Workflowから データ参照 パターン
Datadog内 データ参照 原則こ 方法がオススメ DD Agentなどからメトリクス/ログ 取り込み Search Queryで記述 ログ
料金 み注意
Datadog内 データ参照 原則こ 方法がオススメ DD Agentなどからメトリクス/ログ 取り込み Search Queryで記述 ログ
料金 み注意
アプリケーション DBから データ取り込み Redash Puller WebApp DB Kumonga (DD Agent)
OpenMetrics OpenMetrics Job Queue
Datadog内 データ参照 原則こ 方法がオススメ DD Agentなどからメトリクス/ログ 取り込み Search Queryで記述 ログ
料金 み注意
外部サービス から データ取得 連携サービス以外から データ取得が困難 Datadog内にデータを保存しない で無料
外部サービス から データ取得 連携サービス以外から データ取得が困難 Datadog内にデータを保存しない で無料
認証方法: Basic認証, JWT, mTLS データ 整形が必要 認証&整形 Proxy サービス 作成を推奨
非連携サービス から データ取得
外部サービス から データ取得 連携サービス以外から データ取得が困難 Datadog内にデータを保存しない で無料
外部サービス から データ取得 連携サービス以外から データ取得が困難 Datadog内にデータを保存しない で無料
課題: インシデント復旧時間 改善 戦略: Runbook 作成とそ 自動化 実装: Workflow Automationによる自動化
結果: アラート 調査時間 短縮
Runbook Runbook自動化 27秒 3分30秒 🎉
Runbook Runbook自動化 27秒 3分30秒 🎉?
まず 障害を迅速に検知できるように Focus on detection 監視モニターに 必ずRunbookを用意 One monitor, one
runbook 必要に応じてRunbookを自動化 Automate runbook 明日からできること
We are Hiring! Senior Backend Engineer with native-level Japanese skill