障害対応の属人化を防ぐ――freeeのSREが実践する情報共有術

Webサービスで起きる障害の原因は、Webサーバやデータベース、キャッシュの設定ミス、ハードウェアの故障など多岐にわたるため、障害のリスクをゼロにしながらサービスを提供することは現実的には難しい。一方で、障害が起きた場合、社会的信頼の損失など悪影響は避けられない。 では、できるかぎり障害をゼロに近づけるためにどうすればいいのか。2020年1月に開かれた「SRE NEXT 2020 TOKYO」に登壇したfreeeでSRE プレイングマネージャー 坂井 学氏の講演内容を要約してお伝えする。 SaaSを提供するなら「障害ゼロ」にはできない 坂井氏は冒頭、講演のゴールを「障害解消に向けた取り組み（障害対応）に課題を感じている人が、改善のための第一歩を踏み出そうと思えるようになること」と説明。SRE（Site Reliability Engineer）として障害に対応した経験を「赤裸々に話すが、ま