こんにちは。グロトムの堀口夏希です。
今回から、インフラの運用・保守に関心がある方に向けて、現場の仕事を技術の視点から考えるコラムをお届けします。
最初のテーマは、アラートを受けた後の「原因調査」です。ここで紹介するのは考え方の一例で、特定の社員の体験談や、顧客案件の障害記録ではありません。
「何のアラートか」と「何が起きているか」を分ける
たとえば、サーバーのCPU使用率が高いという通知が届いたとします。
その通知は調査の入口です。利用者への影響が出ているのか、いつから上がっているのか、一時的な変動か継続しているのか。最初に、通知内容と実際の状態を照らし合わせます。
監視の数値だけで原因を決めず、対象システムの役割、発生時刻、影響範囲を整理する。調査の出発点をそろえると、関係者への共有もしやすくなります。
同じ時間帯の情報をつなぐ
次に確認したいのは、同じ時間帯に起きていたことです。
- どのプロセスがリソースを使っていたか
- OSやアプリケーションのログに変化はあるか
- ジョブの実行、アクセスの増加、直前の設定変更はあったか
- 通常時と比べて、どこが違うか
必要な情報は環境によって変わります。時刻やタイムゾーンを合わせ、事実と推測を分けながら記録します。
「メモリ不足が原因だと思う」だけで終わらせず、「何時から、どの値が、通常とどう違ったか」を示せると、次の確認につながります。
仮説は、確認する順番まで考える
原因の候補が出てきたら、何を見ればその仮説を確かめられるかを考えます。
まずはログや監視情報など、システムの状態を変えずに確認できる情報から調べる。設定変更や再起動が必要な場合は、現場の手順に従って、影響、承認、切り戻しの方法を確認して進めます。
影響が大きい、判断に迷う、権限や担当範囲を超える。そうした場面では、手元の情報を整理して早めに相談することも、運用SEの大切な仕事です。
調査の途中でも、共有できることがある
原因が確定していなくても、共有はできます。
「確認できた事実」「まだ分からないこと」「現在調べていること」「次に報告する目安」を短く伝えるだけでも、チームが動きやすくなります。
復旧後には、原因と対応だけでなく、調査で役立った情報や見落としやすかった点を残しておきたいところです。その記録が、次回の切り分けや手順の改善につながります。
グロトムで活かせる運用・保守の経験
現在のインフラ募集の参画候補には、LinuxやWebプロダクトの運用・保守があります。障害対応、脆弱性情報の調査、設定変更、手順書の整備など、監視結果を受けた先の仕事を担うポジションです。
Linuxの運用・保守経験2年以上を基本とし、参画候補によっては5年程度の経験やWebシステムの運用経験を想定しています。勤務形態や当番対応などは、候補となる案件ごとに確認してご案内します。
「調査の範囲を広げたい」「設定変更や改善にも経験を活かしたい」。そんな方は、これまで扱ってきた製品や、担当した業務について聞かせてください。