実践的運用設計チェックリスト

operation_design_checklist.txt

「運用とはそもそも何をする仕事なのかをきちんと理解して、日々業務を行えるようにする」という目的を掲げまして、
チーム内で勉強会をしたことがありました。

そのときに作ったチェックリストです。使えそうなら適当に加工してみてください。

・運用は何のためにするのか意識は合っているか
　- サービスを継続するための取り組み
　　-- 機能の修正・改善
　　-- バグの修正
　　-- 性能の改善
　　-- OS/ミドルウェアやアプリケーションのバージョンアップ

・開発から運用の流れ
　- 要求の取りまとめ
　　-- サービス側から (新機能、外部サービスとの連携)
　　-- 開発側から (保守性の向上、新しいミドルウェアへの対応)
　　-- 運用側から (障害頻度の軽減、性能向上、可視化)
　- 開発項目の確定と優先度付け
　- リリース時期を確定
　- 開発、テスト
　- リリース

・システムの運用は何から始めるか (開発から引き渡された後)
　- サービスの把握
　- 構成の把握 (ハードウェア(仮想)、OS、ミドルウェア、サービス、アプリケーション)
　- 通信の把握 (ネットワークセグメント、IPアドレス、プロトコル、データ)
　- リソースの把握 (CPU、メモリ、ディスク、プロセス、ネットワーク)
　- 冗長性の把握 (想定する障害や高負荷、対策)
　- アクセス制御や権限の把握 (ユーザ、グループ、秘密鍵/公開鍵証明書、ドメイン名、期限)
　- ユーザ管理 (追加、削除)
　- 外部接続 (他サービス、アクセスキー、期限)
　- ログ (アクセスログ、エラーログ、アプリケーションログ、ローテーション、保持期間)
　- ベンダー情報 (サポートサイト、連絡窓口、ライセンス)
　- 構成管理 (上記全て)

・環境
　- 商用環境
　- ステージング環境
　- 開発環境
　- 環境差分の把握
　- リリース手順
　　-- リリース対象を確定
　　-- ステージング環境への配置、テスト
　　-- 不具合の修正、再配置、テスト
　　-- 商用環境への反映

・監視
　- 何の情報を取得するために監視するか
　- 障害が発生したときに何をするか
　- 監視設定は何を契機として見直すか

・ログ
　- ログの種類
　　-- OSのログ
　　-- サービスのログ
　　-- ミドルウェアのログ
　- ログレベル (緊急度、詳細度)
　- 分析
　　-- 入力、出力
　　-- 処理の前後関係
　　-- 頻度
　　-- エラーコード
　　-- キーワードでの絞り込み
　　-- 統計的解析

・DB
　- バックアップ、リストア/リカバリ
　- パフォーマンスチューニング
　- リソース監視
　- 権限管理 (ユーザ、パスワード、権限付与、権限剥奪)
　- アクセス制御 (DB、スキーマ、表)
　- 初期化パラメータ
　- ログ

・ベンダー情報の追跡
　- バージョンアップ情報 (新機能、削除された機能、互換性)
　- 製品のロードマップ (チケットシステム、公開されたバグ情報、ソースコードの履歴管理情報)
　- 組織としての安定性 (買収、解散、放置)

・システムの更新
　- サービスへの影響を把握 (停止、縮退、想定時間)
　- 更新対象を把握 (サーバ、ネットワーク、設定、データ)
　- 作業に影響する監視の抑止
　- 更新作業を実施
　- 監視の再開
　- 構成管理への反映

・インシデント管理 (障害からの回復、サービス要求への対応)
　- 既知の障害かどうかの判断
　- 脆弱性の分析と対策
　- ベンダーへの問い合わせ
　- 対応履歴の管理
　- データの受け渡しと消去

・レポート
　- サービスからの要求
　　-- バッチで作成して提供
　　-- 要求を受けて随時作成して提供
　- 運用レポート
　　-- サービスの利用状況
　　-- リソースの利用状況
　　-- インシデントの発生状況
　　-- 稼働率
　　-- ログ解析
　　-- 状況の把握から
　　　--- 運用コストの見直し
　　　--- 設備投資の見直し
　　　--- 開発項目の優先度の変更

・以上を踏まえて、普段何をするか (運用メンバーの1日)
　- 日次
　- 週次
　- 月次

アカウント管理