タグ: SRE
「SRE」に関連する記事を表示しています。
Open WebUI + OllamaをVPSで自前運用する際の可用性の落とし穴
Open WebUIとOllamaをVPSで自前運用する構成に潜む単一障害点・メモリ枯渇・監視不在のリスクと、その確認方法・対策手順を整理しました。
Terraformのtfstate事故はなぜ起きるか 確認手順と対策
Terraformのtfstate管理でありがちな事故の原因を分解し、確認コマンドと具体的な対策手順を整理しました。
EC2のスケーリング、水平か垂直か判断する4つの軸
EC2の負荷対応で水平スケーリング(Auto Scaling)と垂直スケーリング(インスタンスタイプ変更)のどちらを選ぶべきか、4つの判断軸で整理しました。
Gemini 3.7 Flash登場、コード生成基盤モデルの切替判断基準
Gemini 3.7 Flashのコスト半減・精度向上を題材に、本番運用中のモデル切替を監視・障害対応・コストの観点でどう判断するか整理しました。
IRIS運用でAIコード支援が使えない問題、MCPサーバー導入は必要か
IRISをisfs://で運用する現場でAIコード支援が効かない原因と、MCPサーバー導入を検討すべき判断基準を整理しました。
RingCentralのChatGPT/Codex活用に学ぶ運用インテリジェンス基盤設計
RingCentralのChatGPT Work・Codex活用事例から、SREが確認すべきCI/CD・IaC・SLO監視の実践ポイントを整理しました。
AI障害復旧ツール導入の落とし穴、監視設計を後回しにすると起きる3つの問題
AI駆動の障害復旧ツールを監視基盤に組み込む前に確認すべき、アラート二重化・権限設計・根本原因分析の落とし穴を解説します。
MCPサーバーに認証がない問題、Prometheus連携で何が起きるか
MCPには認証・認可・監査ログの仕組みがなく、Prometheus等の監視基盤連携で情報漏洩や追跡不能な障害を招きかねません。確認方法と対策手順を整理しました。
RedisをMySQLに置き換えたShopify事例に学ぶ在庫予約設計の落とし穴
ShopifyがRedisをMySQLに置き換えて在庫予約をスケールさせた事例から、状態管理をどこに置くべきかの判断基準と移行手順を整理しました。
git pull本番運用の落とし穴、デプロイ鍵削除で13分の復旧が数時間に
cronでgit pull本番デプロイしていませんか。デプロイ鍵の削除が招いた503障害の原因分解と、IaC・CI/CD移行での対策を整理しました。
AWS運用のフィードバックループをSREのポストモーテムに変換する方法
AWSコミュニティのフィードバック文化を手がかりに、SREのポストモーテムやSLOレビューを機能させる仕組みを整理しました。
アンビエントAIスキャイブ導入で起きる同意記録の落とし穴と監視設計
アンビエントAIスキャイブが同意記録まで自動捏造した事例から、クラウドAPI連携の監視盲点と対策手順を整理しました。