『SREの知識地図』の著者を招いてお送りするSREの旅 Road2を開催しました

どうもどうも my-ztです。

先日、『SREの知識地図 - SREの旅 Road2』のオンラインイベントを開催しました。

今回のオンラインイベントでは、SREの知識地図第2章著者である @chaspy_さんをゲストにお招きし、信頼性の定義（SLI/SLO）についてパネルディスカッションを行いました。

本ブログでは、そのオンラインイベントの一部（ほんの一部）を簡単にご紹介します！！

近藤さんが担当された第2章は、SLA/SLO/SLIといった用語の定義から、エラーバジェットの活用、導入プロセスまでを網羅しています。

イベント冒頭、近藤さんはSLOの重要性について 「信頼性と機能開発のバランスにおけるジレンマを解消する指針」 ということを話していました。

かつてのSREの文脈では「エラーバジェットが尽きたら開発ストップ」という厳格なルールが注目されがちでしたが、現在では「状況に応じた行動を選択するための判断材料」として扱うモダンな考え方が主流になっており、本章にもその思想が反映されています。

パネルディスカッションでは、近藤さんが実際にSLOを導入した際のエピソードが語られました。導入のきっかけは、局所的なエラー発生時に明確な判断基準がなく、現場が都度対応し疲弊していたことだったそうです。

「どこを目指せばいいかわからない」という不安を取り除くためにSLOが必要だったとも話しており、当時の導入プロセスにおける学びとして、以下のポイントが共有されました。

パイロットチームでの成功体験
- いきなり全体に導入するのではなく、小さなチームで先行導入し、成功事例を作ってから広げたことが有効だった。
認知負荷を下げる：
- エンジニアが自然にSLOを意識できるよう、「ダッシュボードで見られる」という可視化を徹底し、アクセスのハードルを極限まで下げた。

また、「今、当時に戻れるならどうするか？」という質問に対し、近藤さんが「組織が大きくなると合意形成が難しくなるため、もう少しトップダウンで進めても良かったかもしれない」と振り返っていたのが印象的でした。