『入門 監視』

保守・運用に関わる人へ。オライリーの『入門 監視』を薦める。「何を監視すべきか」の本質を、現場の言葉で教えてくれる。

読みやすさ

オライリーというと「良いけど難しい」「読み切れない」という印象があると思う。私もそうだった。ところがこの本は驚くほど読みやすく、現場経験があるほど「確かにそうだよな」と刺さる。

現場の核心

CPU が 100% で何が悪い? サービスが正常なら問題ない。 メトリクスは原因調査のため詳細に取るが、監視の対象は別 ― サーバーではなく、サービスが生きているかを見る。

サービス目線で見る

• CPU 100% でもレスポンスが返り、利用者が困っていなければ障害ではない
• ヘルスチェックは「サーバー起動」ではなく「DB まで引いて正しく返せる」で見る

運用を回す

• アラートは本当に必要なものだけ ― 毎日鳴ると、人は見なくなる
• オンコールはローテーション ― ファーストコールが一人だと疲弊する

「CPU が 100% だから障害」から一歩進んで、「利用者にとってサービスは正常か?」でシステムを見る。ここで書いた 3.4.1 観測環境 の Observe を、"何に向けるか"がはっきりする本だった。