テーマ別の解説テーマ:監査と障害からの復旧設計
AWSの復旧訓練を設計する|合格・中止・再検証の条件
復旧手順の完走だけを訓練の合格にしません。 対象、停止条件、観測者、業務の合否を先に決め、未確認を次回につなげます。
本番から隔離した復旧訓練の範囲と合格条件を作り、復旧時間・データ・安全を判定できる。
机上の架空訓練で設計を学びます。実サービスや本番データに障害を与えません。
測る項目と中断を決めてから始める
ゲームデイでは現実の担当者や手順に近い形で障害への対応を練習し、業務の目標と事後の改善を確かめます。例では合成データと隔離環境を使います。
- 準備 → 模擬障害対象と役割を確定
- 模擬障害 → 判定時刻とログを採取
- 判定 → 再検証未達を次へ渡す
- 準備
- 対象と中止条件を合意
- 模擬障害
- 観測者が時刻を付ける
- 判定
- 機能・時間・データを照合
- 再検証
- 担当と再計測条件を残す
時間内に戻っても合格にならない記録
| 項目 | 実測 | 判定 |
|---|---|---|
| 隔離と中断の確認 | 訓練外送信なし、中断役合意 | 継続可能 |
| 業務再開まで | 18分 | 時間は合格 |
| 確定済み注文照合 | 20件中19件一致 | データは不合格 |
| 高負荷時の切替 | 今回の対象外 | 未確認 |
復旧訓練で業務の目標を測ります。例の成功条件はすべて満たす必要があるため、18分で再開できてもデータの不一致が残るなら全体は不合格です。
結果を次の手順に反映する
中止の権限を決める。 訓練対象外の通信、実データの混入、観測不能の発生を誰が中止と判断するか決めます。中断時刻と安全な撤収も記録します。
未確認を分ける。 試した構成、操作量、データ、観測時刻を残し、負荷や依存を変えたときに前の合格を無条件で引き継ぎません。
改善後の再計測。 欠けた1件を検出できる条件を追加し、同じ合成データで20件の照合と再開時間を再計測します。
図と表で判断する
選択すると、正誤と理由が表示されます。
確認して、自分の言葉で説明する
- 合格条件と中止権限を決める。
- 観測者が結果と時刻を保存する。
- 未達の修正と再計測条件を決める。
理解を確かめる: 手順を全部実行できたことは、何を証明しますか?
実行できたことを示します。業務の合格には別に時間とデータの測定が必要です。
操作の完走と達成の証拠を分けます。
出典と確認した条件
説明に用いた公式資料を、確認した内容・条件と本文の参照箇所に分けてまとめています。専門家による監修・実際のAWSとの比較検証は行っていません。
確認した内容・条件練習の範囲、参加者、影響の監視、事後改善。
参照した本文測る項目と中断を決めてから始める 結果を次の手順に反映する
確認した内容・条件復旧手段を試し、業務の復旧目標を検証する。