本文へスキップ
BigTree108

サイトリライアビリティエンジニアリングサービス

サイトリライアビリティエンジニアリング（SRE）サービス：稼働し続けることが求められるシステム向けに、サービスレベル目標とエラーバジェット、OpenTelemetryによるオブザーバビリティ、オンコールとインシデント管理、負荷テストとキャパシティプランニング、ディザスタリカバリとカオスエンジニアリング、繰り返しの運用作業の自動化を提供します。御社チームに加わる専任のサイトリライアビリティエンジニアとしても、SREプロジェクトを企画から納品まで一貫して請け負う形でも承ります。

提供するSREサービス

  • コードから顧客までのオブザーバビリティ

    サービスをOpenTelemetryで計装し、メトリクス、ログ、トレースをGrafana配下のPrometheus、Loki、Tempo、またはDatadog、New Relic、Dynatrace、Elasticに集約して、トレースIDで結びつけます。これにより、遅い1つのリクエストが通過したすべてのサービスをたどれます。

  • サービスレベル目標とエラーバジェット

    レイテンシや失敗リクエストなど、ユーザーが体験する指標を測定し、目標をプロダクトオーナーと合意し、SlothまたはPyrraでバーンレートのアラートを生成します。エラーバジェットを使い切ったときは、信頼性の作業が新機能より優先されます。

  • オンコールのローテーションとアラート

    PagerDuty、incident.io、Grafana IRM、Jira Service Managementでローテーションとエスカレーションポリシーを設定し、1件ごとに人の対応が必要になるまでアラートを絞り込み、すべての通知からランブックにリンクします。Opsgenieのスケジュールは、Atlassianによる2027年4月のサービス終了前に移行します。

  • インシデント管理とポストモーテム

    重大度レベル、インシデントリード、ステータスページの更新頻度を最初の障害の前に合意し、インシデントごとに専用のSlackまたはTeamsチャネルで対応し、ブレームレスなポストモーテムのアクションは完了まで追跡します。

  • トイルの自動化と本番稼働準備

    繰り返しの運用作業を測定したうえで自動化します。証明書の更新、再起動、フェイルオーバー、クリーンアップをスクリプトとKubernetesオペレーターが処理し、新しいサービスが本番トラフィックを受ける前に、準備状況をレビューします。

  • 負荷・パフォーマンステスト

    本番に近い環境とパイプラインで、k6、Gatling、Locust、JMeterによる負荷テスト、ストレステスト、ソークテストを行い、テストが目標に届かないときは、プロファイリングで時間の行き先を突き止めます。

  • キャパシティプランニングとオートスケーリング

    実際のトラフィックから成長を予測し、KEDAによるキューの深さやリクエスト数/秒など、意味のあるシグナルでオートスケールし、セールスのピークやゾーン全体の喪失に備えた余裕を保ちます。

  • ディザスタリカバリ訓練

    復旧時間目標と復旧時点目標をサービスごとに設定し、バックアップのリストアとリージョンのフェイルオーバーを定期的に実施して、測定結果を目標と比較します。復旧計画が機能することを、必要になる前に確認できます。

  • カオスエンジニアリング

    AWS Fault Injection Service、Azure Chaos Studio、Chaos Mesh、LitmusChaosで意図的に障害を注入します。インスタンスの停止、依存先の遅延、ゾーンの切断などをステージングから始め、システムとチームの準備が整ったら本番に進めます。

サイトリライアビリティエンジニアを採用する

  • 専任のサイトリライアビリティエンジニア

    御社のチームにフルタイムで参画し、御社のツールとプロセスの中で働き、御社のリードに報告するサイトリライアビリティエンジニアです。面接は御社が行い、ウクライナでの雇用契約、給与支払い、請求書発行、休暇管理は当社が担います。

  • サイトリライアビリティエンジニアリングプロジェクト

    スコープと固定の計画が定まったサイトリライアビリティエンジニアリングの一区切りの業務です。当社側の担当リードが成果に責任を持ち、進捗は御社のチャネルで報告します。

  • 継続的なサイトリライアビリティエンジニアリング

    サイトリライアビリティエンジニアリングを継続サービスとして提供します。毎月同じメンバーが担当し、優先順位は御社がバックログで決め、稼働時間は当社のポータルと請求書で確認できます。

スペシャリストが御社のチームに参画する方法は専任チームのページで、プロジェクトのデリバリー、引き継ぎ、料金の考え方はアウトソーシングのページで説明しています。

御社のサイトリライアビリティエンジニアリングを担当するメンバー

  • サイトリライアビリティエンジニア

    サービスレベル、オンコール、インシデント、自動化

  • オブザーバビリティエンジニア

    計装、ダッシュボード、アラートルール

  • DevOps・プラットフォームエンジニア

    パイプライン、Infrastructure as Code、Kubernetes

  • パフォーマンスエンジニア

    負荷テスト、プロファイリング、キャパシティモデル

  • バックエンド開発者

    コードまでさかのぼって対処する障害の修正

SREの進め方

信頼性は、アラートの数ではなく合意で決まります。各サービスにプロダクトオーナーが承認した目標があり、アラートはCPUのスパイクごとではなくエラーバジェットが燃焼したときに鳴り、バジェットが尽きたら、回復するまで信頼性の作業が新機能に先行します。ダッシュボード、アラートルール、ランブックはコードの隣のGitに置き、プルリクエストで変更します。

他のチームが構築したシステムでは、モニタリング、アラート、過去のインシデント、復旧計画を読み取り専用でレビューするところから始め、影響の大きい順のリスク一覧を文書でお渡しします。オンコールは、対応時間、重大度ごとの応答時間、御社チームへのエスカレーション経路を文書で合意してから開始します。インシデントのたびに、ブレームレスな振り返りを行い、アクションは完了まで追跡します。

その他のクラウド・DevOps・セキュリティサービス

クラウド、DevOps、セキュリティの概要

サイトリライアビリティエンジニアリングに関するご質問

サイトリライアビリティエンジニアは、どの業界で仕事をしていますか。

主にフィンテックと銀行です。決済・取引システムには厳格な稼働率と、DORAなどのレジリエンス規則が課されます。そのほか、顧客が稼働に依存しているクラウド、ホスティング、通信事業者、セールスのピークに合わせてキャパシティを計画するEC・小売、契約で稼働率を約束しているエンタープライズSaaS製品、ヘルスケアのプラットフォーム、GPUワークロードとパイプラインを動かし続ける必要があるAI・データ製品、セキュリティ企業です。

SREとDevOpsの違いは何ですか。

DevOpsは、コードが本番に届くまでを扱います。パイプライン、Infrastructure as Code、リリースです。SREは、本番に届いた後の振る舞いを扱います。可用性とレイテンシの目標、それを測定するモニタリング、オンコール、インシデント対応、繰り返す障害をなくすエンジニアリングです。多くのチームは両方を必要とし、当社はどちらか一方でも両方でも人員を提供します。

どのオブザーバビリティツールを扱いますか。

計装にはOpenTelemetry。Prometheus、Grafana、Loki、Tempo、Mimir（セルフホストまたはGrafana Cloud）。Datadog、New Relic、Dynatrace、Elastic、Splunk。Azure Monitor、Amazon CloudWatch、Google Cloud Observability。オンコールにはPagerDuty、incident.io、Grafana IRMです。すでに御社が費用を払っているツールで作業します。

サイトリライアビリティエンジニアは、どのくらいで開始できますか。

適任のサイトリライアビリティエンジニアがすぐに対応可能な場合、開始までの条件は、御社の面接と、NDAおよび知的財産権の譲渡契約の締結のみです。そうでない場合は人材を探索し、通常は2〜3週間以内に候補者のプロフィールをお出しします。御社が承諾するまで、誰も業務を始めません。

BigTree108を通じてサイトリライアビリティエンジニアを採用するには、どうすればよいですか。

必要な業務内容、シニアリティ、稼働時間をお知らせください。1〜2名の候補者をプロフィールとともにご提案し、御社が自社で採用する場合と同じ形で面接を行います。契約はBIG TREE 108 LLCとの1本、請求書は月1通です。

成果物の権利は、誰に帰属しますか。

御社です。すべてのスペシャリストはBigTree108と署名済みの契約を結び、成果物のすべてを会社に帰属させています。さらに、御社との契約により、その権利は御社に引き継がれます。コード、デザイン、ドキュメントは、当社だけが変更できる場所ではなく、御社のリポジトリとツールに納品します。

サイトリライアビリティエンジニアをお探しですか。

本番で動いているもの、モニタリングの方法、最近起きた障害をお知らせください。1営業日以内に、計画、候補者のプロフィール、または信頼性レビューの範囲案をお届けします。

hello@bigtree108.comにメールする対応の流れ