安定稼働と信頼：止めない努力から、壊れても守る能力へ

安定稼働は『サーバーが起動中』ではない

利用者へ約束した重要業務が、正しいデータで許容時間内に提供されているかを測ります。component healthではなくend-to-end outcomeを中心にします。

可用性からオペレーショナル・レジリエンスへ

可用性はserviceを利用できる時間や成功率を表す重要な指標です。オペレーショナル・レジリエンスはさらに広く、system障害、cyber攻撃、災害、感染症、third party停止などが起きても重要業務を許容範囲で継続・復旧する能力を扱います。

すべての機能を同じ水準で守るのではなく、顧客・市場・金融systemへの影響から重要業務と耐性度を決めます。

1. 01重要業務を特定
2. 02中断が許される時間・件数・金額・data lossを定義
3. 03人・process・technology・third partyの依存をmap
4. 04極端だが起こり得るscenarioでtest
5. 05差異を改善し、経営へ報告
6. 06incidentから学び耐性度と計画を更新

信頼性を測る代表的な指標

安定稼働を作る8つの能力

• Architecture：single point of failureとblast radiusを減らす
• Capacity：peak、burst、依存先制限、backpressureを管理
• Change：小さなrelease、feature flag、canary、rollback
• Observability：metric、log、trace、業務event、reconciliation
• Incident：検知、指揮、連絡、止血、証拠保存、復旧
• Continuity：代替手段、DR、backup、復元・切替訓練
• Third party：due diligence、SLA、監視、exit plan、集中risk
• Learning：blameless reviewをconstraint・test・runbookへ反映

Minibankで安定稼働を考える

Minibankはtransaction、idempotency、lock、Audit、Reconciliationにより1件の金融処理の正しさを学べます。health endpointだけでなく、振込成功率、OTP失敗、RPC遅延、lock待ち、Ledger差異を観測する必要があります。

正式なSLO、on-call、capacity test、DR、third-party exitは実装済みと確認できません。教材では『あるべき姿』と『現在ある証拠』を区別します。