The digital safety production platform DPS is released

2022 年 11 月 5 日、杭州雲栖大会 2022 において、デジタル安全生産プラットフォーム DPS が発表され、従来の運用保守から SRE への変革を推進することが発表されました。

Alibaba シニアテクニカルエキスパート Zhou Yang

第 14 次 5 か年計画の下、あらゆる業界でデジタルトランスフォーメーションの加速と高度化が進んでいます。企業のデジタルビジネスの規模拡大、イテレーションの高速化、システムの複雑化に伴い、ビジネスの安定性をいかに確保するかがますます重要な課題となっています。典型的なシナリオと課題は以下の通りです。

シナリオ 1：分散システムが安定性確保において新たな課題に直面

近年、安定性への関心が高まり新技術が飛躍的に発展しているにもかかわらず、大規模障害は依然として頻発し、甚大な影響を及ぼしています。たとえば 2021 年、ある証券会社のデータセンターが 2 時間にわたり故障し、顧客が取引できず資産損失が発生しました。また、ある動画サイトがサーバー障害により 3 時間アクセス不能となり、世論の注目を集めました。技術の不適切な使用、人的操作ミス、ハードウェア故障、自然災害、セキュリティ攻撃が、依然としてプロダクションに大きなリスクをもたらしています。

シナリオ 2：政策の指針の下、IT システムの安定性構築が着実に推進

デジタルトランスフォーメーション政策の推進に伴い、人々の日常生活を大きく支えるアプリケーションが数多く生まれ、各企業も独自のクライアントをリリースしています。しかし、多くの企業はインターネット発展の長期的な経験を欠いており、オンラインリスクへの対応能力が不十分です。最短時間で安定した運用保守能力の蓄積を完了し、回り道を避けることが急務となっています。

シナリオ 3：従来の運用保守方式では要件を満たせない

従来の運用保守には、ツールの断片化、インフラ偏重でビジネス志向でない、受動的な運用、標準化されたプロセスメカニズムの欠如といった問題があります。企業は SRE（サイトリライアビリティエンジニアリング）および PlatformOps の革新的な概念に従い、ソフトウェアを通じてシステムの管理、問題の発見、問題の解決、および運用保守の自動化を実現すべきです。

現実において、高層ビルを建てるにしてもプロジェクトを運用するにしても、品質を確保すると同時に、安全事故を防止し人的被害を回避することがより重要です。そのためには、標準化された技術プロセス、技術基準、および受け入れ手法が必要です。ソフトウェア業界においても、オンラインビジネスの安定性を確保するために標準化された技術力と方法論が必要です。そこで、Alibaba Group は 2018 年から IT ソフトウェア分野における安全生産の構築に取り組んでいます。一方では高可用性アーキテクチャの基盤強化を図り、もう一方では SRE 変革のプロセスメカニズムを推進し、可用性、組織、ディザスタリカバリを目標とした安全生産方法論の体系を構築しました。

このために、デジタル安全生産プラットフォーム（DPS）が誕生しました。DPS は Alibaba の 10 年間の運用保守経験を結集した、PlatformOps を理念としビジネス継続性を目標とするワンストップ型の SRE 運用保守プラットフォームであり、シナリオ化、デジタル化、クラウドベースという 3 つの典型的な特徴を備えています。

・シナリオ化：DPS は緊急対応シナリオに焦点を当て、組織構造に起因する運用保守の制約を緩和します。同時に、包括的なモニタリングとアラームルールの設定により、ビジネスに関わる多様なシナリオに対応できます。

・デジタル化：DPS はデジタルモニタリング大画面、インテリジェントアラーム、インテリジェント障害特定、ホワイトスクリーン障害クイックリカバリ手段、デジタル計測、人員管理などの機能を提供し、企業のデジタル化プロセスを推進します。

・クラウドネイティブ：DPS は Alibaba Cloud の豊富なクラウドネイティブ製品を技術基盤とし、Alibaba の独自システムおよびオープンソースシステムとの連携にも十分なオープンプラットフォーム性を備えています。

Alibaba Group の数十年にわたるインターネット探求の集大成として、デジタル安全生産プラットフォーム（DPS）は、プラットフォームアーキテクチャと進化において以下の重要なポイントに注力しています。

・明確な目標とシナリオ：安全生産はグローバルプロジェクトであり、その能力はバレルの最短の板によって決まります。そのため、安全生産には明確な目標とシナリオの設定、およびメインフレームワークの整合性確保が必要です。

・組織構造の壁を越えた統合：安全生産は人とシステム、人とコードの問題だけでなく、人と人、人とシステム間の問題解決も求められます。そのため、安全生産には Alibaba および業界の優れた技術を一つのシステム内で統合・接続することが必要です。

・将来を見据えたアーキテクチャ：安全生産はコスト削減と損失軽減に重点を置いています。そのため、安全生産のアーキテクチャ設計には技術の周期性に対する一定の耐性が必要です。最新の技術スタックとの互換性を確保しつつ、将来を見据えた設計も考慮する必要があります。

デジタル安全生産 DPS は、「1-5-10」障害クイックリカバリと「変更管理の三板斧」障害防止という 2 つの典型的なビジネスシナリオに対応しています。

「1-5-10」障害クイックリカバリ

デジタル安全生産プラットフォームは、緊急イベントおよび障害の発見、対応、復旧のライフサイクル全体を管理します。「1-5-10」は「1 分発見 - 5 分対応 - 10 分復旧」に対応し、障害処理の適時性を定義する目標です。

・1 分発見：ビジネスアプリケーションを中心としたフルリンクモニタリング能力を構築し、ビジネスの健全性をリアルタイムで監視します。安定性の問題が発見された場合、即座に緊急サポートサービスチームにエスカレーションし、トラブルシューティングを実施することで、障害発生の可能性を低減します。

・5 分対応：緊急対応チャネルおよびフルリンク障害特定機能を構築し、対応担当者を迅速に連携させます。AIOps を活用したインテリジェント障害特定と ChatOps ベースのステータス通知フローにより、障害対応の効率を大幅に向上させます。

・10 分復旧：完全な障害復旧システムを構築し、内蔵された豊富なクイックリカバリ機能に基づき、障害タイプに応じて適切な復旧プランをインテリジェントに推奨することで、復旧時間の短縮を実現します。

「変更管理の三板斧」障害防止

デジタル安全生産プラットフォーム DPS は、オンライン障害の原因となりやすい変更作業を安定性制御システムに組み込み、変更作業の「可観測性、グレーリリース、ロールバック」を実現します。

変更管理の面では、包括的な変更管理システムをカバーし、システム変革のコストを大幅に削減します。変更制御の面では、時間や人員などの多次元に基づく変更制御ルールを提供し、潜在的なリスクを未然に防止します。変更可用性の面では、変更によって引き起こされた障害を自動検出し、変更のロールバックなどのインテリジェントなクイックリカバリ機能を提供することで、変更の可用性を確保します。