失敗を学びに変える「障害報告書」の書き方 ─ RettyのCTOがGoogleで学んだ「問題を隠さない文化」 - エンジニアHub｜若手Webエンジニアのキャリアを考える！

2018/05/25 1625 users Retty ＣＴＯ エンジニアHub Tweet エンジニア

2018 - 05 - 25 失敗を学びに変える「障害報告書」の書き方 ─ RettyのCTOがGoogleで学んだ「問題を隠さない文化」 人間は失敗するものです。エンジニアもまたしかり。Retty株式会社の樽石CTOが考える、失敗を学びに変える考え方とノウハウを紹介します。 障害報告 Tweet はじめまして。Retty株式会社でCTOを務める樽石将人 （ @taru0216 ） です。Rett... 続きを読む

test - エンジニアなら知っておきたい障害報告&再発防止策の考え方 - Qiita [キータ]

2014/01/18 791 users パク テキスト ミス 資産 障害

システムには障害がつきものです。どんなにしっかりと作られたサービスであっても思わぬところで、バグやミスが発覚して、トラブルになるものです。大事なのはこういった障害を次への糧にしていくこと。失敗というのは大事な資産なので、管理できるようにしましょうという話。 障害の種類と障害報告について 障害には、小さなもの、たとえば画面に表示されているテキストの乱れから、すべての画面で50xエラーが発生しているも... 続きを読む

Fusion-IO ioDriveの障害例と調査方法 | 外道父の匠

2012/10/01 83 users Fusion-io ioDrive ioDrive 外道父

インフラエンジニアに永遠につきまとう、月曜出社直後の障害報告と調査依頼。 今回はioDrive搭載サーバのMySQLが急に落ちましたということで、調査してみました。 これまで、ioDriveは不滅です。的なことばかり書いていましたが、まぁいつかは何か起きますよね・・・ってことで、ホクホクしながらioDriveのネガキャン、ではなく、こんな障害例がありましたよ、こんな感じで調べましたよという紹介をし... 続きを読む

社内のバックアップ座談会に参加してきた - HsbtDiary(2012-06-25)

2012/06/25 53 users HsbtDiary ファーストサーバー 思考実験 ベース 社内

社内のバックアップ座談会に参加してきた ファーストサーバーの障害報告をお題にどうすべきだったのか、組織ごとに思考実験してみると中々良いのでは 2012-06-25 08:58:58 +0900 via atig.rb hsbt SHIBATA Hiroshi 弊社もホスティングサービスをやっていることから、今日出てきた中間報告書 をベースにして社内で問題と原因を考えたり、非技術部門と情報共有をする... 続きを読む

Amazonクラウド先週のシステム障害、原因は電源トラブル。二重三重の防護策が次々と倒れる － Publickey

2012/06/21 275 users Heroku Publickey Pinterest 防護策

先週6月14日に発生したAmazon Web Servicesの米国東部リージョンでのシステム障害は、HerokuやPinterestなど大手のサービスにも影響を与えたようです。その障害報告が、Service Health Dashboardで公開されています（現在はRSS内の記述として読めます）。 障害は米国東部リージョンでの特定のアベイラビリティゾーンで発生したもの。報告によると、プライマリの... 続きを読む

2月5日の障害報告及び今後の対策について‐ニコニコインフォ

2011/02/07 64 users ニコニコ動画 体制 該当箇所 1時間強 作業開始

2月5日の障害報告及び今後の対策について2011年02月08日Tweet先週土曜日に発生したニコニコ動画の動画視聴障害についてご報告させて頂きます。■対応の遅れについて ・理由 該当箇所への対応が行える担当者が1名のみで、たまたまその担当者が連絡の取れないところにいたため作業開始が1時間強遅れてしまいました。ニコニコ動画に関連するすべてのサービスでは最低でも2名以上が作業できる体制を推進しています... 続きを読む

2月5日に発生した障害について‐ニコニコインフォ

2011/02/06 178 users インフォ 初動 ほか 復旧 障害

2月5日に発生した障害について2011年02月06日Tweet昨日のニコニコ動画サーバ障害ではプレミアム会員、一般会員問わず多くの方に たいへんご迷惑をおかけしてしまい申し訳ありませんでした。原因は主にプレミアム会員向けハードウェアの故障ですが、 そのほかに ・ハードウェア障害検知の初動が遅れた ・ユーザーへの障害報告の遅れ・情報量不足 の２点、合計３点の大きな問題があったと認識しています。復旧に... 続きを読む