【連載始めます】SREチームを立ち上げました！

はじめに

こんにちは！スタイル・エッジのpeipeiです。

この度、弊社ではプロダクト横断型の SREチームを発足しました！
組織全体の信頼性向上を目指し、複数の開発を支援するチームとして、SRE文化の構築に挑戦しています。

この技術ブログの連載を通して、私たちが取り組む課題や解決のプロセスをリアルにお伝えしていきます。

SREとは

SRE（Site Reliability Engineering）は、システムの信頼性を向上させるためのエンジニアリング手法とされています。
Googleが提唱したこの概念は、システムの可用性・スケーラビリティ・パフォーマンスを維持、向上させることを目的とし、運用をコードで自動化することで開発と運用のギャップを埋めるという考え方に基づいています。
また、SLO（Service Level Objective）*1やエラーバジェット*2を活用し、信頼性と開発スピードのバランスを最適化することが特徴です。

一般的にはこのように説明されますが、私たちは SREの定義を簡潔にし、次のように解釈しています。

ユーザーへ提供しているサービスの機能を
利用したいタイミングで、意図したとおりに快適に利用できる状態を実現するために、
ソフトウェアエンジニアが設計やアプローチを考え、実践する活動。

SREチームが取り組む課題

弊社のSREチームは以下の課題に取り組んでいきます。
今後も様々な課題にぶつかる中で、取り組みが増えていくことかと思います。

SLI（Service Level Indicators）*3を通じてシステムの状態を数値化し、SLOとしてユーザー体験の基準を設けることで適切な信頼性の目標を定める。
システム障害やヒヤリハットを通じて得た学びを活かし、組織全体で改善を進める文化を育む。効果的なポストモーテム*4文化を確立し、各チームへ再発防止策を横展開する仕組みを構築する。
オブザーバビリティを向上させることで、システムの健康状態を可視化したり、障害発生時の原因を迅速に特定できるようにする。
各チームのセキュリティ対策を標準化し、ばらつきをなくすことで、組織全体の安全性を向上させる。
インフラストラクチャのコード化を推進し、自動化によって手作業のオペレーションを削減する。また、インフラ構成の一貫性を保ち、静的解析ツールを活用してセキュリティチェックを自動化することで、安全性と運用効率を向上させる。
各チームで実施したEOL（End of Life）対応や運用ノウハウをSREが集約し、類似の作業や他のプロダクトにも活用できる仕組みを整える。
トイル*5を削減し、手作業によるミスを防ぐことで、システムの信頼性を向上させる。また、運用負荷を軽減し、エンジニアがより価値の高い業務に集中できる環境を整える。

連載予定

投稿日	タイトル
3月	AWS Security Hubを導入して社内セキュリティ対策の標準化を推進〜取り組み背景・課題の可視化編〜
4月	AWS Security Hubを導入して社内セキュリティ対策の標準化を推進〜改修・予防編〜
5月	SREが“消火活動”に本気で向き合って見えた、信頼性向上へのリアルな一歩