なぜ重要か

午前2時にデータベースサーバーが故障したとき、最初の問いは、何がそれに依存しているかです。誰かがネットワークルールの変更を提案したとき、最初の問いは、何が壊れうるかです。監査人がサービスがどう構築されているかを尋ねたとき、最初の問いは、真実がどこに書かれているかです。三つとも同じものを必要とします。何が存在し、部品がどう関係しているかについての、最新で信頼できる絵です。

多くの組織は、構成アイテムとその関係のデータベースである構成管理データベース(CMDB)で、それを提供しようとします。多くの組織はまた、それが、手で保たれ、誰にも信頼されない、古い記録の墓場になると気づきます。現実の環境は、誰もフォームを更新できる速さより速く変わるため、記録は数週間で古くなります。CMDBは、道具ではなく、コンプライアンスの成果物になります。

二つの考え方がこのプラクティスを救います。第一に、インフラの定義をバージョン管理の中のコードとして扱い、信頼できる情報源が、システムの記述ではなく、システムを作るものそのものになるようにします。第二に、探索とそのコードから自動的に絵を埋め、変更の影響、インシデントの範囲、オーナーシップといった具体的な問いに使います。このトピックは、プラクティスと落とし穴を説明します。資産管理(トピック 4.1 — 資産管理)、変更実現(トピック 3.4 — 変更実現)、コードとしてのインフラ(トピック 6.3 — コードとしてのインフラとGitOps)、サービスカタログ(トピック 3.8 — サービスカタログ管理)につながります。

中核となる概念

構成管理。 ITILの意味では、サービスと、それを支える構成アイテムの構成についての正確で信頼できる情報が、必要なときに必要な場所で利用できるようにするプラクティスです。エンジニアリングでは、「構成管理」は、システムを既知の一貫した状態に保つ規律も指します。Wikipediaは、より広い意味での構成管理を説明しています。このガイドは両方の意味を使い、どちらかを明記します。

構成アイテム(CI)。 ITサービスを提供するために管理する必要のあるあらゆるコンポーネントです。Wikipediaが構成アイテムを説明しています。例には、サーバー、アプリケーション、データベース、ネットワーク機器、クラウドリソース、証明書、ときには文書や契約があります。各CIには、属性(種類、バージョン、オーナー、ステータス)と、他のCIとの関係があります。

構成管理データベース(CMDB)。 CI、その属性、その関係のリポジトリです。WikipediaがCMDBを説明しています。CMDBは資産のスプレッドシートではなく、その価値は関係にあります。関係によって、「このデータベースを使っているサービスはどれか」といった問いが可能になります。

構成管理システム(CMS)。 複数の情報源にわたる構成の見方を与える、ツールとデータのより広い集合です。ITILは、単一のデータベースではなく、いくつかの場所からのデータを連合させるCMSを説明しています。Wikipediaは、情報源をコピーせずに組み合わせるひとつの方法として、連合データベースシステムを説明しています。

サービスマップ。 サービスがそのコンポーネントにどう依存しているかを示す見方です。技術的なサービスマップは、アプリケーション、データベース、サーバー、ネットワークを結び付けます。事業の見方は、サービスを、それが支える人々とプロセスに結び付けます。マップは、インシデントと変更で使われます。トピック 3.8 — サービスカタログ管理を参照してください。

ベースラインとドリフト。 ベースラインとは、ある時点での既知の承認された構成です。ドリフトとは、ベースラインと実際に稼働しているものとの差で、しばしば手作業の変更から生じます。Wikipediaが構成管理におけるベースラインを説明しています。ドリフトを検知して直すことで、システムを一貫して安全に保ちます。

コードとしてのインフラ(IaC)。 サーバー、ネットワーク、クラウドリソースなどのインフラを、バージョン管理に保存され、ツールによって適用されるテキストファイルで定義することです。Wikipediaがコードとしてのインフラを説明しています。Terraform、Ansible、Kubernetesのマニフェストなどのツールは、望ましい状態を表現し、ツールが現実をそれに合わせます。コードは、ドキュメントでもあり、仕組みでもあります。トピック 6.3 — コードとしてのインフラとGitOpsを参照してください。

冪等性と望ましい状態。 優れた構成ツールは、繰り返し実行しても同じ結果になります。記述された状態に到達するのに必要なことだけを行います。Wikipediaが冪等性を説明しています。これにより、ドリフトを検知して直すために、構成を再適用するのが安全になります。

信頼できる情報源。 ある事実が権威を持つ場所です。望ましい構成についてはコードのリポジトリ、実際に稼働しているものについては探索やプラットフォーム自身の状態、オーナーシップについてはカタログやチームの登録簿かもしれません。事実の種類ごとに情報源を決め、同じ事実を二か所で手作業で保つのは避けます。Wikipediaが信頼できる唯一の情報源という考え方を説明しています。

探索。 ネットワーク、クラウドアカウント、プラットフォームをスキャンして、何が存在し、どう接続されているかを見つけるツールです。探索は誰も記録していなかったものを見つけますが、多くの詳細とノイズを生み、どの項目を残し、どう命名するかのルールが必要です。

関係と影響分析。 アプリケーションAがデータベースBを使っていると知れば、Bが変更または故障したら何が影響を受けるかを問えます。Wikipediaが変更影響分析と依存グラフを説明しています。Wikipediaが説明するグラフデータベースは、関係を保存し照会するひとつの方法です。影響分析は、記録された関係の質を超えることはありません。

データ品質。 正確さ、完全性、適時性が、データの価値を決めます。どの属性が重要か、どれだけ新しくなければならないかを定義します。小さくて正確なデータの集合は、大きくて信頼できないものより有用です。トピック 7.2 — データ基盤とデータガバナンスを参照してください。

範囲。 すべてを記録しようとしてはいけません。自分たちの判断に必要なCIと関係を選びます。重要なサービス、その主要なコンポーネント、オーナーシップ。価値が示されるにつれて広げます。

オーナーシップ。 各CIまたはグループには、それとそのデータに説明責任を負うオーナーがいます。オーナーシップがなければ、データは劣化します。

コンテナとクラウド。 現代のプラットフォームは、絶えずリソースを作り、破棄します。個々のコンテナの記録は、一時間後には無意味です。サービスやデプロイメントのように、重要な水準で追跡し、ラベルとタグでリソースをオーナーとサービスに結び付けます。

レンズはどう当てはまるか。 構成管理は、環境を再現可能にすることで、アジャイルと継続的デリバリーを支えます。AIは、レビューのもとで、関係の発見、欠けているリンクの提案、影響に関する質問への回答を助けられます。自動化は、構成を適用し、絵を最新に保ちます。アナリティクスは、データを使ってリスクとコストを見つけます。

ベストプラクティス

  1. 答える必要のある問いから始める。 データが支える判断、つまり変更の影響、インシデントの範囲、オーナーシップを一覧にします。それに答えるものだけを記録します。
  2. コードを望ましい状態の信頼できる情報源として扱う。 インフラと構成をバージョン管理で定義し、変更をレビューし、ツールで適用します。稼働中のシステムへの手作業の変更は避けます。
  3. 絵を自動的に埋める。 探索とプラットフォームのデータをCMDBやサービスマップに流し込み、コードと突き合わせます。手作業の入力は、オーナーシップのような、探索できない事実に限ります。
  4. 各事実の情報源を定義する。 属性ごとに、どこが権威を持ち、どこでコピーを許すかを決めます。情報源と最終更新時刻を示します。
  5. 重要なサービスをまずマッピングする。 最も重要なサービスについて、サプライヤーや共有プラットフォームへの依存を含むサービスマップを作ります。実際のインシデントや変更でテストします。
  6. ドリフトを検知して直す。 実際の状態と望ましい状態を定期的に比較し、差異にアラートを出します。繰り返されるドリフトを、プロセスやアクセスについてのシグナルとして扱います。
  7. 各項目とデータ品質にオーナーを置く。 記録にオーナーを示します。古い記録と孤立した記録を定期的にレビューします。
  8. 構成を変更とインシデントの記録に結び付ける。 変更からそれが触れるCIが、インシデントから関与するCIが、簡単に見えるようにします。リンクが使われているかを確認します。
  9. ラベルとタグを一貫して使う。 クラウド環境では、作成時にオーナー、サービス、環境のタグを求め、パイプラインで強制します。
  10. 有用性を測る。 データが変更とインシデントでどれくらい使われ、どれくらい誤っていたかを追跡します。原因を直し、誰も使わないデータは廃止します。

チームで話し合うための問い

構成データに支えてほしい判断は何で、今日それを支えているか。 利用から始めます。変更の影響やインシデントの範囲といった答えが予想されます。最近の変更で試してください。さらに掘り下げるために、利用をひとつ選び、データをそれに照らしてテストします。

私たちのインフラの本当の記述はどこにあるか。コードか、データベースか、人の頭の中か。 三つのシステムについて、信頼できる情報源を尋ねてください。複数の答えが予想されます。さらに掘り下げるために、システムをひとつ選び、その定義をバージョン管理に移します。

CMDBが最後に私たちを誤解させたのはいつで、なぜか。 実際の事例を求めてください。古い、あるいは欠けた関係が予想されます。手作業の入力のような原因を探します。さらに掘り下げるために、自動化するデータ源をひとつ選びます。

誰かが稼働中のシステムを手作業で変更したことを、どうやって知るのか。 これはドリフトの検知を試す問いです。「知らない」が予想されます。さらに掘り下げるために、ひとつのシステムでのスキャンと、その次に何が起きるかのルールを合意します。

重要な構成アイテムそれぞれを誰が所有していて、午前3時にオーナーをどうやって見つけるか。 オーナーシップがどこに記録されているかを尋ねてください。いくつかの項目で試します。さらに掘り下げるために、オーナーのタグを加えて確認します。

AIは、構成の絵を正確に保つのにどう役立ち、何を手作業で確認したいか。 AIは関係を提案し、異常に気づけます。リンクを捏造することもあります。誰がその使用を所有し、誤りがどう見つかるかを尋ねてください。さらに掘り下げるために、AIが提案した関係を、あるサービスについて手作業で検証したマップと比べます。

実践:サービスマネジメントの例

ある国の鉄道のデジタルチームは、二つのクラウドプロバイダーと古いオンプレミスのデータセンターにまたがる約60のサービスからなる、チケット販売プラットフォームを運用しています。CMDBには4万件の記録があり、大半は手作業で入力されており、運用チームはそれが約三分の一は誤っていると言います。最近の障害では、故障したメッセージキューがチケット販売を止めました。ポイント制度もそれを使っていたことは、顧客が苦情を述べるまで誰も気づきませんでした。

プラットフォームリードは、より絞った目標を設定します。最も重要な十のサービスについて、サービスマップは、「このコンポーネントが故障したら何が影響を受けるか」に五分以内に答えられるだけ正確でなければなりません。チームは十のサービスそれぞれをコードで定義し、オーナーと依存関係を定義の中のタグとして宣言します。夜間のジョブがクラウドプラットフォームとコードのリポジトリを読み、マップを作り、両者の差異に印を付けます。データセンターは探索でカバーされ、その出力は同じサービス名に照合され、新しい項目は手作業でレビューされます。

一四半期以内に、十のサービスのマップは信頼されるようになります。次のインシデントで、決済サービスの故障したデータベースが、そこから読み取る五つのサービスを示し、チームは数分でそれらのオーナーに通知します。ドリフトのレポートは、本番で14件の手作業の変更を見つけ、そのうち三件は、昔のインシデントのときに開けられたまま閉じられなかったセキュリティグループのルールでした。

何が変わったか。インシデントと変更はマップから始まるようになり、これらのサービスでは古いCMDBは廃止されました。何がまだ難しいか。残りの50のサービスはまだカバーされておらず、それらを所有するチームは作業をする理由をほとんど見出していません。データセンターの探索は依然としてノイズを生んでいます。サプライヤーのAPIのような一部の依存関係は探索できず、手作業で入力されます。プラットフォームリードは、インシデントの履歴で次の十のサービスを選び、そのオーナーと時間を交渉しています。

四つの視点

プロダクトとデリバリーのチーム

インフラと構成をコードで定義し、リソースにオーナーとサービスのタグを付け、稼働中のシステムへの手作業の変更を避けましょう。設計の一部として、依存関係の情報を最新に保ちます。

サービスと運用のチーム

インシデントと変更でマップを使い、誤っている箇所を報告しましょう。ドリフトを検知し、一時的な変更を閉じ、オーナーシップのデータを最新に保ってください。

リーダーシップとガバナンス

記録の数ではなく、データが使われ、正確であることの証拠を求めましょう。自動化とオーナーシップの規律に資金を出します。稼働中の変更はコードを通すというルールを支えてください。

顧客とユーザー

提供者が何が何に依存しているかを知っていれば、あなたは恩恵を受けます。診断が速くなり、変更による驚きが減ります。自分が頼るサービスに、オーナーと影響マップがあるかを尋ねましょう。

アジャイル、AI、自動化、アナリティクス

アジャイル

最も重要なサービスから始めて、小さな歩みで絵を築き、それを使う人々とともに改善します。インシデントの後に、その有用性をレビューします。注意:一斉のCMDBプロジェクトは昔の失敗を繰り返します。問いと少数のサービスから始めてください。

AI

AIは、ログとトレースから関係を提案し、影響についての質問に自然言語で答え、外れ値を見つけられ、オーナーと人による検証を伴います。注意:AIは存在しない依存関係を推測したり、本物を見逃したりすることがあります。既知のインシデントに照らして検証してください。トピック 5.2 — AIOpsを参照してください。

自動化

探索、突き合わせ、ドリフトの検知、タグ付けの強制を、ログと例外のレビューとともに自動化します。注意:自動の取り込みは、データベースを価値の低い記録で溢れさせえます。判断を支えるものでフィルタリングしてください。トピック 6.3 — コードとしてのインフラとGitOpsを参照してください。

アナリティクス

重要なサービスのデータの完全性、インシデントで見つかった正確さ、ドリフトの件数、オーナーを見つけるまでの時間、変更でのデータの利用を見ます。注意:記録や埋められた項目の数を数えると、正確さよりも量が促されます。データがどれくらい役立ち、どれくらい誤解を招いたかを測ってください。『サービスマネジメント指標』とトピック 7.2 — データ基盤とデータガバナンスを参照してください。

よくある失敗パターン

  • 手作業で埋められるCMDB。 データがすぐに劣化します。探索とコードで埋めましょう。
  • すべてを記録する。 ノイズが価値を隠します。判断に合わせて範囲を絞りましょう。
  • 同じ事実に二つの情報源。 食い違います。ひとつの情報源を宣言しましょう。
  • オーナーシップがない。 誰も誤りを正しません。オーナーを割り当てましょう。
  • 稼働中のシステムへの手作業の変更。 ドリフトが増えます。コードを通じて変更し、ドリフトを検知しましょう。
  • 関係が欠けている。 影響分析が失敗します。重要なサービスをまずマッピングしましょう。
  • 一時的なリソースの追跡。 記録がすぐ古くなります。タグを使い、サービスの水準で追跡しましょう。

成熟度モデル

観点 開始 発展 標準化 管理 オーケストレーション
範囲 不明確 主要なサーバーが一覧にされる 重要なサービスと依存関係がマッピングされる 範囲が価値とインシデントによって拡張される 全体像とサプライヤーをまたいで広くカバーされる
信頼できる情報源 スプレッドシートと記憶 一部のインフラがコードになっている 望ましい状態がコードに、実際の状態が探索にある 突き合わせが自動化され、監視される コード、探索、プラットフォームから供給される、単一の調整された見方がある
データ品質 不明 抜き取り確認 属性と鮮度が定義される 正確さがインシデントと変更で測定される 品質が人のレビューとともに継続的に保証される
利用 めったに使われない 一部のインシデントで使われる 変更とインシデントで定型的に使われる 利用と価値が追跡される データがサービスをまたいでリスク、コスト、計画を駆動する

チェックリスト

  • 構成データが答えなければならない問いを一覧にした。
  • 主要なシステムの望ましい状態がバージョン管理にある。
  • 探索がサービスマップに供給され、コードと突き合わされている。
  • 各事実に、定義された信頼できる情報源がある。
  • 重要なサービスに、実際の出来事でテストされた、マッピングされた依存関係がある。
  • 構成のドリフトを検知し、直している。
  • 各構成アイテムまたはグループにオーナーがいる。
  • データがどれくらい役立ち、どれくらい誤解を招いたかを測っている。

AIプロンプト

インシデントから欠けている依存関係を見つける。

Here is the timeline of an incident, with the services that were affected: [paste]. Here is our service map for the failing component: [paste].
List affected services that the map does not show as dependent on the failing component, and for each give a question to verify the link. Do not infer dependencies without evidence in the timeline.
List what you are unsure of.

望ましい状態と実際の状態を比較する。

Here is the desired configuration from our code: [paste]. Here is what discovery found running: [paste].
List differences by type (missing, extra, changed), and for each one a question about why it differs. Do not recommend fixes.
List what you are unsure of.

オーナーのタグのルールを下書きする。

Our cloud resources are used by these teams and services: [list]. Tags we want on every resource: [list].
Draft a tagging standard of under one page with rules, allowed values, and how to enforce it in the pipeline. Do not name specific tools unless I list them.
List what you are unsure of.

AIスキル

  • configuration-management: 構成の記録と関係を設計し、維持するときに使います。
  • workflow-analysis: プロセスやシステムの依存関係をたどるときに使います。
  • mermaid-diagram: サービスマップをテキストで描くときに使います。
  • data-quality: 構成データの品質を定義し、確認するときに使います。

主要な情報源

  • PeopleCert, ITIL certification pages: サービス構成管理のプラクティスについての所有者の説明。
  • Kief Morris, Infrastructure as Code (2nd edition, 2020): コードでインフラを定義し管理するための実践的な手引き。
  • Wikipedia, "Configuration management" and "Configuration management database": 考え方の概観。
  • Wikipedia, "Infrastructure as code": 望ましい状態へのエンジニアリングのアプローチ。

参考文献

  1. Configuration management — Wikipedia — https://en.wikipedia.org/wiki/Configuration_management
  2. Configuration management database — Wikipedia — https://en.wikipedia.org/wiki/Configuration_management_database
  3. Configuration item — Wikipedia — https://en.wikipedia.org/wiki/Configuration_item
  4. Infrastructure as code — Wikipedia — https://en.wikipedia.org/wiki/Infrastructure_as_code
  5. Baseline (configuration management) — Wikipedia — https://en.wikipedia.org/wiki/Baseline_(configuration_management)
  6. Idempotence — Wikipedia — https://en.wikipedia.org/wiki/Idempotence
  7. Single source of truth — Wikipedia — https://en.wikipedia.org/wiki/Single_source_of_truth
  8. Change impact analysis — Wikipedia — https://en.wikipedia.org/wiki/Change_impact_analysis
  9. Graph database — Wikipedia — https://en.wikipedia.org/wiki/Graph_database
  10. Federated database system — Wikipedia — https://en.wikipedia.org/wiki/Federated_database_system
  11. Data quality — Wikipedia — https://en.wikipedia.org/wiki/Data_quality