こんばんは、duckです。
突然ですが、システム障害の話です。
・６月７日に発生したニフティクラウドの障害、
・６月１４日に発生したAmazon（AWS）のシステム障害、
・６月２０日に発生したファーストサーバの障害、
なんだか偶然とは思えぬほどに、このところ障害が連発しています。
障害レポートを見ると、ニフティやAmazonは多重で障害対策を取っていたことが分かります。（ファーストサーバはレポートを読んでいないので、詳細不明）
にも関わらず、システム停止を発生させてしまったのです。
真の原因は分かりませんが、私は「人」の問題ではないか？と思っています。
・「堅牢なシステムだから壊れることはないだろう」という油断は無かったか？
・障害発生時の対応手順は明確だったか？
・定期的に障害発生時の訓練をしていたか？
どんなに堅牢で素晴らしいシステムがあったとしても、それを継続稼動するためには、「人」（＝運用体制）が最も大事だと思っています。
単なる人の数だけではなく、その組織文化を含めてです。
思えば原発の運用とかも同じことが言えるような気がします。
堅牢なハードウェアで作られているから、と安心しない。
何年、何十年に渡って安定運用する体制を作ることが大事なのかな、と。
イマイチまとまらない話ですが、この辺で・・・
今日も１日に感謝。
