無能な新卒の受け皿であるシステム運用保守の部署で技術力を磨く方法
目次
はじめに
ソフトウェア開発には、開発フェーズのあとに運用フェーズがあるのをご存知でしょうか?運用保守と聞くと、多くの人は、技術全般において理解が乏しい無能な新卒をプールしとく場所や、開発者のテストで漏れたバグの尻拭い、定型業務、ほかのシステムから受け取ったデータのメンテナンスといった、クソカスみたいな作業をイメージすると思います。実際、私も技術力の「技」の字もない無能な新卒だったころに運用保守を担当していましたが、技術力が高まっていく感覚はありませんでした。
このような状況でも、技術力を高める工夫はできたのか。当時を振り返ってみたいと思います。
この記事では、まず新卒時代の業務内容を紹介します。そのうえで、もしやり直せるなら何をするか、運用保守だからこそ学べることは何かを考えます。
新卒時代の業務内容
技術力のなかったカス(自分)が担当していたのは、DBサーバやバッチサーバなどの運用保守です。これらのサーバでは、ほかのシステムから連携されるデータを分析者が使えるように取り込み、加工し、ビューとして提供する処理が動いていました。
業務は日中と夜間でまるっきり違いました。日中は、手順書どおりに進める定型業務が中心です。夜間は、バッチ処理がこけるとデータが正しく入らないので、データそのものを修正する対応をしていました。
日中は手順書どおりに進めれば作業が終わり、夜間はデータを直せば翌朝の分析に間に合います。どちらも、仕組みを深く理解していなくてもこなせてしまう仕事でした。
もしやり直せるとしたら
今振り返ると、同じ業務のなかにも技術力を伸ばす余地はありました。もし新卒のころに戻れるなら、次の4つをやります。
手順書の「なぜ」を調べる
手順書には、どのコマンドを打つか、どのSQLを流すかは書いてあっても、なぜそうするのかまでは書いていないことが多いです。そこで、このコマンドは何をしているのか、この順番を入れ替えたら何が起きるのかを1行ずつ調べます。
普段使うLinuxコマンドでも、オプションの意味を1つずつ調べていくと、OSやファイルの扱いに詳しくなれます。分かったことを手順書に書き足しておけば、次に担当する人の役にも立ちます。
定型業務をスクリプトにする
毎日同じ操作を手順書どおりに繰り返しているなら、その操作はシェルスクリプトやSQLのスクリプトにまとめられる可能性が高いです。自動化するには、手順の1つ1つが何をしていて、どこで失敗しうるかを理解していなければなりません。スクリプトを書くこと自体が、手順を理解する練習になります。
いきなりデータを書き換える処理を自動化するのは怖いので、まずは確認作業のような、データを変更しない手順から始めます。現場によっては本番環境で自作のスクリプトを動かすのに承認が要るので、上司やチームへの相談も欠かせません。
バッチが失敗した原因まで追う
夜間の対応では、データを直して翌朝に間に合わせることがゴールでした。もしやり直せるなら、直したあとにログを読み、どのジョブがどのデータで失敗したのかを突き止めます。
連携元から想定外の値が来たのか、データ量が増えて時間内に終わらなかったのか、SQLの条件に漏れがあったのか。原因が分かれば、開発チームに具体的な修正案を持っていけます。同じ失敗が何度も起きているなら、データではなく処理のほうを直すべきだという根拠にもなります。
データの流れを図にする
連携元のシステムからデータが届き、バッチで加工され、ビューとして分析者に届くまでの流れを、自分で図にします。どのジョブがどのテーブルを読み、どのテーブルに書くのか。どのジョブが終わらないと次のジョブが始められないのか。
これが頭に入っていると、夜間にバッチが失敗したときに、影響が下流のどこまで広がるかをすぐに判断できます。図を描くためにテーブル定義やジョブの設定を読むことになるので、DBやジョブ管理の知識も身につきます。
運用保守で学べること
ここまでは、運用保守の業務のなかで技術力を伸ばす方法を考えました。逆に、運用保守には、開発だけをしていては学びにくいこともあります。
本番のデータと障害
開発中に使うテストデータは整っていることが多いですが、本番のデータはそうはいきません。文字コードの違い、想定外のNULL、桁あふれ、重複したレコードなど、テストでは出てこなかった問題が本番では起きます。
運用保守は、こうした問題に日常的に触れる立場です。データがどう壊れるかを知っていると、自分が処理を作る側に回ったときに、入力のチェックや例外処理をどこまで書くべきかを判断できます。
システム全体を見る視点
開発では、自分が担当する機能だけを深く知っていれば仕事が進むことがあります。一方、運用保守では、連携元から分析者に届くまでの全体を見ないと、障害の原因を切り分けられません。
サーバ、DB、バッチ、ネットワークといった層をまたいで原因を探す経験は、システムを設計するときにそのまま役立ちます。
運用しやすい作りへの感覚
失敗したバッチをもう一度流しても正しい結果にならない場合、データを手で直すしかありません。再実行で復旧できるかどうかは、バッチが冪等に作られているかで決まります。冪等とは、何度実行しても同じ結果になる性質のことです。冪等なバッチなら、失敗しても原因を取り除いて再実行するだけで復旧できます。
ほかにも、ログに何を出しておけば原因を追いやすいか、どこで処理を区切れば途中からやり直せるかといった感覚は、運用で苦労した経験があると身につきやすいです。この感覚は、開発する側に回ったときに運用しやすいシステムを作るのに役立ちます。
SREにつながる経験
Googleは、本番サービスの運用に伴う作業のうち、手作業で、繰り返し発生し、自動化でき、長く残る価値を生まず、サービスが大きくなるほど比例して増えていくものを「トイル(toil)」と呼んでいます。GoogleのSRE(Site Reliability Engineering)チームは、トイルを各メンバーの仕事時間の50%未満に抑えることを目標にしています。残りの時間は、将来のトイルを減らす作業や機能の追加といったエンジニアリングに使います。
新卒の私がやっていた手順書どおりの定型業務は、まさにトイルです。見方を変えれば、運用保守の現場は、減らすべきトイルが目の前に山ほどある場所だと言えます。トイルを見つけて自動化する経験を積めば、SREのように運用をエンジニアリングで改善する仕事につなげられます。
まとめ
運用保守は、手順書どおりの定型業務や、失敗したバッチの後始末が中心です。何も考えずにこなしていると、技術力は伸びにくい仕事です。新卒の私も、技術力が高まっていく感覚がないまま日々の作業をこなしていました。
ただ、振り返ると、同じ業務のなかにも技術力を伸ばす材料はありました。手順書の意味を調べる、定型業務をスクリプトにする、バッチが失敗した原因を追う、データの流れを図にする。どれも、目の前の作業がなぜそうなっているのかを掘り下げることから始まります。
本番のデータや障害に触れられること、システム全体を見られること、運用しやすい作りが分かるようになることは、運用保守ならではの経験です。運用保守に配属されても、技術力は磨けます。作業をこなすだけで終わらせず、理由を掘り下げて仕組みを変える側に回れるかどうかで、同じ部署にいても身につくものは大きく変わります。