演習：SRE運用計画を作成しよう

# ShopNow SLI/SLO 設計

## 1. 商品検索API
sli:
  - name: "検索API可用性"
    type: availability
    measurement: "HTTP 2xx-4xx レスポンスの割合"
  - name: "検索APIレイテンシ"
    type: latency
    measurement: "p95 レスポンスタイム"
slo:
  - availability: 99.9%
    window: 30d
    rationale: "検索が使えないと購買につながらない"
  - latency_p95: 300ms
    window: 30d
    rationale: "検索結果は素早く返す必要がある"

## 2. 商品詳細ページ
sli:
  - name: "商品ページ可用性"
    type: availability
    measurement: "HTTP 200 レスポンスの割合"
slo:
  - availability: 99.9%
    window: 30d

## 3. カート操作
sli:
  - name: "カートAPI可用性"
    type: availability
  - name: "カートAPI正確性"
    type: correctness
    measurement: "カート内容が正しく保持される割合"
slo:
  - availability: 99.9%
    window: 30d
  - correctness: 99.99%
    window: 30d
    rationale: "カートの内容が消えるのは致命的"

## 4. 決済処理
sli:
  - name: "決済API可用性"
    type: availability
  - name: "決済正確性"
    type: correctness
    measurement: "決済金額が注文金額と一致する割合"
slo:
  - availability: 99.95%
    window: 30d
    rationale: "決済は最も重要な機能"
  - correctness: 99.999%
    window: 30d
    rationale: "金額の不一致は信用問題"

## 5. 注文履歴
sli:
  - name: "注文履歴API可用性"
    type: availability
  - name: "注文履歴APIレイテンシ"
    type: latency
slo:
  - availability: 99.5%
    window: 30d
    rationale: "参照系のため、やや緩い目標で可"
  - latency_p95: 1000ms
    window: 30d

# ShopNow エラーバジェットポリシー

## エラーバジェット計算

| SLO | エラーバジェット | 月間許容エラー数 | 月間許容ダウンタイム |
|-----|----------------|----------------|-------------------|
| 検索API 99.9% | 0.1% | 5,000件 | 43分 |
| 決済API 99.95% | 0.05% | 250件 | 22分 |

## アクション基準

### 残量 75-100%: 通常運用
- 新機能リリースを通常サイクルで実施
- 実験的な変更（A/Bテスト等）を許可
- 週次でバジェット残量を確認

### 残量 50-75%: 注意
- リリース前のステージングテストを強化
- カナリアリリースを必須化（10%から開始）
- 日次でバジェット残量を確認

### 残量 25-50%: 警戒
- 機能リリースは最小限に制限
- 信頼性改善タスクをスプリントの50%に
- ポストモーテムで消費原因を特定

### 残量 0-25%: 凍結
- 機能リリースを完全凍結
- 全エンジニアが信頼性改善に注力
- 毎日のバジェット確認ミーティング
- SLO回復まで凍結を継続

## バーンレートアラート

| バーンレート | アクション |
|-------------|-----------|
| > 2.0x | Slack 警告通知 |
| > 5.0x | オンコールに通知 + 即時調査 |
| > 10.0x | インシデント宣言 + 全員対応 |

# ShopNow トイル削減計画

## トイル判定

| 作業 | トイル? | 頻度 | 月間工数 | 自動化難易度 | 優先度 |
|------|---------|------|---------|------------|--------|
| ログ異常チェック | Yes | 毎日 | 5h | 低 | 最優先 |
| ステージングデプロイ | Yes | 毎日 | 3.3h | 低 | 最優先 |
| SSL証明書チェック | Yes | 毎週 | 0.3h | 低 | 高 |
| DBバキューム | Yes | 毎週 | 2h | 低 | 高 |
| 月次レポート | Yes | 月1 | 3h | 中 | 中 |
| 問い合わせ対応 | 一部 | 毎日 | 10h | 中 | 高 |
| スケーリング | Yes | 不定期 | 1.5h | 中 | 高 |
| 障害時ログ収集 | Yes | 不定期 | 不定 | 低 | 最優先 |

月間トイル合計: 約 25h
トイル率: 25h / 160h = 15.6%

## 自動化計画

### Phase 1（今月）: 最優先
1. ログ異常チェック
   → CloudWatch アラーム + Slack通知
   効果: 5h/月 削減

2. ステージングデプロイ
   → GitHub Actions で develop ブランチ push 時に自動デプロイ
   効果: 3.3h/月 削減

3. 障害時ログ収集
   → CloudWatch Logs Insights の定型クエリ + 自動レポート
   効果: 障害対応時間の短縮

### Phase 2（来月）: 高
4. SSL証明書
   → AWS Certificate Manager で自動管理
   効果: 0.3h/月 削減 + 更新忘れリスク解消

5. DBバキューム
   → RDS の自動メンテナンスウィンドウ設定
   効果: 2h/月 削減

6. スケーリング
   → AWS Auto Scaling + CloudWatch メトリクスベース
   効果: 1.5h/月 削減

### Phase 3（再来月）: 中
7. 問い合わせ対応
   → FAQ チャットボット + セルフサービスポータル
   効果: 推定 5h/月 削減

8. 月次レポート
   → Grafana ダッシュボード + 自動メール送信
   効果: 3h/月 削減

## 期待される効果
Phase 1 完了後: トイル率 10% 以下
全Phase完了後: トイル率 3% 以下

# ShopNow SRE 運用計画サマリー

## ミッション
ShopNow の信頼性を定量的に管理し、
ユーザー体験の品質を継続的に維持・向上させる。

## 重要SLO（上位3つ）
1. 決済API可用性: 99.95%（月間ダウンタイム22分以内）
2. 検索API可用性: 99.9%（月間ダウンタイム43分以内）
3. 決済正確性: 99.999%

## エラーバジェット運用
- 残量50%未満でカナリアリリース必須化
- 残量25%未満で機能リリース凍結
- バーンレート5x超でオンコール通知

## トイル削減ロードマップ
- 現在のトイル率: 15.6%
- 目標トイル率: 5%以下
- 達成期限: 3ヶ月以内

## オンコール体制
- 2名のローテーション（1週間交代）
- エスカレーション: 15分以内に応答なしで次へ

## レビューサイクル
- 週次: エラーバジェット残量確認
- 月次: SLO達成状況レビュー
- 四半期: SLO目標値の見直し