再現できない失敗に備えたシステム設計

最も危険な失敗の一部は、任意のタイミングで再現できないものです。 それらは、まさに不適切な条件下で一度だけ発生し、曖昧なエラーとフラストレーションを抱えたチームだけが残されます。

これらの失敗を考慮した設計とは、少なくともコントロールされた方法では二度と同じ失敗に遭遇しないと想定することを意味します。 それによって、防御的なパターンが求められます。具体的には、包括的なログ記録、相関ID、不変の監査証跡、そしてシステムがすでに「正常復帰」している場合でも状況を可視化するメトリクスなどが挙げられます。

目標は、あらゆる稀なエッジケースを完全に排除することではありません。 何か異常が午前3時に発生した際にも、システムが十分な証拠を残し、それを理解し、学び、次の失敗を少しでも分かりやすくするためです。