【システム障害】クラウドストライクの悲劇は、今後も起きる
コメント
注目のコメント
クラウドストライクが公開したブログによると、事前テストで不備を発見できないまま設定更新を一部の本番環境に配信したとの事。
https://www.crowdstrike.com/blog/falcon-content-update-preliminary-post-incident-report/
ブログではかなりややこしい仕組みが書かれていますが、一言でいえば、リリースエンジニアのプロセスの不備。
こうした地味なプロセスを、しっかりとこなせるエンジニアが陽の目を浴びる機会にしてもらえると良いですね。Crowdstrikeの事象について、リアルタイム性に伴うリスクのメリデメ・現実という観点での解説で、観点含めて興味深い。
Naoakiさんのコメントに重ねると（有難うございます！）、可用性観点で冗長性設計をすることは、落ちてはいけないシステムの常。飛行機とかが代表例ではあるが、一方でシステムとして独立していたり、そもそも世界で動いている台数の桁が限定的。PC・スマホなどの難しさはそこ。
「Windowsの最大のイノベーションはバグがあっても製品を出して受け入れられたこと」的な考え方がある。まさしくそれで、それゆえ進化が早くなる部分と、リスクが大きくなる部分がある。
これだけ生活のインフラになってくると、止まった時のインパクトは極めて大きい。一方で、例えばすべてのデバイスで冗長性設計を義務付けるといったことは非現実的だと思うし、企業はともかく多くの人はリスクコストを払う方向には行きにくい。
一方で、連鎖的にリスクが起こることを、特に金融では「システミックリスク」と呼ぶ（下記でもコメントした点）。そして金融が社会のインフラとなる中で、規制によってリスクコストを強制的に支払う（資本規制で、究極的には株主が、という感じだが）形になっていった。無限責任をIT企業に負わせることはできないだろうが、今の「リスクが起こったらその企業の経営に厳しくなるだろうから、一定のリスク対策を提供側・利用側双方でするだろう」というレベルから、規制レベルでの話が今後数十年単位では整備されていく未来もありうると思うし、そうなれば「昔は規制があまりなかったって、意味が分からない」という風に捉えられるのだろうとも思う。
システム障害で世界的大混乱、救急電話も不通－航空は２万便余り遅延（2024/7、Bloomberg）
https://newspicks.com/news/10290871/クラウドストライクの大規模システム障害から学ぶ、現代社会のITシステムの恐るべき脆弱性を、ガーディアン記者が解説。高度に複雑化したシステムでは、些細なエラーが壊滅的な結果を招く可能性があります。スピードと安全性のバランスを追うことの難しさ、段階的なアップデート戦略の限界をひもときながら、今後も確実に増えるであろう、同種の障害に警鐘を鳴らします。
