【SE仕事術】障害対応で焦る人へ｜初動で差がつく確認順序
システム障害が発生すると、多くのSEは焦ります。
利用者から問い合わせが入り、上司や関係部署から状況確認が飛んできます。そんな状況で原因を探し始めると、調査が迷走してしまうことがあります。
私自身も若手の頃は、障害が発生するとすぐにログを開き、とにかく原因を探そうとしていました。しかし経験を重ねる中で、障害対応の初動には順序があることを学びました。
実際には、技術力よりも「何から確認するか」の方が重要な場面が少なくありません。
今回は、障害対応で焦らないための初動確認の順序について解説します。
障害対応で最初にやるべきこと
障害発生直後は原因調査よりも状況整理を優先します。
多くの人はすぐにログ調査を始めますが、その前に確認すべきことがあります。
まず把握したいのは以下です。
- いつ発生したのか
- どの機能で発生したのか
- 影響範囲はどこまでか
- 利用者全員か一部か
- 再現するのか
この情報が曖昧なまま調査を始めると、関係ない箇所まで確認することになります。
障害対応は原因探しではなく、状況整理から始まります。
影響範囲を最優先で確認する
障害対応で最も重要なのは影響範囲です。
例えば同じエラーでも、
- 特定ユーザーのみ
- 特定拠点のみ
- 全ユーザー共通
では緊急度が大きく変わります。
また、オンライン機能だけなのか、バッチ処理にも影響しているのかによって対応方針も変わります。
影響範囲が分かれば、
「利用停止レベルなのか」
「回避策があるのか」
という判断ができるようになります。
原因調査より先に影響範囲を把握することで、関係者への説明もしやすくなります。
関連記事：
https://ryman-money.tokyo/log-analysis/直近変更の有無を確認する
次に確認したいのが変更点です。
障害対応では有名な考え方ですが、
「昨日まで動いていたものは何かが変わった可能性が高い」
という前提で考えます。
確認対象としては、
- リリース
- 設定変更
- DB更新
- サーバ再起動
- ジョブ変更
- ネットワーク変更
などがあります。
実際の現場では、原因の多くが直近変更に関連しています。
そのため、変更履歴を早い段階で確認するだけでも調査時間を大きく短縮できます。
ログ調査は目的を持って行う
状況整理が終わったらログを確認します。
ここで重要なのは、やみくもにログを見るのではなく仮説を持つことです。
例えば、
「DB接続異常ではないか」
「外部システム連携エラーではないか」
「データ不備ではないか」
という仮説を立てた上でログを確認します。
経験の浅いSEほどログを最初から最後まで読みがちですが、実際には仮説を検証するためにログを見る方が効率的です。
ログは原因を教えてくれるものではなく、仮説を裏付ける材料として使う意識が重要です。
切り分けを先に行う
障害対応が上手い人は、原因特定より先に切り分けを行います。
例えば、
- アプリの問題か
- DBの問題か
- ネットワークの問題か
- 外部システムの問題か
を早い段階で絞り込みます。
切り分けができると、対応すべき担当者も明確になります。
逆に切り分けができていない状態では、複数チームが同じ調査を行うことになりがちです。
障害対応では「原因を当てること」よりも、「原因が存在しない場所を消していくこと」が重要です。
関係者への報告は早く短く
若手SEが見落としがちなのが報告です。
調査結果が出るまで報告しない人もいますが、それはおすすめできません。
障害対応では、
「原因不明」
でも問題ありません。
重要なのは現在分かっている事実を共有することです。
例えば、
「10時15分に発生」
「対象は〇〇機能」
「影響範囲確認中」
「次回報告は11時予定」
といった内容だけでも十分です。
管理職や利用者が不安になるのは、原因が分からないことではなく、状況が分からないことだからです。
関連記事：
障害対応で評価される人の特徴
障害対応で評価される人は、必ずしも技術力が高い人ではありません。
むしろ以下を徹底できる人です。
- 落ち着いて状況整理する
- 影響範囲を把握する
- 仮説を立てて調査する
- 定期的に報告する
- 切り分けを進める
障害発生時は誰でも焦ります。
しかし、焦った状態でログを追い続けても解決は早くなりません。
初動で何を確認するかが、その後の対応速度を大きく左右します。
まとめ
障害対応で差がつくのは原因調査の速さではなく、初動の順序です。
まずは状況整理を行い、影響範囲を確認し、直近変更を調査する。その後に仮説を持ってログを確認し、切り分けを進めます。
この流れを意識するだけでも、調査の迷走は大きく減ります。
私自身も経験を重ねる中で、障害対応は技術力だけでなく進め方が重要だと感じています。
次に障害が発生したときは、焦ってログを開く前に「何を確認すべきか」を整理してみてください。結果として対応スピードも説明力も向上するはずです。
おすすめ書籍
障害対応やシステム運用の考え方を体系的に学ぶなら「達人に学ぶDB設計徹底指南書」や「運用設計の教科書」のような実務書がおすすめです。
特に若手SEは、技術知識だけでなく障害発生時の考え方を学ぶことで対応力が大きく向上します。