障害原因の特定
更新日:
用語解説
障害原因の特定は、切分けで絞った箇所について、ログ、設定差分、時系列、再現試験などの証拠から、障害を発生させた根本原因と寄与要因を確定する工程です。症状が消えたことだけでは原因特定になりません。
■ 試験で押さえるポイント
発生前後の変更、最初に異常が現れた時刻、複数装置のログ、資源使用率、設定値を時系列で対応付け、仮説が全ての観測事実を説明できるか検証します。
安全な検証環境があれば条件を再現し、原因候補を一つずつ変えて同じ障害が起きるか、修正で解消するかを確認します。本番で危険な再現試験を強行してはいけません。
直接の技術原因、障害を誘発した契機、影響を拡大した要因を分けます。5 Whysやフォールトツリーは深掘りに役立ちますが、結論は証拠で裏付けます。
サービス影響が大きい場合は、先に迂回・切戻しで復旧し、その後に保存した証拠で原因を調べることがあります。復旧と原因特定の順序は常に固定ではありません。
■ 選択肢での判断ポイント
「再起動したら直った」は復旧結果であり、メモリ枯渇、設定不整合などの原因を示しません。根本原因を除かなければ再発する、という観点で選択肢を判断します。
例: 通信断の直前にルータ設定が変更され、経路が消えたログと設定差分があり、検証機で同じ変更により再現したなら、その誤設定を原因として裏付けられます。