SRE組織・業務のご紹介

2. SREとは

SREの詳しい説明や類似の概念/役割との違いについては、Googleの書籍や様々な企業様・個人の方による先行の解説がありますので、本記事では割愛します。

SREのあり方や実践方法は各企業・組織・扱うサービスによって異なりますが、弊社では「SREとは、スケールするシステムのサービス運用をエンジニアリングで改善して、サービスの信頼性の確保とサービス成長のバランスをとるための方法論である」と捉え、この実現のために後述する各業務を行っています。

3. トレンドマイクロのSRE組織

3.1. 現在のSRE組織

弊社では主にフィリピンを拠点とするGlobal SREと、日本を拠点とするJapan Local SRE、米国(US)を拠点とするUS Local SREが協同で活動しています。

3.2. なぜ日本にLocal SREがいるのか

Japan Local SREは2022年から新しく発足した組織です。組織体制としては、Global SREや製品開発チームと並列の位置づけです。

3.2.1. 日本地域のお客さまに対するサービスの信頼性・透明性向上

同じ製品のユーザでも、リージョンによりお客さまからの製品/サービスへの期待が異なることがあります。
日本のメンバーがSREとして製品に関わることで、日本でのユースケースをCUJ (Critical User Journey) やSLIの設計時に一層考慮できるようになりました。また、サポート部門との連携強化など、必要に応じて日本固有の事情に柔軟な対応を実現しています。
加えて、多くの製品でリージョンを利用したRing deployment戦略を利用しています。「新機能よりも安定性を重視したい」という声が大きい日本のお客さまに合わせ、新機能等を展開する際はステージング環境の後に本番環境の他のリージョンに展開してから最後に日本リージョンに展開する等、安定性を確認しながら慎重に実施しています。

3.2.2. 地域固有のビジネス・コンプライアンス要件への対応

いくつかの製品で、環境をリージョンごとに分離し、特に重要なデータを含むシステム環境をJapan Local SREで管理しています。これにより、地域固有のビジネス要件やコンプライアンス要件に対応しやすくなります。

4.1. モニタリング

・SLI/SLOの設定、見直し
・ログの収集、可視化
・監視項目の管理、見直し
・監視ツール/環境の開発、改善
・日々のシステム監視、アラート対応

4.2. インシデント対応

・発生した事象のトリアージ、調査対応 (主にプラットフォーム～コンテナ環境)
・関係者の招集、対応の指揮
・事後対応としてBPMの取りまとめ
・訓練の実施

4.3. 変更管理

・AWS / Azure 環境のコンプライアンス適合・認証対応
・デプロイ (週数回～、製品により頻度が異なります)
・コンテナ基盤、データベース、その他利用している各種クラウドサービス等、インフラ環境の管理・運用・設定

4.4. トイルの削減

・各業務の手順化・自動化・省力化

4.5. その他

・チームとしての運用の建付け (日本および他リージョンの関係部署と業務内容や方法を調整しつつ、お客さまへの貢献の最大化を目指しています)
・特に日本の他部署へ向けて、SREの概念の共有・文化醸成
・学習
    -技術：必要な知識が多岐にわたるため、業務時間内にも学習の時間を設けたり、互いに勉強会を開催したりしています。
    -英語：Global SRE および開発チームとのコミュニケーションを英語で行うため、組織として英語力強化に取り組んでいます。