運用・SRE
可観測性・SLO・障害対応・CI/CD・DR。止めない運用と、過去の大規模障害から学べる設計の勘所。
運用・SREの募集中の案件 7 件 · 75〜110 万円/月
案件をすべて見る →新着順36 本
-
技術記事 · データ基盤 · 2026/11/16
DynamoDB に S3 からの一括投入(Bulk Put Items)が付いた — 既存テーブルへ流す前に決める条件式・Streams・結果検証
Amazon DynamoDBの既存テーブルへ、S3のファイルを非同期ジョブで書き込めるBulk Put Itemsが一般提供になりました。レコード単位の条件式、条件スキップの記録方法、Streams・DAX・グローバルテーブルとの関係、バイト単位課金の要点を整理します。
Amazon DynamoDBAmazon S3
-
技術記事 · 運用・SRE · 2026/11/15
リージョン間の通信劣化、原因は「AWS網か、それ以外か」が数分でわかるようになった — Network Health Indicator が TGW ピアリングに対応
Amazon CloudWatchのNetwork Synthetic Monitorが提供するNetwork Health Indicator(NHI)が、AWS Transit Gatewayのリージョン間ピアリング接続を経由する経路にも対応しました。二値メトリクスの正しい読み方と、監視範囲・料金・Cloud WAN利用時の注意点を整理します。
Amazon CloudWatchAWS Transit GatewayAWS Direct Connect
-
技術記事 · インフラ設計・構築 · 2026/11/12
ECS Managed Daemonsに「非クリティカル」ができた — 監視エージェントを落としても本番を止めない設計
Amazon ECS Managed Daemonsに、デーモンの重要度を指定できるcriticalパラメータが追加されました。既定のcritical(重要)扱いとの挙動の違い、non-critical(非クリティカル)にした場合に自分で用意すべき監視の設計判断を整理します。
Amazon ECS
-
技術記事 · インフラ設計・構築 · 2026/11/11
Lambda の Kafka 連携に「キューモード」ができた — 順序保証を手放して並列度を取る前に決めておくこと
AWS LambdaのKafkaイベントソースマッピングに、Kafkaのシェアグループを使うキューモードが追加されました。パーティション数に縛られない並列処理と引き換えに失われる順序保証、冪等性・再試行・失敗先の設計、対象外の構成(Amazon MSKなど)を整理します。
AWS Lambda
-
AWS障害 · 運用・SRE · 2026/9/9
ログの出口が詰まった日 — 2024年7月 Kinesis内部障害に学ぶ、マネージドサービスの「見えない依存」
2024年7月30日、Amazon Kinesis Data Streamsの内部セルで発生した障害が、CloudWatch LogsやLambda、ECS、API Gatewayなど一見無関係な複数サービスを同時に不調にしました。AWS公式ポストモーテムをもとに、時系列と根本原因、そこから導ける設計上の学びを整理します。
Amazon KinesisAmazon CloudWatch
-
技術記事 · 運用・SRE · 2026/9/8
CloudWatchアラームに「慣らし運転」ができた — デプロイ直後の誤報を止めるウォームアップ期間の設計判断
Amazon CloudWatchアラームに、作成・更新直後の評価を遅らせる「ウォームアップ期間」が追加されました。IaCでサービスとアラームを同時にプロビジョニングする運用が起こしやすい誤報を、2つのパラメータでどう設計的に消すかを整理します。
Amazon CloudWatchAWS CloudFormation
-
AWS障害 · 運用・SRE · 2026/9/6
単一セルの容量閾値を越えた先 — 2023年6月 Lambda基盤障害に学ぶ依存関係の可視化
2023年6月13日のUS-EAST-1 Lambda障害(公式ポストイベントサマリー準拠)を題材に、Lambda Frontendフリートが単一セル内で未到達の容量閾値を超えたことが、なぜSTS・マネジメントコンソール・Connect・EventBridge・EKSにまで及んだかを整理します。セルを「テスト済みの規模」に収める設計原則と、マネージド依存の可視化・縮退設計を扱います。
AWS Lambda
-
AWS障害 · 運用・SRE · 2026/8/18
動かせなくても、動いてはいた — 2021年12月 us-east-1障害に学ぶコントロールプレーンとデータプレーンの分離
2021年12月7日にus-east-1で発生したAWSの大規模障害を、AWS公式のポストイベントサマリーの記載だけを材料に整理します。内部ネットワークとメインネットワークを繋ぐデバイスの輻輳により制御系APIが広範に停止する一方、稼働中のEC2インスタンスやS3・DynamoDBへの直接アクセスは影響を受けませんでした。この非対称性を自分のシステムの設計点検にどう落とすかまでを扱います。
-
AWS障害 · インフラ設計・構築 · 2026/8/12
マルチAZ設計は、その一本の回線を守ってくれない — 2021年9月 東京リージョン Direct Connect障害に学ぶ
2021年9月2日に東京リージョンで発生したAWS Direct Connect障害を、AWS公式のポストイベントサマリーの記載だけを材料に整理します。原因はネットワークデバイスOS内の潜在的な不具合で、影響はDirect Connect経由の通信に限定されました。マルチAZ設計の外側にある接続経路をどう冗長化するかという設計論点に落とします。
AWS Direct Connect
-
技術記事 · 運用・SRE · 2026/8/11
ECSのサービスデプロイに監査ログが付いた — Action Logsをどこに何日残すか
Amazon ECS Action Logs(2026年7月21日発表)は、デプロイ中にECSが裏側で実行した操作をタイムスタンプ付きで記録します。記録内容と有効化手順を整理し、配信先3択とデフォルト7日保持の設計判断を解説します。
Amazon ECSAmazon CloudWatch
-
AWS障害 · 運用・SRE · 2026/8/10
DNSレコードが空になった日 — 2025年10月 DynamoDB障害に学ぶ自動化の排他制御
2025年10月19日から20日にかけてのUS-EAST-1 DynamoDB障害(公式ポストイベントサマリー準拠)を題材に、DNS PlannerとDNS Enactorのあいだで成立した競合状態がリージョナルエンドポイントのDNSレコードを空にした経緯を原文の記述に沿って追い、独立に動くアクターの排他制御と、単一エンドポイント依存が届く範囲という2つの設計論点を整理します。
Amazon DynamoDB
-
技術記事 · インフラ設計・構築 · 2026/8/9
ECS Service ConnectのAZ優先ルーティングがデフォルト化 — エンドポイントがAZ数の2倍を割ると静かに均等配信へ戻る
2026年7月23日、Amazon ECS Service Connectがゾーン意識ルーティングに対応し、新規・既存の全サービスでデフォルト有効になりました。同一AZ優先と残余容量による按分の仕組み、そして閾値割れで自動的に無効化される挙動と監視方法を公式仕様に沿って解説します。
Amazon ECSAWS Fargate
-
技術記事 · 生成AI・LLM · 2026/8/6
Bedrock AgentCoreのログが1エージェント1ロググループに統合 — 監査境界とIAMスコープをどう設計し直すか
Amazon Bedrock AgentCoreのログ・トレースが1エージェント1ロググループに統合されました(2026年7月23日発表)。命名規則・有効化条件を整理し、監査境界とIAMアクセス制御をエージェント単位で設計し直す判断を解説します。
Bedrock AgentCoreAWS IAMAmazon CloudWatch
-
技術記事 · インフラ設計・構築 · 2026/7/31
EKSのアップグレードに「7日以内のやり直し」ができた ― バージョンロールバックとアップグレード戦略の設計判断
Amazon EKSのクラスタバージョンロールバック機能を整理します。7日以内・1マイナーバージョン前のみという制約、Readiness Insightsの4ステータス、巻き戻る対象/対象外の非対称性、クラスタ構成別の運用差を踏まえ、アップグレード戦略への実務インパクトを解説します。
Amazon EKS
-
技術記事 · 生成AI・LLM · 2026/7/28
自前GPUで推論を回すなら EC2 G7 をいつ選ぶか — GPUメモリ32GB・可用リージョン・コストで「マネージドに寄せる/自前で握る」を分ける
GAしたEC2 G7(Blackwell世代GPU)を、新世代の自慢ではなく自前GPUサービングのインスタンス選定肢として捉える。GPUメモリ32GB×GPU数のラダー、可用リージョン(東京なし)、稼働率コストの3軸で、自前で握るかマネージドに寄せるかを判断する型を整理します。
Amazon EC2
-
技術記事 · 生成AI・LLM · 2026/7/25
そのエージェント、複数に割る必要はあるか — 単一 vs マルチエージェントの設計判断(A2A/AgentCore)
マルチエージェントは流行りで決めません。1体で足りるなら割らない。責務分離・コンテキスト肥大・失敗の隔離・並列化の判断軸と、割った後に増える統制・観測コストまでを中立に整理します。協調パターンの公式語彙(Strandsのパターン+A2A)と、A2AがAgentCore Runtime上のdeployモードである実体も、誇張なしで押さえます。
Bedrock AgentCore
-
技術記事 · セキュリティ · 2026/7/22
エージェントに決済を任せるべきか — 支出上限を"インフラ層で強制"する信頼境界の設計(AgentCore Payments・preview)
エージェントが自律的に支払える時代。session支出上限のインフラ層での強制(プロンプトインジェクションでも上限を破れない)・out-of-band入金・Cedar認可・rollbackという信頼境界と、preview段階でいつ・どこまで採用するかの判断を中立に整理します。決済はx402/USDC・オンチェーン前提で、法定通貨カードの一般化ではありません。
Bedrock AgentCore
-
技術記事 · 運用・SRE · 2026/7/19
ML/LLM推論エンドポイントのSLOをどう引くか — AWSが閾値をくれない時代のSLI設計
TTFT・トークンスループット・GPU飽和・キュー深さ。Webアプリのp99では足りない推論サービング固有の信号から、AWSが推奨値をくれない前提でSLI/SLOを引く"型"を示します。新しいSageMakerの推論可観測性を入口に、信号の選び方・SLOへの落とし込み・GPU飽和とコストの綱引きまでを設計の手引きとして整理します。
Amazon SageMaker
-
技術記事 · インフラ設計・構築 · 2026/7/18
RAGはマネージドか自前か — 制御とコストで選ぶ判断軸(Bedrock Managed KB)
RAGを自前で組むか、Amazon Bedrock Managed Knowledge Base に載せるかを、制御性・コスト構造・運用負荷・移植性のトレードオフで意思決定するための判断軸を整理します。マネージドが何を引き受けるかを公式情報で正確に押さえたうえで、マネージドを常に正解とはしない中立の立場で、自前を選ぶべき場面とその送り先まで示します。
Amazon Bedrock
-
AWS障害 · 運用・SRE · 2026/7/17
静的安定性とリトライ設計で耐える — US-EAST-1大規模障害(2021)に学ぶ
2021年12月のUS-EAST-1大規模障害(公式PES準拠)を題材に、内部ネットワークの輻輳で何が止まり何が生き残ったか=コントロールプレーン障害/データプレーン生存の型を読みます。静的安定性・指数バックオフ+jitter・out-of-band監視で備える判断軸を、AWS批判ではなく信頼性設計の学びとして整理します。
-
技術記事 · 運用・SRE · 2026/7/15
AWSで"請求が怖い"を卒業する — Budgets・請求アラート・無料枠の落とし穴
AWS コスト管理 基本の第一歩を、請求アラート・AWS Budgets 設定・AWS 無料枠の落とし穴回避の3手で整理します。請求の安全網の張り方と、通知が検知であって予防ではないという限界まで、現行の公式仕様にそって解説します。
AWS Budgets
-
技術記事 · 運用・SRE · 2026/7/13
AIに障害対応をどこまで任せるか — AWS DevOps Agentを"信頼する前に止める"統制設計
AWS DevOps Agentの効果値はpreview期の顧客報告であり、AWSの保証ではありません=自環境で検証が前提です。自律は調査・根本原因分析・修正案生成が中核で、本番への適用は協調です。何をどこまで任せ、どこで人が止め(HITL)、auto-remediationをどう段階導入・ロールバック・監査するかの統制設計を整理します。情報は2026年6月時点、料金・リージョンは公式でご確認ください。
AWS DevOps Agent
-
技術記事 · 運用・SRE · 2026/7/11
マルチリージョンは目的じゃない — RTO/RPOから選ぶAWS DR戦略4択と、data planeで組むフェイルオーバー
DRはマルチリージョン化が目的ではなく、RTO/RPOと費用からBackup&Restore/Pilot Light/Warm Standby/Active-Activeを1つ選ぶ投資判断です。復旧時間やコストの具体値は構成依存のため相対比較で扱い、フェイルオーバーはdata planeで組みます(AZはzonal shift、リージョンはrouting control)。過剰投資を戒めつつ、選定の判断木と設計眼を整理します。情報は2026年6月時点・公式準拠です。
-
技術記事 · 生成AI・LLM · 2026/7/10
生成AIの評価をリリースゲートにする — 測る/止める/信じる/回すのeval設計
生成AIの評価は機能の使い方でなく、変更を出荷してよいか判定するリリースゲートとして設計します。モデル/RAGはBedrock Evaluations(オフライン)→本番監視は自前、エージェントはAgentCore Evaluations(東京含む・Onlineマネージド)の二射程。LLM-as-a-judgeのバイアスと評価コスト設計まで、測る/止める/信じる/回すの4設計で整理します。指標や料金は2026年6月時点で公式へ。
Amazon BedrockBedrock AgentCore
-
技術記事 · インフラ設計・構築 · 2026/7/9
ECSのオートスケールが遅い問題を20秒メトリクスで直す — 効果・料金・どのワークロードで効くか
Amazon ECSのtarget trackingがCPU/メモリの20秒メトリクスに対応。負荷検知が速くなり、過剰なベース容量を削れます。一方で高解像メトリクスのCloudWatch課金や、過敏スケール・Fargateのprovisioning時間という落とし穴も。効果・料金・効くワークロードの見極めを実務目線で整理します。仕様・料金は現行時点の記述として公式もご確認ください。
Amazon ECSAWS FargateAmazon CloudWatch
-
技術記事 · 運用・SRE · 2026/7/4
GitHub ActionsからAWSへ“鍵を置かずに”デプロイする — OIDC連携とCI/CDの最小構成
GitHub ActionsのSecretsに長期アクセスキーを貼るのをやめる。OIDCで短命トークンを使いAWSへ鍵を渡さずにデプロイする最小構成と、信頼ポリシー(aud+sub)を安全に絞る勘所を実務目線で整理します。仕様は現行時点の記述として公式もご確認ください。
AWS IAM
-
技術記事 · インフラ設計・構築 · 2026/7/3
AWS移行を"安全な順番"で設計する — 7R・Strangler Fig・ロールバック・二重運用コストの意思決定
AWS移行で失敗を分けるのは「何を使うか」より「どの順で戻せるか」です。棚卸し→7R割当→Strangler Figによる段階移行→データ移行→ロールバック→二重運用コストを、案件に当てはめて決める意思決定として整理します。現行の入口はAWS Transform、ロールバックの限界まで誠実に扱います。情報は2026年6月時点・公式準拠です。
-
AWS障害 · 運用・SRE · 2026/7/2
東京リージョンのAZ障害(2019)に学ぶ — マルチAZを"本当に効かせる"信頼性設計
2019年の東京リージョン単一AZ障害(公式PES準拠)を題材に、AZ障害を前提としてマルチAZを"本当に効く"設計にする判断を整理します。AZの独立性、EBSの単一AZ依存、AZフェイルオーバー、回復局面の冪等性を、AWS批判ではなく設計の学びとして扱います。事実は当時のもので、設計原則は公式ドキュメントを典拠にします。
Amazon EBSAmazon RDS
-
技術記事 · 生成AI・LLM · 2026/6/30
Cost ExplorerのレポートをAIに説明させる — Analyze with Amazon Qで何が分かり、FinOps Agentとどう使い分けるか
Cost Explorerのレポートを1クリックでAmazon Qが説明(傾向・主要ドライバ・異常)。東京含む全商用リージョンで今すぐ・追加費用なしで使えます。FinOps Agentとの使い分け(自分で見て聞く/任せて掘らせる)を実務目線で整理します。Amazon Qの利用条件は公式でご確認ください。
AWS Cost Explorer
-
技術記事 · 運用・SRE · 2026/6/28
AWS DevOps Agentで運用の定型をどこまで任せるか — カスタムSREエージェントは何を肩代わりし、何を人間に残すか
DBヘルス監視・ログ異常検知などSRE運用の定型を、カスタムエージェントに任せる選択肢が東京含む11リージョンでGA=今すぐ試せます。何を肩代わりし何を人間に残すか、料金(秒課金・前払いなし、ただし接続先AWSサービスは別建て課金)、MCP/A2Aでの呼び出し方を実務目線で整理します。
AWS DevOps Agent
-
AWS障害 · 運用・SRE · 2026/6/27
AWS US-EAST-1 大規模障害(2025年10月)に学ぶ — コントロールプレーン依存を断つ信頼性設計
2025年10月のUS-EAST-1 DynamoDB障害(公式PES準拠)で何が起き、どのサービスへ連鎖したかを簡潔に整理します。そのうえで、事象の解説より「単一リージョン・コントロールプレーン依存をどう切り離して影響を局所化するか」という設計判断に重心を置きます。AWS批判ではなく設計の学びとして読める内容です。
Amazon DynamoDB
-
技術記事 · 運用・SRE · 2026/6/26
AWSでSLOを"運用に効かせる" — SLI選定・エラーバジェット・バーンレートアラートの設計
AWSでのSLO設計を実務に落とします。CloudWatch Application Signals でSLIを選び、SLOを決め、エラーバジェットとバーンレートアラートをリリース判断まで効かせる設計を、rolling/calendarの選択と公式の式込みで整理します。料金・クォータは2026年6月時点の参考値で、公式の最新情報もあわせてご確認ください。
Amazon CloudWatch
-
技術記事 · 生成AI・LLM · 2026/6/25
生成AIエージェントを本番に乗せる前に決める6つのこと — コスト上限・可観測性・ガードレールの設計判断
生成AIエージェントの本番運用で、PoCでは見えないコスト暴走・無限ループ・冪等性事故・監査要件をどう設計するか。AWS(Amazon Bedrock AgentCore)を前提に、ハードキャップ・4テレメトリ層・多層ガードレールのトレードオフ込みで6つの設計判断に整理します。料金・クォータは2026年6月時点の参考値で、公式の最新情報もあわせてご確認ください。
Amazon BedrockBedrock AgentCore
-
技術記事 · 運用・SRE · 2026/6/16
CloudWatchがOpenTelemetryメトリクスにネイティブ対応 — PromQL資産を活かす移行とGB単位課金の損得
Amazon CloudWatchがOpenTelemetry(OTLP)メトリクスにネイティブ対応し、PromQLでのクエリにも対応しました。Prometheus/Grafana資産を捨てずに取り込み先をCloudWatchへ寄せる移行判断と、取込み$0.50/GB+PromQLクエリ課金というGB単位のコスト設計を、AWSフリーランス実務目線で整理します。GAやAMPとの棲み分けは公式の最新情報もご確認ください。
Amazon CloudWatch
-
ニュース · データ基盤 · 2026/6/15
Amazon Aurora DSQL 入門 — 分散SQLの使いどころと移行前に押さえる制約5点
2025年5月にGAしたAmazon Aurora DSQLを、AWSフリーランス実務の視点で解説。サーバーレス分散SQL/PostgreSQL互換/マルチリージョン強整合の位置づけ、通常Auroraとの違い、DPUの料金、そして外部キー・トリガー非対応やOCCリトライ・3,000行制約など移行前に押さえる制約まで整理します。
Amazon Aurora
-
ニュース · 生成AI・LLM · 2026/6/15
Amazon Bedrock AgentCore とは — エージェントを本番化するモジュール式の運用基盤
2025年10月にGAしたAmazon Bedrock AgentCoreを、AWSフリーランス実務の視点で解説。Runtime・Memory・Gatewayなどモジュール式サービスの役割、従量課金の料金構造、LangGraph等で作ったエージェントを本番化する流れまで整理します。
Amazon BedrockBedrock AgentCore