合理的な判断が引き起こすシステム障害

Googleマップに現れた“謎の文字列”　誰も悪くないのになぜ障害が起きたのか

複雑化する現代のITシステムにおいて、インシデントの真の要因を特定することは困難を極める。「Google Maps」で起きた地名誤表示を例に、単なるエラーやツール不足の裏に潜む機能不全を見抜く手法を解説する。

　大規模化して複雑に絡み合う現代のITシステムにおいて、障害の真の原因を特定し、再発を防ぐことは極めて困難になっている。従来広く用いられてきた根本原因分析（RCA）は、目に見える事象の連鎖を追いかける手法であり、個別のエラーに対処するには有効だ。しかし、企業の安全文化や評価プロセスの形骸化といった、目に見えない構造的な要因を見逃してしまう限界があった。

　「Google Maps」では、米国国勢調査のデータセットを取り込むフローにおいて、一部の都市名が誤って表示されるインシデントが発生した。例えば、米国競馬の一大レースであるケンタッキーダービーに向かう人のケースだ。開催地ケンタッキー州ルイビル（Louisville）には、毎年全米から大勢の観光客が押し寄せる。ダービーに向かう人がGoogle Mapsで「Louisville」と検索した際、「Louisville Jefferson County Metro Government (balance)」という不可解な名称が表示された。日本に例えるなら、「新宿」と検索して「東京都新宿区特別行政区画（残余部分）」といった、やたら長くて事務的な名称が表示されるようなものだ。その結果、エンドユーザーに「これは本当に正しい目的地なのか」という混乱を抱かせることになった。

　事態の発覚後も、即座にデータを切り戻せたわけではない。当初は手作業での修正が試みられ、並行してデータセット全体の自動ロールバックが進行するという複雑な対処を余儀なくされた。

　この問題に対してRCAは「評価ツールの機能不足」や「チェック対象の偏り」が原因だと特定し、評価ツールへのチェックロジック追加や、著名な都市名を必ず評価対象に加えるといった、運用者の注意力や既存プロセスに依存するルールの追加が提案された。しかし、こうした対症療法的なアプローチだけで、今後の再発を防ぎ切れるのだろうか。

　事象の表面的な解決にとどまらず、より深層にある組織的・構造的な課題を浮き彫りにしたのが、システム理論に基づく事故分析手法「CAST」（Causal Analysis based on Systems Theory）だ。事象の連鎖を追うRCAから、システム全体の振る舞いを制御するCASTへ。GoogleのSRE（サイト信頼性エンジニアリング）チームは、このインシデントをどのように深掘りし、システム全体を再設計するに至ったのか。

「誰も怠慢ではない」システム障害

関連記事

• 

  システム障害はなぜ起こる？　よくある3つの原因と“想定外”への備え3選

• 

  事業損失や信頼ダウンに直結　システムを停止させる「4大原因」とは？

新着ホワイトペーパー PR

• 製品資料
  [アイティメディア広告企画] 「会計ソフト」6製品を徹底比較　22の選定ポイントをユーザー評価を基に分析
• 比較資料
  [アイティメディア広告企画] ERP選定ガイド：ユーザーレビューを基に機能・利便性・満足度を徹底比較
• 製品資料
  [ニュータニックス・ジャパン合同会社] 複雑化するKubernetes運用、VMとコンテナの二重管理を解消する方法は？
• 製品資料
  [Splunk Services Japan合同会社] 障害原因の特定になぜ時間がかかるのか？　IT運用の課題を解決する新たな方策
• 製品資料
  [Splunk Services Japan合同会社] サイバー脅威「トップ50」完全解説ガイド、新たな攻撃手法に対抗するには