サーバーの運用について調べていると、「障害が起きても自動で復旧する」という説明を見かけることがあります。人が気づく前にシステムが直ってしまうのか、と不思議に思った未経験者も多いはずです。結論から言うと、セルフヒーリングとは、システムが異常を自ら検知して、人の手を介さずに復旧まで行う仕組みのことです。この記事では、セルフヒーリングが何をどこまで自動化しているのか、どんな場面で使われているのかを未経験向けに解説します。
セルフヒーリングとは何か
セルフヒーリングとは、サーバーやコンテナといった実行環境が異常な状態になったときに、システム側が自動で検知し、再起動や入れ替えによって正常な状態に戻す仕組みのことです。ヘルスチェックの仕組みを解説した記事で紹介しているような、定期的な確認で異常を見つける部分が、セルフヒーリングの入り口になっています。
- 確認に失敗したコンテナやプロセスを「異常」と判定する
- 異常な対象を止めて、新しいものを立ち上げ直す
- 立ち上げ直した後、再び確認を行い、正常に戻ったかを見る
人が障害に気づいて対応するまでの時間を待たずに、システム側で先に復旧を進めてしまうのが、セルフヒーリングの大きな特徴です。
何が自動で行われるのか
セルフヒーリングと呼ばれる仕組みは、段階によって自動化している範囲が異なります。
| 段階 | 行われること |
|---|---|
| 検知 | ヘルスチェックなどで異常な状態を見つける |
| 切り離し | 異常な対象を振り分け先やサービスから外す |
| 再起動・入れ替え | 異常なプロセスやコンテナを止めて、新しいものを起動する |
| 再確認 | 新しく起動したものが正常に動いているかを確認する |
この一連の流れが自動で繰り返されることで、1台のサーバーやコンテナが落ちても、サービス全体としては動き続けているという状態を作り出しています。
代表的な仕組み: コンテナ基盤の例
セルフヒーリングの分かりやすい例として、コンテナを管理する基盤が挙げられます。Kubernetesとは?を解説した記事で紹介しているように、Kubernetesは「決めておいた数のコンテナを常に動かし続ける」という考え方を持っており、コンテナが落ちると自動で新しいコンテナを立ち上げ直します。担当者がサーバーに手動でログインして復旧作業をする前に、基盤側がすでに次のコンテナを動かし始めている、という場面も少なくありません。クラウドのマネージドサービスでも似た考え方が使われており、異常なインスタンスを自動で切り離して新しいインスタンスに置き換える機能が、多くのサービスに標準で用意されています。
全部自動にできるわけではない
セルフヒーリングは便利な仕組みですが、万能ではありません。
- 同じ原因で何度も異常が起きる場合、再起動を繰り返すだけで根本原因が直らない
- データベースのデータ不整合など、再起動では直せない種類の異常もある
- 異常の頻発自体が、設計やコードの問題を知らせるサインになることもある
自動で復旧したからといって、原因調査をしなくてよいわけではなく、再起動の回数が多い対象は、後から人が原因を確認する必要があります。
現場での位置づけ
現役でインフラの現場にいる立場から言うと、セルフヒーリングが効いている環境では、障害の連絡を受けてもすでに復旧が終わっていることがあり、対応の中心は「なぜ異常が起きたか」の調査に移ります。自動で直ることに安心しきってしまうと、同じ異常が繰り返し起きていることに気づきにくくなるため、復旧の記録や発生回数を振り返る習慣が運用の質を左右します。
InfraDojoで学ぶ
InfraDojoなら、コンテナやサーバーの基本的な操作を、会員登録なしでブラウザ上からその場で練習できます。セルフヒーリングの前提になる基本的な仕組みを理解しておくと、自動化された環境の動きも読みやすくなります。
クラウドやコンテナの基礎から順番に学びたい場合は、AWSの学習ロードマップも参考にしてみてください。
よくある質問
Q. セルフヒーリングがあれば障害対応は不要になりますか?
復旧自体は自動で行われますが、なぜ異常が起きたのかという原因調査は別に必要です。再起動が頻発している場合は、設計やコードに問題がある可能性があります。
Q. セルフヒーリングはどんな環境で使われていますか?
コンテナを管理する基盤や、クラウドのマネージドサービスで広く使われています。従来型の1台構成のサーバーでは、仕組み自体が用意されていないこともあります。
Q. 未経験でもセルフヒーリングの設定を任されますか?
設定自体は最初から任されることは少なく、まずは自動で復旧した後のログを確認し、異常の頻度や原因を調べる業務から経験を積むことが多いです。