Cloudflare のハードウェアメンテナンス自動化のための創造的ツール

• Cloudflareの Phoenix ツールはサーバーの診断と復旧を自動化し、手動の時間と労力を削減します。
• Phoenix は「エラーバジェット」を使用して、繰り返し故障するサーバーの復旧価値を評価し、それに応じて復旧試行を停止します。

Cloudflare の Phoenix がサーバー診断を自動化

Cloudflare は、世界中の数百万台のサーバーを維持するためのアプローチを発表し、自動化に共感を組み込むための「エラーバジェット」の概念を導入しました。同社は故障したサーバーを自動的に検出して修復する Phoenix ツールを開発しました。

あわせて読みたい: 中国のテクノロジー大手 Lenovo が Nvidia の新サーバーで AI への取り組みを加速

Phoenix は 30 分ごとに実行され、故障したデバイスを発見して修復します。Phoenix が問題を迅速に診断し対処できるようにするには、インテリジェントな管理インターフェースとノード受け入れテストが必要です。さらに、エラーバジェットは、複数回故障するサーバーを修復する価値があるかを評価します。Cloudflare は、効率を向上させ手動介入を減らすために自動化が不可欠だと考えています。

サーバーの信頼性を評価するエラーバジェット

Cloudflare の Phoenix ツールは自動的にタスクリストを生成し、自動化で蓄積されたエラーへの耐性を表すエラーバジェットに基づいてサーバーの価値を評価します。

さらに、一定期間内にマシンが複数回故障した場合、Phoenix は復旧を試みるのを停止します。このアプローチにより、Cloudflare はハードウェア障害を管理し、診断システムの改善機会を得て、エンジニアリングチームと SRE チームがイノベーションと信頼性に集中できるようになります。自動化の価値と力は、テクノロジー専門家がより価値の高い活動に従事することを可能にします。