これは、クラウドコンピューティングのベストプラクティスと、実際にみんながやってることの違いを示してるよね。まあ、リージョン間のDR/HAは、特にAWSにいると、給料やインフラ、どちらか両方でも高くつくからね。

AWSは自分たちのウェルアーキテクテッドフレームワークに従ってるの？

うーん、この問題を防ぐための「ベストプラクティス」は実装が簡単じゃないし、ほとんどのエンジニアリングチームができる範囲を超えてると思う。リスクプロファイルによるよね。俺が働いてたフリーミアムゲーム会社でクラウドの障害が起きたときは、みんなで肩をすくめてシステムが復旧するのを待ってたよ。誰も言葉パズルができなくて死ぬわけじゃないからね。でも、管理職が「次はどうやってこういう問題を防ぐの？」って聞いてきて、必要なエンジニアリングの努力が明らかになると、まるで聞いてなかったかのように振る舞うこともあった。6〜18ヶ月の間に全てのロードマップを破棄してでも、信頼性を9上げるために動くプロダクトマネージャーにはまだ会ったことがないけど、そういうのが超重要な業界では働いてないからかも。

ベストプラクティスには、AWSがダウンしたときの計画は含まれてない。Netflixはそれを計画してないし、彼らは非常に強力なエンジニア組織を持ってる。

US-East-1は普通のリージョン以上の存在なんだ。他のリージョンのサービスの基盤も提供してる。US-East-1がダウンしたら、他のゾーンで管理したり新しいサービスを立ち上げたりできないかと思ってたけど、US-East-1から引き継げるサービスがあれば、アプリやウェブサイトを維持できるんだよね。数年前に障害があったときはそうだったけど、使ってるサービスによるよね。US-East-1がダウンした後に他のゾーンにクローンを作り始めることはできないから、遅すぎるんだ。

そうだね、アマゾンのエンジニアは偽善者だよ。彼らは地域のフェイルオーバーやマルチAZデプロイのために余分なお金を使わせたいけど、自分たちはそれをやってないからね。

ちょっとおかしいかもしれないけど、これは彼らの「ルーム641a」かも。システムの目的はその機能だから、現実に対して「こうあるべき」って議論しても意味ないよね。彼らは何十年も「可用性」をプレミアム価格で売り出してきた。俺は競合他社で働いてたけど、もっと良い製品を作ったんだ。それはどんなゾーンが落ちても耐えられるやつだった。

AWSの無駄な複雑さに悩まされたのは久しぶりだけど、確か、証明書はus-east-1で生成されたものでないとCloudFrontに関連付けられないから、今もそうなら全CDNにとっての単一障害点になってるよね。

この事実は、US-East-1でまた障害が起きるたびに3〜5年ごとに浮上する。今までにこの爆風半径の問題を解決するためにアーキテクチャを変えられたはずなのに、そうしないのはなぜ？悪い設計だと分かってるのに、何十年もバージニアに中央集権的なコアトラフィックサービスを置き続ける理由は何だろう。

ずっと言ってるのは、クラウドには顧客から見えないところに単一障害点（それに、悪夢のようなセキュリティリスク）がたくさんあるってこと。「ただのボックスで運用するなんて無理！それは単一障害点だ。だからクラウドに移行するんだ！」違いは、クラウドがダウンしたときに、責任を彼らに押し付けられること。修正するのは彼らの問題だしね。企業の世界って、こういうことが多いよ。マッキンゼーみたいなコンサルタントの大きな役割は、CEOや取締役がやりたいことを裏付ける複雑なレポートやプレゼンを提供すること。そうすれば、うまくいかなかったときにマッキンゼーを責められるから。

たとえus-east-1が普通のリージョンだったとしても、他のリージョンにus-east-1のすべてのワークロードを受け入れるだけの余裕はないから、無意味な話だね。

それに、AWSを使っているほとんどの企業がマルチリージョンのサポートに全く近くないってことも助けになってないし、us-east-1が最も人口の多いリージョンだと思う。

彼らは、レジリエンスを犠牲にしながらも、できるだけスプリットブレインのシナリオを避けたいみたいだね。DNSみたいなものは、たぶん避けられないだろうけど。だから、全ての責任をAWSに押し付けるわけにはいかないよね。もし自分のアプリが領収書（例えば航空券）に依存してるなら、オフライン版をスマホに保存しておくべきだと思う。そうすれば、フライトのチェックインもできるし。でも、Redditにアクセスできなかったり、マクドナルドで注文できないのは我慢できるかな。良い根本原因分析レポートを出してほしいな。

アマゾンは年末までにEU主権クラウドを立ち上げる予定らしいよ。完全に独立したものになるって言ってる。そうなれば、AWSで本当のレジリエンシーが実現できるかもしれないね。どうなるか見てみよう。

OPはfaun.devのクリエイターみたいだね。ただのテックニュースサイトっぽい。

「Ansible」と「Jenkins」…どっちも素晴らしいけど、Jenkinsについては全然素晴らしいとは言えない。時々目標を達成するために使えることもあるけど、全般的にはひどい。使いにくいし、メンテも大変、セキュリティもクソ。20年前は競争がなかったからベストな解決策だったけど、競争が出てきてからは全然 relevancy もなくなった。2025年の終わりに近づいても、いまだに実行時にJWTアイデンティティをサポートしてないのは恥ずかしいよ。同じことがVMware vSphereにも言える。

デザインがすぐに変だなって感じた。どこからこの情報を得てるんだろう？これは「さらなる読み物」にリンクされているBBCのライブニュースフィードのAI要約なの？

自己宣伝のゴミだと思う。ここではそれが普通になってきてるね。

冗長性はめちゃくちゃ高価だよ。特にSaaS企業にとっては、最大のコストがクラウドだから。顧客はその冗長性に対してお金を払う気があるのかな？多分ないと思う。数年に一度、3時間のダウンタイムがあるのは、重要でないサービスには問題ないよ。

大きな「もし」だけど、こういう大規模な障害は珍しくないし、今のところはあまり起こらないね。でも、彼らのSLAが約束するよりは確実に影響が大きいよ。正直なポストモーテムをやってほしいけど、AIが関与してたとしても責任を追及するとは思えないな。完全に手を引かなきゃAIを責めることもできないし、それってアウトソーシングパートナーを責めるのと同じだから、そんなことはまず起きないよね。