サービス継続と可用性管理

サービス継続と可用性管理は、障害や災害があってもサービスを必要な水準で提供し続けるための計画と、サービスが実際に使えた時間の割合を管理する活動である。信頼性を表す指標、復旧の目標、復旧の方式を一組で理解すると、問題文の記述がどの概念を指しているのかを見分けやすくなる。

信頼性指標の仕組み

稼働率は、システムが稼働している時間の割合を表す指標である。平均故障間隔（MTBF）を、MTBFと平均修復時間（MTTR）の和で割ると稼働率が求められる。

MTBFは修理可能なシステムに使われ、故障から次の故障までの平均時間を指す。運用を始めてから最初の故障までの平均時間は一般にMTTFと呼ばれ、MTBFとは区別される。両者の違いは、問われやすい用語の区別の一つである。

稼働率の関係式を使うと、稼働率が等しい二つのシステムでは、MTTRとMTBFの比も等しくなる。稼働率をAとすると、MTTRとMTBFの比は(1−A)÷Aで表され、Aだけで決まるからである。このため、稼働率が同じでもMTBFやMTTRそれぞれの値が同じとは限らない。

稼働率の高さは、故障の頻度と修復の速さの両方で決まる。故障が少なくても修復に時間がかかれば稼働率は下がり、故障が多くても修復が速ければ稼働率を保てる。この二つの要素を分けて考えることが、信頼性の議論の基本である。

復旧目標と可用性の計算

復旧時間目標（RTO）は、中断から復旧までに許される時間を表す。復旧時点目標（RPO）は、どの時点のデータまで戻せるかを表す。復旧レベル目標（RLO）は、復旧時に提供する機能や範囲の水準を表す。三つは別の概念なので、記述がどれに当たるかを分けて読む必要がある。

中断から一日以内に復旧するという期限はRTOに当たり、重要なサービスに限定して復旧するという範囲はRLOに当たる。中断の数時間前までデータを戻すという点はRPOに当たる。一つの文にRTOとRLOが同時に含まれることもあるので、語の意味を一つずつ当てはめて確認する。

可用性は、対象時間のうちサービスが使えた時間の割合で求める。計画停止時間は顧客と合意した停止であり、対象時間から除く扱いになる。その上で障害による停止時間を差し引き、残りの対象時間に対する割合を求める。