タグ: SRE
「SRE」に関連する記事を表示しています。
OpenAIのGB200 NVL72採用に学ぶラック単位設計の判断軸
OpenAIのGB200 NVL72採用をもとに、ラックスケール基盤とRubin構想の違い、学習・推論統合設計のトレードオフを整理しました。
個人開発のAI株取引アプリを本番運用する前に見直す可用性設計5点
AI機能付き個人開発アプリをAWSで本番運用する前に、SLO設計・IaC・オブザーバビリティ・コスト監視の観点で見直すべき5つの確認ポイントを整理しました。
Codexの操作権限拡大で起きる本番障害、監視設計で防ぐ方法
AIエージェントがIDEを出てOSを操作する時代に、権限設計・監査ログ・承認ゲートの見直しが必要な理由と確認手順をまとめました。
MCPサーバーはステートフル化すべきか セッション設計の判断基準
MCPサーバーをクラウドで複数台運用する際、セッション方式とステートレス方式のどちらを選ぶべきか、スケーラビリティや障害対応の観点から判断基準を整理しました。
ThingsBoardとBlynk、IoT基盤はどれを選ぶべきか 6製品比較
ThingsBoard・Blynk・Virtuino CloudなどIoT基盤6製品を、コマンド確認・LWT・自己ホスト可否というSRE視点の判断軸で比較しました。
AIエージェント運用でオンコール対応が壊れる落とし穴と対策
AIエージェントに障害対応を任せる際、組織知識の手作業収集が積み重なる落とし穴と、コンテキスト供給を仕組み化する具体的な確認手順を整理しました。
社内AI格差の正体は組織アーキテクチャの断層 FDE型解決策を検証する
社内のAI活用格差を、FDE型の常駐モデルで解消できるかを非機能要件と技術的負債の観点から検証します。
Open WebUI + OllamaをVPSで自前運用する際の可用性の落とし穴
Open WebUIとOllamaをVPSで自前運用する構成に潜む単一障害点・メモリ枯渇・監視不在のリスクと、その確認方法・対策手順を整理しました。
Terraformのtfstate事故はなぜ起きるか 確認手順と対策
Terraformのtfstate管理でありがちな事故の原因を分解し、確認コマンドと具体的な対策手順を整理しました。
EC2のスケーリング、水平か垂直か判断する4つの軸
EC2の負荷対応で水平スケーリング(Auto Scaling)と垂直スケーリング(インスタンスタイプ変更)のどちらを選ぶべきか、4つの判断軸で整理しました。
Gemini 3.7 Flash登場、コード生成基盤モデルの切替判断基準
Gemini 3.7 Flashのコスト半減・精度向上を題材に、本番運用中のモデル切替を監視・障害対応・コストの観点でどう判断するか整理しました。
IRIS運用でAIコード支援が使えない問題、MCPサーバー導入は必要か
IRISをisfs://で運用する現場でAIコード支援が効かない原因と、MCPサーバー導入を検討すべき判断基準を整理しました。