ランブックとは何か？

ランブックとは、特定の運用タスクを実行したり、既知の種類のインシデントに対応したりするための、文書化されたステップバイステップの手順であり、誰でも確実に実行できるようにするものです。

深夜3時に何かが壊れたとき、対応者にゼロから対応方法を考え直させたくはありません。ランブックは、既知の問題を診断し修正するための実証済みの手順を記録し、専門家の知識をオンコールの誰もが従えるチェックリストへと変えます。

ランブックの目的

ランブックは、繰り返し発生する運用状況への対処方法を文書化します。たとえば、停止したサービスの再起動、データベースのフェイルオーバー、特定のアラートへの対応などです。組織の知識をコード化することで、対応が特定の専門家が起きていて対応可能であることに依存しないようにします。

優れたランブックは、具体的で、最新で、実行可能です。それを引き起こす症状、実行すべき正確なコマンドや手順、そして成功をどう検証するかを示します。「問題を調査する」といった曖昧なアドバイスは深夜3時には役に立ちません。疲れた対応者が従える具体的な手順こそが重要です。

これらの用語はしばしば互換的に使われますが、多くのチームはランブックを特定のタスクの詳細な手順、プレイブックをインシデントの種類に対するより高レベルの戦略として扱います。この区別よりも、戦略と具体的な手順の両方が文書化されていることのほうが重要です。

古くなったランブックは、対応者を誤った道へ導くため、何もないよりも悪いものです。ランブックはシステムの変化に合わせてテストと更新が必要です - 理想的には実際のインシデント中に参照され、その後ポストモーテムで見直されるべきです。誰も信頼しないランブックは従われません。

よく定義されたランブックは、自動化の設計図です。手順がステップバイステップで書き出せるほど正確であれば、多くの場合スクリプト化できるほど正確でもあります。多くのチームはランブックを段階的に自動化し、手動の復旧を、人間がページングされる前に動作する自己修復システムへと変えていきます。