「全日空のシステム障害、シスコ製スイッチの「初めて確認された」不具合が原因」記事へのコメント

素人にわかるように、解決の難しさを教えて

[Anonymous Coward]

素人考えだと、スイッチを交換すればすぐ回復できそうなように思えます。

たぶん、ハブほど簡単に交換できるものじゃないのだろうとは思いますが
こういった充分な資金力のある、大規模で信頼性が求められるシステムで

長時間、停止してしまうことを防ぐことは
それほど難しいことなのでしょうか?

Re:

[t-ken-rg (47532)]

障害の特定はあらゆる可能性を検討して潰していく必要があります
今回であれば

・スイッチの不具合（ハード故障／ソフトウェア不具合）
・サーバのハード故障（NIC／マザーボード／メモリ／HDD）
・サーバのソフトウェア不具合（OS／ミドルウェア／その他のアプリ）
・ケーブル不良
・オペレーションミス
・電源供給不安定

みたいのが想定できます
実際にはもっとあるでしょうし要因が複数組み合わせの可能性もある

ある程度原因を絞るにしても特定作業はそれなりの時間がかかってしまうでしょうね

Re:

[Anonymous Coward]

そういうのって自動化できないんかな。
ネットワークなんだからあちこちでパケット監視すればできそうな気がするんだが。

Re:素人にわかるように、解決の難しさを教えて

[Anonymous Coward]

今回の件は監視している相手が嘘ついたという話ですので。

Re:

[Anonymous Coward]

そら一カ所しか見てないから見逃すんでは。
エンドツーエンドで監視すれば色々分かるような気がする。

Re:

[Anonymous Coward]

ここの経路が死にました！
→ケーブルかIFボードかスイッチかマザボかOSかアプリか
ってのは変わらない気が

Re:

[Anonymous Coward]

(サーバー側視点では)エンドツーエンドで監視してるから同期が取れてないのでフェイルオーバーするんですよ。
でも通信が完全に途切れてるわけじゃないのでどこが悪いのかよくわからんのです

Re:

[Anonymous Coward]

だからネットワーク内にいくつもノードを配置して通信状況を観測すれば自動的に故障箇所を特定できるんじゃ

Re:

[Anonymous Coward]

なにをもってどこの故障と判定するのかが難しいんだって

とはいえ、ノード網羅して通信状況見て判定する製品というのはEMC Smartsとかであるにはある。

Re:

[Anonymous Coward]

スイッチが正常なふりをして壊れるということが今回分かったから、次からは対策ができる。
じゃあ次に起こる故障が何なのか、どこで発生するのか予測して観測できるか? というと、できない。
今回のスイッチ故障は事前に予期して対策できたか? というと、できなかった。

異常を起こした機器を人間が見れば、すぐに正常か異常か判断できるかもしれない。
何の事前の学習もなしにそれができる能力のことを、知能とか機械なら強いAIとか言うんじゃないかな。

Re:

[Anonymous Coward]

そんな「このゲームの敵はどうやって動かすんですか」「CPUに考えさせるんだよ」みたいな……