YAMAGUCHI::weblog

噛み付き地蔵に憧れて、この神の世界にやってきました。マドンナみたいな男の子、コッペです。

クラウドが状態を把握してもIaCがなくならない理由

はじめに

こんにちは、Grafana Labsでデベロッパーアドボケイトをしているものです。

2026年10月31日、元同僚のJames Ward*1が、Xで「IaC is dead」と投稿しました。AIがあれば、インフラの構成をコードで管理するIaC*2は不要になるという主張で、最後には共著書の宣伝が添えられていました。私は思わず「Such a poor promotion of your book」と返信しました。Jamesは、Kubernetesの源流であるBorgを運用してきたGoogleに在籍していたことがあり、現在はAWSに在籍しています。両社のインフラが状態の把握と宣言的な制御の積み重ねで成り立っていることを知る立場にあったはずなので、この言い方が出てきたことを残念に思っています。

Xでの議論は、その後に私が続けた返信で終わっています。そのため、この記事はJamesに反論を届けるためのものではありません。

生成AIがインフラの変更まで書くようになると、その変更を誰がどのように確かめ、承認し、元に戻すのかが問われます。IaCがこれまで何を担ってきたのかを振り返れば、その問いに答えられると考えて、この記事を書きました。クラウドが状態を正しく把握して制御できるようになったとき、IaCのどの役割がなくなり、どの役割が残るのかを、Kubernetesが何を変えたのかと合わせて考えたいと思います。

英語の引用の訳はすべて拙訳です。また、この記事は個人の見解であり、所属企業のものではありません。

TL;DR

IaCは、望ましい状態をコードとして残す、意図を記録する役割と、状態を保持して差分を計算し、適用する、実行基盤としての役割を担ってきました。Kubernetesはクラスタの内側で実行基盤としての役割をプラットフォームに組み込みましたが、利用者は今もマニフェストを書いてGitで管理しています。クラウド全体が状態を把握して収束させ続けるようになっても、プラットフォームが引き受けられるのは実行基盤としての役割だけで、意図を記録する役割は残ります。AIが記述を書くようになっても、承認し、再現し、元に戻すための記述は成果物として残す必要があります。

「IaC is dead」の主張

Jamesの投稿は次のとおりです。

訳は次のとおりです。

IaCは死んだ。

DevOpsエンジニア、SRE、クラウドエンジニアの皆さんには悪いが、開発者と同じジェットコースターに乗ることになる。AIはインフラの変更をあなたたちよりうまく管理できる。

IaCにとっては残念なことに、コードはもう必要ない。実際のシステムのソースコードとインフラさえあれば、変更セットや承認、開発環境のlensingを決めるのに必要なものは、すべてAIの手元にそろっているからだ。

ちなみに、そこにたどり着くには『Effect Oriented Programming』がたぶん役に立つ。もっとも、あなたたちのコードベースにとっては、いずれ避けられないことだが。

最後の段落にある『Effect Oriented Programming』は、Jamesが共著者に名を連ねる本です。Jamesは、AIがシステムのソースコードと実際のインフラを読めば、変更の内容も承認の可否も判断できると主張しています。そのため、望ましい構成をコードとして書いておく必要はないとしています。

Jamesは同じ日に、この投稿へ次の追記を付けました。

私が言っていることの一端を知りたければ、Alchemy Effectを見てほしい。システムのコードでインフラの依存関係を表現できることが分かる。

Alchemy*3は、アプリケーションのコードの中で、そのコードが使うバケットや権限を宣言できるフレームワークです。しかし、AlchemyのドキュメントはAlchemy自身をIaCだと説明しています。

Alchemy is Infrastructure as Code built in pure Effect, with Infrastructure as Effects on top.

(Alchemyは、純粋なEffectで作られたIaCであり、その上にInfrastructure as Effectsを載せたものである。)

同じページによれば、AlchemyはTerraform、Pulumi、CloudFormation、AWS CDKと同じ系統のIaCです。デプロイのたびに現在の状態を読み、プログラムとの差分を計算してplanを示し、依存関係の順に適用して、結果を状態ストアに保存します。Jamesは、IaCが不要になる例として、記述を置く場所をアプリケーションのコードに移したIaCを挙げたことになります。

私がこの点を指摘すると、Jamesは「This is very different from IaC(IaCとはまったく違う)」と返信しました。私がAlchemyのドキュメントを示すと、今度はAlchemyがIaCの上に作られていることを認め、そのうえでIaCは本当は必要ないと主張を変えています。最終的にJamesが示したのは、コードが使うリソースとの結び付き(バインディング)はシステムのコードで表現し、それに必要なインフラの変更はAIエージェントが適用するという考えです。コードから消したリソースを何がどの順で削除するのかと私が問うと、Jamesは「An agent can easily figure this out from infra APIs and code.(エージェントならインフラのAPIとコードから簡単に判断できる)」と答えました。

Jamesの主張は返信のたびに変わり、IaCなしで動く例は最後まで示されませんでした。私は、一連の投稿は議論のためではなく、読み手を煽って共著書の宣伝につなげるためのものだと受け取りました。クラウド事業者のデベロッパーアドボケイトによる投稿として、最悪のものだと考えています。

それでも、最後に残った主張は、検討する価値があるように感じました。宣言はコードに残し、状態の把握と変更の適用をAIエージェントに任せられるのかという問いです。その答えを出すために必要な条件は、Kubernetesがクラスタの内側ですでに実装した設計とほぼ重なります。そこで、Kubernetes以前のインフラ自動化から、Kubernetesが変えたこと、汎用言語で書くIaCまでを先に振り返ります。

Kubernetes以前のインフラ自動化

インフラの記述には、最終的にどうあるべきかを書く宣言型と、そこに至るまでの操作を順に書く手続き型があります。Kubernetes以前にも、宣言型の考え方はありました。現在の状態を、宣言した望ましい状態へ近づけ続ける収束(convergence)の考え方は、1993年にMark Burgess*4が開発したCFEngineにさかのぼります。その後のChef、Puppet、Ansibleのような構成管理ツール*5でも、パッケージやファイルについては、サーバーごとにあるべき状態を宣言型で記述できます。ただし、記述の対象は個々のサーバーの中身でした。何台のサーバーをどこに置き、どのネットワークでつなぐかというシステム全体の構成は、操作を順に書いた手続き型のスクリプトや、コンソールでの手作業で作られていました。

手続き型の自動化には、規模が大きくなるほど問題になる弱点があります。冪等性*6は書き手の工夫に依存し、操作の順序や依存関係、途中で失敗したときの巻き戻しも書き手が考えなければいけません。そして、システムがどうあるべきかという記述がどこにも残りません。残るのは稼働中のシステムだけで、そこには意図した構成と、コンソールで加えた変更や障害対応の一時的な修正とが、区別なく積み重なっています。当時よく使われた「ペットと家畜」*7のたとえでいえば、サーバーは1台ごとに変更の履歴が異なり、同じ構成で作り直せないペットでした。

クラウドのAPIの多くも命令型(手続き型)です。「インスタンスを作成する」「ルールを変更する」という操作をどう組み合わせるかは、利用者の責任でした。コンソールを手で操作するClickOps*8も、スクリプトによる自動化も、この点では変わりません。状態はサービスごとに散らばっていて、それを望ましい状態と比べる仕組みはありませんでした。

この問題は障害対応の場面で表面化します。深夜の障害対応で、担当者がコンソールから設定を手で変えて復旧させたとします。その変更が記録されなければ、数か月後に自動化スクリプトを実行したときに変更が上書きされ、同じ障害が再発します。逆に自動化の側が現在の状態を正しいものとして取り込めば、その場しのぎの変更がそのまま設計として残ります。意図を記述したものがなければ、「この変更は意図したものか」と問うこともできません。

サーバーの中身については、意図した状態をテストとして書き、実際の状態を確かめる試みも生まれました。2013年にmizzyさん*9が公開したServerspec*10は、RubyのテストフレームワークであるRSpecの書き方で、「このパッケージが入っている」「このポートで待ち受けている」といったサーバーのあるべき状態を記述します。テストを実行すると、SSHなどで実際のサーバーにコマンドを実行して、記述どおりかを確かめます。PuppetやAnsible、CFEngineなど、どの構成管理ツールで構成したサーバーにも使えます。公式サイトは、Serverspecの本当の狙いはインフラのコードのリファクタリングを助けることだと説明しています。インフラをコードで書くなら、アプリケーションのコードと同じように、振る舞いを変えずに書き直せたことをテストで確認できる必要があるという考え方です。

Serverspecのテストは、意図した状態を、構成を変更するコードとは別に記述したものです。この記述があれば、IaCを経由しない変更で実際の状態が意図からずれたことも、テストの失敗として検出できます*11。

この欠けていた部分を補ったのが、宣言的なIaCのツールです。AWSは2011年にAWS CloudFormationをリリースし、自社のリソースをテンプレートで宣言して管理できるようにしました。2014年には、複数のクラウドを対象にしたTerraform*12が登場します。Terraformは望ましい状態をコードとして記述し、実際の状態を状態ファイルに保持し、適用する前にplanで差分を計算します。宣言、状態、差分の3つがそろったことになります。

ここでIaCは2つの役割を担っています。1つは、望ましい状態をコードとして書き、レビューして履歴に残す、意図を記録する役割です。もう1つは、実際の状態を保持して差分を計算し、依存関係の順に適用する、実行基盤としての役割です。実行基盤としてのIaCは、クラウドに欠けていた層を、クラウドの外から付け足すものだったと私は考えています。

Kubernetesが変えたこと

Terraformと同じ2014年、GoogleはKubernetes*13を公開しました*14。Googleは社内のクラスタ管理システムであるBorg*15を、10年以上にわたって本番環境で運用してきました。Kubernetesは、Borgとその後継のOmega*16での経験をもとに設計されています。その経緯は、2015年のBorgの論文と、2016年の記事「Borg, Omega, and Kubernetes」で公開されています。

Kubernetesはコンテナを実行する基盤であると同時に、IaCがクラウドの外に置いていた宣言、状態、差分の仕組みを、プラットフォームの内部に実装しました。私は、この点がKubernetesの画期的なところだと考えています。

宣言的なAPI

Kubernetesの利用者が提出するのは、操作の手続きではなく、宣言型で書いた望ましい状態(spec)です。「コンテナを3つ起動する」と命令するのではなく、「このワークロードのレプリカを3つ維持する」と宣言します。どう実現するかはKubernetesが決めます。specは設定ファイルとして手元に置かれるだけでなく、APIオブジェクトとしてクラスタに登録され、現在の状態(status)と対になってクラスタの中に保持されます。

Deployment*17を1つ作る場面で、この流れを見てみましょう。利用者がDeploymentのspecをAPIサーバー*18に提出すると、APIサーバーはそれをetcd*19に保存します。Deploymentコントローラー*20はspecを読んでReplicaSet*21を作り、ReplicaSetコントローラーはPod*22を作ります。スケジューラーはPodを動かすノードを決め、そのノードのkubelet*23がコンテナを起動してstatusを書き戻します。この流れのどこにも、操作の順序を書いた手続きはありません。各段階で望ましい状態と現在の状態を比べる、小さなループがつながっているだけです。

調整ループとレベルトリガー

コントローラーが繰り返すこの処理を、調整ループ(reconciliation loop)と呼びます。コントローラーは現在の状態を観測し続け、specとの差を埋めるように動きます。Podが停止すれば作り直し、ノードがなくなれば別のノードにPodを配置し直します。自己修復と呼ばれる動作は、この単純なループの結果です。Kubernetesのドキュメントでは、コントローラーを部屋のサーモスタットにたとえています。利用者が設定温度という望ましい状態を伝えると、サーモスタットは室温を見ながら装置をオンやオフにして、室温を設定温度に近づけ続けます。

調整ループは、変更の通知ではなく状態そのものに反応するレベルトリガー*24の設計です。コントローラーは変更の通知を取りこぼしても、現在の状態とspecに差がある限り動き続けます。自動化の対象が、一度だけの適用から、常に収束させ続けることへ変わりました。

宣言型の記述と調整ループの組み合わせが、大規模な運用で手続き型の自動化より有利なのは、分散システムの性質によるものです。手続き型の自動化は、すべての操作を実行し終えるまで周りの状態が変わらないことを前提にしています。しかし実際には、途中でネットワークが切れ、プロセスが停止し、人が操作に割り込みます。手続き型の自動化が途中で失敗すると、どこまで進んだのか分からない状態が残ります。宣言は最終的な状態だけを指定し、ループは残っている差だけを埋めるので、何度中断されても同じ状態に収束します。冪等性は、書き手の工夫ではなく設計の性質として得られます。

状態の保持と単一の入口

Kubernetesは、すべてのリソースの状態をetcdに保持しています。クラスター自身が、自分の状態をすべて記述したデータを持っているわけです。そのため差分を計算でき、スケジューラーは配置を判断でき、障害が起きてもPodを配置し直せます。

さらに、状態を読み書きする経路はAPIサーバーに限られています。すべての変更がAPIサーバーを通るので、認証と認可とアドミッションコントロール*25を1か所で適用できます。誰が、何を、どこまで変更できるかを強制できるのは、変更の経路が1つにまとまっているからです。Borgの論文は、KubernetesのAPIサーバーが担うのは要求の処理と状態の操作だけだと説明しています。レプリカの数を保つコントローラーのようなクラスタ管理のロジックは、APIサーバーのクライアントとして作られています。

統一されたAPIモデルと拡張

Kubernetesのリソースは、どれもapiVersion、kind、metadataという共通の項目を持ち、多くはspecとstatusの組で望ましい状態と現在の状態を表します。Custom Resource Definition(CRD)*26とOperator*27を使えば、同じ構造のまま新しい種類のリソースと、それを管理するコントローラーを追加できます。Kubernetesは単一の製品であると同時に、宣言的なシステムを作るための基盤になりました。この拡張性があったので、Kubernetesの上に多くのプロジェクトが生まれました。

Kubernetesに残る問題

とはいえ、Kubernetesにも多くの問題があります。etcdはすべての状態を保持する反面、失えばクラスタの状態をすべて失うので、バックアップと復旧は運用者の大きな負担です。オブジェクトのstatusが正常でも、アプリケーションが正しく動いているとは限りません。

宣言的に管理しているはずのクラスタでも、kubectlで直接書き換えたオブジェクトは、Gitで管理しているマニフェスト*28と少しずつ食い違っていきます。Argo CDやFluxのようなGitOps*29のツールが差分を検出し続けるのは、そのためです。バージョンアップやAPIの非推奨化にも追従し続けなければならず、Kubernetes自体を運用するためにプラットフォームチームを置く組織も少なくありません。

それでも、KubernetesがIaCを変えたことに変わりはありません。IaCがクラウドの外で担っていた実行基盤としての役割を、Kubernetesはプラットフォームの中心に組み込みました。自動化の中心は、手続き型のスクリプトから、状態を保ち続けるシステムへ移りました。そして自動化がここまで進んでも、Kubernetesのエコシステムは大量のYAMLで書かれた宣言に支えられています。意図を記録する役割は利用者の側に残り、記述はなくならずに増えました。

汎用言語で書くIaC

Kubernetesの登場後には、IaCを書く言語にも変化がありました。AWSは2019年にAWS CDK(Cloud Development Kit)の一般提供を開始しました。CDKでは、TypeScriptやPython、Java、C#、Goといった汎用のプログラミング言語でインフラを定義し、CDKがそれをCloudFormationのテンプレートに変換してデプロイします。Pulumiも、汎用の言語でクラウドのリソースを定義するIaCツールです。

汎用の言語で書く利点の1つは型です。CDKでは、リソースの種類ごとにクラスが用意され、設定できる項目とその値の型が定義されています。TypeScriptで書けば、存在しない項目名や型の合わない値、必須の項目の書き忘れを、デプロイする前にコンパイラーが検出します。エディターも、入力できる項目を補完して示します。YAMLやJSONで書いたテンプレートでは、こうした誤りの多くは、別の検査ツールを通すかデプロイするまで分かりません。

型があると、リソース同士の関係もコードで表せます。CDKでは、バケットを表すオブジェクトのgrantReadメソッドにLambda関数を渡すと、その関数がバケットを読むために必要なIAMのポリシーが生成されます*30。CDKのドキュメントは、インフラとアプリケーションのロジックを同じプログラミング言語で定義できることを利点に挙げています。Jamesが紹介したAlchemyの、システムのコードでインフラの依存関係を表すという考え方は、2019年の時点でCDKが示していた方向と同じです。

それでも、CDKは記述をなくしてはいません。CDKのコードを実行するとCloudFormationのテンプレートという宣言が生成され、状態はCloudFormationのスタックが保持します。cdk diffを使えば、デプロイする前に差分も確認できます。汎用の言語と型が改善したのは、意図を記録する役割のうち、宣言を書く手段と、書いた宣言を検査する手段です。宣言、状態、差分という構造は変わっていません。

変更をAIに任せるための条件

ここでJamesの主張に戻ります。AIが、コードなしで、あるいはバインディングだけを手がかりに変更セットを導き、承認の可否まで判断するには、少なくとも次の4つの条件が必要だと私は考えています。このうち最初の2つはプラットフォームが担えますが、残りの2つは望ましい状態を記録したものがなければ満たせません。

現在の状態の把握

1つ目の条件は、システムの現在の状態がすべて正確に把握されていることです。誰かがコンソールから直接変更するような、IaCを経由しない変更も含めて、把握している状態と実際の状態が一致している必要があります。実際の状態の一部しか見えていないAIが変更セットを導けば、見えていない部分を損なうおそれがあります。

APIを呼んで現在の状態を読み取ることは、状態を観測することであって、把握することではありません。観測はある時点の標本にすぎず、結果整合性による反映の遅れや、権限の外にあるリソース、誰も管理していないリソースは読み取れません。クラウドにも現在の状態を集める仕組みはあり、AWS ConfigやCloud Asset Inventoryはリソースの構成と変更の履歴を記録します。ただし、記録の対象はそれぞれが対応しているリソースの種類に限られ、記録は変更より遅れて反映されます。

Kubernetesでは、APIサーバーがすべての変更を受け付け、etcdに保存した内容がそのままクラスタの状態です。クラウドでは、各サービスが自分の状態を別々に持ち、それを集めたものが後から作られます。AIがAPIをどれだけ速く読み取っても、集める仕組みの対象外にあるリソースや、反映が遅れている変更は読み取れません。

APIとコードから状態を割り出す方法は、Terraformが初期に試しています。Terraformのドキュメントによれば、初期のプロトタイプは状態ファイルを持たず、AWSのタグで実際のリソースと対応づけていました。しかし、タグを付けられないリソースやクラウドがあったため、すぐに問題にぶつかったと説明しています。コードから消したリソースは、どの順で削除すればよいかもコードからは分かりません。そのためTerraformは、最新の依存関係を状態に残しています。

部分的な失敗に耐える収束

2つ目の条件は、現在の状態から目標の状態への収束を、部分的な失敗に耐えながら実行できる仕組みがあることです。依存関係に沿った順序付け、同時に行われる変更どうしの競合の防止、途中まで進んだ適用の扱いを引き受ける仕組みがなければ、変更セットは実行の保証がない変更の一覧にすぎません。Terraformの状態のロック*31や、Kubernetesの楽観的並行性制御*32は、この問題を解くための仕組みです。

検証できる目標の状態

3つ目の条件は、目標とする状態が、検証でき、保存でき、差分を計算できる形で存在することです。「だいたいこのような構成」という意図のままでは、変更セットは導けません。AIが想定した目標も、その場で書き出して検査できる形にする必要があります。そして、書き出した目標の状態は、意図を記録したIaCそのものです。

そもそも、意図は実際のシステムからは復元できません。Jamesはシステムのソースコードと実際のインフラがあれば十分だとしています。しかし、バインディングとして表現できるのは、コードが使うリソースとの結び付きだけです。ソースコードには、可用性の目標も、データの保持期間を決める法律上の要件も書かれていません。コストとの兼ね合いや、目標復旧時点と目標復旧時間(RPO、RTO)*33も同様です。これらは組織が決めたことで、明示的に書かれて初めて参照できるようになります。実際のシステムから意図を推測すると、過去の障害対応で入れた一時的な変更や、セキュリティ上の欠陥まで、意図した設計として扱ってしまうおそれがあります。

適用前の差分と承認

4つ目の条件は、適用する前に差分を示せて、人による承認と事後の監査に耐えられることです。何が変わるのかを事前に示せなければ、承認は形だけのものになります。何が、いつ、誰の承認で変わったのかを後から辿れなければ、障害対応もコンプライアンスの確認もできません。変更を元に戻す操作も、以前の望ましい状態が成果物として残っていて初めてできます。KubernetesのDeploymentをロールバックできるのは、以前のPodテンプレートを持つReplicaSetが履歴として残っているからです *34 。成果物が残っていなければ、元に戻す先がありません。

AIが承認を判断するという考え方にも問題があります。承認は、変更を評価する行為であると同時に、その変更の責任を負う人を決める行為です。変更セットを導いたAIが承認まで判断すると、提案した主体が自分の提案を承認することになり、職務分掌*35の原則からすると統制として成り立ちません。変更管理で提案者と承認者を分けるのは、このためです。AIが差分を作れるようになっても、その変更の責任を誰が負うのかという問題は、技術では解決しません。

Kubernetesとクラウドの距離

4つの条件をよく考えると、KubernetesとTerraformの設計そのものであることが分かります。ただし、Kubernetesがプラットフォームとして担っているのは最初の2つの条件です。etcdに保存されたspecは現在の望ましい状態だけで、誰がなぜそう変えたのかというレビューの履歴は残りません。別のクラスタで同じ構成を作り直すにも、クラスタ固有の値を含まない記述が別に必要です。残りの2つの条件は、利用者が書いてGitで管理するマニフェストがあって初めて満たせます。

さらに、Kubernetesが状態を把握しているのはクラスタの内側までで、IAM、DNS、ネットワーク、データベースといったクラウドのリソースの多くはその外にあります。そのため実際の構成では、クラスタ自体とその周辺をTerraformで管理し、クラスタの内側をマニフェストで管理する組み合わせが広く使われています。

現在のクラウドは、最初の2つの条件からも離れています。多くのAPIは命令型で、状態はサービスごとに分かれ、システム全体の差分を計算する仕組みは標準では用意されていません。IaCを経由しない変更は、記録はされても、望ましい状態に戻されるわけではありません。CloudFormationのドリフト検出を使えばテンプレートとの食い違いは分かりますが、元に戻すのは利用者です。私は、Terraformのようなツールが状態ファイルとplanをクラウドの外に持たなければならないこと自体が、その証拠だと考えています。

宣言的な層が必要なことは、クラウド事業者自身も早くから認めていました。AWSがCloudFormationをリリースしてから15年が経ちます。しかし、CloudFormationが管理するのはスタックとして定義したリソースで、クラウド全体の状態ではありません。クラウド事業者が自社のサービスを対象に取り組んでも、この範囲にとどまっています。

クラウドのリソースを管理する仕組みは、記述をなくす方向ではなく、記述をプラットフォームに組み込む方向に進んでいます。Crossplane、AWS Controllers for Kubernetes(ACK)、Google CloudのConfig Connectorは、クラウドのリソースをKubernetesのAPIモデルで管理するためのプロジェクトです。クラウドのリソースをKubernetesのリソースとして宣言すると、それぞれのコントローラーがクラウドのAPIを呼び出して、実際のリソースを宣言に合わせ続けます。

AIが記述を書く場合

AIが記述を書くようになることは十分にありえますし、すでに起きています。しかし、AIが生成した目標の状態も、承認し、再現し、元に戻すためには、検査できる成果物として残す必要があります。アプリケーションの開発でも、AIが生成したコードはレビューしてGitにコミットし、履歴に残します。生成された宣言も、同じようにコードとして扱うものです。生成が速くなるほど、人がレビューする差分も増え、記述を残しておく必要も大きくなります。

おわりに

「IaC is dead」の前提をよく考えると、IaCの2つの役割のうち、Kubernetesが12年前にプラットフォームへ組み込んだのは実行基盤としての役割だけだということを確認しました。クラウド全体がKubernetesのように状態を把握し、宣言に収束させ続けるようになれば、実行基盤としてのIaCはプラットフォームに吸収できます。それでも、望ましい状態を決めるのはクラウドの外にいる組織で、その意図を記録し、レビューして履歴に残す役割としてのIaCは残ります。

現時点では、Kubernetesでさえクラスタの外の状態を把握していません。当面は、AIに記述を書かせる場合も、生成された宣言をコードとしてレビューし、履歴に残して差分を確認できるようにしておくことに変わりはないでしょう。

参考文献

論文と記事

ドキュメント

その他

*1:James Wardは、執筆時点でAWSのデベロッパーアドボケイトです。2019年から2024年まではGoogleに在籍していました。本人のサイトとLinkedInを参照。

*2:Infrastructure as Codeの略です。サーバー、ネットワーク、クラウドのリソースといったインフラの構成をコードとして記述し、そのコードをもとに構成を作成したり変更したりします。

*3:TypeScriptで、クラウドのリソースとそれを使うアプリケーションのコードを1つのプログラムに書くフレームワークです。TypeScriptのライブラリであるEffectの上に作られています。Jamesの言う「Alchemy Effect」は、このEffectで書かれたAlchemyを指すと考えられます。GitHubのリポジトリを参照。

*4:CFEngineの開発者で、構成管理の理論であるPromise Theoryを提唱した計算機科学者です。本人のサイトを参照。

*5:サーバーに入れるパッケージ、置くファイル、起動するサービスといった構成をコードで管理し、サーバーに自動的に適用するツールです。

*6:何度実行しても同じ結果になる性質です。手続き型のスクリプトが途中で失敗して再実行したときに、リソースを二重に作ったり設定を重ねたりしないために必要です。

*7:サーバーを、名前を付けて1台ずつ世話をするペットではなく、同じものとして扱い、いつでも取り替えられる家畜として扱うべきだというたとえです。Randy Biasが広めた経緯を「The History of Pets vs Cattle and How to Use the Analogy Properly」にまとめています。

*8:クラウドのコンソールをマウスでクリックしてインフラを変更する運用を指す俗称です。

*9:本名は宮下剛輔さんで、Serverspecの作者です。執筆時点ではフリーランスのソフトウェアエンジニアで、余暇に、Rustで書かれた型付きのIaCツールであるCarinaを開発しています。本人のサイトを参照。

*10:最初のバージョンの0.0.1は、2013年3月にRubyGemsで公開されました。バージョンの一覧を参照。

*11:2015年には、mizzyさんによる書籍『Serverspec』も出版されています。インフラの状態を検査するChef InSpecも、Serverspecから着想を得たとREADMEで述べています。

*12:HashiCorpが開発するIaCツールです。クラウドのリソースをHCLという言語で宣言的に記述し、各クラウドのAPIを呼び出して適用します。最初のバージョンのv0.1.0は2014年7月に公開されました。

*13:コンテナ化したアプリケーションのデプロイ、スケーリング、管理を自動化するオープンソースのプラットフォームです。公式サイトを参照。

*14:最初のコミットは2014年6月6日です。10 Years of Kubernetesを参照。

*15:Googleの社内で、数万台規模のマシンからなるクラスタにジョブを割り当てて実行するクラスタ管理システムです。

*16:Borgの後に開発された、スケジューラーの構成を見直したクラスタ管理システムです。2013年の論文で発表されました。

*17:同じPodの複製をいくつ動かすか、どのように更新するかを宣言するリソースです。

*18:kube-apiserverのことです。Kubernetesのコントロールプレーンの中心にあり、すべてのAPIリクエストを受け付けて、etcdのデータを読み書きします。Kubernetesのコンポーネントを参照。

*19:https://etcd.io/ 分散型のキーバリューストアです。KubernetesはクラスタのすべてのAPIオブジェクトをetcdに保存します。

*20:特定の種類のリソースを監視し、現在の状態を望ましい状態に近づける処理を繰り返すプログラムです。コントローラーを参照。

*21:指定した数のPodの複製が動いている状態を保つリソースです。Deploymentは更新のたびに新しいReplicaSetを作ります。

*22:Kubernetesでコンテナを動かす最小の単位です。1つ以上のコンテナと、それらが共有するネットワークやストレージをまとめたものです。

*23:各ノードで動くエージェントです。ノードに割り当てられたPodのコンテナを起動し、その状態をAPIサーバーに報告します。

*24:電子回路の用語で、信号が変化した時点に反応するエッジトリガーに対して、信号の水準そのものに反応する方式を指します。KubernetesのAPI Conventionsは、途中の更新をいくつ取りこぼしても、望ましい状態と観測した状態から正しく動作する設計を「level-based」と呼んでいます。

*25:APIサーバーが、認証と認可を通ったリクエストを、etcdに保存する前に検査したり書き換えたりする仕組みです。組織のポリシーに反するリソースの作成を拒否するのに使います。

*26:Kubernetesに独自の種類のリソースを追加する仕組みです。追加したリソースも、組み込みのリソースと同じようにAPIサーバーで読み書きできます。

*27:CRDで定義したリソースを監視し、アプリケーション固有の運用作業を自動化するコントローラーです。データベースのバックアップや更新の手順などをコードにします。

*28:Kubernetesのリソースの望ましい状態をYAMLやJSONで書いたファイルです。

*29:Gitリポジトリに置いた宣言を望ましい状態とし、クラスタの状態をそれに合わせ続ける運用の方法です。OpenGitOpsが原則をまとめています。

*30:CDKのドキュメントの権限を参照。

*31:複数の人や処理が同時に同じ状態ファイルを書き換えないように、適用している間は状態ファイルをロックする仕組みです。

*32:更新のたびに変わるresourceVersionをリクエストに含め、読み取った後に別の更新が入っていたら書き込みを拒否する方式です。ロックを取らずに競合を検出します。API Conventionsを参照。

*33:RPOは障害が起きたときにどの時点までのデータを復旧できればよいか、RTOは障害からどれだけの時間で復旧すればよいかの目標です。

*34:残す数は .spec.revisionHistoryLimit で指定します。Deploymentのロールバックの説明を参照。

*35:不正や誤りを防ぐために、1つの業務を複数の担当者に分けて互いに確認させる、内部統制の原則です。

読んでいないコードを私たちはどれだけ信頼できるのか

はじめに

こんにちは、Grafana Labsでデベロッパーアドボケイトをしているものです。

私は2018年前後から、SRE*1の啓蒙に携わってきました。SREの実践では本番環境のオブザーバビリティは欠かせず、私もその重要性を強く主張しています。そういった背景もあり『SLO サービスレベル目標』や『オブザーバビリティ・エンジニアリング』をはじめ、SRE関連の本を何冊か翻訳してきました。

そして、ここ1年ほど、生成AIのコーディングエージェントでPoCを作るたびに、テストが通ったコードをどこまで信じてよいのかが気になっていました。エージェントが書いたコードを、私は1行ずつすべて読んでいるわけではないからです。2026年に入ると、開発の側からも運用の側からも、同じ疑問を扱う発信が続きました。この記事では、それらを手がかりに現時点での私の考えをまとめたいと思います。英語の文献からの引用の訳は、すべて拙訳です。また、この記事は個人の見解であり、所属企業のものではありません。

TL;DR

AIが書くテストの精度が上がっても、判定の基準になる仕様や性質は人間の理解に依存します。人間の仕様理解度の拡張のために、各種テストを反例や限界の探索にも使い、技術仕様と非機能要件は本番環境でも確かめるのがよいと考えています。戻せる変更を限られた範囲に出し、SLOと観測結果をもとに展開を進めるかを判断します。読んでいないコードが増えるいまこそ、その判断を支えるオブザーバビリティに取り組む価値があります。

テストをごまかすAIのその後

2025年6月、Kent Beck*2はAIエージェントとの開発を振り返った記事「Augmented Coding: Beyond the Vibes」で、エージェントを「genie」と呼び、エージェントが道を外れている際の兆候を、次のように指摘しました。

Any indication that the genie was cheating, for example by disabling or deleting tests.

(genieがごまかしているあらゆる兆候。たとえばテストを無効にしたり消したりすること。)

同じ月のインタビューでも、Kent Beckはテストを消して「通そう」とするエージェントを止められずにいると語っています。それでも、TDDはエージェントと働くうえでの「superpower」だというのがKent Beckの立場でした。私自身もPoCで、エージェントが失敗したテストのほうを書き換えて通す場面に何度も出会いました。

それから半年あまりで状況は変わりました。2026年2月、Martin Fowler*3が主催したThoughtworksのイベント(リトリート)*4の報告書は、TDDを使うとAIエージェントの結果が「dramatically better」になると述べています*5。テストがコードより先にあれば、エージェントは自分の誤った実装を追認するテストを書けないからです。報告書では、TDDを「the strongest form of prompt engineering」とまで呼んでいます*6。

エージェントの誤りにはTDDのような手順で対処しやすくなり、コードを生成するモデル自体も性能が上がっています。Google CloudのDORAチームが2026年4月に公開したレポート「The ROI of AI-assisted Software Development」は、AIの能力が月単位で世代を越えていると書いているほどです。それでも、同レポートは、問題が消えたとは言っていません*7。

For an individual developer, AI does not necessarily make friction vanish; rather, the friction moves.

(個々の開発者にとって、AIは摩擦を必ずしも消しはしない。摩擦は移動する。)

摩擦が移った先は検証です。レポートは、定型的なコードを手で書く手間が省けた分が「verification tax」(検証税)に置き換わると書いています。検証税とは、正しいコードと見分けがつかないほどよく似たAI生成コードを、厳密に監査するための認知負荷のことです。

厳密さの行き先に本番環境がない

では、検証の厳密さ(rigor)はどこへ向かっているのでしょうか。リトリートの報告書*8は、もっとも議論に時間を割いた問いとして「Where does the rigor go?(厳密さはどこへ向かうのか)」を挙げています。報告書の答えは、コードを書いてレビューする作業にあった厳密さは、AIがコードを書くようになっても消えずに別の場所へ移る、というものです。行き先として挙がったのは、仕様のレビュー、テストスイート、型と制約、リスクに応じた検証の階層化、継続的な理解の5つでした。

DORAが示す処方箋も、これとよく似た内容です。2025年のレポートは、AIの導入がスループットの向上と同時に、デリバリーの不安定化にも結びついていると報告しました。2026年のレポート*9では、AI導入の影響として、最も大きいものが個人の作業効率で、次いでデリバリーの不安定化を挙げています。対策として挙がっているのは、自動テスト、継続的インテグレーション、バージョン管理、小さなバッチ、コミット前のチェック、AIによるレビュー支援です*10。

SREの立場からこの2つを読むと、厳密さの行き先に本番環境が見当たりません。2026年のDORAのレポートの本文には、「オブザーバビリティ(observability)」という語が一度も出てきません*11。リトリートの報告書*12も、自己修復システムの議論で、よりよいロールバック、フィーチャーフラグ、オブザーバビリティが前提になると述べるだけです。本番環境で何をどう確かめるかは、具体的に論じられていません。

報告書*13には、未解決の問いがいくつか残されています。そのひとつが「What would need to be true for organizations to stop reviewing AI-generated code entirely?(組織がAI生成コードのレビューを完全にやめるには、何が成り立っている必要があるか)」という問いです。

運用の側からも同じ問いが出ています。Charity Majors*14は2026年8月のインタビューで、「読んでいないコードをリリースすることが実現するか、いつ実現するかを論じるより、それを安心して行うには何が必要かを考えよう」と呼びかけました*15。開発の側と運用の側が、同じ年に同じ問いにたどり着いたわけです。この記事では、この問いを「読んでいないコードを私たちはどれだけ信頼できるのか」と言い換えて考えます。

テストと仕様理解の限界

ここでひとつ仮定をします。AIがテストを書く精度はこの先も上がり続け、仕様に書かれたことは漏れなく検査できるようになるとしましょう。そうなれば、読んでいないコードもテストを根拠に信頼できるのでしょうか。

私はそうは考えません。テストの正しさは、何に対して正しいかで決まるからです。ソフトウェア工学では、仕様どおりに作れているかを確かめることを検証(verification)と呼びます。作ったものが本当に求められていたものかを確かめる妥当性確認(validation)とは、区別されてきました*16。AIの精度向上で縮むのは、前者のずれです。テストの合格は、仕様そのものが意図や現実に合っていることまでは保証しません。

ずれが生まれる原因は、人間の仕様理解度にあると私は考えています。仕様理解度とは、人間がシステムの振る舞いをどこまで細かく把握しているかの度合いのことです。TDDの前提は、テストを先に書けるほど開発者が仕様を知っていることです。ところがAIは、エラー処理、再試行、境界値、並び順のような細部を、人間が仕様として意識したことのない細かさで実装します。具体例を一つずつ書くテストでは、思いつかなかった条件や振る舞いを見落とす限界があります。

AIにテストまで書かせても、死角がなくなるとは限りません。2026年6月に刊行された『Observability Engineering, 2nd Edition』(以下、OE2e)*17は、第2章でこの点を次のように指摘しています。

AI agents writing tests for code they just wrote will blithely apply the same assumptions to both. Do your tests validate developer intent, or merely implementation?

(書いたばかりのコードのテストを書くAIエージェントは、同じ前提を平然と両方《コードとテスト》に当てはめる。そのテストは開発者の意図を検証しているのか、それとも実装をなぞっているだけなのか。)

OE2eの第2章は続けて、テストスイートが通り、しかもテストが模範的であっても、得られる自信は「本番環境で見つかる誤りが新しい誤りになる」ことだけだと述べています。テストが前提にする世界の側にも、限界があります。Andre HoraとRomain Robbesによる2026年1月公開の論文「Are Coding Agents Generating Over-Mocked Tests? An Empirical Study」によれば、テストを変更したコミットのうち、モックを追加した割合はエージェントで36%、エージェント以外で26%でした*18。モックは「依存先はこう振る舞うはずだ」という仮定です。テストの精度がいくら上がっても、検査しているのは仮定した世界の中での正しさにとどまります。

AIの精度が上がるほど、人間がコードを見る機会は減るでしょう。リトリートの報告書*19は、技術的負債が認知負債、つまりシステムの複雑さと人間の理解との差に変わりつつあると書いています。仕様理解度が実装の細かさに追いつかない状態が続けば、その差は認知負債として積み上がります。テストの死角が広がるのも、そのためです。認知心理学者のLisanne Bainbridge*20は1983年の論文「Ironies of Automation」*21で、自動化が進むほど人間に残る役割は難しくなるのに、それを果たす能力は衰えていくと指摘しました。40年以上前の指摘ですが、コードを読まなくなった開発者にもそのまま当てはまります。t-wadaさんも、2026年7月の講演資料で、認知負債とBainbridgeの指摘を取り上げています*22。

業務仕様と技術仕様

テストの死角は、仕様の種類によって広がり方が違います。私は仕様を、業務仕様と、技術仕様や非機能要件とに分けて考えています。

業務仕様は、料金の計算方法や承認の流れのように、事業の側が決めるものです。人間が定義したものなので、人間の仕様理解度の内側にあります。ここではTDDがこれまでどおり働き、リトリートの報告書が示したとおり、テストを先に書けばAIは業務仕様に沿ったコードを書けます。

技術仕様と非機能要件では事情が違います。タイムアウトの値、キャッシュの設計、同時実行の制御などについて、AIが提案する割合が増えています。一つひとつの妥当性を確かめずに採用していると、気づかないうちにAIの判断に委ねた範囲が広がってしまいます。人間の仕様理解度と実装の細かさの差がもっとも開くのはここです。しかも、実際のキャッシュの効き方や負荷がかかったときのレイテンシーは、本物の負荷、データ、依存先がそろわないと確かめきれません。

業務仕様 技術仕様と非機能要件
決める主体 人間(事業の側) AIの提案を人間が判断。確認を怠るとAI任せの範囲が拡大
人間の仕様理解度 内側にある 実装の細かさとの差が拡大
主な検証の場 テスト(TDD、受け入れテスト) 本番環境(オブザーバビリティ)

この分け方には、仕様駆動開発(Spec-Driven Development)*23で仕様を細かく書けば技術仕様も人間の理解の内側に収まる、という反論が考えられます。リトリートでも、仕様のレビューは厳密さの行き先の筆頭に挙がっていました。私もこの方向には賛成です。ただ、仕様書が細かくなるほど、それを読んで正しいと判断する人間の負荷も増えます。仕様理解度の差は縮まっても、なくなりはしないでしょう。OE2eの第2章も、開発者の意図を仕様やアーキテクチャのモデルへ移す動きを歓迎しています。そのうえで、当面は本番環境の計装こそが「living spec」だと述べています。living specとは、システムが何を求められ、実際にどう応答したかを記録した生きた仕様のことです。

想定の外を探すテスト

具体例をすべて書き出さなくても、未知の振る舞いを探す方法はあります。私が『実践プロパティベーステスト』を翻訳したのも、このような探索が重要だと考えたからです。

プロパティベーステスト(PBT)は、守るべき性質と入力の生成範囲を定め、反例を探す手法です。たとえば「保存して読み戻せば元の値に戻る」という性質を、多様な入力を自動生成して検査します。個別には思いつかなかった入力で、その性質が崩れる場合を探せるのです。ファジングも、入力を変化させて実行を繰り返し、クラッシュや性質の違反を探します*24。人間が判断の基準を定めれば、反例の発見を機械に任せられます。

負荷テストでは、リクエストの量や継続時間を変えて、システムの限界を探れます。私が所属するGrafana Labsのk6も、そのための負荷テストツールです。テスト環境で負荷を増やすと、あるところから待ち時間が急に延びるかもしれません。長く動かして初めて、資源が枯渇する場合もあります*25。処理の経路や資源の使用量も記録しておけば、劣化がどこで始まったかを調べられます。

探索の範囲は、選んだ性質や入力、負荷のモデルで決まります。実際の利用者やデータ、依存先の振る舞いは、その想定から外れることがあるのです。そこで私は、負荷テストで用意した計装を本番環境でも使い、探索を続けるのがよいと考えています。見つけた反例は回帰テストに加え、性能の限界は変更後に測り直します。テストと観測の結果から、人間の仕様理解度を広げていくというループが可能になります。

読んでいないコードを出す基準

では技術仕様と非機能要件について、読んでいないコードを本番環境へ出すとき、何を基準に判断すればよいのでしょうか。最初に出す時点では、そのコードが本番環境で期待どおりに動いた実績はまだありません。把握している仕様どおりに動くかを、テストで確かめることは前提です。そのうえで私は、間違っていた場合の影響を抑える備えがあるかを、投入の判断基準にすべきだと考えています。戻せる変更なら、影響を受ける範囲を一部に限って出し、挙動を観測して悪化に気づいたら戻す形です。その範囲で得た結果をもとに、展開を広げるかを判断します。

SREには、この確認に使える方法があります。利用者に必要なサービス品質を目標として定め、その目標に対する実績を測って、変更を進めるかを判断する方法です。

このサービス品質の目標がSLO(サービスレベル目標)です*26。たとえば「直近30日間の決済リクエストの99.9%が1秒以内に成功する」と定めます。SLOは、利用者にどの程度信頼できるサービスを提供すべきかを表す目標です。コードを書いたのが人間かAIかという理由で、この目標が上下するわけではありません。コードの細部を知らなくても、利用者に必要な結果を目標として定義し、実際の振る舞いと照らし合わせることはできます。

SLOを決めると、その評価期間に許容できる失敗の量も決まります。Googleの『Site Reliability Engineering』*27は、ほぼすべてのものにとって100%は信頼性の目標として間違っていると述べ、そこからエラーバジェットを導いています*28。エラーバジェットは、SLOが許す失敗の量です。上の例なら、対象リクエストの0.1%に相当します。

SREでは、この予算の消費状況を変更の判断に使います。残量が少なければリリースを抑えて信頼性の改善を優先する、といった方針をあらかじめ合意しておくのです。エラーバジェットの残量はサービスの実績から求めるものであり、コードへの確信の強さを数値にしたものではありません。リトリートの報告書*29は、コードが間違っていたときの影響範囲に検証の投資を比例させるべきだと述べていました。この影響範囲の評価に、エラーバジェットの残量を組み合わせれば、どれだけ慎重に変更を進めるべきかを判断できます。

一方、コードへの信頼は、本番環境で期待どおりに動く経験を重ねることで育ちます*30。OE2eの終章にあたる第32章「Where Do We Go From Here?」には、Charity Majorsの次の言葉が掲げられています。

There is no test suite on earth that could make me trust a new chunk of code more than I trust the code that’s been running in production for two years. That’s how trust works; it takes time.

(2年間本番環境で動いてきたコード以上に新しいコードを信頼させてくれるテストスイートは、この世のどこにもない。信頼とはそういうものだ。時間がかかる。)

SLOだけで死角がすべて照らせるわけではありません。OE2eの第2章は、SLOのように事前に決めた検知方法で見つかるのは大きな問題だけで、微妙な振る舞いの変化は見逃すと指摘しています。そこで必要になるのがオブザーバビリティです*31。たとえば、エラーバジェットの消費が速まったという兆候から調べ始めます*32。そこから新しいビルドと古いビルドの利用者を比べ、特定のエンドポイントや契約プランに絞り込んでいけば、全体の指標には表れない、トラフィックの1%にだけ生じる劣化にもたどり着けます。問題が現れた利用者や処理を絞り込めるので、最初から細かい仕様をすべて知っている必要はありません。読んでいないコードを一部に限って出したときも、新旧のビルドを比べた結果が、展開を広げるかを判断する材料です。

私が2024年に発表した「オブザーバビリティのマクロからミクロまで」でも、SLOを起点に問題の原因へさかのぼるマクロの観点と、個々のサービスで求められる性能を確かめるミクロの観点を分けました*33。今回の話では、サービス全体の兆候から個々の処理へと調べ、そこで得た知見を実装やテストの改善に戻すことで、この2つの観点をつなげられます。

ここまでの話は、TDDを否定するものではありません。Charity Majorsは、2019年の記事「I test in prod」などで本番環境でのテストを提唱してきました。OE2eの第2章では、それは本番環境へのデプロイ前のテストを補うもので「not as a replacement」(置き換えるものではない)と明記しています。OE2eの整理に従えば、TDDが確かめるのは仕様に対する正しさで、オブザーバビリティが確かめるのは現実に対する振る舞いです。私はオブザーバビリティを、TDDのフィードバックループを本番環境まで延ばしたものだと捉えています。

本番環境で見つけてテストに戻す

業務仕様にも、本番環境の観測が役立つ場面があります。AIは、人間が仕様として明示しなかった業務上の判断を、誰にも確認しないまま実装の中で埋めていきます。金額の端数処理、タイムゾーンの境界での日付の扱い、一覧の並び順、未入力の項目のデフォルト値などです。これらは業務の判断なので、本来は業務仕様に含めてテストで検査すべきものです。ところが現場は、そうした判断が下されたことに気づいていないことがあります。こうした判断も、書いた性質に反しなければテストを通ってしまいます。

OE2eの第2章は、本番環境に出たコードの振る舞いについて、次のように述べています。

Its behaviors turn into expectations, intended or not, and user expectations should be honored.

(その振る舞いは、意図したかどうかにかかわらず期待へと変わり、利用者の期待は尊重されるべきである。)

この問題は、ハイラムの法則にも通じます。APIの利用者が十分に増えると、契約として何を約束していたかにかかわらず、観測できるあらゆる振る舞いに誰かが依存するようになる、という経験則です。AIが誰にも確認せずに決めた端数処理も、本番環境で使われるうちに、利用者が依存する振る舞いになる可能性があります。その依存に気づくきっかけは、問い合わせの増加や、特定の条件でだけ偏る業務指標のような本番環境の観測から得られることが多いはずです。

そこで私は、テストと本番環境の観測をひとつのループとして扱うのがよいと考えています。本番環境で暗黙の業務判断を見つけたら、それを業務仕様として明文化し、テストに加えます。テストに加えておけば、以後AIがその判断を書き換えたときに検知できるからです。本番環境の観測はテストを置き換えるのではなく、テストに書くべきものを見つける役割を担います。責任は業務仕様の側にあっても、見つかる場所は本番環境だということです。

意思決定層が変えるもの

読んでいないコードを含む変更についても、サービス品質を確かめながら進められるように、組織の側で変えるべきことがあります。OE2eの第23章「Organizational Learning Speed Is Now Your Biggest Constraint: An Open Letter to CTOs」は、AIの時代のソフトウェアデリバリーを制約しているのはコードを書く速さではなく、検証し、理解し、学ぶ速さだと述べています。その速さを上げるために意思決定層が変えられるのは、次の3点だというのが私の考えです。

  • 実装完了の定義に計装とSLOを含める。計装のない変更は、本番環境で検証できない変更です。いまはOpenTelemetry*34の規約に沿った計装もAIに書かせられるので、以前ほどの負担にはなりません*35。
  • 変更が間違っていたときの影響範囲に応じて、検証にかける時間と人員を決める。決済や多くの利用者に影響する変更には、より手厚いテストと人間のレビューを割きます。そのうえで、エラーバジェットの残量が少なければ、リリースの範囲や速度を抑え、信頼性の改善を優先します。影響範囲で必要な検証量を見積もり、残量でリリースを進められるかを判断する、という使い分けです。
  • 人間のレビューでは、業務仕様とSLOの妥当性を先に確かめる。AIに何を実装させるのか、利用者にどのような結果を約束するのかを、コード生成の前に合意します。その合意を基準にテストと本番環境の観測結果を確かめ、影響の大きい処理はコードの差分もレビューします。

本番環境で試せない変更

本番環境で観測すれば済む変更ばかりではありません。データベースのマイグレーションやスキーマの変更は、間違えると元に戻せないことがあります。決済のように、一度起きたら取り消せない操作も同じです。OE2eの第2章も、永続化層の変更では、人間の理解を増やし、より慎重に段階を踏んでリリースし、変更の前後でより多く観測するべきだとしています。

本番環境での検証を安全に行うには、観測と組み合わせて影響範囲を抑える仕組みが必要です。フィーチャーフラグ、カナリアリリース、段階的なロールアウト、自動ロールバックがそれにあたります*36。リトリートの報告書*37が自己修復の前提に挙げたものとも重なります。これらは、生成AIの活用が一般的になるはるか前から、SREで紹介されてきたプラクティスです*38。

この組み合わせには前例があります。Kent Beckは先のインタビュー*39で、2011年にFacebookに入ったとき、ユニットテストが書かれていなかったことに驚いたと振り返っています。それでもサービスが安定していたのは、開発者が自分のコードに責任を持ち、危険な変更をフィーチャーフラグの裏に置き、ニュージーランドのような小さな市場から段階的にロールアウトしていたからでした。テストを重んじるKent Beckがそこで見たのは、テスト以外の層が検証を補っている組織でした。

おわりに

テストをごまかすAIの問題は、TDDを先に置くことで抑えられるようになりました。そのうえで残るのは、人間の仕様理解度の外側にある振る舞いです。テスト環境で反例や限界を探し、本番環境でも観測を続ければ、その理解を広げられます。サービス品質の目標と実績をもとに変更を判断する方法も、SREはすでに持っています。

読んでいないコードを私たちはどれだけ信頼できるのでしょうか。現時点での私の答えは、テストの結果と、本番環境で期待どおりに動いた経験を、信頼の根拠にするというものです。まだ確かめていない振る舞いを含むコードは、戻せる変更なら影響を一部に限って出し、観測結果をもとに展開を進めます。TDDによる検査を続けながら、技術仕様と非機能要件の振る舞いを本番環境で観測し、そこで見つけた暗黙の業務判断を仕様とテストに戻すループが必要だということです。

この進め方では、本番環境の観測が、展開を広げるかを判断するための条件になります。読んでいないコードが増えるほど、本番環境で初めて確かめる振る舞いも増えるはずです。その観測に必要な計装も、いまではAIに書かせられるようになりました。本番環境を厳密さの行き先のひとつにするために、いまこそオブザーバビリティに取り組む価値があります。コミュニティがその実践を持ち寄ることで、読んでいないコードを信頼するための条件を、少しずつより具体的にしていけるのではないでしょうか。

参考文献

レポート

論文

書籍

個人サイト

Wikipedia

その他

*1:サイトリライアビリティエンジニアリングの略です。Googleで生まれた、ソフトウェアエンジニアリングの手法でサービスの信頼性を運用する実践を指します。GoogleによるSREの紹介を参照。

*2:エクストリームプログラミング(XP)とテスト駆動開発(TDD)を提唱したソフトウェアエンジニアで、アジャイルソフトウェア開発宣言の起草者の一人。本人のサイトを参照。

*3:リファクタリングやアジャイル開発に関する著作で知られるソフトウェアエンジニア。執筆時点でThoughtworksのチーフサイエンティスト。本人のサイト

*4:イベント名は「Future of Software Development Retreat」で、アジャイルソフトウェア開発宣言から25年を機に、2026年2月1日から3日まで米国ユタ州パークシティで開催された。チャタムハウスルールで運営されたため、報告書に参加名は掲載されていない。

*5:報告書4ページより、"One of the retreat's most shareable insights was that test-driven development produces dramatically better results from AI coding agents."(このリトリートで広く共有する価値のある知見のひとつは、テスト駆動開発によってAIコーディングエージェントから得られる結果が劇的によくなる、というものだった。)

*6:報告書16〜17ページを参照。

*7:レポート20ページを参照。

*8:報告書4〜5ページを参照。

*9:レポート20ページ、図4を参照。

*10:レポート19ページと33ページを参照。

*11:2025年のレポートの91ページでは、開発者のツールチェーンに対する観測可能性という意味で使われています。

*12:報告書9ページを参照。

*13:報告書16ページを参照。

*14:オブザーバビリティの実践を広めてきたエンジニア。執筆時点でHoneycombの共同創業者でCTOとして勤務。本人のサイトを参照。

*15:2026年8月12日配信のポッドキャスト「Stop being skeptical about AI for development with Charity Majors」の11分27秒〜11分41秒付近。本人は、実現の可否や時期を論じるより、コードを読んで理解せずにリリースできる条件を考えよう、と発言している。記事中の「するかどうかではなく、いつするか」という表現は、聞き手のGergely Oroszによる要約。

*16:NASAのソフトウェア検証と妥当性確認の解説を参照。

*17:Charity Majors, Liz Fong-Jones, George Miranda, Austin Parker著、O'Reilly Media、2026年、第2版。第1版は、大谷和紀さんと私が『オブザーバビリティ・エンジニアリング』として翻訳。

*18:Andre Hora and Romain Robbes, “Are Coding Agents Generating Over-Mocked Tests? An Empirical Study,” arXiv:2602.00409v1, 2026年1月30日。本文の3.2.1節と表7を参照。2025年の1,200,000件超のコミットを分析し、エージェントによるものは48,563件。この割合の分母はテストを変更したコミットで、エージェントは3,934 / 11,035件、エージェント以外は40,966 / 158,326件。

*19:報告書3ページを参照。

*20:人間と自動化システムの関係を研究した英国の認知心理学者。

*21:Wikipediaの解説と、同ページからたどれる原論文の公開PDFを参照。書誌情報はLisanne Bainbridge, “Ironies of Automation,” Automatica, 19(6), pp. 775–779, 1983年。出版社の論文ページでも確認できる。

*22:スライド22とスライド25を参照。

*23:仕様を先に詳しく書き、AIエージェントにその仕様からコードを生成させる開発手法です。2025年7月15日のKiro公式ブログは、AIを組み込んだ統合開発環境Kiroで、要件、設計、実装タスクを順に文書化し、人間が確認してから実装する流れを紹介しています。GitHubのSpec Kitのような道具もあります。

*24:Goのファジングの解説を参照。チュートリアルでは、文字列の反転に関する性質を検査し、失敗した入力を保存して通常のテストでも再実行する例を紹介しています。

*25:k6のブレークポイントテストとソークテストの解説を参照。

*26:GoogleのSRE本の第4章を参照。SLOの考え方と導入の手順は、私が翻訳した『SLO サービスレベル目標』でも詳しく扱われています。

*27:Betsy Beyer, Chris Jones, Jennifer Petoff, Niall Richard Murphy編、O'Reilly Media、2016年。邦訳は同編者、澤田武男、関根達夫、細川一茂、矢吹大輔監訳、Sky株式会社 玉川竜司訳『SRE サイトリライアビリティエンジニアリング』オライリー・ジャパン、2017年。

*28:第1章のエラーバジェットの説明を参照。

*29:報告書5ページを参照。

*30:『完訳 7つの習慣 人格主義の回復』の「信頼口座」も、約束を守るなどの行動によって信頼が積み重なることを表した比喩です。フランクリン・コヴィー・ジャパンの解説を参照。人間関係を扱った比喩ですが、信頼が経験を通じて育つという点が重なります。

*31:OE2eの第1章は、オブザーバビリティをディペンダビリティの性質のひとつに位置づけ、任意のシステムの状態を理解し、デバッグできる能力の度合いと定義しています。

*32:バーンレートは、SLOの評価期間を通じてエラーバジェットをちょうど使い切る速さを1とした、消費速度の倍率です。30日間のSLOなら、バーンレート2の状態が続くと15日で期間全体の予算を使い切る計算になります。リクエスト数を基準にする場合は、リクエストの発生率が一定という前提です。GoogleのSREワークブック第5章を参照。

*33:スライド11とスライド22を参照。

*34:アプリケーションからトレース、メトリクス、ログを収集するための、ベンダーに依存しない仕様とライブラリの集まりです。

*35:OE2e第2章の「Practice 3: Instrument Your Code and Validate in Production」を参照。

*36:フィーチャーフラグは、デプロイしたコードの機能を設定で有効や無効に切り替える仕組みです。カナリアリリースは、新しいバージョンを一部の利用者やサーバーにだけ先に出し、既存のバージョンと比べてから全体に広げるリリースの方法です。

*37:報告書9ページを参照。

*38:2016年の『Site Reliability Engineering』第8章は、フラグによる機能の制御とカナリアデプロイを扱っています。2018年の『The Site Reliability Workbook』第16章にも、段階的なロールアウトや異常時にロールバックする運用が登場します。

*39:Facebookでの経験は54分26秒以降、ニュージーランドの例は1時間3分23秒付近。

『OpenTelemetryではじめる テレメトリーサンプリング』という本が出版されました #otelsampling

はじめに

こんにちは、Grafana Labsでデベロッパーアドボケイトをしているものです。このたび私が執筆しました『OpenTelemetryではじめる テレメトリーサンプリング ――シグナルデータ膨張に対応しながらオブザーバビリティを確保する』という書籍が技術評論社より出版されました。書店ならびに各社オンラインストアでご購入いただけます。

gihyo.jp

これまで技術書の翻訳には何冊か関わってきましたが、自分で一から書き下ろした本は今回が初めてです。

表紙は電波望遠鏡です。OpenTelemetryのロゴが天体望遠鏡をかたどっていること、そしてテレメトリーサンプリングが扱うのが大規模なデータであること、その両方から、天文台にあるような大きな望遠鏡にしてほしいとリクエストしました。

なぜ本書を記したのか

オブザーバビリティという概念が普及しだした初期からこの領域に携わってきて、サンプリングに関する相談はよくあるトピックの一つでした。手法の選び方、率の決め方、重要なトレースを失わずにコストを下げる方法。都度考えながら回答していたわけですが、まとまった資料がないなと毎回思い、それなら一度自分の知識を体系立ててまとめてしまおう、というのが本書を出版に至った元々の動機です。詳しい話は本書のまえがきに書きました。

初学者向けではなく、運用の経験を経て初めて価値が実感できる類の内容なので、最初は同人のつもりで書き始め、2026年の2月末から数か月かけて草稿を作りました。商業出版の企画として通るとは正直思っていませんでしたが、技術評論社の中田さんが企画化してくださり、思いがけず出版に至りました。

書いている間は、整理がついたところからカンファレンスで話してきました。たとえば5月のクラウドネイティブ会議では、テイルサンプリングが必要になる条件と、それでも安易に手を出すべきではない理由を、Collectorを並べたデモを交えて話しました。

speakerdeck.com

7月のSRE NEXT 2026では、サンプリング率を勘で決めずに数理的な根拠から決める話をしました。

speakerdeck.com

どちらも本書の草稿から切り出した内容です。

『OpenTelemetryではじめる テレメトリーサンプリング』はどんな本か

サンプリングという1つのテーマを、統計的な基礎から実装、シグナル別の戦略、組織的な運用まで通しで扱った本です。第1部でサンプリングの必要性と用語を整理し、第2部でOpenTelemetry SDKとCollectorを使った実装、そして動的サンプリングやアグリゲーションといった応用を扱います。第3部でトレース以外のシグナルに話を広げ、第4部でパイプラインの運用、データ管理、ガバナンスとコンプライアンス、FinOps、そして企業の事例を扱います。サンプリングの本ではありますが、「サンプリングしない」という選択肢にも節を1つ割いているのも、個人的には面白い点だと考えています。

分散トレースに関する内容が厚くなっていますが、需要があることと、せっかくなら主要なシグナルに関するサンプリングをまとめたいと思い、メトリクスのダウンサンプリングとカーディナリティ削減、ログサンプリング、プロファイルのサンプリングにもそれぞれ紙面を割いています。AIやLLMのワークロードから出るテレメトリーの扱いや、プロンプトに含まれる個人情報の問題、規制対応やマルチテナントにおけるコストや公平性にも触れた、かなり欲張った内容になりました。

なお、私はGrafana Labsに勤めていますが、本書はOpenTelemetryの標準仕様に基づいて書いており、特定のバックエンドに依存しません。バックエンド固有の機能に言及する箇所には注記を入れ、可能な範囲で標準の代替手段も併記しています。

一方で、書かなかったことも決めています。まず、OpenTelemetryによる計装のやり方は扱っていません。公式ドキュメントも含め、すでに世の中には良い資料がたくさんあるので、計装に関する情報はそちらに譲ることにしました。オブザーバビリティそのものの入門も同様です*1。次に、どのバックエンドを選ぶべきかという比較もしていません。私が現状オブザーバビリティソリューションベンダーに勤めている状況では、この手の比較は書いた時点で公平性が失われます。そして、サンプリング以外のインフラコスト最適化の話も外しました。それでも400ページ超というボリュームになったことが、このテーマの奥深さを物語っていると思います。

執筆中に変わったこと

書き始める前に考えていた構成と、書き終えたあとの構成はかなり違います。当初は手法と設定の解説、特に分散トレースに絞った内容にするつもりでいました。ヘッドサンプリングとテイルサンプリングがあって、それぞれこう設定する、という並びです。ところが書き進めるうちに、統計の話がだんだん中心に寄っていきました。

サンプリング*2は母集団から一部を抽出して全体の性質を推測する手法なので、問われるのは抽出されたデータの代表性です。そう捉え直すと、率をいくつにするかは勘で決める問題ではなくなります。エラー率をどれくらいの精度で推定したいのかから必要なサンプル数を逆算できますし、サンプリング後のデータから元の統計量を復元することもできます。そういった内容が上で紹介した登壇内容へとつながりました。

もう1つ、数値の出典を追う作業に予想以上の時間を使いました。たとえばプロファイリングのサンプリング頻度です。二次情報では20Hzや100Hzといった値がよく出てきますが、その根拠まで書かれていることは多くありません。実際に入稿直前まで、OpenTelemetry eBPF ProfilerやParca Agentのコードからそのデフォルト値を確認する、というような作業を行っていました。

今後更新されるであろう点と普遍的な点

昨今のオブザーバビリティのエコシステムは動きが速いので、書いている最中から陳腐化を意識せざるをえませんでした。そこで本書では、時限性のある記述には「2026年8月時点」と断りを入れ、動作確認に使ったバージョンを冒頭の表にまとめています。OpenTelemetry Collector(contrib)はv0.158.0、Python SDKは1.44.0、Go SDKはv1.45.0、Java SDKは1.64.0、Thanosはv0.42.4、Honeycomb Refineryはv3.2.2です*3。

今後すぐに更新が入るであろう箇所は、だいたい見当がついています。仕様側では、トレース全体で一貫した確率的サンプリングを実現するConsistent Probability SamplingがまだDevelopmentステータスで、W3C Trace Context Level 2とあわせて動いています。実装側では、signal_to_metricsコネクターがalphaで、将来的にspan_metricsを置き換える可能性があります。Jaeger Remote SamplerやOpenTelemetry eBPF Instrumentationも開発途上です。宣言的設定(Declarative Configuration)は2026年2月にスキーマがv1.0.0に到達したので方向は定まりましたが、記法の細部は動くでしょう。そしてSaaSベンダーのサンプリング機能の比較表とクラウドストレージのコスト試算は、いちばん早く古くなるはずです。付録Cを「将来展望」として切り出したのは、この手の話をそこに集めておくためでもあります。

逆に、しばらく変わらないだろうと思って書いた部分もあります。オブザーバビリティのジレンマの整理、サンプリングが持つ4つのリスク(希少イベントの消失、因果関係の断絶、統計的バイアス、運用の複雑化)、サンプリングが必要かどうかからサンプリング率の決定までを4段階でたどる意思決定の流れ、そして統計的な基礎。これらは特定のバージョンに紐づいていません。分散トレースには実体がなくスパンが独立にエクスポートされるという性質から、ヘッドサンプリングとテイルサンプリングのトレードオフが導かれる、という議論も同じです。アーキテクチャのパターンとその課題、個人情報の除去とサンプリングの順序、コストの帰属と成熟度モデル、それに第11章で扱ったUberからSkyscannerまでの事例と失敗パターンの分析も、当分は読めるものになっていると思います。

本の設計としては、変わりやすいものを付録と注記に寄せ、変わりにくいものを本編の骨格に置く、という分け方をしました。それがどこまでうまくいったかは、数年後にわかることだと思います。

関連図書

本書の関連図書として私からいくつか挙げてみます。網羅しているわけではありません。

  • 入門OpenTelemetry:本書はOpenTelemetryをある程度理解していることを前提にしているので、これから学ぶという方はまずこちらの書籍で概要を理解し、公式ドキュメントなどで詳細を追うのがよいと思います。
  • 実践OpenTelemetry:もしOpenTelemetryの計装を具体的に理解するところまで1冊でまとめたい、という場合にはこちらの書籍もおすすめです。レビュアーの大谷さんが訳者です。
  • オブザーバビリティ・エンジニアリング:本書の第1章で提示するジレンマは、この本が説く方向に進んだ先でぶつかる壁でもあります
  • SLOサービスレベル目標:サンプリング率を決める作業は、どの精度で何を測れていれば意思決定できるのかを決める作業なので、SLOの議論と深く関係しています
  • Prometheus実践ガイド:第5章のダウンサンプリングとカーディナリティ削減の前提となる、Prometheusのデータモデルと運用について詳しく書かれています

謝辞

本書のまえがきでも書きましたが、あらためて、レビュアーとして草稿に目を通してくださった下記のみなさまに感謝します(五十音順)。

日頃から技術者コミュニティで信頼をおいているみなさまからのフィードバックによって、自分では気付けなかった見落としやわかりづらい表現をかなり直せました。

そして、この企画を受け入れて出版まで導いてくださった技術評論社の中田瑛人さんと、私家版の組版ツールで作っていたプロジェクトを商業誌の紙面に仕上げてくださったGreen Cherry社の山本宗宏さんに、あらためてお礼を申し上げます。同人誌のレベルから一段引き上げていただきました。

おわりに

テレメトリーデータをどう減らすかという話は、地味なわりに、オブザーバビリティを続けられるかどうかを左右します。コストが理由でオブザーバビリティを諦める組織が1つでも減れば、本書を書いた甲斐があったと思えます。

みなさんの感想をお待ちしています。間違いの指摘もいつでも歓迎しますので、X(@ymotongpoo)までお気軽にご連絡ください。

*1:ところで私が翻訳に関わった『オブザーバビリティ・エンジニアリング』(オライリー・ジャパン)という良い本がありますよ。

*2:そもそも「サンプリング」自体が統計の用語(標本)

*3:技術評論社に企画を持ち込んだ際には原稿がContrib Collectorのバージョンをv0.144.0で書いていたので、最終原稿直前で大幅な修正をすることとなりました。

2026年にオブザーバビリティのコストにどう向き合うか

はじめに

こんにちは、Grafana Labsでデベロッパーアドボケイトをしているものです。

この記事は、オブザーバビリティ関連の請求額が気になっている方向けに、なぜいま私がテレメトリーサンプリングに関する知見を集中的に発信しているかを説明するものです。開発や運用をAIに任せる度合いが上がるにつれて、本番環境で何が起きているかを確認する手段としてのテレメトリーはこれまで以上に重要になっていると感じています。当然、テレメトリーの量が増えればコストも増えるので、どこかの時点で全量保存の設定を見直す必要が出てきます。全量保存を続けられるならそれに越したことはないのですが、続けられなくなったときに「予算を超過して全量保存する」か「取るのを諦めて見えなくなる」かの二択に囚われないよう、サンプリングという選択肢を知っておいてほしい、というのがこの記事で伝えたいことです。

AIの導入で何が起きているか

いくつか公開されているデータを紹介します。

DORAが2025年9月に公開したレポートでは、90%が業務でAIを使い、80%以上が生産性の向上を実感していると回答しています。その一方で、30%はAIが生成したコードをほとんど信頼していないと答えており、AIの導入とソフトウェアデリバリーの安定性には引き続き負の関係がある、とも報告されています。

個社の例では、Honeycomb.ioの Liz Fong-Jones が2026年7月に公開した記事に、同社の開発状況が具体的な数字とともに書かれています。ピーク時の平日マージ数は2025年前半の約30件から2026年4月には約74件になり、コードベースは16.5か月で97万行から194万行に倍増しました。2026年6月に追加された行のうち82.6%がAIによるもので、これでも同社では最も割合が低い月だったそうです。同時にインシデントの件数も変更量におおむね比例して増えていて、2026年Q1は平常時の1.7倍、Q2は2.9倍と報告されています。

Datadogが2026年4月に公開した State of AI Engineering 2026 は、1,000社を超える顧客の本番テレメトリーを集計したレポートです。リクエストあたりのトークン数は中央値の顧客で前年比2倍、上位10%の顧客では4倍になっています。LLM呼び出しのスパンのうち5%がエラーを報告していて、その約6割がレートリミットによるものでした。エージェントフレームワークを使うサービスの割合も、2025年初頭の約9%から2026年初頭には約18%に増えています。

ここからは私の意見になりますが*1、変更の速度が上がり、書いた本人がコードの全体を把握しているとは限らない状況では、正しく動作しているかの確認を本番の挙動に依存する割合が増えていく思います。事前にレビューやテストで担保できる範囲が相対的に狭くなる分、動いているものを観測して確かめる比重が上がるわけです。Honeycomb.ioのインシデントの増え方は、それが実際に起きたときの記録として読めるように思います。

また、調査そのものをAIエージェントに任せる場合には、エージェントが読むための入力としてテレメトリーが必要となります。人間が目で追う量は変わらなくても機械が読む量は増えますし、エージェントは人間なら「たぶん関係ない」と読み飛ばすような範囲まで確認しにいくこともめずらしくありません。

オブザーバビリティのコストはどうなっているか

コストについては、予算側の当事者に聞いた調査がいくつかあります。

私が勤めているGrafana Labsが2026年3月に公開した第4回オブザーバビリティ調査では、回答者の50%が来年の支出増を見込んでいます。理由の内訳を見ると、適用範囲の拡大を挙げたのが63%で、ベンダーの値上げを挙げたのは25%でした。コストがツール選定の最重要基準だという回答は65%で、3年連続の首位です。前年の第3回調査には、オブザーバビリティ支出がコンピュート基盤の支出に占める割合は平均17%、中央値10%という数字もあります。

Elasticが Dimensional Research に委託して2025年12月に公開した調査でも、97%がコストの想定外を経験し、67%はそれが恒常的に起きていると回答しています。54%は経営層から支出の正当化を求められる頻度が増えたと答えていて、96%が何らかのコスト抑制策を実施中です(ツールの統合が51%、より安いツールへの移行が41%、データの変換が37%)。

これらはいずれもベンダーが実施または委託した調査なので(私の勤務先のものも含めて)、多少割り引いて読む必要はあります。それでもなお、コスト増の理由として値上げよりも適用範囲の拡大のほうが2倍以上多く挙げられている点には注目したいところです。コストが増えているのは、ベンダーに値上げされたこともあるかもしれませんが、主な理由は自分たちが計装を広げたからです。オブザーバビリティの導入がうまくいった結果としてコストの問題が起きる、という順序はあまり語られない気がしますが、私が相談を受けるケースの多くはこの形です。

計装のハードルは下がり続けている

適用範囲が広がる背景には、計装を始めるのが年々簡単になっていることもあると考えています。

OpenTelemetryは2026年5月にCNCFをGraduateしました。2,800社超から12,000人超のコントリビューターが参加していて、240を超えるCNCFプロジェクトの中でKubernetesに次いで活発なプロジェクトです。2026年2月には、設定を宣言的に記述するためのスキーマがv1.0.0に到達し、計装の設定をコードとして管理する方法にも標準ができました。

ベンダー側の動きも同じ方向です。Grafana Cloudは独自の計装ライブラリを提供しておらず、アプリケーションの計装にはOpenTelemetryをそのまま使います。テレメトリーの受け口としてもOTLPをネイティブに受け付けていて、OpenTelemetry SDKやCollectorから直接データを送れます。

AWSは、X-RayのSDKとDaemonを2026年2月25日にメンテナンスモードへ移行させ、移行ドキュメントでOpenTelemetryの採用を推奨しています(サポート終了は2027年2月25日)。

Google Cloudもかねてより公式ドキュメントでOpenTelemetryによる計装を推奨してきました。トレースの収集にはOpenTelemetryを、メトリクスの収集にはOpenTelemetryまたはPrometheusを推奨する、と明記されています。ベンダー固有のSDKからOpenTelemetryへ、という流れはハイパースケーラーの公式な推奨になっています。

このほかの多くのオブザーバビリティSaaSでも、OpenTelemetryは第1級の計装ライブラリおよびプロトコルとして扱われるようになりました*2。

標準化とは別に、生成AIの存在も計装を容易にしています。OpenTelemetryは仕様もセマンティック規約も公開されていて、各言語の計装例が大量に世の中に出回っているので、コーディングエージェントに任せやすい部類の作業だと感じています。私自身、既存のアプリケーションへの計装の追加やCollector設定の下書きをエージェントに任せることが増えました。計装は以前なら「余裕ができたらやる」タスクになりがちでしたが、着手のコストが下がった分、計装される範囲はこれからも広がっていくのだろうと思います。

計装しない理由が減っていくこと自体は喜ばしいのですが、コストの観点から見ると、そのまま増加の圧力にもなります。ちなみに先ほどのAWSの移行ドキュメントには、100%未満のトレースをサンプリングすることで、アプリケーションのパフォーマンスに関する有用な知見を保ちながらコストを削減できる、という趣旨の記述もあります。移行を促すページでサンプリングも勧められているのは面白いところです。

サンプリングという選択肢

2026年現在、コスト目標から逆算するタイプのサンプリング機能が各社の製品に揃っています。Grafana CloudのAdaptive Tracesもこれにあたります。他社の製品においても、コスト目標やライセンス上のボリュームを設定すると、それに収まるようにサンプリング率が自動調整されるものが多いです。コスト削減の規模感としては、Adaptive Tracesの解説記事(2025年12月)に、顧客の取り込みトレース量が典型的には75〜90%減少すると書かれています。

この機能に関して、AuditBoardの Geoff Schultz のコメントが紹介されています(2025年10月、拙訳)。「Adaptive Tracingの前は、2つの悪い選択肢しかなかった。全部送って予算を吹き飛ばすか、少なく送りすぎて有用な知見が得られないかだ」。この「2つの悪い選択肢」は特定の製品に限った話ではなく、テレメトリーの量が予算を超えた組織の多くが直面する状況だろうと思います。

とはいえ、私はサンプリングを積極的に勧めたいわけではありません。サンプリングはどう設計しても何かを捨てる行為なので、全量保存が可能ならそれが最良です。月間数百GB程度のデータ量であれば全量保存のままでも困らないことが多いはずですし、リテンションの短縮や、ヘルスチェックのエンドポイントやDEBUGログといった不要なデータの除外で予算内に収まるなら、そのほうがよいと思っています。サンプリングは、そうした対策を検討してもなお足りないときの、やむを得ない手段です。

ただ、選択肢として知らないままだと、先ほどの二択に囚われたままになってしまいます。知っていれば、何をどれだけ捨てるかを設計の問題として扱えますし、設計の問題にできれば、なぜその率なのかを根拠とともに説明できます。予算を承認する側から見ると、削減額そのものよりも、この説明のしやすさのほうが大事な場面も多いのではないでしょうか。

そういう背景で本を書きました

ここまで書いてきたような状況に対して、体系的にまとまった資料が世の中にほとんどなく、サンプリングの相談を受けるたびに断片的なブログ記事と設定例を紹介するしかない、ということが続いていました。それなら一度自分でまとめてしまおうと思ってまとめたのが、8月31日に技術評論社から発売される次の本です。

サンプリングの統計的な基礎から、OpenTelemetryでの実装、メトリクスやログやプロファイルまで含めたシグナル別の戦略、コストの帰属やポリシーの見直しといった運用面までを扱っています。発売日にあらためて紹介記事を書く予定ですが、気になった方は予約していただけるとうれしいです。

*1:「AIエージェントを導入するとテレメトリーの必要量が何%増える」というような調査は、探した範囲では見つけられませんでした

*2:たとえばHoneycombはドキュメントで、初めて計装する場合にはOpenTelemetryを推奨すると明言していますし、New RelicもOTLPでの取り込みを第1級のサポート対象としています。

AWSを退職しました

こんにちは。本日3月13日を最終出社としてアマゾンウェブサービスジャパン合同会社を退職しました。

※業務連絡: 私の退職に伴ってAWSにおけるデベロッパーアドボケイトのポジションがオープンになると思います。ご興味がある方はヘッドカウントを持っている(元)上司につなぎますので、お気軽にご連絡ください。コミュニティが好きで技術が好きな人にはとても楽しいポジションだと思います!

2024年11月入社なので、1年半弱の在籍でした。転職から半年ちょっと様々なことが重なっていたため、転職直後から2025年7月くらいまでは半分くらい記憶がありません。入社直後にre:Invent 2024のためのさまざまなSlackチャンネルに入れられて、オンボーディング中でまだ会社のクレジットカードもない状況で、いきなりラスベガス行きの出張の手配をするところから始まって慌ただしかったことを覚えています。コミュニティマネージャーの沼口さんが実質的なメンターとなって、会社の組織の様子や日々のTips、そしてJAWS-UGという巨大なコミュニティのダイナミクスなどを早い段階で教えてくださったことで、最初の半年で破滅せずに生き延びることができました。

そこからさまざまな対外イベントに参加したり、ユーザーグループコミュニティ(日本がメインですがAPJCの話も)の支援などがありましたが、1年半しか在籍していなかったことが信じられないくらい濃厚な日々でした。

(入社日に沼口さんと撮った写真。まだ緊張している。)

前職が競合だったこともあり、AWSのコミュニティに10年以上参加することがなかったわけですが、いざ入社すると多くのJAWS-UGの方々が歓迎してくださり、さまざまな支部の方がイベントに誘ってくださいました。都合がつかず参加できなかったこともありましたが、それでも各地方支部のみなさんと交流できて、本当にいい思い出となっております。

(写真は金沢で開催されたJAWS FESTAにバイクで参加したときの道中)

グローバルなチームで、日本では沼口さん、竹崎さんというベテランのお二人のチームメイト以外は全員他国でした。多くの国のユーザー会と比較する中で、いかにJAWS-UGが自走したコミュニティであるかを目の当たりにし、また同時に日本の特殊性(沼口さんがユーザー会支援について理解が深いこと、日本のAWS社員がロール関係なくJAWS-UGの支援に協力的なこと、日本でコミュニティ全般が自走力が高いこと)を実感しました。このような背景から、日本を成功事例として伝え、その背景を理解させることが日本チームの使命というような側面がありました。ただ、実際に彼らがそれを理解したとして、AWS DevRelができることと言えば、社員がその意味を真に捉えて、ユーザー会の自主性を尊重し促すことなんですが、文化の違いもあり、再現性のなさを常に課題として感じていました。グローバル組織の目標設定と組織の存在意義のすり合わせが、うまくいくこともあれば大きな課題になることもあります。もう退職してしまいますが、グローバルコミュニティが、JAWS-UG型の自走するコミュニティになっていくことを、これからも陰ながら応援していきます。

多くのグローバルプログラムにも関わりました。日本は所属するAWS Heroの数も多く、かつそれぞれのHeroがコミュニティ運営経験が豊富かつ技術的な専門性の高い方々で、このあたりは前職で関わりの多かったGoogle Developer Expertと重なる部分を感じていました。しかし、大きな違いとしてHeroにもOLPに応じた表彰があり、それによってHeroがコミュニティに対して戦略的に貢献に取り組んでいる場面も多く目にしました(おそらくHero本人は意識していないけれど、それがHeroたる所以だったりする)。

AWS Community Builder(CB)はAWS Heroとは異なり自薦式のプログラムでしたが、その審査などにも関わらせてもらいました。世界中から毎年数千もの応募が来て、各応募に対して複数人がレビューするため、外側からは見えない非常に重いプロセスが走っています。その中でも日本のCBは他国に比べるとレベルが高い人が多く、日本のコミュニティのレベルの高さを実感しました。しかし同時に、申請書の書き方は他国での申請に比べまだまだ改善が必要だと感じる場面も多かったのも事実です。こういった「グローバル基準での審査への通し方」というのは、今後日本のコミュニティに共有されていったほうが良いでしょう(オフラインで話を聞きたい人には話せる範囲で共有します)。

日本のコミュニティだけでなく、海外のコミュニティイベントなどにも参加し、少しは日本だけでなくAPJC*1チームの一員として活動することもできました。海外のコミュニティは日本に比べると平均年齢が低く、コミュニティ全体に日本にはない活気がありました。こうしたさまざまな国のコミュニティの様子を知れるのは、このロールの醍醐味でした。

(香港のユーザーグループイベントの前夜祭)

幸いにも所属していた短い期間の中で2回もJAWS DAYSでのロングセッションにご招待いただいて登壇させてもらったことは、AWSのデベロッパーアドボケイトとしては光栄なことでした*2。2025年の実行委員長の新居田さん、2026年実行委員長の清家さんをはじめ、運営者の方々には大変お世話になりました。この場を借りてあらためて感謝をお伝えします。

(2026年3月のJAWS DAYSの懇親会後の集合写真。1500人規模の技術イベントをコミュニティが運営するのは本当にすごい)

JAWS-UGとの関わりを始め、ユーザーグループとの関わりは充実しているのに、なぜ退職するのかといえば、これは単純に自分のパッションがオブザーバビリティやそこに関連するオープンソースを中心とした場所にあることにあらためて気が付き、そこに関わる活動をより柔軟にしたいと思うようになったからでした。会社でのオープンソースへの関わり方というのは、所属する部署の階層の高い部分での合意がないと活動が難しい部分が多く、そのような中でもここ半年自分でも模索はしていたのですが、最終的に転職をするという決断に至りました。

思っていたよりも短い期間での退職になってしまったことは不本意ではあります*3が、前職にいたら関われなかったJAWS-UGの各メンバーやHero、Community Builderの方々と交流ができたことは本当に大きな財産になりました。これからもJAWS-UGのイベントには参加していきたいと思っていますので、各支部の運営の方々、事務局のみなさま、1メンバーとしてこれからもよろしくお願いいたします*4。

It's Still Day One

これから1ヶ月弱有給休暇を消化して、4/7から次の職場で働きます。

*1:アジアパシフィック、日本、中国

*2:普通にCfS提出するつもりでいたので、お声がけいただいたことは本当に光栄

*3:会社の名誉のためにいうと、レイオフや解雇ではありません。完全に自主都合退職です。そういえば3年未満だったので確定拠出年金は会社の積立分をすべて返還する羽目になったのも不本意

*4:昨日JAWS-UGのSlackアカウントに紐づいてるメールアドレスを慌てて個人のものに替えた

OpenTelemetryプロジェクトが日本のコミュニティに注目している話

はじめに

こんにちは、AWSのデベロッパーアドボケイトをしているものです。本来であれば昨日投稿されるはずだったOpenTelemetryアドベントカレンダーの24日目の記事です。本当はここにここ1週間くらい完全にAIアシスタントに設計から実装までやらせたデモについて書きたかったんですが、現時点で重大な問題に対応できてない*1ので、かわりにこの記事ではOpenTelemetryプロジェクトが日本のコミュニティに注目しているという話をします。

TL;DR

いままさに日本のユーザーが注目されています。ぜひこれらの投稿にリアクション(フォームへの回答や返信)をください!

www.linkedin.com

www.linkedin.com

なぜ日本なのか

そもそも世界各国ある中で、なぜ日本のコミュニティが注目されているのか、というと単純に日本のコミュニティやユーザーに次のような特徴があるからです。

  • ユーザーの数も多く、その中でアーリーアダプターの数が多い
  • OpenTelemetryやオブザーバビリティに関連するコミュニティが盛んである
  • 技術的なアウトプットが散見される(importされてるパッケージなどを確認すると集計できる)
  • OpenTelemetryプロジェクトのupstreamがあまりコミュニケーションを取れていない

この話は誰から出てきたのかと言えば、『入門OpenTelemetry(原著名: Learning OpenTelemetry)』の共著者の1人で、現在OpenTelemetryのガバナンスコミッティーメンバーであるAustin Parkerと直接話す機会があったからです。

そもそもこの話が出てきたきっかけはこのIssueを見たからでした。

github.com

タイトルを見れば分かる通りわざわざ「Japanese」と明記しています。この話が出たのが実はAustin Parkerが問題を提起したからだというのが、OpenTelemetryのSlackでのやり取りなどで判明し、re:Inventに僕もAustinも参加してたので直接聞いたほうが早いということでディスカッションをしたのでした(たまたまkatzchangも現地にいたので3人で30分くらい話をしました)。

日本の事例をもっと世界に発信してほしい

他にもあります。OpenTelemetryプロジェクトにはEnd User SIGというものがあり、エンドユーザー向けの情報発信やオフィスアワーなどを企画しているのですが、その中で "OTel Me" と "OTel in Practice" という、OpenTelemetryを使ってみての感想を共有したり、事例を紹介するインタビュー形式のビデオポッドキャストシリーズがあります。

www.youtube.com

www.youtube.com

見れば分かる通り、日本はおろかアジアパシフィック領域からの参加者がほぼいません。理由はわかりやすく、数多くあるSIGのミーティングがAPACタイムゾーンで開催されてないからです。

ということでその状況を改善したいと現在End User SIGのコアメンバーが、ドキュメントの日本語化プロジェクトのapproverに連絡してきたのがこのIssueです。

github.com

OpenTelemetryの課題

また上の2つとは別の話としてOpenTelemetry全体の課題として「プロジェクトの安定性」があります。OpenTelemetryはガバナンス上、仕様の策定→参照実装の開発→問題点の共有→問題の改善と修正というプロセスが一般的です。そのため安定性の問題がある場合にも、仕様を策定するところから始めるものもあり、改善までに多少時間がかかります。またベンダーが中心となって開発されていることもあり、専任で担当していた開発者の退職に伴ってその機能の開発が停止することもあります。

OpenTelemetryプロジェクト全体としてIncubatingからGraduatedになるための課題として、この安定性に関する課題があります。その問題を解決するためにも次の取組を行いたいそうです。

  1. 現状のユーザーが抱える課題を認識する
  2. 安定性の問題とオンボーディングの問題を切り分けるために間口を広くユーザーを支援する

これはAustinだけでなく、同じく Learning OpenTelemetry の共著者であり、同じくガバナンスコミッティーのTed Youngも口にしていた課題です(ところでたまたまTedに直接会えたのでこの話をすることができました)。

来年に向けて

間口を広げるための取り組みとしてOpenTelemetryの公式ドキュメントの日本語化プロジェクトが進んでいます。いまや私やkatzchangだけでなく、@msksgmさんや@kohbisさんがガンガンコミットしてくれています(杉本姓の人だけが参加できるわけではないです)。日本語化プロジェクトに参加する人を増やすというのがまず目下の目標です!ぜひ興味がある方は参加してください!お二人がオンボードするに至った経緯は発表資料やブログで公開されています。

speakerdeck.com

fushagoya.com

また上に挙げていたようにOTel MeやOTel in Practiceに参加してくれる方が出てくれる人/企業をいち早く見つけ、収録したいと考えています(どなたかいませんか?)。

さらに2025年にせっかくupstreamの人々との交流が増えたので、このまま日本のコミュニティへの投資を広げてもらえるよう、コミュニケーションを増やしていきたいと思います。

来年こそOpenTelemetry本番導入元年になるよう、これからもコミュニティ活動を続けていければ思います。コミュニティの人間として、みなさんからのOpenTelemetryへのフィードバックをお待ちしています!

*1:S3 Tablesに独自クライアントでデータを突っ込もうと思った場合に、Apache Icebergの仕様にクライアント側が完全に準拠する必要があり、それが思ってた以上に難しかった

CB650Rを買った話

はじめに

この記事は pyspaアドベントカレンダーの17日目の記事で、技術とはまったく関係のない話です。約2年前に普通二輪免許を取り、その直後に大型二輪免許を取得しました。そして今年の4月に大型二輪の CB650R を購入したのですが、なぜバイクの免許を取って、なぜCB650Rを買ったのか、という話を書きます。

学生の頃の話

自分の母親が心配性な部分もあり、小さな頃から「バイクは二輪だから転んで危ない。自動車は四輪だから転ばないから安全」という「理屈はわかるが、それなら自転車に乗らせないほうが良いのでは?」という理論で高校のころに原付の免許を取らせてくれませんでした(そもそも通っていた高校では原付の免許取得は特例でないと取得できない校則があったので、手続きが面倒だからだったということもあるとは思う)。

で、時は流れて自分も大学生になり、友人にはちらほらバイクの免許を取り、中型バイクを購入してツーリングで旅行をしたり、夜に友人同士で自由に家を行き来するような人もでてきました。それを見て自分は「うらやましいなー、でもバイク怖いし、維持も金かかるしなあ」と思いながら過ごしていました。また当時は自分も無限の体力があったので、自由に移動する必要があるときは15km以内であれば自転車でどこでも行っていて、「まあこれでいいか」となんとなく自分に言い聞かせていました。東京に住んでいたこともあり、自転車+電車(たまにバス)で十分便利に過ごせていたこともこれに影響しているでしょう。

大学院に入ると、システム開発の仕事で大学院生の割にはバイトというよりはいささか多めの給料をもらえるようになり、生活費を賄いつつスコットのカジュアルなロードバイクを買いました。これでより一層自転車で移動するのが楽になり、どこでも自転車に乗っていました。しかし、研究室の同期や後輩の何人かがSR400やらD-TRACKERやらCB250やらに乗って、いろんなところに自由に行ってるのを見てやはり「バイクいいなー」と思っていました。

その後輩の中でSR400に乗っていた小野くんは、たまにヘルメットを貸してくれて、自分を後ろに乗せて日帰り温泉まで連れてってくれたりして、それが自分にとって初めてのバイクの体験でした。自転車とはまったく違うあの加速や鼓動感、その躍動感は強烈に覚えていて「バイクすごいなー」と感動をしたのを覚えています。SR400は単気筒のバイクなので、余計にそう思ったのかもしれません。

研究室では小野くんは油圧で人間の手に似せた動作をするロボットハンドの開発をずっとしてたんですが、ひょうきんでいながら真面目でコツコツと作業する彼を見て「本当にすごい根気だなあ」と感心したのを覚えています。小野くんは1学年下だったので、自分がM2のときに就職活動をしていて、結局ホンダに就職していました。最初社名を聞いたときは当時のホンダだったのでロボット部門*1かなと思ったけど、二輪部門と聞いて「まあそりゃあ小野くんだしな」と納得しました。

40歳にして普通二輪免許取得

自分は小野くんの就職活動を見届けた数カ月後に、大学院を修了して就職をしました。その後転職があったり、結婚をしたり、子供が生まれたりといった人生のイベントが数多くあったわけですが、自動車に乗ったり、自家用車を買ったりといったことはあったけれど、「バイクに乗る」という選択肢がまったく思い浮かばず、気がつけば40歳になっていました。

ある日、ふと昔のことを話している最中に、「そういえば大学生の頃、自分はバイクに乗りたいと思っていたんだ」という昔の感情を思い出し、「自分は結局バイクに乗ることがなく人生を終えてしまうのかな」などと考えたら、急にバイクに乗りたい気持ちが昂ってきて、すぐさま教習所に申込みに行きました。新しい家に引っ越すにあたり「原付二種に乗れたら家の周りを移動するのにも便利だしな」とハンターカブを買おうと思っていたことも後押しとなりました。

はじめは「とりあえずハンターカブに乗れればいいか」としか考えてなかったんですが、教習車のCB400 Super Fourに乗っているうちに「中型に乗りたい!」と思うようになってしまいました。免許自体はすんなり取れて、暫くの間はレンタルバイクでいろんなバイクをレンタルして乗っていました。ひとまず「死ぬまでにバイクを運転できるようになる」はクリアできて良かったんですが、一度知ってしまった楽しみは抑えられず、ハンターカブではなく400ccくらいのバイクを所有したくなってしまいました。

大型二輪免許も取得

いざバイクを買おうと思って調べてみると、いま中型で新車のラインナップを見ると欲しいバイクが全然ない!400ccで免許の区切りがある国は少なく、世界的な需要に合わせてバイクメーカー各社がミドルクラス(500cc〜750ccくらい)に力を入れているため、400cc前後に選択肢が全然ない。自分は丸目のネイキッドが欲しいのに、ホンダのGB350は90km/hくらいで謎のリミットがかかって全然高速走行できないし、カワサキのZ400はなんか尖ってる、ヤマハのMT-03もヘッドライトがシュッとしてる、スズキはそもそも400ccネイキッドを出してない、ということで国内メーカーは全滅でした。外車に乗るか?とも考えて、トライアンフのScrambler 400 Xとかもどうかなと思ったんですが、どうせなら制約を取っ払ってしまったほうが良いと思い大型二輪の免許を取ることにして、数カ月後には無事に取得できました。

大型二輪免許を取ると決意し始めた頃から、扱いやすさや自分の性格*2から「乗るならミドルクラスが良いだろう」と勝手に思っていたのと、教習所で慣れ親しんだホンダのCBの4気筒シリーズを踏襲したきれいなエキパイ、その他タンクや丸目ヘッドライトなどの造形からCB650Rがほしいなあと思うようになりました。

(こちらの記事より画像引用)

するとおあつらえ向きにCB650RにE-clutchという新しい機構が搭載されるというので、どうせならそれが搭載されているバージョンがいいなあと思うようになりました(実際レンタルバイクに乗っているときに渋滞でクラッチめんどくさいなと思うことがあった)。DCTなどと違ってE-Clutchを切れば普通のMT車として乗れるところに惹かれました。

response.jp

小野くんがE-clutchを開発していた

そういうわけでCB650R E-clutch版に対する購入意欲が湧いていた2024年6月頃だったのですが、調査のためにE-clutch関連の記事を眺めていると、見慣れた顔が出ていて思わず「ええっ!?」と声を上げてしまいました。

www.autoby.jp global.honda

研究室にいた小野くんがE-clutchの主任開発者としてホンダのオウンドメディアやバイク情報サイトでインタビューを受けてました。

読めば、E-clutchの開発に10年もかかったと言うじゃないですか。自分が社会人になってから同じプロダクトに10年も関わり続けたことがなく、業界全体としてもそういった人はごく少数である中、彼は10年間E-clutchの開発を続けて、結果としてホンダの新時代を担う新機構として大々的にリリースされたと。本当にすごいことなので、興奮覚めやらぬうちに小野くんに連絡を取りました。

納期遅延でタイミングを待つことに

やはり新機構なこともあって、なにかしら生産中に問題が発覚したりして当初は2024年6月発売予定だったものが9月に延期され、また生産も追いつかないことから結構納期が遅延していました。自分はつなぎにGB500TTという旧車にすでに乗っていたため、生産体制が戻るまで待てばいいか、と思い結局2025年2月に発注し、2025年4月に無事に納車されました。

それからは趣味のツーリングだけでなく、300km以内くらいの距離に1人でさっと移動する必要があるときにはE-clutchの機能を存分に使いながら長距離移動の足としても活躍してくれています。

(先日のJAWS FESTA in 金沢にもCB650Rで行ってきました)

これから

E-clutch発表当時はCB650R/CBR650Rだけの搭載でしたが、いまやRebel 250とその兄弟車CL250には搭載され、そして先日のEICMAでは更に5車種での搭載が発表されています。その中でXL750 トランザルプにも搭載されるという発表がありました。

バイクを買う計画を立てた当初はトランザルプも買いたいと思っていたのですが、小野くんのためにもE-clutchが付いたバイクが欲しいと思いCB650Rを選択しました。が、今回、トランザルプにも搭載されるということで早くも買い替えの機運が高まっています!小野くんにはこれからも良いバイクを作り続けてもらいたいです!頑張ってください!

(小野くん含めた研究室の後輩と1日中雨の中、朝7時から夜11時までツーリングした日の夕飯。この焼肉屋美味しかった。)

*1:当時は二足歩行ロボットの開発が出来そうな国内の会社ということで専攻からはホンダか豊田中央研究所に行く人が多かった

*2:リッターバイクにいきなり乗るとすぐに死んじゃいそうだから

Go Conference 2025に「参加」してきた #gocon

はじめに

こんにちは、AWSでデベロッパーアドボケイトをしているものです。去る2025年9月27日-28日の2日間、東京の住友不動産渋谷タワー(通称: Abema Towers)で開催されたGo Conferenceに、ワークショップとセッションで2日間登壇してきました。もう1週間経ってしまうことに驚きを隠せないでいるのですが、いつまでも余韻に浸るわけにもいかないので、その感想を忘れないうちに書き留めておこうと思います。

speakerdeck.com

speakerdeck.com

Go Conferenceと個人的な関わり

Go Conferenceの立ち上げ

Go Conferenceは今回で開催が19回目、初回開催の2013年4月から12年の長きに渡って開催されています。

gocon.connpass.com

何度か折に触れて紹介されていますが、Go Conferenceはこの開催の前に、お試しイベントで「Go Conference pre 2013 Winter」を企画していて、それが2013年1月に開催されたイベントでした。当時はGoogle App Engine for Goが2011年5月にアナウンスされたあと、GAE上で最も速いランタイムとして注目が増えていき、さらにGo 1.0が前年にリリースされ、Go 1.1がリリースされるかなあとか話しながら、毎日 golang-nuts や golang-dev のメーリングリストを見るというような日々でした。

初回と言えるGo Conference pre 2013 Winterでのワークショップの様子

初回のイベントも盛り上がり、その場にいた何人かと一緒にGoのカンファレンスをやりたいね、という話になりました。そして当時は愛知に住んでいて、地元でGoのイベントを開催していたtenntennが就職に伴い東京に来ると聞いたので、一緒にやりましょうという形で初回の企画を進めました。

この当時はちょうどPython 2系から3系への移行期(Language Moratoriumが終了する間近)でした。個人的にPythonicさをPythonよりも体現していると感じたGoに魅力を感じ、この言語が広く普及してほしいという思いもあり、カンファレンスを開催することにしたわけですが、当時はGoなんて本番環境で使ってる会社はほぼなく、登壇できるほど使っている人もいなかったので、毎回運営で登壇者を探してきては一本釣りで登壇依頼をする、というような状態でした。

当時はカンファレンスと言ってもまだ100人程度のイベントで、スポンサーも会場スポンサーを募るくらいの小規模なものでしたが、一方で新しい言語にありがちな多くの新規アップデートにより、セッション登壇を行う人間にとっては話題に事欠かない時期で、半年に1回開催していました。

そのうち、Goも普及してきて、Go 1.4がリリースされる頃になるとアーリーアダプターが言語の習得しやすさ、ビルドやデプロイの容易さ、実行時の安定性や速度などから利用者が増え、本番環境や当時からすると次世代のOSSでの利用も増えてきました*1。この頃になるといよいよconnpassでの参加登録も毎回抽選、参加者規模も200人を超えるようになってきました。

そして忘れもしない2014年11月のGo Conference 2014 autumnでは、Go言語の生みの親であり、当時のリードであったRob Pikeが登壇してくれることになりました。また最初期のGoの普及活動をしてくださっていた*2鵜飼さんも一緒に登壇してくれることとなり、非常に充実した会となりました。その辺の詳細は当時の記事に譲りますが、Robがイベント後の懇親会にも参加してくれて、青物横丁の普通の居酒屋の座敷で、雑にピッチャーから注がれるビールを飲みながら、 @jxck_ さんの質問に対してPCを奪って「こうやって書くんだよ」ってライブコーディング始めたりする、和やかで温かい会でした。

ymotongpoo.hatenablog.com

最後は青物横丁のコインパーキングで余ったTシャツのじゃんけん大会が開催さてたのも良い思い出です。

2次回後に青物横丁のコインパーキングで大人が数十人集まってじゃんけん大会

Go Conferenceの拡大

初期のGo Conferenceでは、Rob Pike以外にも、Andrew Gerrand、Brad Fitzpatrick、Francesc Campoyなど、当時のGoチームの面々が登壇しに来てくれました。半年に一回の開催だったので、Go teamにかなりの頻度で連絡しまくっていて、来てくれるだけでなく、ノベルティの手配なんかも協力してくれました。来てくれるのは嬉しいと思っていた反面、自分が主催するイベントに呼ぶのは当時の立場でいうと職権乱用にも近い状況だったので、流石にまずいなあと思い、この頃にtenntennに主催を引き継いでもらうことにしました。

またこの頃から規模が拡大し始めて、初めて会場スポンサー以外にもスポンサーをしていただいたり、墨田区の公共施設を借りて初めての有償開催(一般参加 500円)をしてみたりと、さまざまな試みが行われました。徐々に、運営に協力してくれる人が増えていき、ありがたいと思う反面、私とtenntennが常に心がけていたのは「スタッフが疲弊して次回の開催が行われなくならないよう、継続性を大事にしよう」ということでした。

回を重ねる中では、運営が本当に数人しかおらず、私一人でCfPからプロポーザルの選考の段取り、タイムテーブルなどをすべて決めつつスポンサーのやり取りを並行してすべて行わなければいけない場面などもありましたが、なんとかやりきって半年ごとの開催を継続していました。

しかし規模が大きくなるにつれて、少人数運営での半年ごとの開催には無理があるということになり、年次開催に切り替わりました。またありがたいことに多くの企業からスポンサーに関してのお問い合わせをいただき、現物支給でのスポンサー枠に限界が来ていたので、スポンサー費用を管理する一般社団法人であるGophers Japanを立ち上げることとなりました。

コロナ禍とGo Conferenceの継承

しばらくGophers JapanとGo Conferenceの運営の中心メンバーが同じ状況が続いていて、安定して年次開催が行われ、新型コロナ禍においてもオンライン開催で続けてこれました。新型コロナが5類感染症へと分類が変更となり、また世の中がオフライン開催へと移行し始めたときにも、Go Conferenceは保守的に2023年までオンライン開催を継続していました。しかしいよいよオフラインへ回帰していいのではないか、という段になったときに、新しい方に運営を引き継いでもらおうということになって、sivchariさんに引き継いでもらうことになりました。そしてGophers Japanのメンバーは一歩引いて、予算管理やGo Conference以外のGoコミュニティに関する支援などを行う活動にシフトしていきました。

歴代Go Conference主催者での記念写真

Go Conferenceは過去回とは一線を画すクオリティのイベントになっていて、運営内の各チームのみなさんも大変なこともありつつも、無事に開催を終えられたのは本当に嬉しい限りでした。

Go Conference 2025の感想

前置きが長くなりました。

今年は自分は去年よりもさらに一歩引いて、Gophers Japanとしての判断が必要なとき以外は意見することなく、運営のみなさんの応援だけしていました(裏ではGophers Japanとして予算や規約周りの稟議などをしていましたが、運営メンバーに関わることはほぼありませんでした)。プロポーザルの審査にも一切関わらず、純粋にCfPに応募しました。そして、たまたま運よくワークショップとセッションの両方で採択された*3ため、2日間ほぼ純粋に登壇者として参加させてもらいました*4。初めての2日間開催のGo Conferenceは、初めて一参加者の目線で見ることができ、本当に新鮮で楽しいものでした。

クロージングでのsivchariさんとmomiさん

今年は準備期間の途中でsivchariさんに代わってmomiさんが運営のリードをしていたのですが、金沢に住んでいる学生のmomiさんが素晴らしい統率力で運営を引っ張っていました。運営者Slackでしか拝見してなかったので、ぜひ現地でお会いしたいなとずっと思っていたのですが、初めて現地でお会いしてあらためてすごい方だなと感じ、運営にもこうした若い新しい方が入ってくれたことを本当にありがたく思うばかりでした。sivchariさんとmomiさんのお二人がクロージングで次回以降のGo Conferenceに向けての意気込みを話していたとき、上に書いてきたようなこれまでの思い出が一気に押し寄せてきて、胸がいっぱいになってしまいました。

2日目撤収後に行われた有志での打ち上げで、さまざまな地域から運営に参加してくださった学生のみなさんが「Go Conferenceまた運営として関わりたいし、自分の地方のGoコミュニティを盛り上げたい」と言っていたのは、これまた胸が熱くなるものがありました*5。

最初は自分が好きで始めたものが、最初にたまたま同じようにコミュニティを作っていこうという気持ちを持った人と出会えて、たまたまGoという言語が普及したことに伴ってコミュニティが大きくなって、そしていまあらためてその場を参加者として見ることができるというのは、人生でもそうそうない幸せな経験でした。

おわりに

すでに来年のGo Conferenceの企画が動いているようです。このカンファレンスがこれからもGopherの楽しい集いの場であり続けるよう、心から願っています。

*1:たとえばPrometheusが2012年11月、Dockerがリリースされたのが2013年3月です

*2:Google社内ではGo Readability Approverとして社員のGo言語の習得の支援もしている

*3:元々Go Conferenceではセッションはセッション応募者は伏せて審査してるので、フェアな審査です。昨年は私はプロポーザル落ちました。

*4:もちろん人手が必要な場面や撤収ではスタッフとして働きました

*5:初回のGo Conference開催のときに小学校2年生だったと聞いて衝撃を受けました

『入門OpenTelemetry』という本が出版されました #learning_otel

はじめに

こんにちは、AWSのオブザーバビリティ/SREを得意領域とするデベロッパーアドボケイトです。この度、私が翻訳しました『入門OpenTelemetry―現代的なオブザーバビリティシステムの構築と運用』という書籍がオライリー・ジャパン社より発売されました。印刷版は書店ならびに各社オンラインストアでご購入いただけます。PDFならびにEPUBはオライリー・ジャパンのEbookストアにてご購入いただけます。

www.oreilly.co.jp

『入門OpenTelemetry』はどんな本か

本書は、OpenTelemetry という、CNCFのIncubatingプロジェクトに関する解説書籍です。OpenTelemetryは非常に活発かつ巨大なプロジェクトで、訳者まえがきにも書きましたが、2019年にプロジェクトが開始したにもかかわらず、いまやCNCF傘下のプロジェクトでKubernetesに次いで2番目に活発なプロジェクトとなっています。(下記のCNCFのdevstats参照)これはもともとCNCF傘下にあったOpenTracingと、同様の目的のプロジェクトで同じようにすでにユーザーがいたOpenCensusが合併して成立したのがOpenTelemetryなので、発足時点ですでに関係者が多数いたのが要因の1つではあるのですが、それにしても発足時からの発展は目覚ましいものがあります。

all.devstats.cncf.io

そんなOpenTelemetryの解説書籍ではあるのですが、本書にはコード(プログラム、設定ファイル)の類はほぼ出現しません。これほど巨大なプロジェクトの入門書でコードがほぼ出現しないというのは、個人的には驚くべきことだと思うのですが、これは著者陣が意図してそうしました。OpenTelemetryが数多あるOSSの中でも規模が非常に大きい上に、扱っているものの概念が浸透していないこと、そして公式ドキュメントやサンプルを充実させていることがその理由です。

したがって、本書は次のような方におすすめな書籍です。

  • OpenTelemetryプロジェクトの全体像や検討事項を把握したい方
  • 『オブザーバビリティ・エンジニアリング』を読んでオブザーバビリティの実践を開始しようとしたけれど、計装やテレメトリー収集に関する戦略に関しての理解を深めたい方
  • プロジェクトでOpenTelemetryを使うことになったけれど、プロジェクトの背景や思想を先に知りたい方

OpenTelemetryの各言語用ライブラリを用いて計装をしたり、OpenTelemetryコレクターでテレメトリー収集をし、オブザーバビリティ基盤に送信したり、とい各作業はそれぞれが奥深いものです。筆者たちはそれぞれに関する詳細な解説を書くことも可能でしたが、あえてそれらを削ぎ落とし、背景にある思想や概念、設計方針のアドバイスのレベルでの解説にとどめ、詳細な実装はオンラインのコンテンツに譲った結果、本書はA5版で170ページ程度という、非常に読みやすいボリュームとなりました。

これが可能だったのも、OpenTelemetryというプロジェクトがその始めから、仕様をきっちりと決め、実装はそれに従うというガバナンスを整えていたことによります。もしこれが作者が1人のプロジェクトで、思いつきで実装をしたり、機能を追加したり、APIの仕様変更を行うような製品だったら、こうはいかなかったでしょう。大元の仕様や設計がこれから先しばらくも続くことが想定でき、それでいて細かな実装は変更しうる(APIの下位互換性はある)ものとして、最新版のサンプルを参照するほうが良いからこそ、こうした構成の書籍が成立します。

関連図書

オブザーバビリティバックエンドに関する書籍を挙げると、各ベンダーごとの書籍など多くなってしまうので、ここでは数冊にとどめておきます。

「オブザーバビリティ」という概念そのものを理解するのであれば、まず『オブザーバビリティ・エンジニアリング』をおすすめします。本書でより広い概念を理解したうえで、それを実現するための業界標準になりつつあるOpenTelemetryの理解を『入門OpenTelemetry』で深め、さらに細かな実装に関しては公式ドキュメントや他の解説書を読む、という流れができるでしょう。

OpenTelemetryというプロジェクトはあくまでテレメトリーの計装、収集、送信のみを扱うものです。そのため、テレメトリーがオブザーバビリティバックエンドに送信されたあとの処理に関しては関与していません。しかしながら、テレメトリーの属性(ラベル、ディメンションなどさまざまな呼ばれ方をする)はバックエンドに大きな影響を与えます。例としてはOSSのPrometheusの書籍を挙げていますが、これはベンダーツールでも変わりません。オブザーバビリティバックエンドはOpenTelemetryと対になるものなので、そのつなぎ込みに関わる機能やその概念を理解をすることで、より良い設計ができると思います。

謝辞

本書は日本国内でOpenTelemetryプロジェクトに割と初期から関わっている方々から多くのレビューを頂きました。訳者まえがきでも触れていますが、あらためて私が本書の出版に際してレビューに参加いただいた下記の皆様に感謝します(五十音順)。

またオライリー・ジャパン社の瀧澤さんにはこの2年で4冊の翻訳書の編集を担当いただきました。本書の出版でここ5年ほどずっと続いていた、常に原稿が手元にある状態がようやく一段落しました。本当にありがとうございました。いまは少しの開放感に浸っていますが、また別の翻訳プロジェクトでご一緒できる機会があれば、よろしくお願いいたします。

おわりに

OpenTelemetryはまだまだこれから普及していくOSSだと思います。いまやコンテナオーケストレーションといえばKubernetesがデファクトになったように、オブザーバビリティといえばまずOpenTelemetryが選択肢に上がるようになってきました。本書はそのような状況にあって、多くの方々がそのプロジェクトと製品の概要を一息に理解するための優れた入門書だと思います。2025年に多くの方がOpenTelemetryに触れられることを期待しています。

YAMAGUCHI::weblogの2024年を振り返る

はじめに

こんにちは、AWSでデベロッパーアドボケイトをしているものです。2024年も最終日となりました。私の誕生日でもあります。

www.amazon.jp

過去の年次の振り返りはこちら。

ymotongpooの2024年

去年立てた目標

  • コミュニティ関連
    • OpenTelemetry meetup とかハッカソンとかやっていきたい
    • Go Conference 2024は久々のオフライン開催なので無事に行う
  • 執筆・翻訳・監訳
    • 1冊は翻訳本を出す
    • 同人でもいいので何かしら書き下ろしたい
  • 趣味
    • キャンプでハンモック泊やタープ泊などの軽量キャンプに行く
    • 普通二輪の免許を取得したらツーリングキャンプに行く
    • グリル料理を覚える
  • 語学

コミュニティ関連

OpenTelemetry

opentelemetry.connpass.com

OpenTelemetry meetupは運営スタッフが増えたことや、イベントの間隔も3ヶ月に1回とかなので、2024年もなんだかんだで3回実施できました。これも会場を快く提供してくださる企業のみなさまのおかげです。大変ありがとうございます。このイベントの外でもOpenTelemetryが話題にのぼることがだんだんと増えてきて、OpenTelemetryがかなり普及してきたように感じます。

これまでは初歩的な内容が多かったように思いますが、2025年はより実践的な内容が共有されることが増えるだろうという期待があります。このイベントも継続して楽しくやっていきたいですね。

opentelemetry.io

それと並行して、OpenTelemetryのドキュメント翻訳プロジェクトが立ち上がったので、approverとして関わっています。OSSはドキュメントのあるなしで大きく普及度合いが変わってくると思うので、なるべく多くのコンテンツを翻訳できればと思っています。日本語化に興味がある方はぜひお声がけください。こちらもご参照ください。

ymotongpoo.hatenablog.com

Go Conference 2024とかGoコミュニティとか

Go Conferenceの主催が3代目の @sivchari さんへとバトンタッチし、新たなフェーズに入りました。新型コロナ禍からオンライン開催に移行していましたが、Go Conferenceは今年からまたオフライン開催が復活しました。素晴らしいスタッフの方々のおかげで大きな問題もなく開催されました。

大盛況のスポンサーブースエリア

歴代主催者での記念写真

今年はついに2013年から参加していたGo Advent Calendarに参加せずに1年が終わりました。今年は転職したこともあり、また別のアプローチでGoのコミュニティへの貢献などを増やしたいと考えています。

執筆・翻訳・監訳

今年は2冊の翻訳書籍を出版できました。これらの書籍はかなり内容的に思い入れのあるものだったので、翻訳に携われて本当に良かったです。

ymotongpoo.hatenablog.com

ymotongpoo.hatenablog.com

書き下ろしの執筆に関してはまったくできませんでした。年初には年後半にできればいいかなと思っていたんですが、まさか思いもよらず転職することになったので、年後半の予定がまったくもって想定していたものと違ってしまいました。

趣味

バイク

去年の振り返りを書いている段階ではまだ普通二輪免許も持ってなかったのですが、その後無事に年明けすぐに普通二輪免許を取得しました。その後、レンタルバイクで友人とツーリングに行って最高だったのと同時に、現状だと400cc付近に良いレンタルバイクの選択肢がなかったことと、排気量制限が鬱陶しくなったので、2月から4月頭にかけて大型二輪の教習にも通い、こちらも無事に免許を取得しました。

というわけで、今年前半は免許の取得からツーリングなどで趣味としてバイクに乗る時間が非常に多くありました。レンタルバイクや友人から次の車種を借りて、さまざまなバイクを試してみました。乗った順に並べるとこんな感じ。

  • Honda GB350
  • Honda 400X
  • Honda GB500TT
  • Ducati Streetfighter V2
  • Ducati Streetfighter V4S
  • Yamaha XSR700
  • Yamaha MT-07
  • Honda CB650R
  • Ducati Streetfighter V4SP
  • Honda CB650R(2回目)
  • Honda XL750 Transalp
  • Honda CBR650R E-clutch

そして友人である先輩が処分するというので、本当に旧車とは思えないくらい乗りやすかったGB500TTを安く譲ってもらいました。まさか初めて持つ125cc以上のバイクが旧車、それも1985年製のものになるとは思いませんでした。500ccということで、新車発売当時に同時に400ccモデル(GB400)も出ていたこともあって、日本国内にほとんど流通していない!しかもかなり古いので純正部品はまず手に入らない、なかなかメンテナンスが難しいバイクではありますが、バイク人生においてビッグシングルのキャブレター車を所有した、というのは良い経験になっていると思います。

譲り受けた時点で、前々オーナーがかなりいじった状態のままでフェンダーレスになっており、ナンバープレートステーとテールランプが単気筒の振動でかなり経年劣化してて、ツーリング中にいきなりもげてレッカーする羽目になったのはいい勉強になりました。(いまは新しいものに付け替えたのでしばらくは大丈夫)

レッカー車を山の中で待っていたとき

また、いまホンダで二輪開発の最前線にいる後輩含めて、研究室の世代が近いOBたちでツーリングに行けたのは楽しかったです。朝7時から夜11時まで、1日中雨の中のツーリングはしんどかったけど、それでもかなり楽しいツーリングでした。普段はソロツーリングが多いけど、気の合う人たちとのマスツーリングは楽しいですね。そんな後輩が開発を主導したE-clutchが搭載されたCB650Rを先日注文もしました。来年春には納車されます。

GB500TTを維持するか、それとも乗り換えるか、駐輪スペースの都合もあるのでめちゃくちゃ悩んでいます...*1

ツーリングキャンプ

たまたま1人で動ける時間があったので、11月半ばに初めてのツーリングキャンプに行ってきました。

初めてのツーリングキャンプなので、遠くを目指さず下道で行ける範囲、かつ積載量を加味してハンターカブでテント泊してきました。ハンターカブの積載力は本当にすごくて、リアキャリアだけで余裕を持ってキャンプ道具が積めてしまいました。真冬に行くとなると更に嵩が増しますが、そうだとしてもこの装備で考えると寝袋が厳冬期用に替わるくらいなので、余裕を持って行けそうです。

リアキャリアにてんこ盛りに載せたらスタンド1つだと転倒しかねない感じになったので、サイドスタンド2個にしたり強化しないといけないなと考えています。

転職

10月末に13年半勤めたGoogleを退職し、11月からAWSに勤務しています。

ymotongpoo.hatenablog.com

ここ何年かは、自分の興味による理由ではなく、他の要因でキャリアが決まってくることが多くなってきて、今回もそういった事情での転職でした。前職と現職で感じたのは、どんなに大きな組織にいても、身近な権限を持った人間の振る舞いが自分の身の回りに大きな影響を及ぼすということです。そういった意味では現職のマネージャーとディレクターには今のところ恵まれています。会社が変わると丸ごと文化も変わる上に、オンボーディングがかなりきっちり組まれているので、来年2月くらいまではそのキャッチアップで結構時間が取られる感じになっていて、少し焦りを感じています。

また新しいコミュニティに入るということで入社前は緊張していましたが、今のところAWS JapanやJAWS-UGのみなさんが温かく迎えてくださって、大変ありがたく感じています。JAWS-UGには、これまで得た知見を共有することでの貢献から始めていければなと思っています。一方で、AWSとしてJAWS-UG以外のコミュニティイベントへの支援もする、というのが今回の転職での私への期待として挙がっていたので、こちらはこちらで去年までと同様に関わっていければと思います。

1つ懸念点としては、日本ではコミュニティイベントが週末に開催されることが多く、家庭の事情を考えるとどうしても選択して参加せざるをえないということです。これから平日開催のイベントが増えることを期待しています。

語学

スペイン語は相変わらずDuolingoを淡々と続けているんだけれども、他の言語はスペイン語を継続するために辞めてしまいました。日常で使う機会がないとモチベーションを維持するのが難しいものです。

スペイン語のほうはなんだかんだで世界中で話者が多いので、使おうと思ったらまだ機会があるので維持できています。先日もre:Inventで南米から来ていた参加者たちとちょっとした会話をする機会がありました。

先日読んだ、尊敬するKazu Languagesさんの著書で書かれていた語学習得法の中で、自分が前から気になっていたPimsleurがおすすめとして書かれていたので、始めようか迷っています。(サービスを始めるとなると1日30分を必ず確保しないといけない)

来年に向けて

  • コミュニティ関連
    • JAWS-UGへの貢献
    • OpenTelemetry meetup の活性化
    • Goコミュニティへの新しい貢献
  • 執筆・翻訳・監訳
    • 書き下ろし
  • 趣味
    • ツーリングキャンプをもっと
    • グリル料理を覚える
  • 語学

*1:GB500TTに興味があるよ、という方はご連絡ください