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。
IaC is dead.
— James Ward (@JamesWard) 2026年10月31日
Sorry DevOps / SREs / Cloud Engineers but you're in for the same roller coaster as Devs. AI can manage infra change better than you.
Unfortunately for IaC, we don't need code because with the actual system source code and the infra, AIs have everything needed to…
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。
For a glimpse of what I’m talking about, check out Alchemy Effect and how system code can express infra dependencies.
— James Ward (@JamesWard) 2026年10月31日
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
- Abhishek Verma ほか「Large-scale cluster management at Google with Borg」、EuroSys 2015
- Malte Schwarzkopf ほか「Omega: flexible, scalable schedulers for large compute clusters」、EuroSys 2013
- Brendan Burns ほか「Borg, Omega, and Kubernetes」、ACM Queue、2016年
- Randy Bias「The History of Pets vs Cattle and How to Use the Analogy Properly」
- Kubernetes「10 Years of Kubernetes」、2024年
ドキュメント
- Kubernetesドキュメント
- Terraformドキュメント
- AWS「AWS CloudFormation」
- AWS「AWS CDK とは」
- AWS「AWS Config とは」
- AWS「AWS Controllers for Kubernetes」
- Google Cloud「Cloud Asset Inventory の概要」
- Google Cloud「Config Connector の概要」
- Crossplane
その他
- Alchemy「What is Alchemy?」
- CFEngine
- Serverspec
- 宮下剛輔『Serverspec』、オライリー・ジャパン、2015年
*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。
*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。





















