サービスマネジメントとSLA

ねらい

システムを提供し続ける活動を学びます。このレッスンを終えると、サービスの品質を数で約束する意味を説明でき、稼働率という指標の読み方が分かるようになります。

作ることと、提供し続けることは別の仕事です

システムは、完成した日から動かし続ける必要があります。この活動をサービスマネジメントといいます。

作る側の目標は「決めたものを作り終えること」ですが、提供し続ける側の目標は「約束した品質で使える状態を保つこと」です。目標が違うので、管理する内容も違います。

SLA — 品質を、数で約束する

SLA（サービスレベル合意書）は、提供する側と受ける側が、サービスの品質について合意した文書です。

書く項目は、たとえば次のようなものです。

合意した水準を保ち、良くしていく活動をSLM（サービスレベル管理）といいます。測って、報告して、改善するを繰り返します。

高い水準を約束するほど、費用は上がります。24時間365日の対応は、人を置き続けることを意味します。業務上どれだけの水準が要るのかから決めるのであって、高ければ良いというものではありません。

稼働率の読み方

稼働率は、使える状態だった時間の割合です。

1か月を30日とすると、720時間です。

• 稼働率99％… 止まってよい時間は約7.2時間。
• 稼働率99.9％… 止まってよい時間は約43分。

0.9ポイントの差が、7時間と43分の差になります。数字の見た目は近くても、実現に必要な備えはまったく違います。予備の機器を持つのか、切り替えを自動にするのかといった設計の判断が、この差から決まります。

提供し続けるための活動

• インシデント管理… 障害が起きたとき、まず使える状態に戻すことを優先します。原因究明より復旧が先です。
• 問題管理… 原因を突き止めて、再発しないようにします。インシデント管理が応急処置、問題管理が根本治療です。
• 変更管理… システムに手を入れるときの手続きを定めます。
• 構成管理… 機器やソフトの構成を把握し、いまどうなっているかを保ちます。

インシデント管理と問題管理の分担が要点です。障害の最中に原因を調べ始めると、その間ずっと業務が止まります。まず戻し、後で調べるという順序が、利用者の損失を小さくします。

まとめ

サービスマネジメントは、約束した品質で使える状態を保つ活動です。SLAは品質を数で約束する文書で、数で書かなければ守れたかどうかを判定できません。稼働率は、99％と99.9％で止まってよい時間が7時間と43分に分かれます。障害時はまず復旧、後で原因究明の順で進めます。前者がインシデント管理、後者が問題管理です。

理解の確認

業務システムに障害が発生し、利用者が業務を行えない状態になりました。担当者が「まず原因を特定してから復旧させる」と判断しました。この判断の問題点を述べてください。

答え: 原因を特定している間、業務が止まり続けることが問題です。障害対応では、まず使える状態に戻すこと（インシデント管理）を優先します。予備の系統に切り替える、再起動する、といった手段で復旧できるなら、原因が分からなくても業務は再開できます。原因の究明と再発防止は、業務が動き出した後に問題管理として腰を据えて行うほうが、利用者の損失は小さくなります。原因究明を先に置くと、復旧できたはずの時間まで業務停止が延びます。