Gadget 19：障害対応手順書

状況把握 → 隔離 → 復旧 → 再発防止の順に動くための障害対応プレイブック

障害対応手順書（Incident Playbook）

パニックにならないための手順書です。状況把握 → 隔離 → 復旧 → 再発防止の順に動きます。

目的

  • 障害時に「決められた順番」で動ける
  • 復旧後に必ず「再発防止」まで完遂する

前提条件

手順（プレイブック）

1. 状況把握（5 分）

# 死活・ログ・リソースを一気に確認
curl -sf http://localhost:8787 >/dev/null && echo OK || echo NG
pgrep -f "run-local" && echo running || echo down
tail -n 50 <cfos.log>            # 直近ログ
free -h; df -h | grep -E "wrangler|/share"

得られた情報を記録（いつ・何を・事前変更は何か）。

2. 隔離（復旧範囲の固定）

  • 変更が原因なら その変更を戻す（20-rollback-procedure）
  • 影響範囲を限定: LAN 公開を止める / 外部からのアクセスを止める

3. 復旧

  • 再起動で済むか → 再起動
  • データ破損 → バックアップから復元（07）
  • リソース問題 → 上限増 / 不要プロセス停止（14）
pkill -f run-local
cd cloudflare-os && pnpm run-local &

復旧後、ヘルステスト（17）を通過させる。

4. 再発防止

  • 原因を 1 行に書く（例: 「.dev.vars の余白で認証失敗」）
  • チェックリストへの反映（09）
  • 自動復旧・監視を強化する

障害レポートの型

項目 記入欄
発生日時 / 検知経路
症状（ユーザー視点）
原因
対応内容 / 復旧時刻
再発防止策

よくある失敗

症状 原因 対処
いきなり再起動して原因不明 状況把握を飛ばした まずログ・リソースを記録
手戻りが遅い バックアップ未準備 事前にバックアップ運用
再発が止まらない 再発防止をしない プレイブックの 4 を必ず実施
記録が散逸 フォーマット無し 上記テンプレを定番化

確認

次に読む