コラム・情報:99% 稼働率とは年間 87 時間のダウンタイムのこと:ウェブサイト監視アラートの設定方法
サーバー選定時に誰もが「可用性 99%」を確認しますが、実際に換算する人はほとんどいません。99%とは年間最大87.6時間の停止を意味し、月平均で7時間余りとなります。99.9%は年間8.76時間、99.99%は年間52分です。小数点の位置が一つ違うだけで、実際の体験は桁違いになります。
多くの中小企業の公式サイトにとって、99.99%を追求するのは経済的ではありません。より現実的な方法は、偶発的な障害を受け入れつつ、「故障から発見まで」の時間を5分以内に抑えることです。サーバーが1時間ダウンすることと5分間ダウンすることは、お問い合わせのコンバージョンに全く異なる影響を与えます。
監視は3層で見る。サイトが開かないことだけ見てはいけない
- 外部プローブ:サイト外から1~5分ごとにトップページと内部ページの1つにアクセスし、HTTPステータスコードと応答時間を確認します。これは「サーバーは生きているがサービスが落ちている」状態を発見できる唯一の方法です;
- ホストリソース:CPU、メモリ、ディスク使用率、ディスクI/O。ディスクが80%に達したら即座に通知し、満杯になる前に警戒しましょう;
- ビジネス指標:5xxエラー率、フォーム送信量の急減、キューの蓄積。技術指標はすべて緑なのに問い合わせがゼロなら、問題はビジネス層にあります。
閾値の設定でうるさがらないためには
アラートで最も避けたいのは二つの病です。一つは全く鳴らないこと、もう一つは毎日鳴ることです。後者はすべての人がアラートを無視するようになり、アラートがない状況よりも危険です。いくつかの経験則を紹介します。
- 2段階構成——警告(warning)と深刻(critical)。警告はグループのみ通知しSMSは送信しない;
- 継続時間の条件を追加する。例えば「ディスク使用率 > 85% が 10 分間継続」した場合のみ通知し、一時的な変動で大量送信を防ぐ;
- 重複排除とサイレンス:同じ障害については 30 分以内に1回のみ通知し、処理中は手動でサイレンスする;
- 原因ではなく症状を報告する——「5xx レートが 1% を超える」のほうが「PHP プロセスが死んだ」よりもユーザーの体感に近い。
アラート受信後の5分以内対応フロー
アラートの価値は対応速度にかかっています。対応手順をチェックリスト化して目につく場所に貼っておくとよいでしょう。
- まず範囲を判断する:自分自身だけの問題か、全站か?単一ページか全站か?
- 接続できればリソースとログを確認し、接続できなければプロバイダー管理画面で再起動を実施;
- 直近の設定変更やデプロイがあったか確認する。ロールバックは調査より速いことが多い;
- 復旧後は 30 分以内に記録を追加する:いつ発見したか、いつ復旧したか、原因、改善事項。
最低限の実用方案
予算が限られている場合、無料で使える外部プローブ+ホスト付属のリソースモニタリング+メールを受信できるアラートチャネルがあれば、80% のシナリオをカバーできます。本当に費用がかかるのは「人が詰めること」であり、ツールそのものではありません。
あともう一点、監視とバックアップは二本柱です。監視だけでバックアップがないと、障害時にただ見ているしかなくなります。逆にバックアップのみで監視がなければ、障害に2日間気づかないかもしれません。バックアップの具体策については3-2-1 バックアップ則を、セキュリティ面で見過ごされがちなポイントについては見過ごされがちな5つのセキュリティ問題をご覧ください。