こんにちは、えつみんです。
先週は会社のメールサーバーのトラブルについてお話しましたが、その三週間前に、KDDI / auの大規模システム障害の影響も受けました。
KDDIの公式発表によると、影響時間は61時間におよび（7月2日 (土) 1:35～7月4日 (月) 15:00 ）、音声通話で2200万人、データ通信で700万人に影響がありました。
7月2日（土）、その日は我が社は出勤日でした。朝会社に出てきたらau携帯が通じなくて、ネットで障害発生を知りました。また携帯から会社の内線に無料でかけられる、「ビジネスコールダイレクト」という、サービスも使えませんでした。
個人、企業問わず、”携帯依存社会”です。万一命に関わる事態が起きたときに連絡できないと、本当に怖いです。
先日KDDIから、一人あたり200円のお詫び返金をすると発表がありました。対象は3600万人、なんと総額７２億円！になります。金額の大小についてはご意見があるでしょうが、私は、そのお金を再発防止策や、他の事業者（docomoや softbankなど）へのローミング整備に使ってもらった方がいいと思いました。
ツボ1️⃣ 障害対策の基本はフェイルセーフ
システムに障害が起きても止まらない、被害を最小限にとどめる対応を、「フェイルセーフ」といいます。よくあるのは、システムの二重化（冗長化）や、障害箇所を切り離したり、性能制限をする方法（縮退運転）です。基幹システムはたいていこのしくみがあります。
ツボ2️⃣ 人為ミスは起きるもの。フールプルーフの設計を
もう一つ大切なのは、人為ミスを起きにくくすること。人がすることは必ず間違いがあります。間違った操作をしても、異常にならないようにすることを、「フールプルーフ」といいます。
今回の原因は、ルータのメンテナンス時に、経路設定を間違えた人為ミスです。その結果、交換機で通信の輻輳（ふくそう；混雑）が起き、複数の交換機が異常になったようです。輻輳をいち早く検知して、輻輳を解消するしくみが、不十分だったのでしょう。
マニュアルの整備は大切ですが、誤った操作をしても悪化させないしくみを作り、その方法を明記しておくことがもっと大切です。
まとめ
社会インフラなどの重要システムでは、本来障害は起きてはいけませんが、システム障害は必ず発生するものです。システム屋としては、その場面を想定して、フェイルセーフ、フールプルーフの思想でシステム設計をしましょう。
ユーザーとしては、自然災害と同じように、携帯やインターネットが使えなくなったときにどうすべきか、代替手段を考えておくことが大切です。昔からの固定電話や公衆電話は、なくしてはいけないのかもしれません。
いざ障害が起きると、なぜだ、なんとかしろ、とシステム担当が叩かれ、本当に大変だと思います。裏方で頑張っているSEの皆さん、日本の産業を支える大黒柱ですので、頑張ってください！
（参考）
KDDIの発表
↓
