HN 日本語サマリー

← 一覧へ戻る
インフラ・DevOps

8月17日の障害と今後の取り組み

The August 17 outage, and the work ahead (github.blog)

610 pointsby 0xedb706 コメント

要約

GitHubのCTOであるVladimir Fedorov氏が、8月17日に発生した障害とその後の対応について説明しています。同氏は、過去のインシデント報告(2026年7月、6月)にも触れつつ、開発者体験の向上とイノベーションに向けたGitHubの取り組みを強調しています。

全文翻訳

8月17日の障害と、今後の取り組み

8月17日、GitHubは7時間47分に及ぶ障害を経験しました。この障害により、github.com、認証、GitHub Actions、API、プルリクエスト、Issue、Copilotが停止し、世界中の開発者や組織に影響が出ました。もしその日にソフトウェアのリリースを試みていたのであれば、私たちは皆様の期待に応えられませんでした。

これは、8月6日のActionsの障害に続く、8月における2度目の重大インシデントでした。3月と4月には、GitHubの信頼性向上のための取り組みについて共有しました。進捗はありましたが、これらのインシデントは、この取り組みを加速させる必要があることを明確に示しています。

何が起こったか

調査の結果、障害はトラフィックが新たなピークに達した際に発生し、セントラルUSデータセンターの重要なインフラストラクチャコンポーネントがそれに追随してスケールしなかったことが原因であることが判明しました。その結果生じたキャパシティの圧力はシステム全体に広がり、認証エラーを引き起こし、複数のGitHubサービスを中断させました。

復旧には複数の協調したアクションが必要でした。チームはトラフィックを迂回させ、影響を受けたインフラストラクチャを隔離し、段階的にサービスを復旧させました。ほとんどのGitHubサービスは同日中に復旧しましたが、一部のCopilotサービスはより長い時間を要しました。これらのサービスのエラーがクライアントサイドの再試行ループを引き起こし、復旧中にトラフィックが増加しました。安全にトラフィックを復旧させる前に、その動作を緩和する必要がありました。完全な根本原因分析には、詳細な技術タイムラインが含まれています。

どちらの障害も、コードまたは設定の変更が原因ではありませんでした。両インシデントの根本はキャパシティの障害でした。需要が容量を超過する前に、重要なコンポーネントをスケールさせることに失敗しました。4月以降、月間コミット数は14億から29億に増加しました。この成長はシステムへの圧力を説明しますが、これらの障害を正当化するものではありません。

[画像: 2023年から2026年までの力強い成長を示す、3つの並んだダークテーマの折れ線グラフ。月間マージ済みプルリクエストは約1億3000万件、月間コミット数は約29億件、月間新規リポジトリ数は約2400万件に増加し、2025年から2026年にかけて加速しています。]

私たちが行ったことと、これから行うこと

今年の初めに約束した信頼性へのコミットメントの一環として、私たちは3つの優先事項に焦点を当ててきました:キャパシティの追加、効率の改善、アーキテクチャ上のボトルネックの解消です。それ以来、300万以上のCPUコア、120ペタバイトの高速ストレージ、そしてかなりのネットワーク容量を追加しました。既存のデータセンターには、利用可能な電力で設置できる限りのハードウェアを設置しつつ、Azureへの移行を加速させています。

現在、AzureはGitHubのプラットフォーム負荷の約58%、およびGit操作全体の半分を処理しており、5月のプラットフォーム負荷の12%から増加しました。この拡大したフットプリントは、以下のグラフに示すGitHub Actionsの実行回数の増加もサポートしています。

[画像: 『完了したGitHub Actions実行回数の成長』と題された、ダークテーマの大規模折れ線グラフ。2026年初頭から8月にかけて上昇傾向を示し、毎週定期的な低下と増加するピークが見られます。値は年初の約15〜30Mから100Mを超え、最終的に約115.4Mに達します。]

Azureのインフラストラクチャとキャパシティは、最大のモノレポをスケールさせる作業も加速させています。次のマイルストーンは、リーダーの数に応じて読み取りキャパシティが線形にスケールするアーキテクチャであり、無制限の読み取り操作を可能にします。これを段階的に展開し、最大のモノレポから開始します。

[画像: 短い時間ウィンドウにおける1秒あたりのフェッチ操作を比較する、2つのダークテーマの『フェッチスループット履歴』グラフ。左のグラフは約1,000 OPS/Sで変動・プラトー化してから終盤に低下する一方、右のグラフは段階的に約1,800 OPS/Sまで着実に上昇しています。]

スケールは私たちの唯一の課題ではありません。変化のペースと複雑さが増すにつれて、既存の運用プラクティスが追いつかなくなりました。私たちはチームとリソースを可用性に向け直し、より強力なテスト、より安全なロールアウト、より優れたオブザーバビリティ、そしてより効果的なアラートに投資しました。進捗はありましたが、この作業は完了していません。

さらに、クリティカルなシステムを分離し、それらの間の共有依存関係を削除しています。この作業は、障害の可能性を減らし、障害発生時の影響を限定するように設計されています。

私たちはすべての障害から学び、可用性ワークストリームに新しい作業を追加しています。8月6日と8月17日のインシデントにより、2つの即時的な変更が行われました。第一に、サービス間通信全体で一貫した再試行制限、再試行予算、および可変タイムアウトを適用し、再試行ストームとカスケードロードを防ぎます。第二に、低優先度のCPUおよびメモリアラートを見直し、突然のトラフィックスパイク中に失敗する可能性のあるコンポーネントを特定しています。

高可用性へのコミットメントは、単なる技術的な約束ではありません。開発者コミュニティは、作業の構築、リリース、運用のためにGitHubに依存しています。これは、皆様が私たちを信頼できる場合にのみ可能です。そして8月17日、皆様は私たちを信頼できませんでした。それを修正するのは私たちの責任です。プラットフォームのスケーリングと信頼性を通じて、皆様の信頼を獲得していきます。

執筆者

[画像: Vlad Fedorov]

Vladimir FedorovはGitHubの最高技術責任者(CTO)であり、エンジニアリングリーダーシップとイノベーションにおける数十年の経験を持っています。開発者の生産性の熱心な提唱者であるVladは、開発者中心の考え方で、開発者ツールとイノベーションの未来を形作るためにGitHubのエンジニアリングチームを率いています。

GitHubに入社する前、Vladはデータガバナンスとプライバシーを専門とするスタートアップUserCloudsを共同設立しました。彼はFacebook(現Meta)で12年間、プライバシー、広告、プラットフォーム全体で2,000人以上のエンジニアリングチームを率いるシニアバイスプレジデントを務めました。キャリアの初期には、Microsoftで働き、Caltechでコンピュータサイエンスの学士号と修士号を取得しました。彼は現在、高等教育を再プログラムして、エンジニア、CTO、および創設者の最初のAIネイティブ世代を創出することに取り組む組織であるCodepath.orgの理事を務めています。

Vladはベイエリアに住んでおり、仕事をしていないときは、家族と屋外や水辺で過ごすことを楽しんでいます。

関連記事

GitHubからのその他の情報を見る

[画像: Docs]

Docs

GitHubをマスターするために必要なすべてがここにあります。

ドキュメントへ移動

[画像: GitHub]

GitHub

GitHubで次世代を構築しましょう。誰でも、どこからでも、何でも構築できる場所です。

構築を開始

[画像: Customer stories]

カスタマー事例

GitHubで構築している企業やエンジニアリングチームを紹介します。

詳細はこちら

[画像: GitHub Universe 2026]

GitHub Universe 2026

10月28日から29日までサンフランシスコまたはオンラインで開催されるGitHub Universeにご参加ください。これは、人々、エージェント、そして世界のコードを結びつける、私たちのフラッグシップ開発者イベントです。

今すぐ登録