読者から届いた一通のメールが、ある中規模プロダクトのポストモーテムを調べるきっかけになった。CI/CD、監視、オンコール対応がそれぞれ別ベンダー製で、デプロイのたびに「誰が対応すべきか」が曖昧になる。彼らはこの混乱を1つのプラットフォームで整理しようと動き始めた。
きっかけは金曜夜のデプロイだった
事の発端は金曜22時のリリースだった。デプロイ自体は成功したが、15分後にレイテンシが急上昇。監視ツールのアラートは別チームへ、オンコールのページはまた別チームへ飛び、復旧までに90分を要した。当直だったエンジニアは「どのダッシュボードを見ればいいのか分からなかった」と振り返る。翌週、リード3名が集まり、ツールを見直す決定を下した。
選定の決め手は「軽さ」だった
比較検討の段階では、既存ツールを組み合わせる案も残っていた。しかし彼らが注目したのは、Yeinzが掲げる「1つの軽量インストールでCI/CD、可観測性、インシデント対応を横断する」という設計思想だった。デプロイの成否とアラートの発生源が同じ文脈で見えるなら、ページを送る相手を間違える事故は減る。移行は小さく始め、既存のパイプラインを週ごとに1本ずつ移した。
障害対応の流れはどこで変わったか
- デプロイ直後のメトリクスが同じ画面に並び、異常の初動が3分以内に短縮された
- オンコールのページ送信先がサービス単位で自動判定されるようになった
- インシデントのタイムラインが自動で記録され、振り返りが半日から1時間に短縮された
移行から2か月後、夜間障害の平均復旧時間は48分から19分へ縮んだ。Yeinzを導入してから誤ページは4件からゼロになったという報告も届いている。ツールを増やすのではなく、減らす方向の投資が効いた事例として、私たちはこの記録を残しておきたい。