Description

yuuk1さんをゲストにモニタリングやアラーティングの歴史的変遷から、GPUクラスター運用のリアル、SLOベースのアラート設計、アラート品質の定量評価、さらにはAI/LLM時代におけるSREの未来像まで、アラーティングについて語っていただきました。

話したネタ

• 2015年Webサーバアーキテクチャ序論
• SREのためのテレメトリー技術の探究
• テレメトリとは？
• Nagios、Zabbix、Prometheus、OpenTelemetryに至る歴史
• Webサーバー監視とGPUクラスター監視における違いとは？
• GPU特有の事象
• 原因ベースと症状ベースのアラート
• SLOとエラーバジェット消費速度に応じたアラーティング
• アラートの品質とは？
• 実務的な観点で対応不要なアラートを減らすための方法
• 監視システム自体の健全性を確認するメタモニタリングと合成アラート
• 理想のアラート設計とは？
• Agentic SREへの進化
• ほんまでっか勉強会
• さくらインターネット株式会社 採用情報 HPCクラスタエンジニア（さくらONE）

See Privacy Policy at https://art19.com/privacy and California Privacy Notice at https://art19.com/privacy#do-not-sell-my-info.