サービスマネジメント

基本の仕組み

予備機へ切り替えてサービスを復旧するのがインシデント管理の例です。繰り返す停止の根本原因を調べ、恒久対策を行う活動は問題管理として考えます。

SLAはサービス提供者と顧客の間で合意する、サービスの内容と品質目標の文書です。目標復旧時間などを定め、実績を測ることで、期待と実際のずれを把握します。

復旧と原因解決は同じではありません。暫定対応で動いていても再発のおそれは残るため、変更を管理しながら恒久対策を進めます。

事業継続計画では、止められない業務を選び、許容する停止時間や失ってよいデータ量から復旧を設計します。RTOは復旧までの目標時間、RPOはどの時点のデータまで戻せるようにするかの目標です。前日夜のバックアップだけなら、当日昼の障害で午前中の更新を失う場合があります。

復旧と再発防止

インシデントは、サービスの計画外の中断や品質の低下のことです。インシデント管理では、回避策（ワークアラウンド）も使って、合意した時間内にサービスを回復させることを優先します。根本原因は分かっているが恒久対策がまだの状態は「既知の誤り」として記録し、問題管理で再発防止を進めます。

恒久対策としてシステムを直すときは、変更管理で変更要求（RFC）の影響とリスクを評価して承認し、リリース及び展開管理で本番環境へ展開します。構成管理は、どの機器やソフトウェアがどの版で動いているかを記録し、影響範囲の特定を支えます。利用者からの問合せは、単一の窓口であるサービスデスクが受け付けます。

SLAと可用性の計算

SLA（サービスレベル合意書）には、サービス時間、可用性、応答時間、障害時の回復時間などの目標（サービスレベル目標）を数値で定めます。サービスレベル管理では、実績を定期的に測って目標と比べ、顧客とレビューします。

可用性は、サービスを提供する時間のうち実際に利用できた時間の割合です。例えば毎日8時から20時まで（12時間）、月30日提供するサービスで可用性99%を約束すると、月の提供時間360時間の1%、つまり3.6時間まで停止が許されます。計画停止を提供時間に含めるかどうかは、SLAの定義で決まります。