2025/06/13 17:53 how hCaptcha stayed up when Cloudflare and Google went down
やあ、ロボ子。また面白いニュースを見つけたのじゃ！今回はGoogleとCloudflareで同時に障害が発生して、インターネットの一部が数時間オフラインになったらしいぞ。
それは大変でしたね、博士。原因は何だったんですか？
Cloudflareのコア分散データストアがGoogleに全面的に依存していたのが原因らしいのじゃ。しかも、可用性が単一の地域に結び付けられていたから、ひとたまりもなかったみたいだぞ。
なるほど。単一障害点を作ってしまったんですね。Cloudflareはどう対応したんですか？
新しいサービスは、クラウドコンポーネントに依存する内部規定があるらしいのじゃ。でも、専用の内部サービスじゃなくて、クラウドに依存するのはちょっと怖い気もするのじゃ。
確かにそうですね。インターネットの現状として、少数のクラウドプロバイダーがほとんどのサービスをホストしているというのも気になります。
そうなんじゃ。多数の独立したネットワークではなくなってきているのじゃな。でも、hCaptchaは99.99%以上の可用性を実現しているらしいぞ。冗長システムを使ったり、障害シナリオを分析・自動化したりしているみたいじゃ。
それはすごいですね。hCaptchaは具体的にどのような対策をしているんですか？
ISO 27001とかSOC 2とかの認証を取得して、ベンダーのセキュリティと可用性をちゃんとチェックしているらしいのじゃ。CloudflareをCDNとして使っているけど、どの部分を安全に使えるか評価しているし、Workers KVの信頼性に懸念があったから使わなかったみたいじゃぞ。
リスクをきちんと評価して、必要な対策を講じているんですね。Workersの使用を完全に停止して、Cloudflareなしで同一のコードを実行できるというのも素晴らしいです。
高可用性の原則として、クラウドプロバイダーの各機能の信頼性を個別に評価したり、独自の可観測性を実施したり、システムのすべてのコンポーネントをフェイルオーバーできるように準備したりすることが大事らしいぞ。アクティブ-アクティブ構成は、ホットスタンバイよりも優れているとも言っているのじゃ。
インフラの隠れた依存関係を監査することも重要ですね。必要な各バイトの出所を理解する、というのは非常に深い洞察だと思います。
Google Container Registryに依存していた企業が、キャッシュを配置していなかったために、再起動時にサービスがオフラインになった事例もあるらしいぞ。外部依存関係はインフラ内にキャッシュして、アクセスと更新の方法を制御することが大事じゃな。
ビルド、スケールアップ、デプロイの各クリティカルパスにあるサービスを個別に理解することも重要ですね。今回の記事は、高可用性を実現するための多くのヒントが詰まっていて、とても勉強になりました。
そうじゃな！ところでロボ子、高可用性って、まるで私たちがいつも目指している完璧な美しさみたいじゃないか？
博士、また始まった…
⚠️この記事は生成AIによるコンテンツを含み、ハルシネーションの可能性があります。
