メインコンテンツまでスキップ

postmortemと再発防止を記録する

postmortem(事後検証)は、障害を記録し、次に同じような事象が起きる可能性や影響を減らすために学ぶプロセスです。会議だけでなく、その記録もpostmortemと呼びます。誰かを責める文章ではなく、何が起き、どの条件が重なり、どう改善するかを説明します。以下は架空の障害についての例文です。

仕事の進め方を改善するretrospectiveは、障害の有無にかかわらず行う振り返りです。両者は学びと改善を目指す点で共通しますが、このページでは障害の検証と記録に焦点を当てます。all-handsやtown hallも含む会議名の意味と違い、会議での改善提案と質問も参考にしてください。

障害の記録:影響・時系列・要因を分ける​

Title: Report download failures on November 4, 2026
Status: Draft — contributing factors are still under review.

Summary and impact:
From 09:10 to 09:35 UTC, report downloads failed for 120 requests.
The affected function was report download; sign-in remained available.

Timeline (UTC, November 4, 2026):
- 09:10: A configuration change was deployed.
- 09:18: Support reported download failures.
- 09:25: The on-call engineer started a rollback.
- 09:35: Download success rates returned to the baseline.

Findings:
The new timeout setting rejected requests for large reports.
The staging tests covered small reports only.
The download error alert did not fire because its threshold was too high.

Mitigation:
We restored the previous timeout setting.

Open question:
We are still checking whether any scheduled downloads were missed.

日本語の意味: 2026年11月4日のUTC 9時10〜35分に、レポートのダウンロードが120リクエストで失敗した障害の下書きです。サインインは利用できました。設定変更後にサポートから報告があり、ロールバックで成功率が通常の水準に戻りました。大きなレポートを拒否するタイムアウト設定、小さいレポートだけのテスト、高すぎたアラートのしきい値が確認事項です。以前の設定に戻して影響を抑え、定期ダウンロードの取りこぼしは調査中です。

The staging tests covered small reports only.

ステージング環境のテストは、小さいレポートだけを対象にしていました。

速度 1.0 / 自動選択 / en-US

We are still checking whether any scheduled downloads were missed.

定期ダウンロードに取りこぼしがなかったか、引き続き確認しています。

速度 1.0 / 自動選択 / en-US

120 requestsは120人のユーザーを意味しません。件数、割合、対象期間、確認方法を取り違えないようにします。復旧の確認も「エラーが見えなくなった」だけでなく、サービスの状態を確認した根拠を示します。

個人への非難ではなく、条件を記録する​

The engineer was carelessのように性格や注意力へ原因を押し付けるより、レビューで確認できなかった条件や検知の不足を具体化します。個人を責めないことは、事実や担当を曖昧にすることではありません。

The review checklist did not include timeout behavior for large reports.

レビューチェックリストには、大きなレポートのタイムアウト動作が含まれていませんでした。

速度 1.0 / 自動選択 / en-US

「原因」を無理に1つに絞らず、引き金になった変更と、影響や検知遅れに寄与した要因を分けます。未確認の仮説は、確定した原因として書きません。

再発防止策:担当・期限・完了条件を揃える​

「注意する」「テストを強化する」だけでは、実施したかを確認できません。

Action: Add an integration test for large report downloads.
Owner: Sam
Due: November 13, 2026, 15:00 JST (UTC+9)
Completion criteria: The test passes with the supported timeout
and fails with the incident configuration.
Status: In progress

Action: Update the download error alert and run a staging drill.
Owner: Emma
Due: November 16, 2026, 15:00 JST (UTC+9)
Completion criteria: The drill triggers the alert within 5 minutes.
Status: Planned

日本語の意味: Samは2026年11月13日の日本時間15時までに、大きなレポートの結合テストを追加します。サポート対象の設定で成功し、障害時の設定で失敗することが完了条件です。Emmaは11月16日の日本時間15時までにアラートを更新してステージングで訓練し、5分以内に発報することを確認します。前者は対応中、後者は計画段階です。

The drill triggers the alert within 5 minutes.

訓練で5分以内にアラートが発報します。

速度 1.0 / 自動選択 / en-US

この5分は例の完了条件であり、すべてのシステムに適した基準ではありません。サービスの要件に合わせます。

実施後の報告:完了と効果を分ける​

The new integration test is in place and passes in CI. The alert drill is still pending, so the action plan is not yet complete.

新しい結合テストは導入済みで、CIで成功しています。アラートの訓練は未実施のため、改善計画はまだ完了していません。

速度 1.0 / 自動選択 / en-US

対策を実装したことと、効果を検証したことは別です。「二度と起きません」と保証するのではなく、確認した結果、残るリスク、次の確認予定を示します。顧客向けの報告では、内部の記録から共有可能な情報を選び、承認済みの要約を作ります。

関連記事・参考資料​