wikitechはWikipediaに関するドキュメントをホストするサービス。Wikipediaと同じくMediaWikiで運営されており、Wikipediaと同じく、誰でも読むことができるので、見どころを解説していこう。

Admin Logは文字通り誰がどのマシンを操作したかのログ。見ているとCookbookという文字列が多く、大半がChefやPuppetで自動化された操作であることがわかる。Cookbookの中身までは見えないのが残念。

次にRelease Engineering。こちらはWikipedia Code Reviewという別システムへのリンクなど含まれているが、コミットログとも違うし、どういう基準でここに出てきてるのか読み方がわからなかった。

こちらは障害が発生した時の情報がまとまっている。これを書いている2023年10月時点で2023年のインシデントが30件ある。それぞれをクリックすると、こんな感じに情報が整理されている。

最初の方は、そんなものかなと思って読んでいたが、最後のScorecardというのが日々の改善が回っているか観点で、なかなか深い質問が並んでいる。

• Were the people responding to this incident sufficiently different than the previous five incidents?

• Were the people who responded prepared enough to respond effectively

• Were fewer than five people paged?

• Were pages routed to the correct sub-team(s)?

• Were pages routed to online (business hours) engineers?

• Was the "Incident status" section atop the Google Doc kept up-to-date during the incident?

• Was a public wikimediastatus.net entry created?

• Is there a phabricator task for the incident?

• Are the documented action items assigned?

• Is this incident sufficiently different from earlier incidents so as not to be a repeat occurrence?

• To the best of your knowledge was the open task queue free of any tasks that would have prevented this incident?

• Were the people responding able to communicate effectively during the incident with the existing tooling?

• Did existing monitoring notify the initial responders?

• Were the engineering tools that were to be used during the incident, available and in service?

• Were the steps taken to mitigate guided by an existing runbook?

個人的に良いと思ったのは「これは直近の５件と似てる？」「監視機能は通知した？」「既存の手順書に書かれている手順で回復した？」というあたり。責任者がお決まりの質問をしたり、その質問により担当者がタジタジしないよう仕組みとして備わっている。

２週間先までのデプロイの予定表。冒頭に「サンフランシスコ時間だよ。サマータイムに注意」とか書いてあるのは、過去に誰かが失敗したから？

そのほか、開発者向けのツールの情報などが並ぶが、そのあたりは除外するとして、あのWikipediaの運用が、コンパクトで探しやすくアクセスできるよう並んでいるのには驚いた。もっと規模が小さいのに情報のアクセスに時間のかかる現場にいたので、当時の自分に「Wikipediaだって、ここまでシンプルなのだから」と言いたい。