coding agentのトークン消費急増に対応するため、AI Gatewayを課金経路・窓口・振り分け・実行側・観測の5層に分けて整理した記事。サブスク経路は窓口を各社が持つ代わりに他エージェントとの統合が困難で、従量経路は共通Gatewayに統合できる代わりにキャッシュ寿命短縮などコスト増のトレードオフがあることを、実測データ（30日でAPI定価換算$7,879）とLiteLLMでの3種エージェント接続検証を交えて示している。
Amazon SageMaker HyperPod のオンデマンドディープヘルスチェックを稼働中のSlurmクラスターで検証した記事。接続チェックは約2〜3分で完了する一方、ストレスチェックは約75分かかり、その9割以上（約69分）がDCGM診断time。チェック中はSlurm上にhyperpod-deep-health-check予約とHARDWARE_CHECKジョブが作成され、結果はCloudWatch LogsのDeepHealthCheckResultsストリームで確認できることを実機検証で示した。
NVIDIA製のNeMo Relay（coding agentの作業記録・制御）とNeMo Switchyard（複数モデルへの振り分け）を組み合わせてAI Gatewayとして使う方法を検証した記事。両者を直列接続する実験を行い、API形式変換・retry・PII扱い・session ID連携などの挙動を確認し、認証や予算管理など不足する機能は専用部品で個別に補う構成を提案している。
物流企業DSVがKubernetes環境の拡大に伴い、federated Prometheus構成のメモリ・CPU限界とアラート信頼性・運用負荷の課題に直面し、VictoriaMetricsへ移行した事例。vminsert/vmselect/vmstorageの最適化とHA構成、vmagentのストリーミング取り込みにより、約80万datapoints/秒の取り込みと約7200万のアクティブ時系列を安定運用できるようになった。
ロボティクス企業Groove Xが、PrometheusおよびThanosで直面したレイテンシ課題を解決するためVictoriaMetricsへ移行した事例。並行運用による検証を経て、性能・運用容易性・メトリクスの正確性を評価し採用を決定した。
Spotifyは自社製の非公開TSDBを、クエリ遅延や高い保守コストを理由にVictoriaMetricsへ移行した。移行後は秒間78Mデータポイントの取り込みを実現し、目標の50Mを上回った。ダッシュボードとクエリは約10倍高速化し、vmalertの導入でアラート評価も高速かつ信頼性が向上した。Prometheus互換API、ダウンサンプリングによるコスト効率化、柔軟なデプロイモデルも採用理由に挙げられている。
クラウドセキュリティ企業のDig SecurityがPrometheusのスケーリング課題を解決するためVictoriaMetricsを採用した事例。Prometheus互換API、ストレージ効率、コスト削減（月5000ドル節約）、高可用性を評価し、複数クラウド・複数K8sクラスタの監視基盤として活用している。
インフラエンジニア・技術著者による講演・執筆実績をまとめたポートフォリオページ。2008年から2024年にかけての書籍執筆、雑誌寄稿（Software Design等）、カンファレンス登壇、大学講師歴などが年代順に列挙されている。
AWSのキャパシティ予約リソースグループが2026年8月25日のアップデートでEC2 Capacity Blocks for MLと中断可能なキャパシティ予約に対応し、オンデマンド予約と合わせて3種類の予約を1つのグループに混在できるようになった。同一グループARNのまま起動時の購入オプションを変えるだけで消費される予約タイプを切り替えられることを検証している。
UberはGitFarmという「Git as a Service」基盤を構築し、巨大なmonorepoに対するGit操作をgRPC APIで一元提供している。ローカルクローンを排除し、事前ウォームしたチェックアウトとサンドボックスのプール、bareリポジトリの同期により、クライアント側のリソース消費を80%以上削減。コード所有権サービスではCPU/メモリ消費と起動時間を大幅短縮し、コンプライアンス監査サービスではレイテンシを110〜160秒から20〜30秒に改善した。2025年初頭から本番稼働しており、将来的にはコーディングエージェントのワークロード対応やsparse checkout、リポジトリミラーリングなどのロードマップがある。
GitHubで利用急増によるインフラ障害が頻発しており、過去3カ月のインシデント・ダウンタイム履歴を可視化するサイト「Is GitHub Cooked?」が話題。2016年3月以降1128件のインシデントが発生し、直近3カ月は月平均24.3件。2026年8月17日には約7時間に及ぶ大規模障害が発生し、月間コミット数が4月の14億件から8月には29億件へ倍増したことが一因とされる。同種の可視化サービス「Red Squares」も紹介されている。
AWS Batch が Amazon ECS Managed Instances に対応した。EC2のパッチ適用やAMI管理をAWS側に任せつつGPUや大きめのvCPU/メモリを使えるのが特徴で、FargateとEC2の中間を埋める選択肢となる。著者はCPU(スポット)とGPU(オンデマンド)の2種類のコンピューティング環境を実際にCLIで構築し検証した。インスタンスゼロの状態からジョブ投入して実行開始までCPUは約30〜44秒、GPUは約36秒と高速だった。ホストOSはBottlerocket、GPUインスタンスにはNVIDIAドライバとCUDA Toolkitがプリインストール済みで追加設定なしにnvidia-smiが実行できた。一方でminvCpusによる常時起動指定不可、スポットをオンデマンドより前段に置けない、最大稼働14日、カスタムAMI不可などの制約があり、Terraform AWS Providerは未対応（2026年8月時点）。料金はEC2料金に加えインスタンス単位の管理手数料が発生する。
AWSのdefault DBサブネットグループをTerraformのimportブロックで取り込もうとするとname="default"が原因で"Default" is not allowed as "name"エラーが発生する。原因はTerraform AWS Provider（およびRDS API仕様）がname値としてdefaultを禁止しているためで、nameを省略してimportすると成功しdescription更新等の管理も可能になるが、意図しない挙動のため推奨はできず、defaultサブネットグループに依存しない構成が望ましいとまとめている。
Metaが推薦・ランキングモデル訓練向け新チップ「MTIA 300」を発表。ネットワーキング機能をチップに統合し、専用RDMA NICと集団通信を処理する独立エンジンを搭載。GPU比で通信時間を3.9倍削減し、計算スループットへの影響も0.5%未満に抑えた。
Cloudflareがパブリックリゾルバー1.1.1.1のDNSキャッシュ構造をRustレベルで見直し、Vec/Stringの固定長化、応答リストの統合、ドメイン名の重複排除、レコード種別ごとの可変長格納、通信形式でのバイト列一括保存という5段階の最適化を実施。キャッシュ1件あたりのメモリ使用量を953バイトから420バイトへ56%削減し、常駐メモリのp99は9.3GBから5.3GBに減少、書き込み性能43%向上・検索時間19%短縮を達成し、システム全体で約100TBのメモリを節約した。
Mountpoint for Amazon S3 v1.24.0 でメモリ使用量の目標値を指定する `--memory-target` オプションが追加された。指定がない場合は物理メモリの95%が自動設定され、このターゲット値から書き込み時の同時オープンファイル数の上限が計算式（メモリターゲット − オーバーヘッド − read part size）/ write part size で決まる。上限に達すると新規の open() が ENOMEM で失敗する仕様で、これは破壊的変更としてリリースノートにも記載されている。検証では東京リージョンの EC2 上で実際にオプション指定値ごとの上限値と計算式の一致、最小値バリデーション、上限超過時の ENOMEM 発生を確認している。
Amazon EC2が2026年8月25日で20周年を迎えた。2006年のm1.smallインスタンス1種類から始まり、現在は1,200種類以上のインスタンスタイプ・39リージョンへ拡大。EBS、ELB、VPC、Nitro System、Gravitonなど基盤技術を振り返りつつ、直近5年の注目リリース（Inferentia/Trainium等のAI専用チップ、Macインスタンス、ML向けCapacity Blocks、Graviton5、数学的分離を保証するNitro Isolation Engine）を紹介。ECS/EKS/Lambda/SageMaker/Bedrockなど多くのAWSサービスが最終的にEC2上で動作しており、今後もクラウドコンピューティングの基盤であり続けるとしている。
トランプ大統領は国家安全保障上のリスクを理由に、武器禁輸・制裁対象国が設計・製造した電力関連設備やソフトウェア、デジタルサービスの米国内での取得・輸入・設置を禁止する大統領令に署名した。バックドアによる遠隔操作やサプライチェーンリスクを懸念事項として挙げており、既存設備についても継続使用や更新に条件が課され、場合によっては交換・撤去が必要になる可能性がある。同種の大統領令は1期目にも発効されバイデン政権下で撤回された経緯があり、中国系ハッカー集団による重要インフラへの侵入事例も背景にある。
英国の発電施設がサイバー攻撃で操業停止した事案について、トレンドマイクロが解説。米国の水道インフラへの攻撃と時期が重なったが、両者を同一キャンペーンとみなす根拠は無い。産業制御システム（ICS）やSCADAなどOT環境を狙う攻撃は増加傾向にあり、米連邦機関はインターネット公開されたPLCの継続的な悪用について警告を更新している。
オーストラリアの通信障害はTelstraのNTPサーバがシャーシ交換の保守作業後に日付を2006年へ誤設定したことが原因。未文書化の設計変更とソフトウェア未更新が重なり、Stratum設定の切り替えに起因すると説明された。あわせてTomcatやOpenSSLの脆弱性、Chrome 152公開、ネパール・チベットの土石流被害、Meta従業員解雇計画の頓挫など複数のセキュリティ・ITニュースをまとめたリンク集記事。
Amazon SES Mail Manager SMTPのガイド付きセットアップ登場を受け、マルチアカウントでSMTP用VPCエンドポイントを集約する既存構成を維持したままMail Manager SMTPへ移行できるか整理した記事。従来のSES SMTPはSMTP認証情報に対応するIAMユーザーの権限で送信するが、Mail Manager SMTPは認証とメール送信の主体が分離し、ルールセットに設定したIAMロールが送信を担う。VPCエンドポイントとイングレスエンドポイントは同一アカウント所有必須、IAMロールもMail Managerと同一アカウント必須という制約から、VPCエンドポイント集約とアカウント単位の送信クォータ／評価メトリクス分離を両立できず、両立させたい場合は従来のSES SMTP継続が現実解と結論づけている。
Proxmox VEのインストール手順を解説する連載第2回。ISOイメージのダウンロードからUSBメモリでの起動、ディスク・ネットワーク・タイムゾーン等の設定、インストール完了後のWeb管理画面へのログイン方法までを画面キャプチャ付きで説明している。
PostgreSQLでpg_sleepのみのアイドル接続がどれだけメモリを消費するかをEC2(t3.micro)上でfreeコマンドを使って検証した記事。接続数を0→51→100と増やしながらavailableメモリの減少量を計測し、1接続あたり約4.4〜4.5MiBを消費すると結論づけている。何も処理していない接続でもメモリコストが無視できないため、PgBouncerやRDS Proxy等のコネクションプーリングによる接続数管理の重要性を指摘している。
サイボウズ Office とメールワイズという20年以上動くSQLiteベースのCGIアプリケーションをKubernetes基盤Necoへ移行した事例。fcntl(2)ロックとページキャッシュがPod間で機能することをカーネルレベルで検証し、Pod AffinityとReadWriteOnceボリュームを組み合わせたダウンタイムなしのローリングアップデート構成を採用。CGIのコマンドライン呼び出しはサイドカーでgRPC化し、数億ファイル規模のデータ移行は事前転送と最終転送の2段階でmtimeベースの差分転送の安全性もbpftraceで検証。バックアップはMantleを利用し、外形監視は書き込み+fsyncを行うエンドポイントとexporterで再設計した。
Google Cloud Next Tokyo 26 Day2基調講演のまとめ。AI Hypercomputer（第8世代TPU、GKEの大規模クラスタ）によるインフラ強化、ADK・A2A・Agent Runtimeなどエージェント本番運用基盤のGemini Enterprise Agent Platform、非構造化データを活用するAgentic Data Cloud、GovTech東京のSpanner活用事例、NTTドコモのフルAIマーケティング構想、Big SleepやCodeMenderによるAI活用のセキュリティ対策など、インフラからセキュリティまでAIエージェントをフルスタックで支える技術と国内企業の実践事例を紹介している。
nginxで散発的に発生する502 Bad Gatewayの原因はkeepaliveで再利用される接続にある。バックエンド停止時にFINが届いても、処理中のworkerはイベントループが埋まっておりすぐには気づかず、プールから閉じかけの接続を取り出して書き込むためRSTやconnection resetが発生する。GETは既定のリトライで隠れるがPOSTは502として返る。GitHub Actionsでの検証では、再起動なしで502が0件、再起動ありで98件発生した。対策としてはバックエンド停止前にupstreamから切り離してreloadするのが最も有効で、non_idempotentによるPOST再送は二重実行のリスクがあり、keepalive_timeoutの短縮は競合のタイムスケールが合わず効果がなかった。
Monzoが構築した独立バックアップ基盤「Monzo Stand-in」の解説記事。主系（AWS上の約3000マイクロサービス）とは別に、GCP上で約18サービスからなる完全に独立したスタンバイ環境を用意し、カード決済や送金、残高確認など重要機能のみを限定的に提供する。強整合性のレプリケーションではなく非同期・結果整合のデータ同期を採用し、主系とは別のコードベースで実装することで同一障害への耐性を高めている。運用コストは主系の約1%に抑えられており、2024年8月の大規模障害時に実際に稼働した実績を紹介している。
CyberAgentのインターン記事。AI Worker PlatformのDev/Stage環境ドメイン移行を担当し、DNS・TLS証明書・GatewayなどインフラからCookie・CORS・外部URLなどアプリ層まで値の流れを追跡。Zitadel認証でRedirect URIのワイルドカード登録がOrigin拒否を招いた事例や、CDN設定の新旧共存の困難さ、Terraformリソース名の63文字上限超過による証明書作成失敗など、移行途中の状態設計の重要性を学んだ体験記。
UiPathはエージェント型AIとIDP（インテリジェントドキュメント処理）の拡大に伴い、専用クラスタから共有GPUフリートへ移行。Google CloudのAI Hypercomputer上でA3インスタンス（H100、トレーニング用）とG4インスタンス（RTX Pro 6000、推論用）を使い分け、Dynamic Workload Schedulerで容量を事前予約することで、需要変動・GPU供給不足・運用オーバーヘッドの課題を解決した。Omega HealthcareやThermo Fisherなど顧客事例でも処理時間短縮の成果が出ている。
Podman の基本を解説する連載記事。デーモンレスかつ root 権限不要という Docker との違いを説明し、podman pull/run/rm によるコンテナ取得・起動・削除の基本操作をコマンド例付きで紹介。cgroup 関連のエラー対処法にも触れている。
RAG構築においてローカルLLM（LM Studio/Ollama）とクラウドを組み合わせるハイブリッド構成を解説する記事。LangChain・ChromaDB・HuggingFaceEmbeddingsを用いてローカルでドキュメントのチャンク分割・埋め込み・ベクトル保存を行う手順を示し、コスト戦略についても言及している。
2026年7月8日、Telstraのモバイル網で全国的通信障害が発生し、通話・データ通信に加え緊急通報Triple Zeroへの接続にも影響した。原因はNTPサーバ保守後の再起動で機器の日付が2006年に誤リセットされたこと。未文書化の設計変更とソフトウェア未更新が重なったことが要因で、供給元からは事前に複数回警告があったことも判明した。障害は複数段階を経て7月11日に全面収束、鉄道・病院・MVNO等多数の組織に影響が波及し、ACMAが規制適合の調査に着手、上院公聴会でも経緯が証言された。障害と関連づけられた死亡疑いは後に否定されている。
バックアップの終了コードは「処理が最後まで走った」ことしか保証せず、復元可能性は別問題である。復元性を①走ったか②あるか③開けるか④足りているか⑤戻せるかの5段階に分け、各段が次を保証しないことを示す。④（量が足りているか）は正解データの置き場所を自分で決める必要があり最も難しく、⑤（実際に戻せるか）は人手でしか確認できない代理不可能な検証である。頻度と強さは逆相関するため、下から順に埋めるのではなく頻度×強さで運用を設計すべきと結論づける。
SUSEが発表したエンタープライズAIプラットフォーム「SUSE AI」と、そのコンポーネントである「SUSE AI Factory」の概要を解説。SUSE AIはKubernetes上でOSSのAIコンポーネントを自由に選択し、堅牢なセキュリティとリアルタイム監視を備えたAI実行基盤を提供する。SUSE AI Factoryは「Blueprint」というテンプレートを用いてAIスタックをUIから容易にデプロイ・管理できるコンポーネントで、NVIDIA製品と統合した版も存在する。両者の関係は「インフラ基盤＋SUSE AI Factory＝SUSE AI」という構図で説明される。
GitHubが8月17日に7時間47分に及ぶ大規模障害を起こし、認証・Actions・API・PR・Issue・Copilotなど広範なサービスが影響を受けた。原因は中央データセンターのインフラコンポーネントがトラフィックのピークにスケールできなかった容量問題で、Copilotのリトライループが復旧を遅らせた。GitHubはAzureへの移行加速（プラットフォーム負荷の約58%をAzureが処理）、CPUコアやストレージの増強、リトライ制限の統一、モノレポの読み取り性能改善などの再発防止策を進めている。
ドコモ・バイクシェアは2026年8月1日の新システム切替後にシステム障害が発生し、処理能力不足により全国46エリアで貸出・返却ができない事態に陥った。8月4日に全国でサービスを一時停止し、8月5日に原因特定・改修版リリース後、8月13日までに全エリアで段階的に再開した。8月18日には原因（利用集中時の処理能力不足）、再発防止策、利用者への全額返金方針を含む総括報告を公表。国内シェアサイクル史上最大規模の障害とされる。