本番運用で実績のあるetcdやPostgresでもメタステーブル障害は起きる

Animations for System Builders

AWSのエンジニアMarc Brooker氏が、LLMを使ってシステムの挙動をアニメーション化する手法を紹介。実際のPostgres 16やetcdのトレースから、負荷スパイクが自己強化ループを生み、システムが介入なしに回復しないメタステーブル状態に陥る様子を可視化している。fsync()が嘘をつくノードが1つでもあればRaftクラスタが書き込みを失う例も示し、実績のあるソフトウェアでも運用経験だけではこうした問題を排除できないと指摘する。