## 定義 スケーラビリティ障害(scalability fault)とは、システムの 1 つ以上の側面(ノード数・データ量・並行リクエスト数など)がある閾値を超えて増加したときにのみ顕在化し、小規模では潜在したままの障害を指す。機能・性能・セキュリティ・並行性障害と症状(性能劣化・リソース枯渇・レースコンディション等)が似ることがあるが、決定的な違いは「スケール依存の顕在化」という性質にある——コードは小規模では正しく動作するが、ある閾値を超えると破滅的に失敗する。(Source: [[@2026__arXiv__Understanding and Detecting Scalability Faults in Large-Scale Distributed Systems]]) 中核概念は「次元コード断片(Dimensional Code Fragment, DCF)」——反復回数が 1 つ以上のスケール可能な次元(ロード・データ・クラスタ・障害数)と相関するコード断片——である。DCF はそれ自体が障害でもアンチパターンでもなく、スケーラブルなシステムの基本的な構成要素だが、性能クリティカルパスに存在する・外部 API/IO 呼び出しを含む・グローバルロックで保護されている、といった特定のアンチパターンと結びついたときに初めて障害化する。(Source: [[@2026__arXiv__Understanding and Detecting Scalability Faults in Large-Scale Distributed Systems]]) 根本原因は 4 カテゴリに分類される: (1) compute(スケールに紐づく実行時間オーバーヘッド)、(2) unbound(スケールに紐づくリソース消費オーバーヘッド)、(3) bloat(スケーラビリティを制限するデータ構造設計)、(4) logic(大規模時にのみ表面化する論理的欠陥)。このうち compute と unbound はいずれも DCF を伴い、全体の 67.34% を占める。(Source: [[@2026__arXiv__Understanding and Detecting Scalability Faults in Large-Scale Distributed Systems]]) ## 横断的知見 - [[潜在的障害]]は Cook (1998) の「複雑システムは常態的に潜在的欠陥の混合を内包し、複数障害の組み合わせによってのみ破滅に至る」という一般理論を提示するが、スケーラビリティ障害はその**スケール軸への特殊化**として読める: 潜在化の条件が「他の障害との組み合わせ」ではなく「単一の次元(ノード数・データ量等)が閾値を超えること」という単純化された形で与えられる。これにより Cook が述べた「事前可視性の限界」を、DCF という具体的な観測可能プロキシ(反復回数とスケール状態の相関)に置き換えて突破しようとする点が ScaleLens の核心的な工夫と言える。(Source: [[@1998__CtL__How Complex Systems Fail]], [[@2026__arXiv__Understanding and Detecting Scalability Faults in Large-Scale Distributed Systems]]) - [[分散システム障害]]研究はこれまでコントロールプレーンの並行バグ・設定ミス・部分障害、あるいはシステム境界をまたぐクロスシステムインタラクション障害(データプレーン・管理プレーンの不整合)に注目してきたが、スケーラビリティ障害はさらに異なる軸——「単一次元の量的増加」という軸——を持つ障害クラスである。444 件中 25.5% を占める logic カテゴリ(コーナーケース・リーク・レース)は、クロスシステムインタラクション障害や部分障害研究と重なる可能性があるが、本論文の対象は主に compute/unbound の DCF 起因障害に絞られており、logic カテゴリの検出は将来課題として明示的に残されている。(Source: [[@2023__EuroSys__Fail through the Cracks - Cross-System Interaction Failures in Modern Cloud Systems]], [[@2026__arXiv__Understanding and Detecting Scalability Faults in Large-Scale Distributed Systems]]) ## 未解決の問い - bloat・logic カテゴリ(全体の 32.66%)は DCF を伴わないため ScaleLens の検出範囲外である。これらを検出するには、メモリフットプリント解析や並行性解析とどう組み合わせるべきか。 - マルチスレッド関連のスケーラビリティ障害(55 件のベンチマークで ScaleView が検出漏れした全 17 件がこれに該当)を検出するには、コールグラフ解析をどう拡張すべきか(著者らも将来課題としている)。 - Java・Apache エコシステムから帰納された 4 根本原因カテゴリ・11 アンチパターンの分類法は、非 JVM 系分散システム(C++/Go/Rust)や HPC のような密結合な計算応用領域でも成立するか。 ## 関連 - ソース: [[@2026__arXiv__Understanding and Detecting Scalability Faults in Large-Scale Distributed Systems]] - 概念: [[分散システム障害]] / [[潜在的障害]] / [[障害パターンプロファイリング]] - 実体: [[ScaleLens]] / [[Hao-Nan Zhu]] / [[Cesar A. Stuardo]] / [[Haryadi S. Gunawi]] ## 出典 - [[@2026__arXiv__Understanding and Detecting Scalability Faults in Large-Scale Distributed Systems]]