## 定義 分散システム障害は、設定、部分的な機能停止、あるいは非決定的な分散イベント順序によって、期待する局所または大域の振る舞いが失われる事象である。(Source: [[@2011__SOSP__An Empirical Study on Configuration Errors in Commercial and Open Source Systems]], [[@2016__ASPLOS__TaxDC - A Taxonomy of Non-Deterministic Concurrency Bugs in Datacenter Distributed Systems]]) ## 横断的知見 - 外部設定、障害下のイベント順序、部分障害はいずれも通常の外形的ヘルスチェックから漏れうる。検出器は対象プログラムの文脈・状態・相互作用に踏み込む必要がある。(Source: [[@2011__SOSP__An Empirical Study on Configuration Errors in Commercial and Open Source Systems]], [[@2020__NSDI__Understanding, Detecting and Localizing Partial Failures in Large System Software]], [[@2016__ASPLOS__TaxDC - A Taxonomy of Non-Deterministic Concurrency Bugs in Datacenter Distributed Systems]]) - **CSI 障害はシステム境界をまたぐ障害の新カテゴリ**: 従来の分散システム障害研究はコントロールプレーン(並行バグ・設定ミス・部分障害)に注目してきたが、[[クロスシステムインタラクション障害]]はデータプレーン(51%)・管理プレーン(32%)での不整合が主役だ。これはクラウドシステムが Hadoop のような一枚岩から独立したサービスのオーケストレーションへ移行したことによる構造的変化を反映している。(Source: [[@2023__EuroSys__Fail through the Cracks - Cross-System Interaction Failures in Modern Cloud Systems]]) - **[[スケーラビリティ障害]]は分散システム障害研究の未開拓だった「量的スケール」の軸**: 設定ミス・非決定的イベント順序・部分障害・CSI 障害がいずれも「何が壊れるか(質的側面)」に注目するのに対し、[[スケーラビリティ障害]]は「どれだけ増えると壊れるか(量的側面)」という直交する軸を扱う。444 件の実証研究では compute/unbound カテゴリ(67.34%)が「次元コード断片(DCF)とアンチパターンの組み合わせ」という具体的な観測可能プロキシで説明されるのに対し、logic カテゴリ(25.5%)はコーナーケース・リーク・レースなど従来の分散システム障害研究と重なる可能性があるが、DCF を伴わないため ScaleLens の検出範囲外として明示的に将来課題に残されている。(Source: [[@2026__arXiv__Understanding and Detecting Scalability Faults in Large-Scale Distributed Systems]]) ## 未解決の問い - 設定整合性、不適時メッセージ、部分障害を統一して扱う本番検証器を構成できるか。 - [[クロスシステムインタラクション障害]]の検知・緩和を既存の分散システム障害研究フレームワーク(部分障害検知・カオスエンジニアリングなど)に組み込む手法はどう設計するか？ - [[スケーラビリティ障害]]の logic カテゴリ(コーナーケース・リーク・レース)は、部分障害検知や CSI 障害検知の技術基盤と統合的に扱えるか。DCF ベースの検出と、非決定性・部分障害に特化した検出手法を組み合わせる余地はあるか。 ## 関連 - [[@2011__SOSP__An Empirical Study on Configuration Errors in Commercial and Open Source Systems]] - [[@2020__NSDI__Understanding, Detecting and Localizing Partial Failures in Large System Software]] - [[@2016__ASPLOS__TaxDC - A Taxonomy of Non-Deterministic Concurrency Bugs in Datacenter Distributed Systems]] - [[スケーラビリティ障害]] ## 出典 - [[@2011__SOSP__An Empirical Study on Configuration Errors in Commercial and Open Source Systems]] - [[@2020__NSDI__Understanding, Detecting and Localizing Partial Failures in Large System Software]] - [[@2016__ASPLOS__TaxDC - A Taxonomy of Non-Deterministic Concurrency Bugs in Datacenter Distributed Systems]] - [[@2026__arXiv__Understanding and Detecting Scalability Faults in Large-Scale Distributed Systems]]