インフラ
実践ノウハウ

マイクロサービス設計の判断ガイド|分割の考え方・サービス間通信・データ管理・運用チェックリスト

マイクロサービスをいつ分割し、どう通信し、データをどう持つか。Azure・AWS・microservices.io・Istio等の公式資料が述べるトレードオフを整理し、リトライとサーキットブレーカーの動作確認コードと運用チェックリストも掲載します。

公開:
更新:
25分で読めます
実践的ノウハウ
読了時間
約 25 分
#マイクロサービス#システム設計#サーキットブレーカー

マイクロサービス設計の判断ガイド|分割の考え方・サービス間通信・データ管理・運用チェックリスト

マイクロサービスを採用するかどうか、採用するならどこで分け、どう通信し、データをどう持つか。この記事では、これらの判断材料を Microsoft Azure Architecture Center、AWS、microservices.io(マイクロサービスのパターン集)、Istio、Kubernetes、OpenTelemetry の公式ドキュメントだけから整理します。

記事の途中で、サーキットブレーカーとリトライの最小実装(Python 標準ライブラリのみ)を載せます。実際に実行して確認した出力を併記しています。

先に断っておくと、公式資料はマイクロサービスを一律に勧めているわけではなく、利点と欠点(トレードオフ)を並べて書いています。この記事も、どちらが優れているかを決めるのではなく、判断に使える条件を並べる方針で書きます。

1. マイクロサービスとは

microservices.io の「Microservice Architecture」パターンは、アプリケーションを「2つ以上の、独立してデプロイでき、疎結合なサービス」として構成するもの、と定義しています。各サービスは1つ以上のサブドメイン(ビジネス能力の切り出し)を含み、サービスはそのサブドメインを持つチームが所有します。

出典: microservices.io: Microservice Architecture

Azure Architecture Center は、マイクロサービスを「小さく自律したサービスの集まり」とし、各サービスは自己完結していて、境界づけられたコンテキスト(bounded context)の中で1つのビジネス能力を実装するもの、と説明しています。また、サービスは自分のデータを自分で保持し、明確に定義された API で通信し、技術スタックを共有しなくてよい(ポリグロット)とも書かれています。

出典: Azure Architecture Center: マイクロサービス アーキテクチャ スタイル

同ページは、周辺の構成要素として次を挙げています。

  • 管理・オーケストレーション(Kubernetes など。スケジューリング、障害検知と復旧、オートスケール)
  • API ゲートウェイ(クライアントの入口。認証やログなどの横断的な関心事)
  • メッセージ指向ミドルウェア(Apache Kafka、Azure Service Bus など)
  • オブザーバビリティ(集中ログ、監視、分散トレーシング)
  • データ管理(サービスごとにデータとスキーマを持つ)

2. モノリスとの違い:公式資料が述べるトレードオフ

microservices.io は、「モノリス」と「マイクロサービス」を同じ問い(サブドメインをどうデプロイ単位にまとめるか)に対する2つの解として並べ、判断を左右する力(forces)を2群に分けています。分割を促す力を「dark energy」、分割に抗う力(分散させない方がよい理由)を「dark matter」と呼んでいます。

観点 モノリス(単一のデプロイ単位・単一DB) マイクロサービス(2つ以上の独立サービス)
構造の分かりやすさ 1つの大きな部品は理解・保守が難しくなりうる 各サービスは小さく、理解・保守しやすい
操作(処理)の単純さ・効率 すべてローカル呼び出しで、単純かつ効率的になりやすい 分散した操作は、理解や障害調査が難しく、性能が出にくいものもある
トランザクション 通常は ACID トランザクションにできる サービスごとにDBを持つため、結果整合(eventual consistency)の複雑なトランザクションが必要になる操作がある
チームの自律性 全チームが1つのコードベースで作業し、調整が増えうる チームが独立して開発・テスト・デプロイできる
デプロイパイプライン 全体をビルド・テストするため遅くなりうる 小さなサービスは素早くテストでき、独立してデプロイできる
技術スタック 基本は1つ。大きなアプリのアップグレードは非常に時間がかかりうる サービスごとに別のスタック、別のペースでの更新が可能
スケール・可用性・セキュリティの分離 サブドメインごとには分けられない 特性に応じてサービスを分けられる
実行時・設計時の結合 別デプロイ間の結合はない(ただしモノリス内部のサブドメイン同士は結合しうる) 実行時の結合で可用性が下がる操作や、設計時の結合で同時変更が必要になるケースがある

出典: microservices.io: Monolithic Architecture、microservices.io: Microservice Architecture

同じ microservices.io のモノリスのページには、次のような記述もあります。

  • モノリスの欠点は、アプリケーションとそれに関わるチームの数が増えるほど大きくなる。
  • 緩和策として、垂直スライスでモジュール化する、ビルド時の結合を減らす設計原則を使う、自動マージキュー・インクリメンタルビルド・並列のビルド/テストを使う、が挙げられている。
  • Netflix、Amazon.com、eBay は当初モノリスだった、と既知の事例として記されている。

公式資料の間でも、強調点は異なる

AWS Well-Architected Framework の REL03-BP01「ワークロードの分割方法を選ぶ」は、モノリスは可能な限り避けるべきで、どのコンポーネントをマイクロサービスに切り出せるかを慎重に検討する、と書いています。一方で同じページは次のようにも述べています。

  • 分割の利点と複雑さを比較衡量する。最初のリリースを急ぐ新製品に適したものと、最初からスケールを前提にしたワークロードに適したものは違う。
  • 小さく分けると、レイテンシの増加、デバッグの複雑化、運用負担の増加が起こりうる。
  • 最初にモノリスを選ぶ場合でも、モジュール化しておき、将来 SOA やマイクロサービスへ進化できるようにする。

出典: AWS Well-Architected: REL03-BP01 Choose how to segment your workload

Azure のマイクロサービス スタイルのページは、課題として次を並べています。複雑さ(サービス単体は単純でも、システム全体は複雑になる)、開発とテスト、ガバナンスの欠如、ネットワークの混雑と遅延、データの整合性、管理(成熟した DevOps 文化が必要)、バージョニング、スキルセット。

出典: Azure Architecture Center: マイクロサービス アーキテクチャ スタイル

3. いつ分割を検討するか

今回確認した公式資料には、「開発者が◯人を超えたらマイクロサービス」といった組織規模の数値基準は書かれていませんでした。そのため、この記事も数値の目安は示しません。代わりに、資料から読み取れる判断材料をチェック項目にします。

分割したい理由が、実際に起きている問題と対応しているか

microservices.io が挙げる分割側の力は、次の5つです。コンポーネントを単純に保つ、チームの自律性、速いデプロイパイプライン、複数の技術スタックへの対応、特性(リソース・可用性・セキュリティ)による分離。いま困っているのがこのどれなのかを先に特定します。

分割に抗う力を引き受けられるか

同じく microservices.io が挙げる力は、操作の単純さ、操作の効率、ACID を BASE より優先したいこと、実行時結合の最小化、設計時結合の最小化です。ACID トランザクションが必要な操作が多い、サービス間の往復が多い、といった場合は、分割コストが大きくなります。

組織と技術の準備があるか

Azure は、成熟した DevOps 文化が必要であること、マイクロサービスは高度に分散したシステムなのでチームにそのスキルと経験があるかを慎重に評価すること、を挙げています。

最初はモジュール化したモノリスという選択肢

microservices.io はモノリスのモジュール化とビルドの工夫を緩和策として示し、AWS は最初がモノリスでもモジュール化して進化できるようにするよう述べています(前節の出典)。

既存システムの置き換えが小さく済むなら、段階的移行は不要

Azure の Strangler Fig パターンのページは、このパターンが適さない場合の1つとして「小さなシステムを移行し、全体を置き換えるのが簡単な場合」を挙げています。

出典: Azure Architecture Center: Strangler Fig パターン

参考として、Azure のドメイン分析のページでは、ドローン配送サービスを題材に、マイクロサービスを採用する理由を次のように説明しています。複雑なドメインであること、市場に素早く出して機能追加を反復したいこと、クラウド規模で高い SLO を満たす必要があること、システムの各部で保存やクエリの要件が異なると見込まれること。自分の状況と照らす例として使えます。

出典: Azure Architecture Center: ドメイン分析を使ってマイクロサービスをモデル化する

4. 分割の考え方

4-1. 業務を軸にする

Azure は、マイクロサービスをデータアクセスやメッセージングのような水平レイヤーではなく、ビジネス能力を軸に設計するよう述べています。また、疎結合(他のサービスを同時に更新せずに1つを変更できる)と高い機能的凝集(明確に定義された単一の目的を持つ)を満たすことを求めています。「サービスは1つのことだけを行う」という一般則はあるが、それを実践に落とす機械的な手順はなく、ビジネスドメイン・要件・アーキテクチャ特性・目標を深く考える必要がある、とも書かれています。

出典: Azure Architecture Center: ドメイン分析を使ってマイクロサービスをモデル化する

AWS の「モノリスをマイクロサービスに分解する」ガイドは、分解パターンとして次の6つを挙げ、複数のパターンを組み合わせてもよい(たとえばビジネス能力で分けてから、サブドメインでさらに分ける)としています。

  • ビジネス能力による分解
  • サブドメインによる分解
  • トランザクションによる分解
  • チームごとのサービス
  • Strangler Fig パターン
  • Branch by abstraction パターン

出典: AWS Prescriptive Guidance: モノリスを分解するパターン

そのうち2つについて、各ページの記述は次のとおりです。

パターン 利点(ページの記述) 欠点(ページの記述)
ビジネス能力 ビジネス能力が比較的安定していれば、安定したアーキテクチャになる。チームがビジネス価値を軸に編成される。サービスが疎結合になる。 設計がビジネスモデルと強く結びつく。ビジネス全体の深い理解が必要で、能力やサービスの特定が難しいことがある。
サブドメイン 疎結合により、スケーラビリティ・耐障害性・保守性・拡張性などが得られる。 マイクロサービスが多くなりすぎ、サービス検出や統合が難しくなることがある。サブドメインの特定にはビジネス全体の深い理解が必要。

出典: AWS: ビジネス能力による分解、AWS: サブドメインによる分解

microservices.io の「Decompose by business capability」は、分解後のサービスに求める条件として、凝集していて疎結合であること、テストしやすいこと、6〜10人のチームが扱える小ささであること、変更の大半が1つのサービスで完結することを挙げています。

出典: microservices.io: Decompose by business capability

4-2. 境界づけられたコンテキストから集約、サービスへ

Azure の「マイクロサービスの境界を特定する」は、ドメインモデルからサービスを導く手順を次のように示しています。

  1. 境界づけられたコンテキストから始める。1つのマイクロサービスの機能は、通常、複数のコンテキストをまたがない。
  2. 集約(aggregate)を見る。よく設計された集約は、ビジネス要件から導かれ、機能的凝集が高く、永続化の境界であり、疎結合である、というマイクロサービスの特徴を備えているため、サービスの候補になりやすい。
  3. ドメインサービス(複数の集約にまたがるステートレスな操作)も候補になる。
  4. 非機能要件(チームの規模、データの種類、技術、スケーラビリティ・可用性・セキュリティ要件)を考慮する。これによって、1つのサービスを分けることも、複数をまとめることもある。

同ページの例では、リクエストの流入量を平準化するために取り込み(Ingestion)サービスを別に設けています。また、配送履歴を長期保存して分析する要件は、進行中の配送の処理とはデータの保存要件が異なるため、Delivery History サービスとして分けています。

出典: Azure Architecture Center: マイクロサービスの境界を特定する

4-3. 分割後に確認すること

同じページは、設計後に次の基準で検証するよう挙げています。

  • 各サービスの責務が1つである。
  • サービス間の呼び出しが過度に多く(chatty)ない。2つに分けたことで通信が増えすぎるなら、それらは同じサービスに属する兆候かもしれない。
  • 小さなチームが独立して作れる大きさである。
  • 複数のサービスを同時にデプロイしなければならない依存がない。
  • サービス同士が密結合でなく、独立して進化できる。
  • データの一貫性・整合性の問題を避けられる境界になっている。ただし、強い一貫性が常に必要なわけではなく、結果整合を扱う手段があり、分割の利点が複雑さを上回ることが多い、と述べている。

そのうえで、「迷ったら、粗い粒度のマイクロサービスから始める。1つを2つに分ける方が、複数の既存サービスにまたがる機能を整理し直すより簡単」と書いています。

AWS Well-Architected は、アンチパターンとして「マイクロサービスの Death Star」を挙げています。部品同士が強く依存し合い、1つの障害がより大きな障害になって、モノリスと同じく硬直的で壊れやすくなる状態のことです。

出典: AWS Well-Architected: REL03-BP01

組織との関係について、Azure は Conway の法則に触れ、ドメイン分析で境界を決めたうえで、チームの所有をそれに意図的に合わせるよう勧めています。1つのチームが無関係な複数のコンテキストを持つ、または1つのコンテキストが多数のチームの調整を要する場合は、境界かチーム構造のどちらかを見直す、とされています。

出典: Azure Architecture Center: ドメイン分析を使ってマイクロサービスをモデル化する

4-4. 既存システムは少しずつ置き換える(Strangler Fig)

Azure の Strangler Fig パターンは、レガシーシステムの機能を新しいアプリケーションやサービスで少しずつ置き換え、最終的に旧システムを廃止する方法です。クライアントと旧・新システムの間にファサード(プロキシ)を置き、リクエストを旧システムか新システムへ振り分け、移行の進行に合わせて振り分け先を新システム側へ寄せていきます。すべて移行し終えたら旧システムを廃止し、ファサードを外してクライアントを新システムに直接つなぎます。

検討点として、同ページは次を挙げています。

  • 新旧が共有するサービスやデータストアをどう扱うか。
  • ファサードが単一障害点や性能のボトルネックにならないようにする。
  • 移行中の新旧間の依存には、腐敗防止層(Anti-corruption Layer)で変換する。

適さない場合として、リクエストを横取りできない、旧システムのソースコードや変更できる接点がない、小さなシステムで全面置換が簡単、旧システムをすぐに完全廃止する必要がある、が挙げられています。

出典: Azure Architecture Center: Strangler Fig パターン

AWS Well-Architected も、モノリスを小さな部品へリファクタリングする際に Strangler Fig パターンを検討するよう書いています(REL03-BP01、前掲)。

5. サービス間の通信

5-1. 同期か非同期か

Azure の「サービス間通信」のページは、2つの基本パターンとして、同期通信(HTTP や gRPC で他サービスの API を呼び、呼び出し側が応答を待つ)と、非同期メッセージ(応答を待たずにメッセージを送り、1つ以上のサービスが非同期に処理する)を挙げています。HTTP は、クライアントが非同期 I/O を使っていても同期プロトコルである、という区別も書かれています。

非同期メッセージの利点として、結合の低減、複数の購読者、障害の分離、応答性、負荷の平準化、ワークフローの管理が挙げられています。課題としては、メッセージング基盤への結合、キューが埋まったときの遅延、高スループット時のコスト、複雑さ(重複メッセージの扱い、リクエスト・レスポンスの実装が難しい)、スループットが挙げられています。同ページのドローン配送の例では、呼び出し元が各サービスの応答を必要とする箇所には同期 API を、流入の平準化が必要な箇所には非同期メッセージを使い分けています。

出典: Azure Architecture Center: マイクロサービスのサービス間通信

また Azure のスタイルのページは、非同期通信には MassTransit や NServiceBus のようなフレームワークで、ルーティング・リトライ・耐久性などを自前実装せずに扱う、という推奨を挙げています。

5-2. API ゲートウェイ

microservices.io の API Gateway パターンは、クライアントとサービスの間に入口を1つ置き、リクエストを1つのサービスに転送するか、複数に振り分ける、という構成です。利点は、クライアントがサービス分割や所在から隔離されること、往復回数が減ること、クライアントごとに適した API を用意できることなどです。欠点は、構築・デプロイ・管理するコンポーネントが増えることと、ネットワークの1ホップ分のレイテンシが増えることです。

出典: microservices.io: API Gateway

Azure の「API ゲートウェイ」のページでは、ゲートウェイの使い方を3つのパターンに分けています。

  • ルーティング(レイヤー7でリクエストを各サービスへ)
  • 集約(複数サービスへの呼び出しを1リクエストにまとめる)
  • オフロード(SSL 終端、相互 TLS、認証、レート制限、ログ、キャッシュなど横断的な機能をゲートウェイに任せる)

また、Azure のスタイルのページは、ゲートウェイにドメイン知識(業務ルール)を持たせないことを best practice に挙げています。ゲートウェイがサービス間の結合の原因になるためです。サービスをクライアントへ直接公開することは、結合・スケーラビリティ・セキュリティの問題につながるアンチパターンとされています。

出典: Azure Architecture Center: API ゲートウェイ、Azure Architecture Center: マイクロサービス アーキテクチャ スタイル

5-3. リトライとサーキットブレーカー

サービス間の呼び出しは、ノードの障害、インスタンスのクラッシュ、過負荷など、さまざまな理由で失敗します。Azure は、この耐障害性を高める設計パターンとして Retry と Circuit Breaker を挙げています。

リトライ

  • 一時的な障害は自然に直ることが多く、適切な待ち時間を置いて再実行すると成功しやすい。失敗が一時的でない、または繰り返しても成功しそうにない場合は、操作を取り消してエラーを報告する。
  • 待ち時間を、インクリメンタルまたは指数的に増やしながら、最大試行回数まで繰り返す方法がある。
  • 操作が冪等(idempotent)でなければ、リトライで意図しない副作用が出うる。たとえば、リクエストは処理されたが応答が届かなかった場合、再送で二重に実行されうる。Azure は、POST や PATCH は冪等性が保証されないため、一般にリトライは安全でない、と書いている。
  • 再試行ロジックを何層にも重ねると、遅延が長くなる。

AWS Well-Architected の REL05-BP03 は、指数バックオフで間隔を延ばし、ジッター(間隔の乱数化)を加え、最大リトライ回数を制限するよう述べています。バックオフとジッターがないリトライや、複数の層でのリトライ(retry storm)、冪等でない呼び出しのリトライは、アンチパターンとされています。一部の AWS SDK は既定でリトライと指数バックオフを実装しているため、可能なら組み込みの実装を使うよう書かれています。

サーキットブレーカー

  • 失敗が閾値に達したら、一定時間、その呼び出しを止めて即座に失敗させ、障害中のサービスに回復する時間を与える。
  • 状態は3つ。Closed(呼び出しを通し、失敗を数える)、Open(呼び出しをすぐ失敗させる)、Half-Open(限られた数の試しの呼び出しだけ通す)。
  • Closed で失敗数が閾値を超えると Open になり、タイムアウトタイマーを開始する。タイマーが切れると Half-Open になる。Half-Open で試しの呼び出しが成功すれば Closed に戻り、失敗すれば Open に戻ってタイマーを再開する。
  • Retry と組み合わせる場合、再試行ロジックは、ブレーカーが返す例外(障害が一時的でないという合図)を見て、再試行をやめる必要がある。
  • 適さない場合として、アプリ内のメモリ上のデータなどローカルな資源へのアクセス、業務ロジックの例外処理の代わり、メッセージ駆動/イベント駆動でデッドレターキューが使える場合などが挙げられている。

microservices.io も、Circuit Breaker を、呼び出し先の障害や遅延が呼び出し側のスレッドなどの資源を使い果たして連鎖するのを防ぐパターンとして説明し、タイムアウト値の選定が難しいこと(厳しすぎると誤検知、緩すぎると遅延が増える)を課題に挙げています。

出典: Azure: Retry パターン、Azure: Circuit Breaker パターン、Azure: サービス間通信、AWS Well-Architected: REL05-BP03 Control and limit retry calls、microservices.io: Circuit Breaker

最小実装を動かして確かめる

上の説明を確かめるため、Python 標準ライブラリだけで最小の実装を書き、手元で実行しました(Python 3.9.6、外部への通信・インストールはなし)。以下は、公式資料の説明をなぞるための学習用のコードで、本番用ではありません。次の点は実装していません。Closed での失敗の時間窓(Azure は時間ベースのカウンタと説明しています。ここでは連続失敗数で数えています)、Half-Open での同時試行数の制限、並行呼び出しへの対応(スレッドセーフ)。実運用では、各言語の実績あるライブラリやメッシュの機能を使う方が現実的です(AWS も、自前のリトライ機構を作るより組み込みや既存のものを使うよう書いています)。

resilience.py

"""retry(指数バックオフ+乱数)とサーキットブレーカーの最小実装。標準ライブラリのみ。"""
import random
import time


class TransientError(Exception):
    """再試行してよい一時的な失敗(タイムアウトなど)"""


class PermanentError(Exception):
    """再試行しても直らない失敗(入力不正など)"""


class CircuitOpenError(Exception):
    """ブレーカーが開いていて、呼び出しを実行しなかった"""


def retry(fn, *, max_attempts=3, base_delay=0.1, max_delay=2.0,
          sleep=time.sleep, rng=random.random):
    """TransientError だけを、待ち時間を倍々にしながら最大 max_attempts 回まで試す。"""
    for attempt in range(1, max_attempts + 1):
        try:
            return fn()
        except TransientError:
            if attempt == max_attempts:
                raise
            ceiling = min(max_delay, base_delay * 2 ** (attempt - 1))
            sleep(rng() * ceiling)  # 0〜ceiling のランダムな待ち時間(乱数を加える)
        # PermanentError / CircuitOpenError は捕まえない = 再試行せず即座に上へ


class CircuitBreaker:
    """closed -> open -> half-open -> closed の状態機械。"""

    def __init__(self, *, failure_threshold=3, reset_timeout=30.0,
                 half_open_successes=2, clock=time.monotonic):
        self.failure_threshold = failure_threshold
        self.reset_timeout = reset_timeout
        self.half_open_successes = half_open_successes
        self.clock = clock
        self.state = "closed"
        self.failures = 0
        self.successes = 0
        self.opened_at = 0.0

    def call(self, fn):
        if self.state == "open":
            if self.clock() - self.opened_at >= self.reset_timeout:
                self.state, self.successes = "half-open", 0
            else:
                raise CircuitOpenError("circuit is open")
        try:
            result = fn()
        except TransientError:
            self._on_failure()
            raise
        self._on_success()
        return result

    def _on_failure(self):
        if self.state == "half-open":
            self._open()  # 試しの呼び出しが失敗したら、すぐ open に戻る
            return
        self.failures += 1
        if self.failures >= self.failure_threshold:
            self._open()

    def _on_success(self):
        if self.state == "half-open":
            self.successes += 1
            if self.successes >= self.half_open_successes:
                self.state, self.failures = "closed", 0
        else:
            self.failures = 0

    def _open(self):
        self.state = "open"
        self.opened_at = self.clock()

demo.py(時計と待ち時間を差し替えているので、実際には待ちません)

import random
from resilience import (CircuitBreaker, CircuitOpenError, PermanentError,
                        TransientError, retry)

# --- 1. retry: 2回失敗して3回目に成功 ---
waits = []
calls = {"n": 0}

def flaky():
    calls["n"] += 1
    if calls["n"] < 3:
        raise TransientError("timeout")
    return "ok"

rng = random.Random(42)  # 結果を再現できるよう乱数を固定
print("retry result:", retry(flaky, max_attempts=4, base_delay=0.1,
                             sleep=waits.append, rng=rng.random))
print("calls:", calls["n"], "waits:", [round(w, 3) for w in waits])

# --- 2. 一時的でない失敗は再試行しない ---
calls["n"] = 0
def bad_input():
    calls["n"] += 1
    raise PermanentError("invalid input")
try:
    retry(bad_input, max_attempts=4, sleep=waits.append)
except PermanentError:
    print("permanent error: calls =", calls["n"])

# --- 3. サーキットブレーカー(時計を差し替えて、実際には待たない) ---
now = {"t": 0.0}
cb = CircuitBreaker(failure_threshold=3, reset_timeout=30.0,
                    half_open_successes=2, clock=lambda: now["t"])
healthy = {"v": False}
backend_calls = {"n": 0}

def backend():
    backend_calls["n"] += 1
    if not healthy["v"]:
        raise TransientError("503")
    return "ok"

def try_call(label):
    try:
        r = cb.call(backend)
    except TransientError as e:
        r = f"failed({e})"
    except CircuitOpenError:
        r = "rejected(open)"
    print(f"t={now['t']:>5.1f} {label:<22} -> {r:<16} state={cb.state} backend_calls={backend_calls['n']}")

for i in range(3):
    try_call(f"fail #{i+1}")
try_call("while open")            # 実行されずに拒否される
now["t"] = 10.0
try_call("while open (t=10)")
now["t"] = 31.0
try_call("half-open, still bad")  # 試しが失敗 -> open に戻る
now["t"] = 62.0
healthy["v"] = True
try_call("half-open, ok #1")
try_call("half-open, ok #2")      # 2回連続成功 -> closed
try_call("closed again")

# --- 4. retry と breaker の組み合わせ: open のときは再試行しない ---
cb2 = CircuitBreaker(failure_threshold=1, reset_timeout=30.0, clock=lambda: 0.0)
n = {"c": 0}
def always_fail():
    n["c"] += 1
    raise TransientError("503")
try:
    retry(lambda: cb2.call(always_fail), max_attempts=5, sleep=lambda s: None)
except CircuitOpenError:
    print("retry+breaker: backend calls =", n["c"], "(5回試す設定でも、openで打ち切り)")

実行結果は次のとおりです(PYTHONPATH=. python3 demo.py)。

retry result: ok
calls: 3 waits: [0.064, 0.005]
permanent error: calls = 1
t=  0.0 fail #1                -> failed(503)      state=closed backend_calls=1
t=  0.0 fail #2                -> failed(503)      state=closed backend_calls=2
t=  0.0 fail #3                -> failed(503)      state=open backend_calls=3
t=  0.0 while open             -> rejected(open)   state=open backend_calls=3
t= 10.0 while open (t=10)      -> rejected(open)   state=open backend_calls=3
t= 31.0 half-open, still bad   -> failed(503)      state=open backend_calls=4
t= 62.0 half-open, ok #1       -> ok               state=half-open backend_calls=5
t= 62.0 half-open, ok #2       -> ok               state=closed backend_calls=6
t= 62.0 closed again           -> ok               state=closed backend_calls=7
retry+breaker: backend calls = 1 (5回試す設定でも、openで打ち切り)

この出力から読み取れることは次のとおりです。

  • リトライは、一時的な失敗なら待ち時間を延ばしながら再実行し、一時的でない失敗(PermanentError)は1回で打ち切る(Azure の「取り消してエラーを報告する」に対応)。
  • ブレーカーは、3回の連続失敗で Open になり、Open の間はバックエンド(backend_calls)を呼ばずに拒否する。
  • タイムアウト経過後の Half-Open で試しの呼び出しが失敗すると Open に戻り、成功が2回続くと Closed に戻る(Azure の状態遷移の説明に対応)。
  • Retry とブレーカーを組み合わせたとき、Open になった時点で再試行が打ち切られる(Azure の「再試行ロジックはブレーカーの例外に敏感であるべき」に対応)。

5-4. サービスメッシュ

Azure のサービス間通信のページは、サービスメッシュを、サービス間通信を扱うソフトウェア層で、クラスター内のマイクロサービス間の通信を横取りするプロキシとして動くもの、と説明しています。Kubernetes での主な選択肢として Linkerd と Istio が挙げられ、両者に共通する機能として、セッション単位の負荷分散、レイヤー7のルーティング、失敗したリクエストの自動リトライ、サーキットブレーク、メトリクスと分散トレーシング、サービス間の相互 TLS 認証が挙げられています。

そのうえで同ページは、「サービスメッシュは必要か」について「場合による」としています。リトライ・サーキットブレーカー・分散トレーシングは、サービスメッシュなしでも解決できます。メッシュはそれらを個々のサービスから専用の層へ移しますが、クラスターの設定が複雑になり、プロキシ経由になること、各ノードで追加のサービスが動くことによる性能への影響がありうるため、本番導入の前に十分な性能・負荷テストをするよう書かれています。

出典: Azure Architecture Center: マイクロサービスのサービス間通信

Istio でのサーキットブレーク設定

Istio の公式タスク「Circuit Breaking」は、DestinationRule の trafficPolicy に connectionPool と outlierDetection を書く例を示しています。次の YAML はそのページの例です。値はページの検証(同時リクエストで 503 を意図的に出す)用の極端な設定であり、本番の推奨値ではありません。

apiVersion: networking.istio.io/v1
kind: DestinationRule
metadata:
  name: httpbin
spec:
  host: httpbin
  trafficPolicy:
    connectionPool:
      tcp:
        maxConnections: 1
      http:
        http1MaxPendingRequests: 1
        maxRequestsPerConnection: 1
    outlierDetection:
      consecutive5xxErrors: 1
      interval: 1s
      baseEjectionTime: 3m
      maxEjectionPercent: 100

出典: Istio: Circuit Breaking

Istio の DestinationRule リファレンスには、各項目の意味が次のように書かれています。

  • connectionPool(接続プール)の tcp.maxConnections は宛先ホストへの最大接続数、http.http1MaxPendingRequests は接続プールの接続が空くのを待って並べられるリクエストの最大数(いずれも既定は 2^32-1)。http.maxRequestsPerConnection は1接続あたりの最大リクエスト数で、1にするとキープアライブが無効になる。
  • outlierDetection の consecutive5xxErrors は、ホストをプールから外す(eject する)までに許容する 5xx エラーの数(既定は 5、0 で無効)。interval は ejection の判定を行う間隔(既定 10秒)、baseEjectionTime は最小の ejection 時間で、ejection された回数に応じて長くなる(既定 30秒)、maxEjectionPercent はロードバランシングのプールのうち ejection できる最大の割合(既定 10%)。

出典: Istio: Destination Rule リファレンス

同じページの注記として、メッシュで相互 TLS が有効な場合は、DestinationRule の TLS 設定に mode: ISTIO_MUTUAL を加えないと 503 エラーになることがある、と書かれています。

カナリアリリース(段階的なトラフィックの切り替え)

Istio の「Traffic Shifting」タスクは、VirtualService で宛先ごとの重み(weight)を設定し、古いバージョンから新しいバージョンへトラフィックを段階的に移す方法を説明しています。ページでは、まず reviews:v1 と reviews:v3 に50%ずつ振り、次に reviews:v3 へ100%を送って移行を完了させています。

出典: Istio: Traffic Shifting

サービス間の暗号化(相互 TLS)

Istio のセキュリティの概念ページでは、ピア認証(サービス間認証)のモードとして PERMISSIVE(平文と相互 TLS の両方を受け付ける。サイドカーのないワークロードがある移行期に便利)、STRICT(相互 TLS のみ受け付ける)、DISABLE(相互 TLS を無効にする。独自のセキュリティ対策がない限り非推奨)が挙げられています。サイドカー注入でワークロードの移行が終わったら STRICT に切り替えるよう書かれています。

出典: Istio: Security

6. データ管理

6-1. サービスごとにデータを持つ

microservices.io の Database per Service パターンは、各サービスの永続データをそのサービス専用にし、他からはそのサービスの API 経由でのみアクセスさせる、というものです。リレーショナルDBなら、サービス専用のテーブル、サービス専用のスキーマ、サービス専用のDBサーバーという選択肢があり、前2者はオーバーヘッドが小さく、スキーマ単位の方が所有が明確で、高スループットのサービスには専用サーバーが必要なこともあるとされています。DB ユーザーやアクセス権で障壁を設けないと、開発者が API を迂回してデータに直接アクセスしたくなる、という指摘もあります。

  • 利点: サービスが疎結合に保たれる。サービスごとに適したデータベースの種類を選べる。
  • 欠点: 複数サービスにまたがるビジネストランザクションの実装が難しい。複数DBにまたがる結合クエリが難しい。複数のDBの管理が複雑になる。

出典: microservices.io: Database per Service

Azure の「マイクロサービスのデータに関する考慮事項」も、2つのサービスがデータストアを共有してはならず、サービスごとに専用のデータストアを持つとしています。ただし、同じ物理的なDBサーバーを共有することは問題なく、問題になるのは同じスキーマを共有する、または同じテーブル群に読み書きすることだとされています。

出典: Azure Architecture Center: マイクロサービスのデータに関する考慮事項

同ページが挙げるガイドラインは次のとおりです。

  • コンポーネントごとに必要な一貫性レベルを定め、可能なら結果整合を選ぶ。
  • 強い一貫性が必要な場合は、単一の信頼できる情報源(source of truth)を決める。他のサービスは、結果整合なコピー(またはその一部)を持てる。
  • サービスをまたぐ一貫性には、Compensating Transaction などのトランザクションパターンを使う。
  • サービスに必要なデータだけを保存する。
  • 2つのサービスが頻繁に情報をやりとりして chatty な API になるなら、境界を引き直し、統合やリファクタリングを検討する。
  • イベント駆動にし、イベントのスキーマ(JSON Schema、Protobuf、Avro など)を公開して、発行側と購読側の結合を避ける。

Azure のスタイルのページは、データの重複を「何としても避ける」ことをアンチパターンとして挙げています。マテリアライズドビューなどでローカルコピーを持つ方が、サービスの自律性が高まり、サービス間の依存が減るとされています。

6-2. サービスをまたぐ更新:Saga

microservices.io は、各サービスがDBを持ち、2相コミット(2PC)が選べない状況で、複数サービスにまたがるトランザクションを実装する方法として Saga パターンを説明しています。Saga は、各ステップが1つのサービスのDBだけを更新するローカルトランザクションの連なりです。業務ルール違反などでステップが失敗したら、先行ステップの変更を補償トランザクション(compensating transaction)で取り消します。調整方式は2つあります。

  • コレオグラフィー(choreography): 各ローカルトランザクションがドメインイベントを発行し、他のサービスのローカルトランザクションを起動する。
  • オーケストレーション(orchestration): オーケストレーターが、各参加者に実行するローカルトランザクションを指示する。

Azure の Saga パターンのページは、2方式の特徴を次のように整理しています。

方式 利点 欠点
コレオグラフィー サービスが少なく調整ロジックが不要な単純なワークフローに向く。調整用の別サービスが不要で、単一障害点にならない。 ステップを追加するとワークフローが分かりにくくなる。参加者同士の循環依存のリスクがある。結合テストが難しい(全サービスを動かす必要がある)。
オーケストレーション 複雑なワークフローやサービスの追加に向く。オーケストレーターがフローを管理するので循環依存を避けられる。責務の分離で各サービスのロジックが単純になる。 調整ロジックの実装が必要。オーケストレーターが全体を管理するため、障害点になりうる。

どちらの出典も、Saga の限界を明記しています。

  • 自動ロールバックはなく、補償トランザクションを開発者が設計する必要がある(microservices.io)。
  • ACID の I(分離性)がないため、並行する Saga どうしで、更新の喪失、ダーティリード、ファジーリード(非再現リード)といったデータの異常が起こりうる。対策として、セマンティックロック、可換な更新、悲観的ビュー(Saga の順序を入れ替える)、値の再読み取り、バージョンの記録、価値に基づくリスクベースの並行制御などが挙げられている(Azure)。
  • 補償トランザクションが常に成功するとは限らず、不整合が残る可能性がある(Azure)。
  • 一時的な失敗の処理と冪等性が必要(Azure)。
  • Saga の監視と追跡が必要で、参加サービスが増えるとデバッグが複雑になる(Azure)。

Azure は、トランザクションが密結合である場合、補償トランザクションが前の参加者で必要になる場合、循環依存がある場合は、Saga が適さないかもしれないとも書いています。

出典: microservices.io: Saga、Azure Architecture Center: Saga パターン

6-3. DB更新とメッセージ送信を一緒に確実にする:Transactional Outbox

Saga やイベント駆動では、サービスが「DBを更新する」ことと「メッセージ(イベント)を送る」ことを、ともに成功させる必要があります。microservices.io の Transactional Outbox は、送信するメッセージを、業務データを更新する同じDBトランザクションの中で「アウトボックス」に保存し、別のコンポーネント(メッセージリレー)がアウトボックスを読んでブローカーへ発行する方法です。DB のトランザクションがコミットされた場合に限ってメッセージが送られ、送信順序も保たれます。欠点として、リレーが発行後・記録前にクラッシュすると再発行されるため少なくとも1回(at-least-once)の配信になり、受け手は冪等である必要があることが挙げられています。

出典: microservices.io: Transactional Outbox

6-4. サービスをまたぐ参照:API Composition と CQRS

DBがサービスごとに分かれると、複数サービスのデータを結合するクエリが難しくなります。microservices.io は2つの方法を示しています。

パターン 内容 利点 欠点
API Composition API Composer が、データを持つ各サービスを呼び、結果をメモリ上で結合する 単純にサービスをまたぐクエリができる 大きなデータセットのメモリ上の結合が非効率になりうる
CQRS 特定のクエリのための読み取り専用のビューDBを持ち、データを所有するサービスのドメインイベントを購読して更新する 非正規化した複数のビューを、拡張性と性能を保って持てる。コマンドとクエリのモデルが単純になる 複雑さが増える。コードが重複しうる。ビューは遅れる(結果整合)

出典: microservices.io: API Composition、microservices.io: CQRS

7. 運用チェックリスト

ここまでの出典から、運用に入る前後に確認したい項目をまとめます。各項目の根拠は括弧内に示します。

デプロイとチーム

  • サービスを独立してデプロイできる。複数サービスの同時デプロイが必要な依存がない(Azure: 境界の検証基準)
  • CI/CD でテストとデプロイを自動化し、ロールアウトの健全性を監視している(Azure: best practices)
  • 言語・フレームワークの選択肢を絞り、ログ・監視・デプロイの共通基準を決めている(Azure: ガバナンスの欠如への対策)
  • サービスの更新が、依存するサービスを壊さない(前方・後方互換)ように設計している(Azure: バージョニング)

通信と耐障害性

  • 同期呼び出しの連鎖(A→B→C)が長くなりすぎていない。非同期にできる箇所を検討した(Azure: ネットワークの混雑と遅延)
  • リトライは一時的な失敗だけを対象に、最大回数・バックオフ・ジッターを設定し、冪等な操作に限っている。複数の層でリトライを重ねていない(Azure、AWS REL05-BP03)
  • 失敗が続く呼び出し先に対して、サーキットブレーカー(アプリ内、またはメッシュ)で、障害の連鎖を防いでいる。ブレーカーが開いたときの縮退動作を決めている(Azure: Circuit Breaker)
  • 非同期メッセージの重複配信に備え、受け手を冪等にしている(Azure、microservices.io)
  • クライアントをサービスへ直接公開せず、ゲートウェイを入口にしている。ゲートウェイに業務ロジックを入れていない(Azure)
  • サービスメッシュを入れる場合は、性能・負荷テストを事前に行っている(Azure)
  • サービス間通信を相互 TLS で暗号化・認証している(Azure、Istio: STRICT への移行)

データ

  • サービス間で、スキーマやテーブルを共有していない(Azure、microservices.io)
  • 強い一貫性が必要な箇所と、結果整合でよい箇所を区別している(Azure)
  • サービスをまたぐ更新は Saga で設計し、補償トランザクションが失敗する場合も考えている(Azure、microservices.io)
  • DB更新とイベント発行を、Transactional Outbox などで確実にしている(microservices.io)

可観測性と運用

  • ログの集中管理、メトリクス、分散トレーシングがある。1つのユーザー操作に対するサービス横断のログを相関できる(Azure: 管理、オブザーバビリティ)
  • トレースのコンテキスト伝搬が、サービス間でつながっている。OpenTelemetry は、コンテキスト伝搬を、分散トレーシングを成り立たせる中核の概念としている(OpenTelemetry: Traces)
  • Kubernetes で動かす場合、readiness プローブ(トラフィックを受けられるか。失敗すると Service の対象から外れる)、liveness プローブ(再起動すべきか)、startup プローブ(起動完了か)の役割を分けている。liveness の実装を誤ると連鎖障害につながる、と公式が警告している(Kubernetes: Liveness, Readiness, and Startup Probes)
  • 部分的な障害に対するシステムの挙動を、カオスエンジニアリングなどで試している(Azure: best practices)

まとめ

公式資料から読み取れることを、判断の順番に並べ直すと次のようになります。

  1. マイクロサービスもモノリスも、利点と欠点の両方が公式に書かれている。分割を促す力と、分割に抗う力のどちらが、いまの自分たちに強く働いているかを見る(microservices.io)。
  2. 分割するなら、技術レイヤーではなく業務(ビジネス能力、サブドメイン、境界づけられたコンテキスト)を軸にし、迷ったら粗い粒度から始める(Azure)。既存システムは Strangler Fig で少しずつ置き換える(Azure、AWS)。
  3. 通信は、同期と非同期を用途で使い分け、リトライとサーキットブレーカーで障害の連鎖を防ぐ。サービスメッシュは、複雑さと性能への影響を引き受けられるかを見て選ぶ(Azure)。
  4. データはサービスごとに持ち、サービスをまたぐ更新は Saga、参照は API Composition か CQRS で扱う。いずれも結果整合と冪等性が前提になる。
  5. 運用は、独立デプロイ、可観測性、ヘルスチェック、相互 TLS を、サービスの数に合わせて先に整える。

参考(一次情報)

確認日はいずれも2026年11月です。


最終更新: 2026年11月9日

この記事を書いた人

NL

nexion-lab

DX推進責任者・顧問CTO | IT業界約20年

大手企業グループでDX推進責任者、顧問CTOとして活動。AI・生成AI活用、クラウドインフラ最適化、データドリブン経営の領域で専門性を発揮。 実務で培った知識と経験を、ブログ記事として発信しています。

AI・生成AIDX推進顧問CTOAWS/GCPシステム開発データ分析
詳しいプロフィールを見る

nexion-lab は、自社のサービスも作っています:タグ守・応対守・引継守・回答守・AIO守・形守(製品の一覧)

✨ 無料相談受付中 ✨

インフラのご相談はお任せください

長年の実績とDX推進の実践ノウハウで、貴社の課題解決をサポートします。まずはお気軽にご相談ください。

無料相談を申し込む
おすすめ記事

こちらの記事もおすすめ

関連する実践的なノウハウをご紹介

インフラ

データ指向アプリケーション設計【大規模システム構築の完全ガイド2025】

データ指向アプリケーション設計の実践ガイド。分散システムの基本的な3つの要求、データモデルの選び方、レプリケーションとパーティショニング、トランザクションと整合性、イベント駆動アーキテクチャ、監視とオブザーバビリティまで、大規模システムの実例で解説します。

22分11月16日
インフラ

Webスキミング対策:決済ページの改ざんを防ぎ、スクリプトを管理する【公式資料で整理】

Webスキミングとは何か、決済ページの改ざんをどう防ぎ見つけるかを、警察庁・IPA・クレジット取引セキュリティ対策協議会・PCI SSCの公式資料に沿って整理。PCI DSS 6.4.3・11.6.1も。

12分11月10日
インフラ

Docker と Kubernetes の基本と運用チェックリスト【公式ドキュメントに沿って整理】

DockerfileとCompose、Kubernetesの主要リソース、Pod Security、NetworkPolicy、HPAまでを公式ドキュメントで整理。Ingress NGINXの退役や公開前の確認項目も解説します。

18分11月16日
インフラ

Terraform×IaCでインフラ構築を自動化【実践ガイド2025】

Terraformでインフラをコード化(IaC)した全手順を実例で公開。2025年のTerraformの最新状況、導入の全6ステップ、AWS/GCPのマルチクラウド対応、成果サマリー、失敗談と教訓、成功要因まで、コード例付きで解説します。

17分4月5日
インフラ

AWS vs GCP比較【料金・性能・機能の違い】どっちを選ぶ?2025年版

AWSとGCPを大手企業で両方使った結論を、実測のコストと実例で解説。料金体系の違い、両者の強み・弱みの全比較、実務での使い分け、移行プロジェクトの全工程、年間3,800万円のコスト削減の実例まで、用途別のおすすめとあわせて紹介します。

13分3月25日
インフラ

AWS運用コスト大幅削減した全手法【大手企業DX責任者の実例】

【チェックリスト付き】AWSコストを年間数百万円削減した全手法。Reserved Instance、Savings Plans、RDS Rightsizing、ECS移行の具体的な設定手順と削減額を実データで公開。明日から使える。

15分1月20日