理解度チェック
障害推理クイズ — 症状だけから根本原因を当てられる？
Therac-25・Knight Capital・Cloudflare・CrowdStrikeなど実在の障害12件。当時見えていた症状だけで推理する。
解説記事
事例アーカイブ
何が起きたか→タイムライン→根本原因→教訓の順で、公式ポストモーテムに忠実に解剖しています。
AWS S3大障害（2017）— 1つのタイポ
たった1つの入力ミスがS3を約4時間止めた経緯を公式報告に忠実に追い、容量ガードレール・依存分離・復旧時間の再検証という運用設計の勘所を持ち帰れる。
Cloudflare世界障害（2019）— 1本の正規表現
たった1本の正規表現が全世界を27分止めた事故から、バックトラッキング爆発の原理、即時グローバル展開の危うさ、届く緊急停止の設計までを一気に学べる。
CrowdStrike障害（2024）— 850万台のBSOD
設定データ1本の一斉配信が世界850万台のWindowsをブートループに沈めた因果連鎖を公式RCAに沿って分解し、カーネルで動くコンテンツ配信に必須の配備規律を実例から学べる。
Fastly世界障害（2021）— 潜伏バグと1顧客の設定
たった1顧客の正当な設定変更がなぜCDNの85%を落としたのか。検知1分・49分で95%復旧の実録から、潜伏バグと共有基盤のブラスト半径への備えを学べる。
GitLab DB削除事故（2017）— 5重バックアップ全滅
本番DBの誤削除で約310GBが消え、5系統の備えは全滅——GitLab事故の実録から、リストア検証なきバックアップの危うさと疲労時の破壊的操作を避ける原則を、公式ポストモーテムに忠実に学べる。
Knight Capital（2012）— 45分で460億円
9年前のデッドコードとフラグ再利用、1台だけの配備漏れが45分で4.6億ドルの損失に化けた事件から、デッドコード削除・フラグ規律・配備検証・緊急停止の原則をSEC処分文書に忠実に学べる。
Meta世界障害（2021）— BGPが消えた6時間
容量監査の1コマンドがFacebookを地球から6時間消した。正しく動いたDNSヘルスチェックが障害を増幅する逆説から、相関障害への設計と管理経路分離を学べる。
みずほATM障害（2021）— 取消情報テーブルの飽和
容量監視の盲点はテーブル本体ではなくインデックスにあった。ATM4318台を止めたみずほ障害の連鎖機構から、上限監視・エラー設計・フェイルセーフの急所を調査報告書ベースで学べる。