こんにちは、AI_LABの川口あいです。
現在クラウド事業部では、サーバー障害発生時の原因調査および復旧対応をすべて手動で行っており、障害調査ではログ解析に多くの時間を要するケースがあります。 その結果、オペレーションの属人化、作業負荷の増加、復旧の遅延が課題となっています。
そこで今回、ログ解析による初動調査をAIに任せられないかと考え、Docker上に障害再現環境を構築し、取得したログをAIに入力することで、障害要因の特定と対応策の提示を行うプロトタイプシステムを開発しました。
本記事では、開発環境、実装フロー、実際にAIがどのように障害を分析したのか、そして今後の展望について紹介します。
目次
開発環境
今回は、ローカルPC上にDocker環境を構築し、以下のコンテナ構成で疑似的なサーバー運用環境を再現しました。
- Webサーバー(WordPress)
- DBサーバー(MySQL)
- 監視用コンテナ(死活監視・疎通確認・ログ取得)
- AIエージェント(ログ解析・原因推定)
この構成により、障害発生からログ取得、AIによる解析までの一連の流れを、すべてローカル環境で完結させて検証しています。
上記の環境を実現するために、今回は主に「Docker」と「さくらのAI Engine」の2つの技術を利用しました。 以下、それぞれの役割と採用理由について簡単に説明します。
Docker
今回は、障害を安全かつ再現可能な形で検証するため、開発環境としてDockerを採用しました。 Dockerを用いることで、Webサーバー、DBサーバー、監視用コンテナなど、複数のサービス構成を簡単に再現できます。また、設定ミスやプロセス停止などの障害を意図的に発生させ、実運用に近い状況をローカルで再現・検証できる点を重視しました。
さくらのAI Engine
本プロジェクトでは、AIエージェントに「さくらのAI Engine」を採用しました。 モデルの選択肢は限定的ですが、処理がすべて国内で完結する点が特長です。障害ログなどの運用データを外部に送信せず、安全にプロトタイピングを行えます。また、料金体系が明確で無料枠による軽量な検証が可能なため、今回のプロトタイプ開発に採用しました。
実装フロー
ディレクトリ構成
project_root/ ├── aiagent/ # AIエージェントコンテナ │ └── Dockerfile │ └── run_verification_sakura.py # AIログ解析スクリプト │ └── requirements.txt ├── monitor/ # 監視用コンテナ │ └── Dockerfile ├── mysql/ # DBコンテナ │ └── Dockerfile ├── wordpress/ # wordpressコンテナ │ └── Dockerfile ├── results/ │ └── 01_wordpress_stop/ # webサーバー停止用 │ ├── inject.sh # 障害注入スクリプト │ └── error_log.txt # 収集したエラーログ │ └── 02_mysql_stop/ # DBサーバー停止用 │ ├── inject.sh │ └── error_log.txt │ └── ... ├── docker-compose.yml ├── monitor_check.sh # 標準化ログ生成スクリプト ├── collect_log.sh # wordpressコンテナのログを各障害のerror_log.txtに追記 └── .env
① Docker環境の立ち上げ
project_rootディレクトリ内で以下を実行します。
docker compose up -d
② WordPress 初期設定
ブラウザでhttp://localhost:8080にアクセスし、通常のWordpress初期設定を完了させます。
③ 障害再現とログ取得
各障害ケースごとのディレクトリ(results/***)に移動します。
cd results/01_wordpress_stop
各フォルダ内で障害注入スクリプトを実行します。
bash inject.sh
これで、各障害ごとの診断結果がすべてerror_log.txtに出力されます。
④ 環境変数の設定
.envにさくらのAIの接続情報を設定します。
SAKURA_ENDPOINT=*** SAKURA_TOKEN=*** SAKURA_MODEL_NAME=***
⑤ AIによるログ解析
project_rootディレクトリ内で以下を実行します。
docker-compose exec agent python run_verification_sakura.py /app/results/01_wordpress_stop/error_log.txt
これにより、error_log.txtがAIに渡され、その解析結果が以下のようなJSON形式で返ってきます。
--- ログファイルの分析を開始: /app/results/01_wordpress_stop/error_log.txt ---
▼ AIによる分析結果:
{
"findings": {
"primary_evidence": {
"file_name": "〜〜〜",
"line_number": "〜〜〜",
"error_message": "〜〜〜"
},
"secondary_context": [
"〜〜〜",
"〜〜〜",
"〜〜〜"
],
"suggested_fix": "〜〜〜"
}
}
実装コードの解説
ここからは、本プロトタイプを構成する主要な実装コードについて、役割ごとに解説していきます。
障害注入スクリプト(results/01_wordpress_stop/inject.sh)
本スクリプトは、WordPress の Apache プロセスを意図的に停止して障害を発生させ、監視スクリプトの実行からログ取得までを一連で制御する検証用スクリプトです。
#!/bin/bash
WORDPRESS_CONTAINER="wordpressコンテナの名前"
MONITOR_CONTAINER="監視用コンテナの名前"
CONTAINER_LOG_PATH="監視用コンテナ内のログのパス"
echo "=== Apache停止障害テスト開始 ==="
echo "[1/2] Apacheプロセスを殺します..."
DOCKER_CLI_HINTS=false docker exec -it ${WORDPRESS_CONTAINER} bash -c "pkill -f apache2 || true"
echo "=== monitor_check.sh 実行 ==="
DOCKER_CLI_HINTS=false docker exec -it ${MONITOR_CONTAINER} bash -c "bash /monitor/monitor_check.sh ${CONTAINER_LOG_PATH}"
echo "=== collect_log.sh 実行 ==="
../../collect_log.sh ${CONTAINER_LOG_PATH}
echo "[2/2] wordpressコンテナを再起動します..."
docker compose start wordpress
echo "=== 完了 ==="
このスクリプトにより、障害の発生 → 診断ログの取得 → 環境の復旧までをワンステップで実行できるようにしています。
標準化ログ生成スクリプト(monitor_check.sh)
本スクリプトは、監視用コンテナ上からネットワーク、WordPress/DB 各サービス、プロセス状態、ファイアウォール設定などを横断的に確認し、障害発生時の状況を「標準化された診断ログ」として一括取得するためのスクリプトです。
#!/bin/bash
### 障害診断レポート生成スクリプト ###
OUTFILE="$1"
if [ -n "$OUTFILE" ]; then
exec > "$OUTFILE" 2>&1
fi
: "${DNS_UPSTREAM:=172.20.0.53}"
: "${DNS_TEST_FQDN:=google.com}"
: "${EXT_IP:=8.8.8.8}"
CURL_OPTS="--max-time 3 --connect-timeout 2"
PING_OPTS="-c 1 -W 1"
check_port() {
local host="$1" port="$2" label="$3"
echo "CMD: nc -z -w2 ${host} ${port}"
if nc -z -w2 "$host" "$port"; then
echo "${label} (${host}:${port}) reachable"
else
echo "${label} (${host}:${port}) unreachable"
fi
}
#--- ログ開始 ---
echo "以下は、wp-monitor(監視サーバー)での障害診断ログです"
#-----------------------------------
echo "=== ネットワーク基本確認 ==="
# 内部ネットワーク確認
echo "CMD: ping ${PING_OPTS} 127.0.0.1"
ping ${PING_OPTS} 127.0.0.1
GATEWAY_IP=$(ip route | awk '/default/ {print $3}')
echo "Gateway: $GATEWAY_IP"
echo "CMD: ping ${PING_OPTS} $GATEWAY_IP"
ping ${PING_OPTS} "$GATEWAY_IP"
# 外部IP/DNS確認
echo "CMD: ping ${PING_OPTS} ${EXT_IP}"
ping ${PING_OPTS} "$EXT_IP"
echo "CMD: dig +time=3 +tries=1 ${DNS_TEST_FQDN}"
dig +time=3 +tries=1 "${DNS_TEST_FQDN}"
echo "CMD: dig +time=1 +tries=1 @${DNS_UPSTREAM} ${DNS_TEST_FQDN} +short"
if dig +time=1 +tries=1 @"${DNS_UPSTREAM}" "${DNS_TEST_FQDN}" +short | grep -qE '^[0-9]'; then
DNS_OK=1
else
DNS_OK=0
fi
if ping ${PING_OPTS} "${EXT_IP}" >/dev/null 2>&1; then PING_OK=1; else PING_OK=0; fi
echo "ext_ip_ping(${EXT_IP}): $([ $PING_OK -eq 1 ] && echo OK || echo NG)"
echo "dns(@${DNS_UPSTREAM} ${DNS_TEST_FQDN}): $([ $DNS_OK -eq 1 ] && echo OK || echo NG)"
if [ $PING_OK -eq 0 ]; then
echo "分類: 外部ネットワーク未到達"
elif [ $DNS_OK -eq 0 ]; then
echo "分類: 外部の名前解決不可(DNS障害)"
else
echo "分類: ネットワーク正常"
fi
#-----------------------------------
#-----------------------------------
echo "=== WordPress/DB サービス状態 ==="
# WordPress HTTP応答
echo "CMD: curl -s -o /dev/null -w \"HTTPコード: %{http_code}\n\" http://wordpress:80"
HTTP_CODE=$(curl -s -o /dev/null -w "HTTPコード: %{http_code}\n" http://wordpress:80)
echo "$HTTP_CODE"
# 詳細な疎通チェック
echo "CMD: curl -v ${CURL_OPTS} http://wordpress:80"
curl -v ${CURL_OPTS} http://wordpress:80 2>&1 | sed 's/^/CURL_DEBUG: /'
# ポート疎通チェック
check_port wordpress 80 "WordPress HTTP"
check_port db 3306 "MySQL DB"
#-----------------------------------
#-----------------------------------
echo "=== プロセス/設定確認 ==="
# プロセス確認
echo "CMD: ps aux | grep apache2 | grep -v grep"
ps aux | grep apache2 | grep -v grep
echo "CMD: ps aux | grep php-fpm | grep -v grep"
ps aux | grep php-fpm | grep -v grep
echo "CMD: ps aux | grep mysql | grep -v grep"
ps aux | grep mysql | grep -v grep
# DNS/DB設定
echo "=== DNS設定 ==="
echo "CMD: cat /etc/resolv.conf"
cat /etc/resolv.conf
echo "=== DBホストの名前解決 ==="
echo "CMD: getent hosts db"
getent hosts db
#-----------------------------------
#-----------------------------------
echo "=== ファイアウォール/ルーティング(wp-monitor視点) ==="
# iptables確認
for table in filter nat mangle raw security; do
echo "--- table: $table ---"
echo "CMD: iptables -t $table -L -n --line-numbers"
iptables -t $table -L -n --line-numbers 2>/dev/null
done
echo "CMD: ip route"
ip route
#-----------------------------------
#-----------------------------------
echo "=== 最終判定 ==="
# HTTPコードによる判定
if [[ "$HTTP_CODE" =~ "500" ]]; then
echo "サーバ内部エラー(MySQL停止またはPHP異常の可能性)"
elif [[ "$HTTP_CODE" =~ "000" ]]; then
echo "応答なし(Apache停止・ネットワーク断・iptables遮断の可能性が高い)"
elif [[ "$HTTP_CODE" =~ "502" ]]; then
echo "不正なゲートウェイ(php-fpm停止の可能性)"
elif [[ "$HTTP_CODE" =~ "200" ]] || [[ "$HTTP_CODE" =~ "301" ]]; then
echo "判定: 正常応答"
else
echo "判定: HTTPコード異常: $HTTP_CODE"
fi
echo "=== 完了 $(date) ==="
ログ収集・集約スクリプト(collect_log.sh)
本スクリプトは、監視用コンテナが生成した障害診断ログと、実際に障害対象となるWordPressコンテナの動作ログをホスト上に集約・保存するためのスクリプトです。
#!/bin/bash
MONITOR_CONTAINER="監視用コンテナの名前"
CONTAINER_LOG_PATH="$1"
HOST_LOG_PATH="ホスト側に保存する集約ログファイルのパス"
WORDPRESS_CONTAINER="wordpressコンテナの名前"
docker cp ${MONITOR_CONTAINER}:${CONTAINER_LOG_PATH} ${HOST_LOG_PATH}
echo "=== docker logs(wp) ===" >> ${HOST_LOG_PATH}
docker logs ${WORDPRESS_CONTAINER} >> ${HOST_LOG_PATH} 2>&1
これにより、「監視視点での検知内容」と「アプリケーション側の実際の挙動」を突き合わせて確認できるようにしています。
AIログ解析スクリプト(aiagent/run_verification_sakura.py)
本スクリプトは、収集したerror_log.txtを読み込み、さくらのAI Engineを利用して障害原因の解析と復旧手順の自動生成を行うための解析用スクリプトです。
import os
import sys
import argparse
import json
from dotenv import load_dotenv
from openai import OpenAI
# .env の読み込み
load_dotenv()
# さくらのAIEngine用の環境変数取得
sakura_token = os.getenv("SAKURA_TOKEN")
sakura_endpoint = os.getenv("SAKURA_ENDPOINT")
sakura_model = os.getenv("SAKURA_MODEL_NAME")
if not all([sakura_token, sakura_endpoint, sakura_model]):
print("エラー: .envに SAKURA_TOKEN, SAKURA_ENDPOINT, SAKURA_MODEL_NAME を設定してください。")
sys.exit(1)
try:
client = OpenAI(api_key=SAKURA_TOKEN, base_url=f"{SAKURA_ENDPOINT}/v1")
except Exception as e:
print(f"エラー: Sakuraクライアントの初期化に失敗しました: {e}")
sys.exit(1)
# ----------------------------------------------------
# システムプロンプト
# ----------------------------------------------------
SYSTEM_PROMPT = """
(後述)
"""
def analyze_log(log_file_path: str):
"""
指定されたエラーログファイルを読み込み、AIに分析させる
"""
print(f"--- ログファイルの分析を開始: {log_file_path} ---")
# ログファイルの読み込み
try:
with open(log_file_path, 'r', encoding='utf-8') as f:
log_content = f.read()
except FileNotFoundError:
print(f"エラー: ファイルが見つかりません: {log_file_path}")
return
except Exception as e:
print(f"エラー: ファイルの読み込み中に問題が発生しました: {e}")
return
# ユーザープロンプト作成
user_query = f"""
以下の診断レポートを分析し、上記のシステム制約に従ってJSONを生成してください。
--- 診断レポート ---
{log_content}
---
"""
try:
completion = client.chat.completions.create(
model=sakura_model,
messages=[
{"role": "system", "content": SYSTEM_PROMPT},
{"role": "user", "content": user_query}
],
response_format={"type": "json_object"},
temperature=0.0
)
ai_response = completion.choices[0].message.content
try:
json.loads(ai_response)
print("▼ AIによる分析結果:")
print(ai_response)
except json.JSONDecodeError:
print("エラー: AIからの応答が有効なJSON形式ではありませんでした。")
print("--- AIの応答 ---")
print(ai_response)
print("-----------------")
except Exception as e:
print(f"AI APIの呼び出し中にエラーが発生しました: {e}")
if __name__ == "__main__":
parser = argparse.ArgumentParser(description='エラーログをAIで分析するスクリプト (Sakura AI Engine)')
parser.add_argument('logfile', type=str, help='分析対象のエラーログファイルのパス')
args = parser.parse_args()
analyze_log(args.logfile)
このスクリプトにより、ログの目視確認に頼らず、原因特定から初動対応手順の提示までを自動化しています。
システムプロンプト
あなたは、専門知識を持つベテランのSRE(Site Reliability Engineer)です。
与えられた診断レポート(ログやエラーメッセージ)を分析し、**いかなる説明や追加テキストも含まない、厳密なJSONオブジェクト形式のみ**で解析結果を返してください。
### 出力 JSON スキーマ
あなたは以下のスキーマに厳密に従い、JSONオブジェクトを生成しなければなりません。
このスキーマには例示を含めないでください。
{
"findings": {
"primary_evidence": {
"file_name": "Source log file name (null if unknown)",
"line_number": "Line number where the error was confirmed (null if unknown)",
"error_message": "A single line message indicating the core of the incident, such as the most critical error or HTTP status"
},
"secondary_context": [
"A list of 1 to 3 critical pieces of information related to the primary evidence that are useful for resolving the issue"
],
"suggested_fix": "Detailed, step-by-step, actionable resolution procedures that a person can immediately attempt to fix the root cause of the problem"
}
}
### 推奨修正(suggested_fix)に関する制約
- 推奨修正は抽象論ではなく、**具体的な手順、コマンド、または編集箇所**を示すこと。
- **具体例:**
- サービス停止が疑われる場合: `systemctl status <サービス名>` で状態確認後、`systemctl restart <サービス名>` のように具体的なコマンドを記述。
- 設定ファイルの文法エラー: `vi /etc/httpd/conf/httpd.conf の 123行目を 'Listen 8080' に変更` のようにパスと行数を示す。
- DB接続エラー: `wp-config.php の DB_HOST, DB_NAME, DB_USER, DB_PASSWORD キーが正しいか確認してください。` のように確認すべきキーを示す。
### 現状のDocker構成
CONTAINER ID IMAGE COMMAND PORTS NAMES
...
### 解析ロジックと優先順位の制約
- **ログ解析の原則:** 診断レポート全体を分析し、**primary_evidence(主要な証拠)**を特定すること。secondary_contextの情報は、この主要な証拠の**原因の裏付け**または**切り分け**にのみ利用すること。
- **コンテナログの切り分け:** ログが複数のコンテナ(例: wp-monitor, wordpress)から提供されている場合、それぞれのコンテナの役割(クライアント/サーバー)とIPアドレス/ホスト名を参照し、ログソースを厳密に区別すること。特にネットワーク状態の診断(LISTENポート、pingなど)は、**ログの取得元コンテナ**が何であるかを常に意識すること。
- **推奨修正の厳格な順序:**
1. **suggested_fixのステップ1**は、**primary_evidence**が示す障害(例: Connection timed out)を解消するために、**最も確率の高い原因**に対して実施すべき**具体的な一次対応**でなければならない。
2. 原因が切り分けられるまでは、安易な**全コンテナ再起動**をステップ1に置くことを避けること。
3. ログ内で**「正常」**と確認されている機能(例: 内部DNSによる名前解決成功、DB接続の成功など)に対する修正ステップは、**解決に直接関係がないため、suggested_fixに含めてはならない**。
### その他の制約
- JSONキー(例: "file_name")は英語を維持するが、その**値**に含まれるすべての文字列は**厳密に日本語で記述**すること。
- ファイルパスや行番号が不明な場合は、必ず `null` を使用すること。
- 他のテキストや説明を含めず、JSONオブジェクトのみを返却すること。
AIが正しい判断を行うためには、システム全体の構成を理解したうえでログを読む必要があります。そのため、プロンプト内に現在のDocker構成(稼働中のコンテナ一覧・役割)を明示的に提示し、
- どのサービスがどの役割を担っているのか
- 監視側コンテナとアプリ側コンテナの関係
といった”システムの前提条件”をAIに正しく認識させています。
これにより、単なる文字列マッチによる分析ではなく、構造を踏まえたログ解釈が可能になります。
AIによる解析結果
ここでは、実際にログをAIに解析させた結果について評価します(一部抜粋)。
WordPressコンテナの停止
再現した障害は、WordPressコンテナ停止によるサービス断です。
--- ログファイルの分析を開始: /app/results/01_wordpress_stop/error_log.txt ---
▼ AIによる分析結果:
{
"findings": {
"primary_evidence": {
"file_name": null,
"line_number": null,
"error_message": "Could not resolve host: wordpress"
},
"secondary_context": [
"外部 DNS (google.com) の名前解決は成功しており、内部 DNS サーバ 127.0.0.11 は機能している",
"DB コンテナ名 'db' は getent hosts で *** に解決できている",
"wp-monitor から wordpress:80 への TCP 接続が名前解決失敗で unreachable となっている"
],
"suggested_fix": "1. `docker ps` で wordpress コンテナが起動しているか確認し、停止している場合は `docker start <wordpress_container_id>` で起動する。\n2. `docker inspect <wordpress_container_id>` の出力で `NetworkSettings.Networks` を確認し、wordpressコンテナと監視用コンテナが同一ネットワークに所属していることを確認する。所属していない場合は `docker network connect <network_name> wordpressコンテナ名` と `docker network connect <network_name> 監視用コンテナ名` を実行して同一ネットワークに接続する。\n3. ネットワーク接続後、`docker exec 監視用コンテナ名 ping -c 1 wordpressコンテナ名` で名前解決が成功するかテストする。成功すれば `curl -v http://wordpress:80` で HTTP 応答を確認する。\n4. それでも解決しない場合は、`docker network inspect <network_name>` の `Containers` セクションに wordpressコンテナ のエントリがあるか確認し、`docker network disconnect` で古いネットワークから外し、再度 `docker network connect` で再接続する。\n5. 必要に応じて `docker-compose.yml` の `services.wordpress.networks` 定義を明示し、`監視用コンテナ名` も同じネットワークに属するように設定し、`docker-compose up -d` で再デプロイする。"
}
}
今回再現した障害は、WordPressコンテナの停止が原因でした。
それに対しAIは、
- ホスト名
wordpressが名前解決できない - 一方で、他のコンテナ(db)は問題なく名前解決できている
というログの事実関係を正しく整理しており、再現条件と完全に一致した解析結果を導いています。
さらに、原因の特定に向けて、
- コンテナが起動しているかの確認
- 監視用コンテナとwordpressコンテナが同一Dockerネットワークに所属しているかの確認
docker-compose.ymlにおけるネットワーク定義の妥当性チェック
といった、実際に現場で行われる基本的な切り分け作業を、初心者でもそのまま順番に辿れる形で整理して提示してくれています。
ネットワーク遮断
再現した障害は、監視用コンテナから WordPress コンテナへの通信を意図的に遮断したネットワーク障害です。
▼ AIによる分析結果:
{
"findings": {
"primary_evidence": {
"file_name": null,
"line_number": null,
"error_message": "WordPress コンテナへの HTTP 接続がタイムアウト (curl: (28) Connection timeout after 2001 ms)"
},
"secondary_context": [
"外部 DNS 解決が失敗し、@*** の名前解決が NG と判定されている",
"内部 DB コンテナ (db:3306) への接続は成功している",
"wp-monitor から wordpress コンテナ (***) への ping は実施されていないが、他のホストへのネットワークは正常"
],
"suggested_fix": "1. WordPress コンテナ内で Apache が起動しているか確認する: `docker exec <wordpressコンテナ名> ps aux | grep apache2` または `docker exec <wordpressコンテナ名> service apache2 status`。 2. Apache が停止している場合は再起動する: `docker exec <wordpressコンテナ名> service apache2 restart`。 3. 再起動後にポート 80 がリッスン状態か確認する: `docker exec <wordpressコンテナ名> netstat -tlnp | grep :80` または `docker exec s<wordpressコンテナ名> ss -tlnp | grep :80`。 4. 監視用コンテナから再度接続テストを実施し、`curl -v http://wordpress:80` が HTTP 200 を返すことを確認する。 5. もし Apache がクラッシュしている場合はエラーログを確認し、`docker logs <wordpressコンテナ名>` で致命的エラーを特定し、設定ファイルの誤りやメモリ不足がないか修正する。 6. 上記で解決しない場合はコンテナのネットワーク設定を確認し、`docker inspect <wordpressコンテナ名>` で IP アドレスが *** であること、`iptables -L -n` に WordPress への通信を遮断するルールが無いことを確認する。"
}
}
具体的な障害の再現方法は、監視用コンテナから WordPressコンテナへの TCP/80 通信を iptables でブロックしています。
それに対しAIは、
- WordPressコンテナへのHTTP接続がタイムアウトする(curl: (28) Connection timeout)
- 一方で、DBコンテナへの接続や他のホストへの通信は正常に行える
というログの事実関係を正しく整理しており、再現条件と完全に一致した解析結果を導いています。
また対応策に関しては、
- WordPressコンテナ内でApacheや関連サービスが正常に稼働しているかのチェック
- 監視用コンテナからWordPressコンテナへの通信が遮断されていないかの確認
- iptablesやDockerネットワーク設定による通信ブロックの有無の確認
のように、原因がサービス側なのかネットワーク側なのかを段階的に切り分けられるようになっています。
考察
AIの解析は、単にエラーメッセージを列挙するだけでなく、システム構成や通信経路を踏まえた上で、「どこを、どの順番で確認すれば原因を特定できるか」を整理して提示してくれています。
このように段階的に切り分け手順を示すことで、現場での障害対応やトラブルシューティングにもそのまま応用できる、実践的かつ有用な解析結果だと言えます。
結論と今後の展望
今回のプロトタイプ開発により、取得したログをAIに解析させることで、障害要因の特定と対応策の提示までを実際に行えることを確認しました。
WordPressコンテナとネットワーク遮断の停止を例に、AIは単なるエラーメッセージの抽出にとどまらず、システム構成や通信経路を踏まえた順序立てた切り分け手順まで示すことができ、初動調査の効率化に有効であると評価できます。
今後は、より複雑な構成や複数コンテナ間の通信障害にも対応できるよう、AIによる解析範囲の拡張や、提示される切り分け手順の自動化・標準化を進めることで、障害対応全体の効率化をさらに高めることが期待されます。



