メインコンテンツまでスキップ

DR ドリルランブック

実行可能なローカルドリル(ENT-05、自動)​

ドリルは、統合ゲートで次のように実行されます。 go test -tags=integration -run TestDR_BackupWipeRestoreVerify ./tests/integration/dr/:

  1. 使い捨て Postgres(testcontainers)が、本番の migrations/*.up.sql 一式でマイグレーションします。
  2. 監査行は、本番の auditlog.Writer を通して投入されます。
  3. pg_dump --format=custom がバックアップ(RPO アーティファクト)を生成します。
  4. スキーマが削除されます。これが「災害」です。
  5. pg_restore がそれを再構築します(RTO の時間窓)。
  6. 本番の auditlog.Verifier が、ハッシュチェーンと行数を再走査します。

最新の測定エビデンス(ローカル規模、2026-09-13): バックアップは 121 ms で 149,719 B。リストアとハッシュチェーン検証は 202 ms。チェーンは無傷(壊れた seq は 0)です。ライブデータベースに対するホスト側実行用のシェルヘルパーは、scripts/dr/backup_all.sh と scripts/dr/restore_all.sh です(フェイルクローズ: 空でないデータベースへのリストアを拒否します)。本番の RPO は、backup_all.sh を呼び出すホスト cron のバックアップスケジュールに等しくなります。

目的​

四半期ごとの災害復旧ドリルです。バックアップ/リストア手順を検証し、RTO/RPO を測定し、SOC 2 Type II および ISO 27001 コンプライアンス向けのエビデンスを作成します。

ドリル前チェックリスト​

  • フルバックアップ取得済み(scripts/dr/backup_all.sh)
  • 新しいクラスタをプロビジョニング済み(名前が dr-test-YYYYMMDD の kind/eks)
  • ドリルの時間帯を、オンコールエンジニア全員に通知済み
  • ステータスページにメンテナンスウィンドウを掲載済み

ドリル手順​

ステップ 1: 開始時刻の記録​

echo "DRILL_START=$(date -u +%Y-%m-%dT%H:%M:%SZ)" >> dr-evidence.md

ステップ 2: 災害のシミュレーション​

  • 「本番クラスタは利用不可」と宣言します(本番を実際に破壊しないでください)。
  • 別のターミナルで、最初のオンコール呼び出しまでの時間を記録します。

ステップ 3: 新しいクラスタのプロビジョニング​

# For cloud: create new EKS cluster in same region
aws eks create-cluster --name dr-test-$(date +%Y%m%d) --region $(REGION)

# For local: kind create cluster --name dr-test-$(date +%Y%m%d)
kind create cluster --name dr-test-$(date +%Y%m%d)

ステップ 4: バックアップからのリストア​

scripts/dr/restore_all.sh --backup-ts <BACKUP_TS>

ステップ 5: プラットフォームの導入​

helm install yabanin deploy/helm/yabanin-onprem \
-f deploy/helm/yabanin-onprem/values-airgap.yaml \
--set image.tag=<latest-tag>

ステップ 6: サービスの検証​

kubectl -n yabanin rollout status deploy/yabanin-gateway
curl -sf http://<node-ip>:30082/healthz # expect {"status":"ok"}
curl -sf http://<node-ip>:30082/healthz/license # expect {"active":true}

ステップ 7: データ整合性の検証​

  • 監査ログのハッシュチェーン: pkg/auditlog/verifier.Verify() を実行します。戻り値は 0(無傷)であるはずです。
  • リネージ証明: request_lineage テーブルを問い合わせます。データは無傷であるはずです。
  • モデルレジストリ: models_registry のモデルエントリを確認します。

ステップ 8: 終了時刻の記録​

echo "DRILL_END=$(date -u +%Y-%m-%dT%H:%M:%SZ)" >> dr-evidence.md

エビデンスの記録​

内部 DR エビデンスログ(ローカルでは private/docs/compliance/dr-evidence.md)に追記します。

日付RTORPO課題承認
2026-Q3未定 分未定 分なし/記載された課題CTO 氏名

目標指標​

  • RTO(目標復旧時間): 災害宣言からサービスが利用可能になるまで 60 分未満。
  • RPO(目標復旧時点): データ損失は 1 時間未満(最後のバックアップから「災害」時点までの時間)。

ドリル後の対応​

  1. ドリル中に見つかった課題をレビューします。
  2. 手順が不明確だった、または失敗した場合は、ランブックを更新します。
  3. 次の四半期ドリルの日付を設定します。
  4. 結果を CTO とセキュリティ責任者に共有します。