脱線しない移行計画
どの移行計画も紙の上では妥当に見えます。それからデータマッピングが見積もりの 3 倍かかり、カットオーバーの枠は二度延長され、誰も文書化していなかった依存関係が見つかります。これが、実際に出荷される移行を計画する方法です。
うまくいかないことから始める
ほとんどの移行計画は、何が起きる必要があるかから始まります。より優れた計画は、何がうまくいかないかから始まります。数字がこの慎重さを裏付けます。Gartner は長らく、データ移行プロジェクトの約 83% が完全に失敗するか、予算とスケジュールを超過すると見積もっており、The Bloor Group は平均コスト超過を 30%、平均スケジュール超過を 41% としています。これらのベンチマークが頻繁に引用されるのは、まさに偶然でこれを上回る人がほとんどいないからです。リスク優先のアプローチとは、計画が依存するすべての前提を洗い出し、「これが間違っていたらどうなるか」を問うことを意味します。
移行を台無しにするよくある前提:「データはきれいだ」(決してそうではない)、「API は文書化されている」(ハッピーパスについては文書化されている)、「移行中は旧システムへの読み取りアクセスを維持できる」(ライセンスが切れるまでは)、そして「ユーザーは新しいワークフローに適応する」(日々の習慣を変えるものには何でも抵抗する)。データ品質は最も一般的な根本原因です。移行チームへの調査は、遅延や放棄されたプロジェクトを、目標システムの技術的制約ではなく、汚れた、重複した、文書化されていないソースデータに繰り返し帰着させています。
各前提について、移行が確定する前に実行される検証ステップを定義します。インポート前のデータ品質チェック。統合前の API 契約テスト。カットオーバーのスケジューリング前のライセンス期限の確認。本番稼働前のユーザー受け入れテスト。前提を早く検証すれば、移行は軌道に乗り続けます。遅く発見すれば、実行の途中で再計画することになります。
データ移行が最も難しい部分
データ移行は、移行が最も頻繁に失敗する場所です。ソースシステムには 15 年分の蓄積データがあり、その大部分は重複し、一部は破損し、一部は誰も説明できない形式で存在しています。これをきれいな目標スキーマにマッピングするのは技術的な問題ではありません。考古学的な探検です。現代の目標システムはこれをより簡単にするどころか、より難しくします。旧システムがかつて持っていたよりも厳格な検証を課すからです。古いデータベースが自由テキストとして喜んで受け入れていたフィールドは、今では型、制約、外部キーに一致しないものをすべて拒否します。
うまくいくアプローチ:代表的なサンプル(フルダンプではない)を抽出し、目標スキーマに通します。すべての失敗はマッピングの判断です。すべての判断を文書化します。次に完全なデータセットを実行し、エラー率を比較します。エラーが 1% 未満なら良い状態です。エラーが 5% を超えるなら、カットオーバー前にマッピングにもっと作業が必要です。
移行中に新旧を同期させ続けるには、変更データキャプチャ(CDC)に頼ります。AWS Database Migration Service やオープンソースの Debezium といったツールは、行レベルの挿入・更新・削除をソースから目標へストリーミングするため、移行枠の間に行われた変更が失われません。スキーマ作業には CDC を拡張・縮小(並行変更)パターンと組み合わせます。新しい構造を追加し、新旧の両方に書き込み、バックフィルし、何も旧構造を読まなくなったときにのみそれを取り除きます。列を一度に名前変更してはいけません。新しい列を追加し、データをコピーし、アプリケーションを更新し、それから古い列を削除します。
リハーサルなしにビッグバン型のデータ移行を試みてはいけません。本物のカットオーバーの前に、目標システムのステージングコピーで完全な移行を少なくとも二度実行します。1,000 行の開発テーブルでミリ秒で完了する操作が、1 億行の本番テーブルでは数分ロックすることがあるため、おもちゃのサンプルではなく本番規模のデータでリハーサルしてください。最初のリハーサルは予期しなかった問題を明らかにします。二度目のリハーサルは修正が機能することを確認します。これを飛ばせば、本番でデータの問題をデバッグすることになります。
カットオーバー計画が成否を決める
カットオーバーは、旧から新へ切り替える瞬間です。それ以前のすべては準備です。それ以後のすべては結果です。悪いカットオーバー計画は、よく準備された移行を災害に変えます。
カットオーバーの枠を定義します。切り替え中、システムはどれくらいオフライン(または劣化状態)でいられるか。ある事業では数時間。別の事業では数分。枠が戦略を決めます。並行運用(両システムが稼働)、段階的ロールアウト(一部のユーザーを先に移行)、またはビッグバン(一度にすべてを切り替え)。
真のゼロダウンタイム・カットオーバーは達成可能ですが、それはトリックではなく規律です。ブルーグリーンデプロイ(稼働中の「ブルー」環境と移行済みの「グリーン」環境を同期させ、ロードバランサーや DNS でトラフィックを移し、KPI が悪化したら数秒でブルーに戻す)、両システムを最新に保つためのデュアルライト+ CDC、そしてコードのデプロイをデータのカットオーバーから切り離すフィーチャーフラグを組み合わせます。グリーンのキャッシュをウォームアップし、セッションスティッキネスを使って、切り替え中にユーザーが中断を感じないようにします。
段階的ロールアウトはほぼ常にビッグバンより安全です。まずトラフィックまたはユーザーの 5% を移行します。48 時間監視し、具体的なシグナルを注視します。エラー率、p95 応答時間、認証成功率、そして収益に触れるあらゆるコンバージョン指標。安定していれば 25% を移行します。次に 50%。次に 100%。各フェーズは、一時停止またはロールバックできるチェックポイントです。ビッグバン型の移行にはチェックポイントがありません。午前 2 時に何かがうまくいかなくなったとき、唯一の選択肢は修正し続けるか、すべてをロールバックするかです。
ロールバックは任意ではない
どの移行計画にもロールバック計画が必要です。「うまくいかなかったらそのとき考える」ではありません。定義された時間枠内で以前の状態に戻すための、書面化され、テストされた手順です。違いは歴然です。リハーサル済みのロールバックを備えた壊れた移行は、トラフィックをブルーに戻す数秒です。一方、唯一の復旧手段が「バックアップから復元」である壊れた移行は、時間単位で測られるダウンタイムです。
ロールバック計画は次に答えなければなりません。ロールバックにはどれくらいかかるか。移行枠の間に新システムで作成されたどのデータがリスクにさらされているか。部分的にロールバックできるか(一部のユーザー/機能)、それとも完全にしかできないか。ロールバックがまだ可能な最後の時点はいつか。予見しなかった障害モードのために明示的なロールバックスクリプトを保持し、再開前に枠の間に書き込まれたデータを照合します。
移行ツールはここで役立ちます。Flyway や Liquibase といったスキーマバージョン管理ツールは移行履歴を追跡し、監査証跡を維持します。Liquibase は標準化されたロールバック、前提条件、ドリフト検出を追加するため、複雑な複数環境の変更に適し、一方 Flyway はより単純な逐次的な変更に適しています。何を使うにせよ、カットオーバー完了を宣言する前に、チェックサムと行数の比較で完全性を検証します。
移行の前にロールバック手順をテストします。ステージングで移行を実行し、それからロールバックを実行します。ロールバックがステージングで失敗するなら、本番でも失敗します。ロールバックがステージングで 4 時間かかるなら、本番では 6 時間かかります。
ロールバック計画がないことの代償:長引くダウンタイム、データ損失、そして午前 3 時にパニックの判断を下すチーム。持つことの代償:2 から 3 日の準備。
移行後の検証がループを閉じる
移行はカットオーバーが完了したときに終わるのではありません。検証がすべて機能することを確認したときに終わります。移行後の検証はカットオーバー後、少なくとも 5 営業日実行されるべきで、次をカバーします。
データ整合性チェック:行数が一致し、キーの関係が無傷で、計算値がソースシステムと照合され、新旧のチェックサムが一致する。機能テスト:すべての重要なユーザーワークフローが実行され検証される。パフォーマンスのベースライン:応答時間とエラー率が移行前のベースラインと比べて許容範囲内にある。統合の検証:あなたのプラットフォームに接続するすべての外部システムが正しくデータを送受信している。
これらすべてを計測します。Prometheus、Grafana、Datadog といった可観測性ツールは、ユーザーが何かが壊れていると報告するのを待つのではなく、カットオーバー後の挙動を移行前のベースラインとリアルタイムで比較させてくれます。シャドウテストは、カットオーバーの前と直後に本物の本番トラフィックを新システムに再生し、入念に作られたテストスイートでは決して見つからないエッジケースを捉えます。
検証結果を文書化します。それらは二つの目的を果たします。移行が成功したことの確認と、後で問題が表面化した場合の比較のためのベースラインです。半年後、誰かが「このデータは移行の前から間違っていたのか、後からか」と尋ねたとき、検証レポートがその問いに答えます。
よくある質問
移行はどれくらいの期間がかかるべきか?
計画には 1 から 2 週間かかります。実行は複雑さによります。単純なプラットフォーム移行は 30 日のスプリントに収まります。複数のソースシステムを伴う複雑なデータ移行は通常、2 から 3 スプリントにわたって 60 から 90 日を要します。
ダウンタイムなしで移行できるか?
はい、いくつかのパターンを組み合わせることで。即時ロールバックのカットオーバーにはブルーグリーンデプロイ、両方のデータストアを同期させ続けるにはデュアルライト+変更データキャプチャ(CDC)、そしてすべてのスキーマ変更を後方互換に保つには拡張・縮小パターンを使います。ビッグバン型の切り替えより準備は多くなりますが、ほとんどのシステムで達成可能です。
移行の最大のリスクは何か?
ソースシステムのデータ品質です。汚れた、重複した、文書化されていないデータは、どんな技術的な問題よりも多くの移行の失敗を引き起こします。そしてそれが、引用される業界ベンチマークの大半でデータ移行の約 80% 以上が時間または予算を超過すると示される理由です。移行スケジュールを確約する前に、必ずデータ品質の評価を実行してください。
すべてを一度に移行すべきか、段階的にすべきか?
段階的に。常に段階的に。最もリスクが低く価値が高いコンポーネントを先に移行します。それが機能することを検証します。次に次のコンポーネントを移行します。各フェーズは信頼を築き、すべてを一度にではなく、問題を段階的に表面化させます。
毎週、オペレーションのヒントを受け取る
サービス業の経営者・運営者と一緒に、オペレーション、自動化、成長に関する実践的なヒントを毎週1つ受け取りましょう。
スパムは送りません。いつでも配信停止できます。
登録が完了しました。次号を受信トレイでお待ちください。
送信できませんでした。もう一度お試しいただくか、[email protected] までご連絡ください。