[SRE](/wiki/SRE)において、[SLO](/wiki/SLO)と現在の[SLI](/wiki/SLI)の値の差のこと。
この分だけ品質を下げられるということなので、その余剰資産を使って新機能の開発などのリスクを取ることができる。

エラーバジェット

[SRE](/wiki/SRE)において、Service Level Objectiveの略で、サービスの質を図る指標の目標値こと。

正常応答率99%を目指そう！と言った時、正常応答率を99%というのがSLO。

[SRE](/wiki/SRE)において繰り返しで何も生み出さない作業のこと。

トイルを削減していき人が運用できる状態に保つことがSREの目標の一つ。

トイル


モノリスからサービスベースアーキテクチャを経てマイクロサービスへ移行していくためのやり方のうちの一つで、以下の様な手法。

- まずは[リファクタリング](/wiki/リファクタリング)し、モジュールを分けていく。
- 分けられたモジュールをサービスに切り出す。

[戦術的フォーク](/wiki/戦術的フォーク)と比べて以下の様なメリットがある。

- 不要なコードは生まれない
- ロジックが綺麗になる

コンポーネントベース分解


以下のようにプログラミングを行うこと

- コンシューマの観点で機能を設計する  
- サービスが何をやっているかを示す名前をつける  
- どう動くかは隠す

対義語は[インサイドアウトプログラミング](/wiki/インサイドアウトプログラミング)

https://www.oreilly.co.jp/books/9784873118864/

アウトサイドインプログラミング

機械学習

契約を自動履行するシステムやプログラムのこと。

[Ethereum](/wiki/Ethereum)のような[暗号通貨](/wiki/暗号通貨)では[ブロックチェーン](/wiki/ブロックチェーン)に記された台帳上の金額を動かす[チューリング完全](/wiki/チューリング完全)なプログラムを実装できるため、それを用いてスマートコントラクトも実現されている。



スマートコントラクト

[サトシナカモト](/wiki/サトシナカモト)によって公開された以下の論文の仕組みによって分散的に運用されている世界で最初の[暗号通貨](/wiki/暗号通貨)。

https://bitcoin.org/bitcoin.pdf

論文の日本語訳

https://www.kk-kernel.co.jp/qgis/HALTAK/FEBupload/nakamotosatoshi-paper.pdf

ざっくり言えば「誰が誰にいくら渡した」という事実が記録された台帳データを、[プルーフオブワーク](/wiki/プルーフオブワーク)を付けて[ブロックチェーン](/wiki/ブロックチェーン)として繋げて記録することで、最も長いチェーンを信頼すれば[ビザンチン合意](/wiki/ビザンチン合意)ができる、という仕組み。

[チューリング完全](/wiki/チューリング完全)ではない等の欠点はあるが、一応簡易なスクリプトが使えるため、[スマートコントラクト](/wiki/スマートコントラクト)も作れるらしい。

この動画がわかりやすすぎた。

https://youtu.be/o-xhOBn4S60


Bitcoin


いかなる[チューリングマシン](/wiki/チューリングマシン)もエミュレートできる[チューリングマシン](/wiki/チューリングマシン)のこと

万能チューリングマシン


[飲んだコーヒー豆リスト](/wiki/飲んだコーヒー豆リスト)

ちょっと豆が細かい気がする

ソルデラマニャーウォッシュ


[飲んだコーヒー豆リスト](/wiki/飲んだコーヒー豆リスト)

なんかあんまり美味しくない
ほげほげマウンテンはあんまり好きじゃ無いのかもしれない
苦味が薄めな感じ

クリスタルマウンテン


セラミックを使ったヒーターのこと。
即暖性に優れるが[カーボンヒーター](/wiki/カーボンヒーター)よりも電気代が高い。

セラミックヒーター

大手取引所の[Binance](/wiki/Binance)が発行している[暗号通貨](/wiki/暗号通貨)。

[Binance_Smart_Chain](/wiki/Binance_Smart_Chain)という[Ethereum](/wiki/Ethereum)互換チェーンで使われる。




その[頂点](/wiki/頂点)を除くと[グラフ](/wiki/グラフ)が[非連結グラフ](/wiki/非連結グラフ)になるような[頂点](/wiki/頂点)のこと。

切断点


[ソフトウェアアーキテクチャ・ハードパーツ](/wiki/ソフトウェアアーキテクチャ・ハードパーツ)

データベースを分けるか？分けないか？もトレードオフである。  
  
データを分解する要因として以下のようなものがある。  
  
- 変更制御  
  - カラムの変更等の影響が多岐にわたる  
- コネクション管理  
  - 1つのデータベースだけを使うとコネクション数の管理が難しい  
- スケーラビリティ  
  - コネクション数  
  - 容量  
  - スループット  
  - パフォーマンス  
- 耐障害性  
  - 1つのデータベースだけを使うとデータベースが単一障害点となってしまう  
- [アーキテクチャ量子](/wiki/アーキテクチャ量子)
  - 1つのデータベースだけを使うと1つの[アーキテクチャ量子](/wiki/アーキテクチャ量子)となってしまう (つまり独立してデプロイできない、等)  
- データベース種別の最適化  
  - 1つのデータベースだけを使うと1つの保存方法だけしか使えない (つまりデータ特性ごとに最適な選択肢が取れない)  
  
逆に、データを統合する要因としては以下のようなものがある。  
  
- データ関係  
  - 密結合な外部キー等があるか？  
- トランザクション  
  - 単一のトランザクション単位が必要か？  
  
モノリスなデータベースを分解するには5段階のプロセスを踏むと良い。  
  
1. 分析し、ドメインを特定する  
2. ドメインごとにテーブルを割り当て、移動する  
3. コネクションをドメインごとに分離する  
4. スキーマをそれぞれのデータベースに移動する  
5. コネクションを切り替える

業務データの分解に関するトレードオフ

<p>システムのテストすべき重要な箇所を洗い出す手法。</p>
<p><a href="/wiki/Google">Google</a>でも使われているらしい。</p>
<p>こちらを参照<br style="display:none" />
<span class="embed-block zenn-embedded zenn-embedded-card"><iframe id="zenn-embedded__4da7e997518d" src="https://embed.zenn.studio/card#zenn-embedded__4da7e997518d" data-content="https%3A%2F%2Fcode.google.com%2Farchive%2Fp%2Ftest-analytics%2Fwikis%2FAccExplained.wiki" frameborder="0" scrolling="no" loading="lazy"></iframe></span><a href="https://code.google.com/archive/p/test-analytics/wikis/AccExplained.wiki" style="display:none" target="_blank" rel="nofollow noopener noreferrer">https://code.google.com/archive/p/test-analytics/wikis/AccExplained.wiki</a></p>


Attribute_Component_Capability