運用手順書テンプレート

運用手順書の下書きです。〈 〉の部分を環境に合わせて書き換えてください。アクティブ/スタンバイ構成を前提にしています。単一ノードの場合は、dagu-scheduler と dagu-server を 1 つのサービスに読み替えてください。

1. システム概要

項目	内容
Dagu のバージョン	〈2.x.x〉
ホスト	〈host-a〉、〈host-b〉
データディレクトリ (DAGU_HOME)	〈/srv/dagu〉
Web UI の URL	〈https://dagu.example.internal〉
サービス	dagu-scheduler、dagu-server
OS ユーザー	〈dagu〉
連絡先	〈一次受け〉、〈二次受け〉、〈ストレージ担当〉

2. 起動と停止

各ホストで実行します。

# 起動
sudo systemctl start dagu-scheduler dagu-server

# 停止
sudo systemctl stop dagu-scheduler dagu-server

# 状態確認
systemctl status dagu-scheduler dagu-server

スケジューラを停止しても、KillMode=process を設定していれば、実行中のジョブは止まりません。

3. 日常の確認

確認項目	方法	正常な状態
アクティブのスケジューラ	curl -s http://〈host〉:8090/health を全ホストで実行	role が active のホストが 1 台だけ
スタンバイのスケジューラ	同上	role が standby のホストがある
直近の失敗	dagu history --status failed --last 24h	想定外の失敗がない
ディスク	df -h 〈/srv/dagu〉、df -i 〈/srv/dagu〉	使用率が 〈80〉% 未満
監査ログ	Web UI の Settings > Audit Logs	想定外の操作がない

4. ジョブの操作

# 実行中のジョブの一覧 (このホスト)
dagu ps

# 実行履歴
dagu history 〈DAG 名〉 --last 7d

# 実行の詳細
dagu status --run-id=〈実行 ID〉 〈DAG 名〉

# 失敗した実行を再実行 (同じ実行 ID)
dagu retry --run-id=〈実行 ID〉 〈DAG 名〉

# 実行中のジョブを停止
dagu stop --run-id=〈実行 ID〉 〈DAG 名〉

# 手動で実行
dagu start 〈DAG ファイル〉

スケジュールの一時停止は、Web UI で対象の DAG を suspend します。

再実行の判断基準:

ジョブ	再実行の可否	再実行の前に確認すること
〈ジョブ名〉	〈可 / 否〉	〈途中まで処理したデータの扱い〉

5. 障害対応

5.1 ジョブが失敗した

1. Web UI または dagu status で、失敗したステップとログを確認します。
2. 原因を取り除きます。
3. 第 4 章の判断基準に従い、再実行します。

5.2 スケジューラがフェイルオーバーした

検知: 監視の通報、またはログの Took over the scheduler lock from a failed instance

1. 新しいアクティブのホストを /health で確認します。

2. 障害が起きたホストの状態を確認します。

   journalctl -u dagu-scheduler -n 200

3. 障害が起きたホストで実行中だったジョブは、数分以内に失敗扱いになります。dagu history --status failed --last 1h で確認し、第 4 章の判断基準に従って再実行します。

4. 引き継ぎの間に予定されていたスロットは、既定で 2 分前まで再実行されます。それより前のスロットは手動で実行します。

5. 障害が起きたホストを復旧させ、スタンバイに戻ったことを /health で確認します。

5.3 共有ストレージの障害

症状: ログの Failed to renew scheduler lock, will retry、Scheduler lock lost, self-fencing

1. ストレージ担当へ連絡します。
2. 復旧を待ちます。復旧すると、スケジューラは再起動の仕組みにより自動で動き出します。
3. アクティブが 1 台であることを /health で確認します。
4. 停止中に予定されていたジョブを確認し、必要なものを手動で実行します。

ログの意味はトラブルシューティングを参照してください。

6. バックアップ

項目	内容
方式	〈ボリュームのスナップショット / 停止してコピー〉
頻度	〈毎日 AM 3:00〉
保管先	〈別拠点のストレージ〉
保管世代	〈7〉

手順と復旧はバックアップと復旧を参照してください。バックアップには暗号鍵 (data/auth/encryption_key) が含まれるため、シークレットと同じ水準で保管します。

7. バージョンアップ

1. リリースノートを確認します。
2. 検証環境で確認します。
3. バックアップを取得します。
4. アップグレードの手順に従い、スタンバイから順に更新します。

8. ライセンス

項目	内容
種別	〈オンライン / オフライン〉
有効期限	〈yyyy-mm-dd〉
更新の担当	〈担当者〉

有効期限が切れても、有料機能は 14 日間は動作します。それまでに更新してください。

9. 変更履歴

日付	版	内容	作成者
〈yyyy-mm-dd〉	1.0	初版	〈氏名〉