Soumettre la recherche
Mettre en ligne
NTPとうるう秒
•
Télécharger en tant que PPTX, PDF
•
1 j'aime
•
2,899 vues
真乙 九龍
Suivre
JANOG42で登壇したNTPとうるう秒についての資料です。
Lire moins
Lire la suite
Technologie
Affichage du diaporama
Signaler
Partager
Affichage du diaporama
Signaler
Partager
1 sur 28
Télécharger maintenant
Recommandé
Gr sakuraでtinet
Gr sakuraでtinet
Kazuhiro Takahashi
Batch processing and Stream processing by SQL
Batch processing and Stream processing by SQL
SATOSHI TAGOMORI
20220404_SD35_kitazaki.pdf
20220404_SD35_kitazaki.pdf
Ayachika Kitazaki
Fluentdでログを集めてGlusterFSに保存してMapReduceで集計
Fluentdでログを集めてGlusterFSに保存してMapReduceで集計
maebashi
InfluxDB の概要 - sonots #tokyoinfluxdb
InfluxDB の概要 - sonots #tokyoinfluxdb
Naotoshi Seo
Prometheus at Preferred Networks
Prometheus at Preferred Networks
Preferred Networks
OCaml でデータ分析
OCaml でデータ分析
Akinori Abe
Slurmのジョブスケジューリングと実装
Slurmのジョブスケジューリングと実装
Ryuichi Sakamoto
Recommandé
Gr sakuraでtinet
Gr sakuraでtinet
Kazuhiro Takahashi
Batch processing and Stream processing by SQL
Batch processing and Stream processing by SQL
SATOSHI TAGOMORI
20220404_SD35_kitazaki.pdf
20220404_SD35_kitazaki.pdf
Ayachika Kitazaki
Fluentdでログを集めてGlusterFSに保存してMapReduceで集計
Fluentdでログを集めてGlusterFSに保存してMapReduceで集計
maebashi
InfluxDB の概要 - sonots #tokyoinfluxdb
InfluxDB の概要 - sonots #tokyoinfluxdb
Naotoshi Seo
Prometheus at Preferred Networks
Prometheus at Preferred Networks
Preferred Networks
OCaml でデータ分析
OCaml でデータ分析
Akinori Abe
Slurmのジョブスケジューリングと実装
Slurmのジョブスケジューリングと実装
Ryuichi Sakamoto
Road to ggplot2再入門
Road to ggplot2再入門
nocchi_airport
Chainer Contribution Guide
Chainer Contribution Guide
Kenta Oono
DevStackで始めるCloud FoundryとBOSH
DevStackで始めるCloud FoundryとBOSH
i_yudai
RelaxCafe@CouchDB break.4
RelaxCafe@CouchDB break.4
Yohei Sasaki
Cloud Foundry varz
Cloud Foundry varz
Uemura Yuichi
Mishimasyk141025
Mishimasyk141025
Kazufumi Ohkawa
Rubyによるお手軽分散処理
Rubyによるお手軽分散処理
maebashi
Vacuumとzheap
Vacuumとzheap
Masahiko Sawada
Log Analysis System And its designs in LINE Corp. 2014 early
Log Analysis System And its designs in LINE Corp. 2014 early
SATOSHI TAGOMORI
NPStudy LT Lagopus Router v19.07
NPStudy LT Lagopus Router v19.07
Tomoya Hibi
Singularityで分散深層学習
Singularityで分散深層学習
Hitoshi Sato
Shib: WebUI tool provides crossover of Hive and MPP
Shib: WebUI tool provides crossover of Hive and MPP
SATOSHI TAGOMORI
kintone REST API client package for R
kintone REST API client package for R
Ryu Yamashita
ChEMBLを使おう
ChEMBLを使おう
Kazufumi Ohkawa
Lagopus performance
Lagopus performance
Masaru Oki
NorikraのJVMチューンで苦労している話
NorikraのJVMチューンで苦労している話
SATOSHI TAGOMORI
20151114 drupal温泉合宿 成果
20151114 drupal温泉合宿 成果
Kunihiro Imura
EnrootとPyxisで快適コンテナ生活
EnrootとPyxisで快適コンテナ生活
Kuninobu SaSaki
Processing LTSV by Apache Pig
Processing LTSV by Apache Pig
Taku Miyakawa
CephとGluster次期バージョンでの新機能
CephとGluster次期バージョンでの新機能
Emma Haruka Iwao
PreadNet
PreadNet
Junya Kuwada
「NVIDIA プロファイラを用いたPyTorch学習最適化手法のご紹介(修正版)」
「NVIDIA プロファイラを用いたPyTorch学習最適化手法のご紹介(修正版)」
ManaMurakami1
Contenu connexe
Tendances
Road to ggplot2再入門
Road to ggplot2再入門
nocchi_airport
Chainer Contribution Guide
Chainer Contribution Guide
Kenta Oono
DevStackで始めるCloud FoundryとBOSH
DevStackで始めるCloud FoundryとBOSH
i_yudai
RelaxCafe@CouchDB break.4
RelaxCafe@CouchDB break.4
Yohei Sasaki
Cloud Foundry varz
Cloud Foundry varz
Uemura Yuichi
Mishimasyk141025
Mishimasyk141025
Kazufumi Ohkawa
Rubyによるお手軽分散処理
Rubyによるお手軽分散処理
maebashi
Vacuumとzheap
Vacuumとzheap
Masahiko Sawada
Log Analysis System And its designs in LINE Corp. 2014 early
Log Analysis System And its designs in LINE Corp. 2014 early
SATOSHI TAGOMORI
NPStudy LT Lagopus Router v19.07
NPStudy LT Lagopus Router v19.07
Tomoya Hibi
Singularityで分散深層学習
Singularityで分散深層学習
Hitoshi Sato
Shib: WebUI tool provides crossover of Hive and MPP
Shib: WebUI tool provides crossover of Hive and MPP
SATOSHI TAGOMORI
kintone REST API client package for R
kintone REST API client package for R
Ryu Yamashita
ChEMBLを使おう
ChEMBLを使おう
Kazufumi Ohkawa
Lagopus performance
Lagopus performance
Masaru Oki
NorikraのJVMチューンで苦労している話
NorikraのJVMチューンで苦労している話
SATOSHI TAGOMORI
20151114 drupal温泉合宿 成果
20151114 drupal温泉合宿 成果
Kunihiro Imura
EnrootとPyxisで快適コンテナ生活
EnrootとPyxisで快適コンテナ生活
Kuninobu SaSaki
Processing LTSV by Apache Pig
Processing LTSV by Apache Pig
Taku Miyakawa
CephとGluster次期バージョンでの新機能
CephとGluster次期バージョンでの新機能
Emma Haruka Iwao
Tendances
(20)
Road to ggplot2再入門
Road to ggplot2再入門
Chainer Contribution Guide
Chainer Contribution Guide
DevStackで始めるCloud FoundryとBOSH
DevStackで始めるCloud FoundryとBOSH
RelaxCafe@CouchDB break.4
RelaxCafe@CouchDB break.4
Cloud Foundry varz
Cloud Foundry varz
Mishimasyk141025
Mishimasyk141025
Rubyによるお手軽分散処理
Rubyによるお手軽分散処理
Vacuumとzheap
Vacuumとzheap
Log Analysis System And its designs in LINE Corp. 2014 early
Log Analysis System And its designs in LINE Corp. 2014 early
NPStudy LT Lagopus Router v19.07
NPStudy LT Lagopus Router v19.07
Singularityで分散深層学習
Singularityで分散深層学習
Shib: WebUI tool provides crossover of Hive and MPP
Shib: WebUI tool provides crossover of Hive and MPP
kintone REST API client package for R
kintone REST API client package for R
ChEMBLを使おう
ChEMBLを使おう
Lagopus performance
Lagopus performance
NorikraのJVMチューンで苦労している話
NorikraのJVMチューンで苦労している話
20151114 drupal温泉合宿 成果
20151114 drupal温泉合宿 成果
EnrootとPyxisで快適コンテナ生活
EnrootとPyxisで快適コンテナ生活
Processing LTSV by Apache Pig
Processing LTSV by Apache Pig
CephとGluster次期バージョンでの新機能
CephとGluster次期バージョンでの新機能
Similaire à NTPとうるう秒
PreadNet
PreadNet
Junya Kuwada
「NVIDIA プロファイラを用いたPyTorch学習最適化手法のご紹介(修正版)」
「NVIDIA プロファイラを用いたPyTorch学習最適化手法のご紹介(修正版)」
ManaMurakami1
Deep Learning Implementations: pylearn2 and torch7 (JNNS 2015)
Deep Learning Implementations: pylearn2 and torch7 (JNNS 2015)
Kotaro Nakayama
nftables: the Next Generation Firewall in Linux
nftables: the Next Generation Firewall in Linux
Tomofumi Hayashi
WebRTC SFU mediasoup sample
WebRTC SFU mediasoup sample
mganeko
ゲームのインフラをAwsで実戦tips全て見せます
ゲームのインフラをAwsで実戦tips全て見せます
infinite_loop
Ops meetup報告会(SICパート)
Ops meetup報告会(SICパート)
shintaro mizuno
静的サイトどこにする?
静的サイトどこにする?
ogawatti
HAクラスタで PostgreSQLレプリケーション構成の 高可用化
HAクラスタで PostgreSQLレプリケーション構成の 高可用化
Takatoshi Matsuo
Introduction to Chainer (LL Ring Recursive)
Introduction to Chainer (LL Ring Recursive)
Kenta Oono
「NVIDIA プロファイラを用いたPyTorch学習最適化手法のご紹介(修正前 typoあり)」
「NVIDIA プロファイラを用いたPyTorch学習最適化手法のご紹介(修正前 typoあり)」
ManaMurakami1
泥臭い運用から、プログラマブルインフラ構築(に行きたい)
泥臭い運用から、プログラマブルインフラ構築(に行きたい)
Akihiro Kuwano
PFNのML/DL基盤を支えるKubernetesにおける自動化 / DevOpsDays Tokyo 2021
PFNのML/DL基盤を支えるKubernetesにおける自動化 / DevOpsDays Tokyo 2021
Preferred Networks
KubernetesでGPUクラスタを管理したい
KubernetesでGPUクラスタを管理したい
Yuji Oshima
NAT超えとはなんぞや
NAT超えとはなんぞや
nemumu
OpenStackでつくる開発環境と外道塾
OpenStackでつくる開発環境と外道塾
外道 父
openstack_neutron-dvr_os5thaniv_20150713
openstack_neutron-dvr_os5thaniv_20150713
Takehiro Kudou
WebRTC meetup Tokyo 1
WebRTC meetup Tokyo 1
mganeko
Deep learning reading club @ nimiri for SWEST
Deep learning reading club @ nimiri for SWEST
Kiyoshi Ogawa
WebRTC開発者向けプラットフォーム SkyWayの裏側
WebRTC開発者向けプラットフォーム SkyWayの裏側
Yusuke Naka
Similaire à NTPとうるう秒
(20)
PreadNet
PreadNet
「NVIDIA プロファイラを用いたPyTorch学習最適化手法のご紹介(修正版)」
「NVIDIA プロファイラを用いたPyTorch学習最適化手法のご紹介(修正版)」
Deep Learning Implementations: pylearn2 and torch7 (JNNS 2015)
Deep Learning Implementations: pylearn2 and torch7 (JNNS 2015)
nftables: the Next Generation Firewall in Linux
nftables: the Next Generation Firewall in Linux
WebRTC SFU mediasoup sample
WebRTC SFU mediasoup sample
ゲームのインフラをAwsで実戦tips全て見せます
ゲームのインフラをAwsで実戦tips全て見せます
Ops meetup報告会(SICパート)
Ops meetup報告会(SICパート)
静的サイトどこにする?
静的サイトどこにする?
HAクラスタで PostgreSQLレプリケーション構成の 高可用化
HAクラスタで PostgreSQLレプリケーション構成の 高可用化
Introduction to Chainer (LL Ring Recursive)
Introduction to Chainer (LL Ring Recursive)
「NVIDIA プロファイラを用いたPyTorch学習最適化手法のご紹介(修正前 typoあり)」
「NVIDIA プロファイラを用いたPyTorch学習最適化手法のご紹介(修正前 typoあり)」
泥臭い運用から、プログラマブルインフラ構築(に行きたい)
泥臭い運用から、プログラマブルインフラ構築(に行きたい)
PFNのML/DL基盤を支えるKubernetesにおける自動化 / DevOpsDays Tokyo 2021
PFNのML/DL基盤を支えるKubernetesにおける自動化 / DevOpsDays Tokyo 2021
KubernetesでGPUクラスタを管理したい
KubernetesでGPUクラスタを管理したい
NAT超えとはなんぞや
NAT超えとはなんぞや
OpenStackでつくる開発環境と外道塾
OpenStackでつくる開発環境と外道塾
openstack_neutron-dvr_os5thaniv_20150713
openstack_neutron-dvr_os5thaniv_20150713
WebRTC meetup Tokyo 1
WebRTC meetup Tokyo 1
Deep learning reading club @ nimiri for SWEST
Deep learning reading club @ nimiri for SWEST
WebRTC開発者向けプラットフォーム SkyWayの裏側
WebRTC開発者向けプラットフォーム SkyWayの裏側
Plus de 真乙 九龍
監視とは何か ~監視エンジニアのスキルと成長~
監視とは何か ~監視エンジニアのスキルと成長~
真乙 九龍
監視論
監視論
真乙 九龍
AWS ネージメントコンソール再入門 2019
AWS ネージメントコンソール再入門 2019
真乙 九龍
監視基盤 ~ZabbixとCloudWatch~
監視基盤 ~ZabbixとCloudWatch~
真乙 九龍
ZabbixとAWS
ZabbixとAWS
真乙 九龍
レシピのすゝめ ~料理とお菓子と手順書と熱力学~
レシピのすゝめ ~料理とお菓子と手順書と熱力学~
真乙 九龍
子育てで覚える AWS Organizations 〜ITエンジニア英才教育〜
子育てで覚える AWS Organizations 〜ITエンジニア英才教育〜
真乙 九龍
re:invent2018 総ざらえ
re:invent2018 総ざらえ
真乙 九龍
Zabbixを2分でインストール
Zabbixを2分でインストール
真乙 九龍
クラウド概論 2018
クラウド概論 2018
真乙 九龍
素晴らしきIAMポリシービジュアルエディタの世界
素晴らしきIAMポリシービジュアルエディタの世界
真乙 九龍
Zabbixによるオートスケーリングクラスタ監視とオペレーション自動化
Zabbixによるオートスケーリングクラスタ監視とオペレーション自動化
真乙 九龍
re:Invent2017で発表された新機能と運用
re:Invent2017で発表された新機能と運用
真乙 九龍
Zabbix概論2018
Zabbix概論2018
真乙 九龍
Zabbixによるオートスケーリングクラスタ監視とオペレーション自動化
Zabbixによるオートスケーリングクラスタ監視とオペレーション自動化
真乙 九龍
Systems manager ハンズオン ops jaw
Systems manager ハンズオン ops jaw
真乙 九龍
Systems manager 入門 ops jaws
Systems manager 入門 ops jaws
真乙 九龍
Zabbix概論
Zabbix概論
真乙 九龍
閏秒挿入のお知らせ
閏秒挿入のお知らせ
真乙 九龍
閏秒挿入のお知らせ
閏秒挿入のお知らせ
真乙 九龍
Plus de 真乙 九龍
(20)
監視とは何か ~監視エンジニアのスキルと成長~
監視とは何か ~監視エンジニアのスキルと成長~
監視論
監視論
AWS ネージメントコンソール再入門 2019
AWS ネージメントコンソール再入門 2019
監視基盤 ~ZabbixとCloudWatch~
監視基盤 ~ZabbixとCloudWatch~
ZabbixとAWS
ZabbixとAWS
レシピのすゝめ ~料理とお菓子と手順書と熱力学~
レシピのすゝめ ~料理とお菓子と手順書と熱力学~
子育てで覚える AWS Organizations 〜ITエンジニア英才教育〜
子育てで覚える AWS Organizations 〜ITエンジニア英才教育〜
re:invent2018 総ざらえ
re:invent2018 総ざらえ
Zabbixを2分でインストール
Zabbixを2分でインストール
クラウド概論 2018
クラウド概論 2018
素晴らしきIAMポリシービジュアルエディタの世界
素晴らしきIAMポリシービジュアルエディタの世界
Zabbixによるオートスケーリングクラスタ監視とオペレーション自動化
Zabbixによるオートスケーリングクラスタ監視とオペレーション自動化
re:Invent2017で発表された新機能と運用
re:Invent2017で発表された新機能と運用
Zabbix概論2018
Zabbix概論2018
Zabbixによるオートスケーリングクラスタ監視とオペレーション自動化
Zabbixによるオートスケーリングクラスタ監視とオペレーション自動化
Systems manager ハンズオン ops jaw
Systems manager ハンズオン ops jaw
Systems manager 入門 ops jaws
Systems manager 入門 ops jaws
Zabbix概論
Zabbix概論
閏秒挿入のお知らせ
閏秒挿入のお知らせ
閏秒挿入のお知らせ
閏秒挿入のお知らせ
Dernier
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Yuma Ohgami
論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNet
Toru Tamaki
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
Toru Tamaki
スマートフォンを用いた新生児あやし動作の教示システム
スマートフォンを用いた新生児あやし動作の教示システム
sugiuralab
SOPを理解する 2024/04/19 の勉強会で発表されたものです
SOPを理解する 2024/04/19 の勉強会で発表されたものです
iPride Co., Ltd.
論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Semantic segmentation using Vision Transformers: A survey
Toru Tamaki
TSAL operation mechanism and circuit diagram.pdf
TSAL operation mechanism and circuit diagram.pdf
taisei2219
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
Hiroki Ichikura
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
Ryo Sasaki
Dernier
(9)
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
スマートフォンを用いた新生児あやし動作の教示システム
スマートフォンを用いた新生児あやし動作の教示システム
SOPを理解する 2024/04/19 の勉強会で発表されたものです
SOPを理解する 2024/04/19 の勉強会で発表されたものです
論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Semantic segmentation using Vision Transformers: A survey
TSAL operation mechanism and circuit diagram.pdf
TSAL operation mechanism and circuit diagram.pdf
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
NTPとうるう秒
1.
NTPとうるう秒 JANOG42 NTPサーバーの構築とうるう秒対応
2.
自己紹介 ▪ 名前:九龍真乙(PN) ▪ 所属:自宅ラック勉強会 ▪
お仕事:Sierでのテクニカルサポート(AWS,Zabbix,ネットワーク,サーバーインフラ) ▪ 好きなプロトコル:NTP,SNMP ▪ Twitter:@qryuu ▪ Facebook – https://www.facebook.com/qryuu ▪ github – https://github.com/qryuu ▪ cookpad – https://cookpad.com/kitchen/4142562
3.
NTPとは ▪ システム間の時刻同期に利用 ▪ Stratumという階層構造 ▪
世界的にはNTP Pool Projectが有名ですが ▪ 日本ではNICTによる変態的(褒め言葉)な性能のntp.nict.jpが利用 可能
4.
NTPの設定 ▪ NTPサーバーとNTPクライアント – NTP
Peerってご存知ですか? ▪ ntpdには統計誤差を補正するためにドリフトファイルが存在します。 – 時刻校正をするに、同一Stratamのサーバー同士でpeerを設定します。
5.
「家は3回建てろ」、「NTPは3台建てろ」 ▪ 2台では統計誤差を判断出来ないので、3台のNTPサーバでpeerを組む ことにより統計誤差の補正ができます。 ▪ 三賢者
6.
個人的推奨構成 ▪ ※中小規模向きです(大規模は自前で原子時計とかGPS同期とかの Stratum0を持ってるはず) ntp.nict.jp ntp.nict.jp Stratum1 Stratum2 NTP Peer設定とDNSラウンドロビン ntp1
ntp2 ntp3
7.
うるう秒とは ▪ 原子時計により決定される国際原子時TAIをベースとする協定世界時 UTCに対して、天文時(世界時)UT1との差が0.9秒以内に収まるように 挿入される、±1秒の事を言います。
8.
UT1とは ▪ UT1とは ▪ 地球の自転により計測された1日の長さから求められた1/86400日=1 秒とする時刻系
9.
地球の自転速度とUT1 ▪ 地球の自転速度は、大気動向や海流、潮汐力、惑星運動の相互作用 などにより、一定ではありません。 (巨大地震などでも自転速度は変わります。) ▪ この変化する自転速度から定められるのが時刻がUT1です。 ▪
UT1は「正午に太陽が真南に昇る」など生活と時刻意識を合わせる上で 重要です。
10.
時計の歴史 ▪ 時計=時を計る機器は当初は宗教儀式のために、 現在は物理測定のために進化をしてきました。
11.
時計の歴史 ▪ 宗教的な儀式のために、古来より時計は作られてきました。 – 日時計
12.
時計の歴史 ▪ 宗教的な儀式のために、古来より時計は作られてきました。 – 日時計 –
火時計
13.
時計の歴史 ▪ 宗教的な儀式のために、古来より時計は作られてきました。 – 日時計 –
火時計 – 水時計
14.
時計の歴史 ▪ 振り子時計 – より正確な時計を求めて「振り子の等時性」により1秒を正確に刻むようになりました。 –
機械式時計では「脱進機」により重力方向に依存せずに1秒を刻むようになりました。
15.
時計の歴史 ▪ クオーツ時計 – 水晶の結晶に交流電圧をかけると一定の周波数で振動する。(水晶振動子) –
この一定の振動をカウントすることで1秒を決定する – 通常は32,768Hz=32,768回振動で1秒
16.
原子時計 ▪ 時間を正確に刻むために、セシウム原子の基底状態のエネルギー状態か ら1秒を決定 これが1秒の定義にもなっている。 –
9,192,631,770回振動したら1秒
17.
協定世界時UTCとは ▪ 地球の自転により変動する天文時UT1対して、国際原子時TAIはセシ ウム原子時計を含む50カ国以上、300個以上の原子時計により維持さ れているため、変動しません。 ▪ このため、天文時UT1とTAIではズレが生じるため、TAIとUT1のズレをう るう秒を用いて補正されたUTCが協定世界時として利用されています。
18.
時間の取り扱いに関わる団体 ▪ 国際天文学連合 (IAU)
※天文学術系 ▪ 国際地球回転・基準系事業(IERS) ※天文学術系 ▪ 国際無線通信諮問委員会(CCIR、現ITU-R)※IT技術系はここだけ ▪ など
19.
うるう秒の挿入ルール 今回の議題1はここ!! ▪ うるう秒の挿入は ▪
第一優先 ▪ 6月末日もしくは12月末日(UTC) – アメリカだとクリスマスホリデー・ニューイヤーカウントダウン(UTC-8) – 日本だとお正月元旦(UTC+9) ▪ 第二優先 ▪ 3月末日もしくは9月末日(UTC)となっています – アメリカだと大学入学前日(UTC-8) – 日本だと入社式(UTC+9)
20.
挿入の周期 ▪ 過去26回のうるう秒挿入が実施されており、直近の実施では ▪ 2008年1月1日 ▪
2012年7月1日 ▪ 2015年7月1日 ▪ 2017年1月1日<New ▪ となります。
21.
うるう秒挿入とITシステム ▪ うるう秒では1秒挿入されるため、システムによっては通常存在しない 23:59:60(JSTでは08:59:60)が存在する場合があるため プログラムが想定されていない秒数として正常に処理出来ない場合があり ます。 ▪ 2015年7月のうるう秒ではLinuxカーネルのバグでシステムハングやサーバ 高負荷が発生
22.
OSとうるう秒 ▪ Windows – Windowsはうるう秒を考慮して動作しません。このため23:59:60秒は表示されず、 通常通り0:00:00秒として動作します。 NTP同期の際にズレがあれば、その時点でSTEP方式で同期します。 ▪
RHEL – ntpdが動作していない場合は、うるう秒に関知しませんので、UTCと1秒ズレた状態で動作し続 けます – ntpd動作している場合、うるう秒を処理します。 カーネルバージョンによってはバグが報告されていますので、ベンダーサイトを 確認してください。
23.
うるう秒とDBMS ▪ MySQL – 59:59を複数回繰り返すことで59:60の発生を抑止します。 –
時刻をキーとしているシステムでは値の重複に注意が必要です。 ▪ PostgreSQL – 動作するOS上でうるう秒(59:60)が実装されている場合 – extract関数のsecondフィールドに60秒が現れる可能性があります。 – DBを利用するアプリケーションで”60”秒を正常に処理出来るか確認が必要です。
24.
うるう秒のLeap Smearing(分散挿入) ▪ 1秒を数時間から1日掛けて分散して挿入する方法です。 ▪
RFC5905:NTPv4で定義され、利用されています。 – 実装としてはntpdバージョン4.2.8.p3および4.3.47でコンパイルオプションとして追加 されました。 ▪ ただし、どれくらいの期間に分けて挿入するかは規定されていません。 – 実績は2時間から24時間の間で報告されています。
25.
うるう秒のLeap Smearing(分散挿入) ▪ メジャーな実施例 –
Amazon AWS:マネージドサービスおよびTime sync Serviceで24時間の分散 挿入を実施しています。 – Google Public NTP: 24時間の分散挿入を実施しています。 – セイコー タイムスサーバー:アジャストモードとして、2時間掛けて分散挿入します。 ▪ 実装やメーカーによってLeap Smearingの粒度が異なります。 – そもそも、NTPベストプラクティスでは、 SmearingサーバーとNon Smearingサーバ は同期しないため、パブリックフェースのNTPサーバーでは使用してはならないとされてい ます。( Google Public NTPえっ)
26.
うるう秒のLeap Smearing(分散挿入) 今回の議題2はここ!! ▪ Leap
Smearingとどう向き合うべきか – RFCで間隔までふくめて標準化? – あくまでも障害回避のためのローカル環境用実装?
27.
NTPとエンジニアの関係 ▪ 2036年問題 – NTPプロトコルのビットオーバーフロー –
2038年問題のUNIX TIMEオーバーフローよりも2年先に来ます。 ▪ NTPを拡張するか (SNTPv4:RFC 4330では最上位ビットで期間遷移して対処) ▪ PTPを拡張するか (Precision Time ProtocolはあくまでもLANを想定しており、インター ネット同期用ではない) ▪ そもそも時刻同期不要とする ▪ チップ型原子時計を登載
28.
時間は面白い ▪ 次回はぜひNICTさんやセイコーさんの話が聞きたい。
Notes de l'éditeur
時の科学館 儀象堂 水運儀象台 中国・北宋時代当時の首都開封に建設された、水駆動による大型の天文観測時計塔
91億9千回
Télécharger maintenant