面接問題：メッセージキューのバックログが急増し遅延が数時間に達したとき20分でどう対処するか

問題

Your message queue backlog is growing fast. Consumers can't keep up. Delays are now hours long. You have 20 minutes. What do you do?

解答

即時対応（0〜5分）：現状把握と原因特定

1. メトリクスを確認
   - キュー深さ（backlog size）の増加速度
   - コンシューマーのスループット（messages/sec）
   - エラーレートと Dead Letter Queue の状況
   - コンシューマーのリソース使用率（CPU/Memory/DB接続数）

2. ボトルネックを特定
   - 遅いのはコンシューマー処理か？外部依存（DB・API）か？
   - 特定のメッセージ種別で詰まっていないか？

緊急対処（5〜15分）

ケース A: コンシューマーが少ない（スケール不足）
→ コンシューマーを水平スケールアウト
  - Kubernetes: kubectl scale deployment consumer --replicas=10
  - ECS: desired count を増やす

ケース B: 特定処理が遅い（外部依存のボトルネック）
→ 並列処理を増やす / batch size を調整
→ 重い処理だけ別キューに分離して優先度制御

ケース C: 毒メッセージ（Poison Message）で詰まっている
→ DLQに移動させてバックログを解消
→ 原因を後から調査

恒久対策（15〜20分で計画）

1. コンシューマーの並列度を設定可能にする（設定値でスケール）
2. Priority Queue を導入（重要メッセージを先に処理）
3. Back Pressure を実装（プロデューサーの投入速度を制御）
4. Circuit Breaker（外部依存がダウンしたとき無限リトライしない）
5. オートスケーリングの閾値設定（backlog depth ベース）

アーキテクチャ例

Producer → [Priority Queue] → Consumer Group (auto-scale)
                               ↓ 失敗
                           [DLQ] → Alert + 手動/自動リトライ

面接でのポイント

• 「まず計測・原因特定してから対処する」姿勢を最初に見せる
• スケールアウト以外の選択肢（優先度制御・バッチサイズ調整・毒メッセージ除去）まで言及できると加点
• 今の緊急対応と、再発防止の恒久対策を分けて話す
• SQS / Kafka / RabbitMQ など具体的なツールと組み合わせて説明できるとなお良い