テーマ別の解説テーマ:CloudWatch・CloudTrail・Configと障害調査
CloudWatch入門:メトリクス・ログ・アラームの違いと読み方
CloudWatchは、AWSの資源やアプリの状態を、メトリクス・ログ・アラームなどから調べるサービスです。数値があること、条件に達したこと、通知が届いたことを分けて考えます。レポートAPIの架空の遅延データで、対象・時間・集計方法をそろえて読む練習をします。
調べたい対象とメトリクスを選び、期間・統計・欠測・アラーム状態を読み、次に確認する記録を選べる。
メトリクスは測定値、ログは出来事の記録です。アラームは指定した条件を評価する設定。以下の数値は固定の学習例で、実AWSの稼働状況や当サイトの監視ではありません。
数値・出来事・条件判定を使い分ける
| 見るもの | 答えられる問いの例 | 追加で必要なこと |
|---|---|---|
| メトリクス | 指定した期間の遅延や利用率は? | 対象・単位・期間・統計の定義 |
| ログ | どの要求や処理で何が記録された? | 収集設定・識別子・保存期間・時刻 |
| アラーム | 設定したしきい値や条件に達した? | 評価条件・欠測の扱い・状態 |
| 通知/アクション | 設定した通知先へ届いた? | アクション設定・権限・配送結果 |
- 測定値 → 条件の評価指定した数値を条件に照らす
- 条件の評価 → 通知等のアクション設定に応じてアクションを要求
- 測定値
- 対象と期間を指定
- 条件の評価
- しきい値と評価期間
- 通知等のアクション
- 設定した処理と配送確認
AWSサービスの標準メトリクスと、OS内部やアプリ固有の情報は収集方法が異なります。CloudWatch Agent等による追加収集では、対象・設定・権限を確認します。「EC2が見えるからメモリー使用率やアプリログも全てある」とは判断しません。
名前だけでなく、対象と集計条件をそろえる
メトリクスの名前空間・名前・ディメンションを確認します。ディメンションは対象を区別する名前と値の組です。同名でも環境や対象が違えば、別の系列を見ている可能性があります。取得時には期間・統計・単位も確認し、グラフの見た目だけで比較しません。
| 項目 | この例の定義 |
|---|---|
| 名前空間 / 名前 | Example/Reports / Latency |
| ディメンション | Environment=training、Route=/reports |
| 単位 | ミリ秒 |
| 期間 / 統計 | 60秒 / Average(平均) |
例えば3要求が20・20・260ミリ秒なら、平均は100ミリ秒、最大は260ミリ秒です。平均100を「全要求が100以下」と読み替えないでください。また、1分ごとの平均と5分の平均は、期間内のサンプル数も含めた集計条件を確認して比べます。
A1:3期間のうち2期間で、100ミリ秒を超えたら
| 期間 | 平均値 | 100より大きい? |
|---|---|---|
| 1 | 120ミリ秒 | はい |
| 2 | 70ミリ秒 | いいえ |
| 3 | 140ミリ秒 | はい |
A1では3期間中2期間が条件に一致するため、ALARMの条件を満たします。2/3の設定を、必ず2回連続で超える条件と混同しません。ここで選んだ比較は「より大きい」なので、ちょうど100は超過に含めません。これは与えた例の検算で、実アラームの測定や通知配送の証明ではありません。
| 状態 | 読み方 |
|---|---|
| OK | 評価した値が設定した条件の範囲内。全ての障害がない保証ではない。 |
| ALARM | 設定したしきい値/式の条件に該当。通知受信とは別。 |
| INSUFFICIENT_DATA | 開始直後や必要な値の不足等で評価に十分な情報がない。 |
欠測を0や正常へ置き換えない
欠測は、期待した測定値がない状態です。値0とは違います。CloudWatchではmissing・ignore・breaching・notBreaching等の扱いを設定できますが、実際の評価では追加の取得範囲、ウィンドウ方式やサービス固有の条件も関係します。A1の3点表へ空欄を入れて、常に同じ単純計算で実状態を再現できるとは考えません。
| 症状 | 先に確認すること |
|---|---|
| 対象の系列が見つからない | アカウント・リージョン・名前空間・ディメンション・時刻範囲 |
| 値が途切れる | 発行/収集条件・期間・時刻・権限、欠測の扱い |
| ALARMだが通知を受け取らない | アクション設定・有効状態・通知先/権限と配送の証拠 |
| 数値から原因を説明できない | 対応する要求のログや処理の記録。平均値だけで原因を断定しない |
ログは記録対象・保存期間・検索範囲を決めて使います。CloudWatch Logsは既定で無期限保存であり、必要な保持期間を選べます。収集・保管・検索等の費用も確認し、調査のたびに全期間・全対象へ検索を広げる前に、症状と観測時刻で範囲を絞ります。この教材は実データを検索・削除しません。
- 調べたい問いと対象を決める。
- メトリクスの識別条件・単位・期間・統計をそろえる。
- アラームのしきい値・M/N・欠測とアクションを別に確認する。
- 必要な要求ログと照合し、観測と原因候補を分ける。
- 収集・保存・検索の範囲と費用を審査する。
設定と数値を読み分けてみる
選択すると、正誤と理由が表示されます。
確認して、自分の言葉で説明する
- C1の対象・単位・期間・統計を説明する。
- A1の2/3と連続2回の違いを説明する。
- 欠測・ALARM・通知受信を区別する。
理解を確かめる: グラフが正常そうなら、サービス全体も必ず正常?
保証しない。対象・集計・欠測と、別の観測点を確認する。
平均や一つの系列は、全要求や全ての障害を表しません。アラーム状態と通知受信も別の事実です。
出典と確認した条件
説明に用いた公式資料を、確認した内容・条件と本文の参照箇所に分けてまとめています。専門家による監修・実際のAWSとの比較検証は行っていません。
確認した内容・条件運用状況を調べるためのメトリクス・ログ等の機能。 公式資料の確認であり実AWS検証ではありません。
参照した本文数値・出来事・条件判定を使い分ける
確認した内容・条件アラーム3状態とM/N評価、状態とアクションを区別。 公式資料の確認であり実AWS検証ではありません。
参照した本文数値・出来事・条件判定を使い分ける A1:3期間のうち2期間で、100ミリ秒を超えたら 欠測を0や正常へ置き換えない 設定と数値を読み分けてみる
- CloudWatch agent確認日:
確認した内容・条件OS内部メトリクスやログの追加収集は設定が必要。 公式資料の確認であり実AWS検証ではありません。
確認した内容・条件名前空間・メトリクス名・ディメンション、期間と統計を区別。 公式資料の確認であり実AWS検証ではありません。
確認した内容・条件欠測処理と追加取得範囲、ウィンドウ方式の差。 公式資料の確認であり実AWS検証ではありません。
参照した本文欠測を0や正常へ置き換えない 設定と数値を読み分けてみる
確認した内容・条件ログの収集・検索・保存期間。メトリクスや因果の証明と区別。 公式資料の確認であり実AWS検証ではありません。
参照した本文欠測を0や正常へ置き換えない