INFRASTRUCTURE LEARNINGインフラ学習
インフラ大全インフラ大全IT INFRASTRUCTURE / LEARNING
インフラ学習ガイド
教材・演習を探す/

Escで閉じる · 検索語は送信しません

LEARNINGEN

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。

この教材で学ぶこと

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。

先に知っておくこと

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

調べたい問いから、見るものを選ぶ
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
メトリクスからアラーム、設定したアクションへ
メトリクスからアラーム、設定したアクションへ1: 測定値 — 指定した数値を条件に照らす — 条件の評価. 2: 条件の評価 — 設定に応じてアクションを要求 — 通知等のアクション12測定値条件の評価通知等のアクションメトリクスからアラーム、設定したアクションへ1: 測定値 — 指定した数値を条件に照らす — 条件の評価. 2: 条件の評価 — 設定に応じてアクションを要求 — 通知等のアクション12測定値条件の評価通知等のアクション
  1. 測定値 → 条件の評価指定した数値を条件に照らす
  2. 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。

固定例C1:レポートAPIの学習用カスタムメトリクス
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

A1の全3点を、同じ条件で照合
期間平均値100より大きい?
1120ミリ秒はい
270ミリ秒いいえ
3140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。

状態は、観測と設定に対する評価
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。

「グラフが空」「通知がない」ときの確認順
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。

  1. 調べたい問いと対象を決める。
  2. メトリクスの識別条件・単位・期間・統計をそろえる。
  3. 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。
  4. 必要な要求ログと照合し、観測と原因候補を分ける。
  5. 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。

C1と比べるとき、Routeだけ別の値になっていた。どう読む?
答えと理由を読む

正解:対象が違う可能性があるため定義を照合 · 環境やRoute等をそろえてから、同じ問いへ対応する値かを確認します。

A1の120・70・140ミリ秒、2/3で100より大きい条件は?
答えと理由を読む

正解:条件を満たす。120と140が該当 · 全3点がある固定例で、2点がしきい値を超えます。連続2点を要求する設定ではありません。

期待した測定値がない。これは0ミリ秒と同じ?
答えと理由を読む

正解:違う。収集条件と欠測の扱いを確認 · 必要な値が得られたかを確認し、設定した評価方法と状態を読みます。

ALARMだが通知を受け取っていない。次の確認は?
答えと理由を読む

正解:アクション設定・通知先と配送の証拠 · 条件の判定と通知の経路を分けて確認します。

確認して、自分の言葉で説明する

  1. C1の対象・単位・期間・統計を説明する。
  2. A1の2/3と連続2回の違いを説明する。
  3. 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。