モニタリングとは？

モニタリングは、システムについて事前定義されたシグナルを収集し、それらが閾値を超えたときにアラートすることで、既知の問題を素早く知るための実践です。

モニタリングは、すでに聞くべきとわかっている質問に答えます。サービスは稼働しているか、レイテンシは範囲内か、キューは滞留していないか？これは運用上の認識の基盤であり、少数の意味のあるユーザー向けシグナルにアラートするときに最も効果を発揮します。

モニタリングが行うこと

モニタリングは、システムの事前定義された側面を継続的に測定し、期待値と比較します。metric が閾値を破ると、アラートを発します。モニタリングの強みは、予測した問題に対するスピードと明快さです。その限界は、測定しようと考えたものしか見えないことです。

モニタリング対オブザーバビリティ

モニタリングは既知のシグナルに照らして何かがおかしいことを教えます。オブザーバビリティは、予測しなかった障害を含め、なぜかを理解するのに役立ちます。両者は補完的で、モニタリングは既知の問題を素早く捉え、オブザーバビリティは残りを調査する深さを与えます。

何にアラートすべきか

優れたモニタリングは、あらゆる内部 metric ではなく、ユーザーが感じる症状 - エラー、レイテンシ、利用不能 - にアラートします。原因（高 CPU など）へのアラートはノイズを生みがちです。高 CPU は実際にユーザーに害を与える場合にのみ問題だからです。症状ベースのアラートは、シグナル対ノイズ比を高く保ちます。

アラート疲れを避ける

アラートが多すぎることは少なすぎることと同じくらい危険です。対応者はノイズの多いページャーを無視することを学び、本物を見逃します。アラートを SLO と burn rate に結びつけ、決してアクションにつながらないものを容赦なく刈り込むことで、発火するアラートを意味があり信頼できるものに保ちます。

ダッシュボードとトレンド

アラートに加えて、モニタリングは健全性を一目で示すダッシュボードと時間経過のトレンドを供給します。これらはキャパシティプランニングや、単一の閾値では手遅れになるまで捉えられないような遅い劣化 - メモリリークなど - を見つけるのに非常に貴重です。

重要なポイント

モニタリングは事前定義されたシグナルを収集し、閾値を超えたときにアラートします。
既知の問題を素早く扱い、オブザーバビリティは未知のものを説明します。
ユーザーが感じる症状にアラートし、ノイズを刈り込んで alert fatigue を避けます。