Amazon OpenSearch Service の推奨 CloudWatch アラーム

CloudWatch アラームは、 CloudWatch メトリクスが指定された値を一定期間超えたときにアクションを実行します。例えば、クラスターのヘルスステータスが 1 分以上red続く場合は E AWS メールで送信できます。このセクションでは、Amazon OpenSearch Service の推奨アラームとそのアラームへの対応方法について説明します。

これらのアラームは、 を使用して自動的にデプロイできます AWS CloudFormation。サンプルスタックについては、関連するGitHubリポジトリ「」を参照してください。

注記

CloudFormation スタックをデプロイすると、 KMSKeyErrorおよび KMSKeyInaccessibleアラームは Insufficient Data状態になります。これらのメトリクスは、ドメインで暗号化キーの問題が発生した場合にのみ表示されます。

アラームの設定の詳細については、「Amazon CloudWatch ユーザーガイド」の「Amazon アラームの作成」を参照してください。 CloudWatch

アラーム	問題
ClusterStatus.red maximum is >= 1 for 1 minute, 1 consecutive time	少なくとも 1 つのプライマリシャードとそのレプリカがノードに割り当てられていません。「赤のクラスター状態」を参照してください。
ClusterStatus.yellow maximum is >= 1 for 1 minute, 5 consecutive times	少なくとも 1 つのレプリカシャードがノードに割り当てられていません。「黄色のクラスター状態」を参照してください。
FreeStorageSpace minimum is <= 20480 for 1 minute, 1 consecutive time	クラスターのノードの空きストレージ容量が 20 GiB に下がっています。「使用可能なストレージ領域の不足」を参照してください。この値は MiB 単位です。20480 ではなく、各ノードのストレージ容量の 25% に設定することをお勧めします。
ClusterIndexWritesBlocked is >= 1 for 5 minutes, 1 consecutive time	クラスターは書き込みリクエストをブロックしています。「ClusterBlockException」を参照してください。
Nodes minimum is < x for 1 day, 1 consecutive time	x はクラスター内のノード数です。このアラームは、クラスター内の少なくとも 1 つのノードが 1 日間にわたってアクセスできない状態を意味します。「障害が発生したクラスターノード」を参照してください。
AutomatedSnapshotFailure maximum is >= 1 for 1 minute, 1 consecutive time	自動スナップショットが失敗しました。多くの場合、この失敗によってクラスター状態が赤になります。「赤のクラスター状態」を参照してください。 すべての自動スナップショットの概要および障害に関する情報を取得するには、次のリクエストのいずれかを試してください。 GET domain_endpoint/_snapshot/cs-automated/_all GET domain_endpoint/_snapshot/cs-automated-enc/_all
CPUUtilization または WarmCPUUtilization maximum is >= 80% for 15 minutes, 3 consecutive times	100% の CPU 使用率が発生することもありますが、高い使用率が持続するのは問題です。より大規模なインスタンスタイプを使用するか、インスタンスを追加することを検討してください。
JVMMemoryPressure maximum is >= 95% for 1 minute, 3 consecutive times	使用量が増加した場合にクラスターでメモリ不足エラーが発生する可能性があります。垂直スケーリングを検討してください。 OpenSearch サービスは Java ヒープにインスタンスの RAM の半分を使用し、ヒープサイズは 32 GiB までです。インスタンスは最大 64 GiB の RAM まで垂直スケーリングでき、それ以上はインスタンスを追加することで水平方向にスケーリングできます。
OldGenJVMMemoryPressure maximum is >= 80% for 1 minute, 3 consecutive times
MasterCPUUtilization maximum is >= 50% for 15 minutes, 3 consecutive times	より大規模なインスタンスタイプを専用マスターノードとして使用することを検討してください。クラスターの安定性と Blue/Green デプロイに関わるため、専用マスターノードの CPU 使用率はデータノードよりも低くする必要があります。
MasterJVMMemoryPressure maximum is >= 95% for 1 minute, 3 consecutive times
MasterOldGenJVMMemoryPressure maximum is >= 80% for 1 minute, 3 consecutive times
KMSKeyError is >= 1 for 1 minute, 1 consecutive time	ドメイン内の保管中のデータの AWS KMS 暗号化に使用される暗号化キーが無効になっています。通常のオペレーションを復元するために、再度有効にしてください。詳細については、「Amazon OpenSearch サービスの保存データの暗号化」を参照してください。
KMSKeyInaccessible is >= 1 for 1 minute, 1 consecutive time	ドメイン内の保管中のデータの暗号化に使用される AWS KMS 暗号化キーが削除されたか、 OpenSearch サービスへの許可が取り消されました。この状態にあるドメインを復元することはできません。ただし、手動スナップショットがある場合は、それを使用して新しいドメインに移行できます。詳細については、「Amazon OpenSearch サービスの保存データの暗号化」を参照してください。
shards.active is >= 30000 for 1 minute, 1 consecutive time	アクティブなプライマリとレプリカの両方のシャードの合計数は、30,000よりも多くなります。インデックスを頻繁にローテーションさせ過ぎている可能性があります。特定の年齢に達したら、ISM を使用してインデックスを削除することを検討してください。
5xx alarms >= 10% of OpenSearchRequests	1 つ以上のデータノードが過負荷になっているか、アイドルタイムアウト時間内にリクエストが完了しない可能性があります。より大きなインスタンスタイプに切り替えるか、クラスターにさらにノードを追加することを検討してください。シャードおよびクラスターアーキテクチャ用のベストプラクティスをフォローしていることを確認してください。
MasterReachableFromNode 最大 は 5 分間 < 1、連続 1 時間	このアラームは、マスターノードが停止しているか、連絡不能であることを示します。これらの障害は通常、ネットワーク接続の問題または AWS 依存関係の問題が原因です。
ThreadpoolWriteQueue average is >= 100 for 1 minute, 1 consecutive time	クラスタ-では、インデックス作成の同時実行性が高くなっています。インデックス作成リクエストを点検して抑制するか、クラスターリソースを増やします。
ThreadpoolSearchQueue average is >= 500 for 1 minute, 1 consecutive time	クラスターでは、検索の同時実行性が高くなっています。クラスターのスケーリングを検討してください。検索キューのサイズを大きくすることもできますが、そうすると、メモリ不足エラーが発生する可能性があります。
ThreadpoolSearchQueue maximum is >= 5000 for 1 minute, 1 consecutive time
Increase in ThreadpoolSearchRejected SUM is >=1{ math expression DIFF ( )} for 1 minute, 1 consecutive time	これらのアラームは、パフォーマンスや安定性に影響を及ぼす可能性のあるドメインの問題を通知します。
Increase in ThreadpoolWriteRejected SUM is >=1{ math expression DIFF ( )} for 1 minute, 1 consecutive time

注記

メトリクスを表示するのみであれば、「Amazon CloudWatch を用いた OpenSearch クラスターメトリクスのモニタリング」を参照してください。

検討した方が良いその他のアラーム

定期的に使用する OpenSearch サービス機能に応じて、次のアラームを設定することを検討してください。

アラーム	問題
WarmFreeStorageSpace minimum is <= 10240 for 1 minute, 1 consecutive time	クラスター内の UltraWarm ノードは、最大 10 GiB の空きストレージ領域にダウンしています。使用可能なストレージ領域の不足 を参照してください。この値は MiB 単位であるため、10240 ではなく、各 UltraWarm ノードのストレージ領域の 10% に設定することをお勧めします。
HotToWarmMigrationQueueSize is >= 20 for 1 minute, 3 consecutive times	多数のインデックスがホットから UltraWarm ストレージに同時に移動しています。クラスターのスケーリングを検討してください。
HotToWarmMigrationSuccessLatency is >= 1 day, 1 consecutive time	デイリーインデックスを動かそうとして HotToWarmMigrationSuccessCount x レイテンシーが 24 時間を超える場合に通知されるよう、このアラームを設定してください。
WarmJVMMemoryPressure maximum is >= 95% for 1 minute, 3 consecutive times	使用量が増加した場合にクラスターでメモリ不足エラーが発生する可能性があります。垂直スケーリングを検討してください。 OpenSearch サービスは Java ヒープにインスタンスの RAM の半分を使用し、ヒープサイズは 32 GiB までです。インスタンスは最大 64 GiB の RAM まで垂直スケーリングでき、それ以上はインスタンスを追加することで水平方向にスケーリングできます。
WarmOldGenJVMMemoryPressure maximum is >= 80% for 1 minute, 3 consecutive times
WarmToColdMigrationQueueSize is >= 20 for 1 minute, 3 consecutive times	多数のインデックスが、 からコールドストレージ UltraWarm に同時に移動しています。クラスターのスケーリングを検討してください。
HotToWarmMigrationFailureCount is >= 1 for 1 minute, 1 consecutive time	スナップショット、シャード再配置、または強制マージ中に、移行が失敗する可能性があります。スナップショットまたはシャード再配置中の障害は、通常、ノードの障害または S3 接続の問題が原因です。通常、ディスク領域の不足は、強制マージ失敗の根本的な原因です。
WarmToColdMigrationFailureCount is >= 1 for 1 minute, 1 consecutive time	インデックスメタデータをコールドストレージに移動させようとして失敗すると、通常、移行は失敗します。ウォームインデックスクラスター状態が削除されたときにも、障害が発生する可能性があります。
WarmToColdMigrationLatency is >= 1 day, 1 consecutive time	デイリーインデックスを動かそうとして WarmToColdMigrationSuccessCount x レイテンシーが 24 時間を超える場合に通知されるよう、このアラームを設定してください。
AlertingDegraded is >= 1 for 1 minute, 1 consecutive time	アラートインデックスが赤色であるか、1 つ以上のノードがスケジュールどおりでないことを意味します。
ADPluginUnhealthy is >= 1 for 1 minute, 1 consecutive time	異常検出プラグインが正しく動作していません。これは、障害率が高いか、使用されているインデックスの 1 つが赤色であるためです。
AsynchronousSearchFailureRate is >= 1 for 1 minute, 1 consecutive time	少なくとも 1 つの非同期検索が直前に失敗しました。これは、おそらくコーディネータノードが失敗したことを意味します。非同期検索リクエストのライフサイクルは、コーディネータノードでのみ管理されているので、コーディネータがダウンすると、リクエストは失敗します。
AsynchronousSearchStoreHealth is >= 1 for 1 minute, 1 consecutive time	残存するインデックス内の非同期検索レスポンスストアの状態は、赤色です。大量の非同期レスポンスを保存している可能性があり、クラスターが不安定になる可能性があります。非同期検索レスポンスを 10 MB 以下に制限してください。
SQLUnhealthy is >= 1 for 1 minute, 3 consecutive times	SQL プラグインが 5xx レスポンスコードを返すか、無効なクエリ DSL を に渡しています OpenSearch。クライアントがプラグインに対して行っているリクエストのトラブルシューティングを行います。
LTRStatus.red is >= 1 for 1 minute, 1 consecutive time	Learning to Rankプラグインの実行に必要なインデックスの内、少なくとも 1 つにプライマリシャードがなく、機能しません。