OPS08-BP03 ワークロードのトレースを分析する
トレースデータの分析は、アプリケーションの運用過程を包括的に把握するために不可欠です。さまざまなコンポーネント間の相互作用を可視化して把握することで、パフォーマンスを微調整し、ボトルネックを特定し、ユーザーエクスペリエンスを向上させることができます。
期待される成果: アプリケーションの分散された運用を明確に可視化することで、より迅速な問題解決とユーザーエクスペリエンスの向上につながります。
一般的なアンチパターン:
-
トレースデータを見落とし、ログとメトリクスのみに依存している。
-
トレースデータを関連するログと関連付けられていない。
-
レイテンシーや障害率など、トレースから導き出されたメトリクスを考慮していない。
このベストプラクティスを活用するメリット:
-
トラブルシューティングを改善し、平均解決時間 (MTTR) を短縮します。
-
依存関係とその影響についてのインサイトが得られます。
-
パフォーマンスの問題を迅速に特定して修正できます。
-
トレースから導き出されたメトリクスを活用して、情報に基づいた意思決定を行うことができます。
-
コンポーネントのインタラクションが最適化され、ユーザーエクスペリエンスの向上につながります。
このベストプラクティスが確立されていない場合のリスクレベル: 中
実装のガイダンス
AWS X-Ray
実装手順
次の手順は、AWS サービスを使用してトレースデータ分析を効果的に実装するための構造化されたアプローチを提供します。
-
AWS X-Ray の統合: トレースデータをキャプチャするために、X-Ray をアプリケーションと統合することが必要です。
-
X-Ray メトリクスの分析: サービスマップを使用してアプリケーションヘルスをモニタリングするために、レイテンシー、リクエスト率、障害率、応答時間の分布などの X-Ray トレースから取得できるメトリクスを詳細に分析します。
-
ServiceLens の使用: ServiceLens マップを活用して、サービスとアプリケーションのオブザーバビリティを強化します。これにより、トレース、メトリクス、ログ、アラーム、その他のヘルス情報を総合的に確認できます。
-
X-Ray Insights の有効化:
-
X-Ray Insights 有効化して、トレースの異常を自動的に検出します。
-
インサイトを調べてパターンを特定し、障害率の増加やレイテンシーの増大などについての根本原因を突き止めます。
-
検出された問題を時系列で分析するには、インサイトタイムラインを参照します。
-
-
X-Ray Analytics の使用: X-Ray Analytics を使用して、トレースデータを徹底的に調査してパターンを特定し、インサイトを抽出します。
-
X-Ray でのグループの使用: X-Ray でグループを作成して、高レイテンシーなどの条件に基づいてトレースをフィルタリングすると、より的を絞った分析につながります。
-
Amazon DevOps Guru の活用: Amazon DevOps Guru
を使用して、トレース内の運用上の異常を正確に特定する機械学習モデルの利点を活用します。 -
CloudWatch Synthetics の使用: CloudWatch Synthetics を使用して、エンドポイントとワークフローを継続的にモニタリングするための Canary を作成します。Canary は X-Ray と統合でき、テスト対象のアプリケーションを詳細に分析するためのトレースデータを提供できます。
-
リアルユーザーモニタリング (RUM) の使用: AWS X-Ray と CloudWatch RUM を使用すると、アプリケーションのエンドユーザーからダウンストリームの AWS マネージドサービスまでのリクエストパスを分析してデバッグできます。これにより、エンドユーザーに影響を及ぼすレイテンシーの傾向やエラーを特定できます。
-
ログとの関連付け:X-Ray トレースビュー内でトレースデータをログに関連付けて、アプリケーションの動作に関する詳細な情報を入手します。これにより、トレース対象のトランザクションに直接関連するログイベントを確認できます。
-
CloudWatch クロスアカウントオブザーバビリティの実装: リージョン内の複数のアカウントにわたるアプリケーションのモニタリングとトラブルシューティングを行います。
実装計画に必要な工数レベル: 中
リソース
関連するベストプラクティス:
関連するドキュメント:
関連動画:
関連する例:
