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。
-
トレースデータが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を活用し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 を統合する: 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します。
-
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のヘルスをモニタリングし、レイテンシー、リクエスト率、障害率、応答時間の分布など、X-Ray トレースから派生したメトリクスを詳しく調べます。
-
ServiceLens を使用する: 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 を有効にする:
-
X-Ray Insights をオンにして、トレース内の異常を自動検出します。
-
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 を使用する: X-Ray Analytics を使用すると、トレースデータを徹底的に調べたり、パターンを特定したり、インサイトを抽出したりできます。
-
X-Ray でループを使用する: 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 を組み込む: Amazon DevOps Guru
をエンゲージして、機械学習モデルが運用上の異常をトレースで特定する利点を活用します。 -
CloudWatch Synthetics を使用する: CloudWatch Synthetics を使用して Canary を作成し、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します。Canary を X-Ray と統合することで、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。
-
Real User Monitoring (RUM) を使用する: AWS X-Ray および 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およびデバッグできます。これにより、エンドユーザーに影響を与えるレイテンシーの傾向やエラーを特定できます。
-
ログとの相関: トレースデータを X-Ray トレースビュー内の関連ログと相関させて、アプリケーションの動作を詳細に把握します。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を実装する: リージョン内の複数のアカウントにまたがるアプリケーションをモニタリングおよびトラブルシューティングできます。
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:
関連ドキュメント:
関連動画:
関連する例:
