Log Insights และการวิเคราะห์

การติดตามและแก้ไขปัญหาบน AWS

John Q. Martin

Principal Consultant

โครงสร้างคิวรีของ Logs Insights

โครงสร้างคิวรีของ Logs Insights แสดงคำสั่ง fields filter stats sort และ limit ที่เชื่อมต่อด้วย pipe

ภาษาคิวรี: คิวรีเดียวกัน สามวิธี

CloudWatch Logs Insights QL

fields @timestamp, @message, level
| filter level = "ERROR"
| filter @timestamp > ago(1h)
| sort @timestamp desc
| limit 20

OpenSearch PPL

source = `/aws/lambda/my-function`
| where level = 'ERROR' and @timestamp > ago(1h)
| fields @timestamp, @message, level
| sort - @timestamp
| head 20

ภาษาคิวรี: OpenSearch SQL

OpenSearch SQL

SELECT `@timestamp`, `@message`, level
FROM `/aws/lambda/my-function`
WHERE level = 'ERROR'
  AND `@timestamp` > ago(1h)
ORDER BY `@timestamp` DESC
LIMIT 20

ใช้ไวยากรณ์ SELECT / FROM / WHERE มาตรฐาน
รองรับ JOIN ข้าม log group
เลือกแบบที่เหมาะกับทีม

สถานการณ์ที่ 1: ตรวจหา error spike

fields @timestamp, @message, level
| filter level = "ERROR"
| stats count() as error_count by bin(5m)
| sort @timestamp desc

ขั้นสูง: จัดกลุ่มตามประเภทข้อผิดพลาด

fields @timestamp, error_type, error_message
| filter level = "ERROR"
| stats count() as count by error_type, bin(5m)
| sort count desc

สถานการณ์ที่ 2: API endpoint ที่ช้า

fields @timestamp, endpoint, response_time, status_code
| filter response_time > 1000
| stats avg(response_time) as avg_time,
        max(response_time) as max_time,
        count() as slow_requests
        by endpoint
| sort avg_time desc

เจาะลึก

fields @timestamp, endpoint, response_time, user_id, request_id
| filter endpoint = "/api/users" and response_time > 1000
| sort response_time desc
| limit 20

สถานการณ์ที่ 3: การยืนยันตัวตนที่ล้มเหลว

fields @timestamp, user_id, ip_address, action
| filter action = "login_failed"
| stats count() as failed_attempts by user_id, ip_address
| sort failed_attempts desc
| limit 50

วิเคราะห์ตามช่วงเวลา

fields @timestamp, user_id, ip_address
| filter action = "login_failed"
| stats count() as attempts by ip_address, bin(1h)
| filter attempts > 10
| sort attempts desc

สถานการณ์ที่ 4 & 5: Database timeout และ memory leak

Database timeout

fields @timestamp, @message
| filter @message like /database/ and @message like /timeout|error|failed/
| parse @message "timeout after * seconds" as timeout_duration
| stats count() as timeout_count,
        avg(timeout_duration) as avg_timeout
        by bin(5m)

ตรวจจับ memory leak

fields @timestamp, memory_used_mb, heap_size_mb
| stats avg(memory_used_mb) as avg_memory,
        max(memory_used_mb) as max_memory
        by bin(1h)
| sort @timestamp asc

สถานการณ์ที่ 6: การติดตาม request

fields @timestamp, @message, request_id, service, action
| filter request_id = "abc123def456"
| sort @timestamp asc

ติดตามแบบหลาย service

fields @timestamp, service, action, duration_ms, status
| filter request_id = "abc123def456"
| sort @timestamp asc
| display @timestamp, service, action, duration_ms, status

เทคนิคขั้นสูง: parse และ Regex

แยกวิเคราะห์ log ที่ไม่มีโครงสร้าง

fields @timestamp, @message
| parse @message "[*] User * failed to access resource * from IP *"
    as level, user, resource, ip

การแยกวิเคราะห์ด้วย Regex

| parse @message /Request completed in (?<duration>\d+)ms with status (?<status>\d+)/

เทคนิคขั้นสูง: Calculated Fields

fields @timestamp, requests, errors
| fields error_rate = (errors / requests) * 100

fields @timestamp, status_code
| fields status_category =
    case(status_code < 300, "success",
         status_code < 500, "client_error",
         status_code >= 500, "server_error")
| stats count() as request_count by status_category

การปรับแต่งคิวรี

กฎการปรับแต่งคิวรี 4 ข้อ ได้แก่ กำหนดช่วงเวลา กรองก่อนรวมข้อมูล จำกัดผลลัพธ์ และใช้การรวมข้อมูลแทน

การตรวจจับ anomaly และความสัมพันธ์

การตรวจจับ anomaly เชิงสถิติ

คำนวณ baseline: avg และ stddev ย้อนหลัง 7 วัน
เปรียบเทียบช่วงปัจจุบันกับ baseline
ทำเครื่องหมายค่าที่เกิน 2 standard deviation ว่าผิดปกติ

ความสัมพันธ์ของ error rate

fields @timestamp, level
| stats count() as total_requests,
        sum(case(level = "ERROR", 1, 0)) as errors
        by bin(5m)
| fields error_rate = (errors / total_requests) * 100

สรุป

CloudWatch Logs Insights: บริการคิวรีเชิงโต้ตอบ ไม่ต้องจัดการ infrastructure
ภาษาคิวรี 3 แบบ: Logs Insights QL, OpenSearch PPL, OpenSearch SQL
สถานการณ์แก้ปัญหา 6 แบบ: error spike, endpoint ช้า, auth ล้มเหลว, DB timeout, memory leak, request tracing
เทคนิคขั้นสูง: parse สำหรับข้อความไม่มีโครงสร้าง, bin() สำหรับ time-series, pct() สำหรับ percentile
ความสัมพันธ์และการตรวจจับ anomaly: วิเคราะห์ error rate และเปรียบเทียบกับ baseline เชิงสถิติ
จากการสืบสวนสู่การอัตโนมัติ: metric filter และ alarm ปิดวงจรการทำงาน

มาฝึกกันเถอะ!