CloudWatch-alarms en meldingen

Monitoring en troubleshooting van AWS

John Q. Martin

Principal Consultant

Wat zijn CloudWatch Alarms

Kernbegrippen

Houdt één metriek bij over een periode
Voert acties uit als de metriek een drempel overschrijdt

Zes kernonderdelen van een CloudWatch-alarm: metriek, drempel, periode, evaluatieperioden, datapoints-to-alarm en acties

Alarmtoestanden

De drie alarmtoestanden van CloudWatch: OK, ALARM en INSUFFICIENT_DATA

Diagram van hoe een CloudWatch-alarm tussen toestanden wisselt wanneer metriekdata binnenkomt

Alarmevaluatie

Verzamel datapunten op vaste intervallen
Pas statistiek toe (Average, Sum, Max, Min) over de periode
Vergelijk resultaat met de drempel
Tel overschrijdende evaluatieperioden
Verander toestand als datapoints-to-alarm is gehaald

Metric: CPUUtilization > 80%
Period: 5 min | 
Eval Periods: 3 | 
Datapoints to Alarm: 2 of 3

Period 1: 85% (breach) | 
Period 2: 75% (ok) | 
Period 3: 90% (breach)
Result: ALARM — 2 of 3 breached

Evaluatiestrategieën

Drie evaluatiestrategieën: opeenvolgend, gedeeltelijk en enkele overschrijding met hun gevoeligheidsafwegingen

Alarmacties: typen en triggers

Actietriggers

OK
ALARM
INSUFFICIENT_DATA

Actietypen

SNS-melding
Auto Scaling
EC2-actie (stop/terminate/reboot/recover)
Systems Manager

Gedrag bij ontbrekende data

Opties voor gedrag bij ontbrekende data: notBreaching, breaching, ignore en missing

Een standaardalarm maken: AWS CLI

aws cloudwatch put-metric-alarm \
  --alarm-name HighCPUUtilization \
  --alarm-description "Alert when CPU exceeds 80%" \
  --metric-name CPUUtilization \
  --namespace AWS/EC2 \
  --statistic Average \
  --period 300 \
  --evaluation-periods 2 \
  --threshold 80 \
  --comparison-operator GreaterThanThreshold \
  --dimensions Name=InstanceId,Value=i-1234567890abcdef0 \
  --alarm-actions arn:aws:sns:us-east-1:123456789012:my-topic

Composite alarms: wat en waarom

Probleem

Meerdere verwante alarms gaan los van elkaar af = alert-moeheid

Oplossing

Combineer alarms met logische operatoren

Samenstelling van composite-alarmlogica met AND-, OR- en NOT-operatoren

Composite alarm maken: AWS CLI

aws cloudwatch put-composite-alarm \
  --alarm-name CriticalSystemHealth \
  --alarm-description "Critical when CPU and Memory both high" \
  --actions-enabled \
  --alarm-actions arn:aws:sns:us-east-1:123456789012:critical-alerts \
  --alarm-rule "ALARM(HighCPUAlarm) AND ALARM(HighMemoryAlarm)"

Voorbeeld van een complexe regel

--alarm-rule "(ALARM(HighErrorRate) OR ALARM(HighLatency)) \
  AND NOT ALARM(MaintenanceMode)"

Strategie voor drempelkeuze

Vier strategieën voor drempelkeuze: baselineafwijking, capaciteitslimieten, SLA-doelen en veranderingssnelheid

Meerlaagse alarmstrategie

Meerlagige alarmrespons met warning-, critical- en emergency-niveaus die naar aparte SNS-topics worden gestuurd

Voorbeeld: CPU Warning op 75%, Critical op 90%, elk met eigen SNS-topic

Anomaliedetectie-alarms

aws cloudwatch put-metric-alarm \
  --alarm-name AnomalousTraffic \
  --comparison-operator LessThanLowerOrGreaterThanUpperThreshold \
  --metrics '[
    {"Id":"m1","MetricStat":{"Metric":{"Namespace":"AWS/ApplicationELB",
      "MetricName":"RequestCount"},"Period":300,"Stat":"Average"}},
    {"Id":"e1","Expression":"ANOMALY_DETECTION_BAND(m1, 2)"}
  ]'

ML-model leert normaal metriekgedrag
Maakt een dynamische drempelband (instelbaar)
Past zich aan dagelijkse/wekelijkse patronen aan
Vermindert handmatig tunen van drempels

Resource-alarms: Lambda en ALB

Lambda-alarms

Aanbevolen Lambda-alarms: errors, throttles en hoge duur dicht bij de time-outlimiet

ALB-alarms

Aanbevolen ALB-alarms: responstijd van targets, ongezonde hosts en 5xx-fouten

Aanbevolen praktijken voor alarmbeheer

Naamgeving: <Service>-<Metric>-<Resource>-<Severity>
Omschrijvingen: wat wordt bewaakt, drempel, tips voor troubleshooting, links naar runbooks
Tags: Environment, Team, Severity
Maandelijks reviewen: drempels bijstellen, oude verwijderen, acties updaten

aws cloudwatch set-alarm-state \
  --alarm-name MyAlarm \
  --state-value ALARM \
  --state-reason "Testing alarm notification"

Videosamenvatting

Drie alarmtoestanden: OK, ALARM, INSUFFICIENT_DATA
Evaluatiestrategieën: opeenvolgend, gedeeltelijk, enkele overschrijding
Composite alarms combineren meerdere alarms met AND, OR, NOT
Vier drempelstrategieën: statistisch, capaciteit, SLA, veranderingssnelheid
Meerlagige alertering: warning → critical → emergency
Resource-alarms voor Lambda (errors, throttles, duur) en ALB (5xx, latentie)

Laten we oefenen!

Monitoring en troubleshooting van AWS