Alarmes et notifications CloudWatch

Supervision et dépannage sur AWS

John Q. Martin

Principal Consultant

Qu'est-ce qu'une alarme CloudWatch

Concepts clés

Surveille une métrique unique sur une période
Déclenche des actions quand la métrique dépasse un seuil

Six composants principaux d'une alarme CloudWatch : metric, threshold, period, evaluation periods, datapoints to alarm et actions

États d'alarme

Les trois états d'une alarme CloudWatch : OK, ALARM et INSUFFICIENT_DATA

Diagramme : transitions d'état d'une alarme CloudWatch à l'arrivée des données de métrique

Évaluation d'une alarme

Collecte des points de données à intervalles définis
Application d'une statistique (Average, Sum, Max, Min) sur la période
Comparaison du résultat au seuil
Comptage des périodes d'évaluation en dépassement
Changement d'état si le seuil de datapoints-to-alarm est atteint

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

Stratégies d'évaluation

Trois stratégies d'évaluation : consécutive, partielle et simple dépassement, avec leurs sensibilités

Types d'action et déclencheurs d'alarme

Déclencheurs d'action

OK
ALARM
INSUFFICIENT_DATA

Types d'action

Notification SNS
Auto Scaling
Action EC2 (stop/terminate/reboot/recover)
Systems Manager

Comportement en cas de données manquantes

Options de comportement en cas de données manquantes : notBreaching, breaching, ignore et missing

Créer une alarme standard : 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

Alarmes composites : quoi et pourquoi

Problème

Plusieurs alarmes liées se déclenchent séparément = surcharge d'alertes

Solution

Combiner les alarmes avec des opérateurs logiques

Logique d'alarme composite combinant des alarmes enfants avec les opérateurs AND, OR et NOT

Créer une alarme composite : 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)"

Exemple de règle complexe

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

Stratégie de sélection des seuils

Quatre stratégies de choix de seuil : baseline, écart, limites de capacité, objectifs de SLA et taux de variation

Stratégie d'alarme multi-niveaux

Réponse d'alarme multi-niveaux : avertissement, critique et urgence, routés vers des sujets SNS distincts

Exemple : avertissement CPU à 75 %, critique à 90 %, chacun avec des sujets SNS différents

Alarmes de détection d'anomalies

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)"}
  ]'

Le modèle de Machine Learning apprend le comportement normal de la métrique
Crée une bande de seuil dynamique (paramétrable)
S'adapte aux rythmes quotidiens/hebdomadaires
Réduit le réglage manuel des seuils

Alarmes par ressource : Lambda et ALB

Alarmes Lambda

Alarmes Lambda recommandées : erreurs, throttles et durée élevée proche du délai d'expiration

Alarmes ALB

Alarmes ALB recommandées : temps de réponse des cibles, hôtes non sains et nombre d'erreurs 5xx

Bonnes pratiques de gestion des alarmes

Nommage : <Service>-<Metric>-<Resource>-<Severity>
Descriptions : ce qui est surveillé, seuil, pistes de dépannage, liens de runbook
Tags : Environnement, Équipe, Sévérité
Revue mensuelle : ajuster les seuils, retirer l'obsolète, mettre à jour les actions

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

Résumé de la vidéo

Trois états d'alarme : OK, ALARM, INSUFFICIENT_DATA
Stratégies d'évaluation : consécutive, partielle, simple dépassement
Alarmes composites : combinaison avec AND, OR, NOT
Quatre stratégies de seuil : statistique, capacité, SLA, taux de variation
Alerte multi-niveaux : avertissement → critique → urgence
Alarmes par ressource pour Lambda (erreurs, throttles, durée) et ALB (5xx, latence)

Passons à la pratique !

Supervision et dépannage sur AWS