Alarmes e notificações do CloudWatch

Monitoramento e Solução de Problemas na AWS

John Q. Martin

Principal Consultant

O que são Alarmes do CloudWatch

Conceitos-chave

Monitora uma métrica por um período
Executa ações quando a métrica cruza um limite

Seis componentes centrais do alarme CloudWatch: métrica, limite, período, períodos de avaliação, pontos para alarme e ações

Estados do alarme

Os três estados do alarme CloudWatch: OK, ALARM e INSUFFICIENT_DATA

Diagrama de como um alarme CloudWatch muda de estado conforme chegam dados da métrica

Avaliação do alarme

Coletar pontos em intervalos definidos
Aplicar estatística (Average, Sum, Max, Min) no período
Comparar o resultado ao limite
Contar períodos de avaliação em violação
Mudar estado se atingir o limiar de datapoints-to-alarm

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

Estratégias de avaliação

Três estratégias de avaliação do alarme: consecutiva, parcial e violação única, com trade-offs de sensibilidade

Tipos de ação e disparos do alarme

Disparos de ação

OK
ALARM
INSUFFICIENT_DATA

Tipos de ação

Notificação SNS
Auto Scaling
Ação EC2 (stop/terminate/reboot/recover)
Systems Manager

Comportamento com dados ausentes

Opções de comportamento para dados ausentes do alarme: notBreaching, breaching, ignore e missing

Criando um alarme padrão: 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 compostos: o que e por quê

Problema

Vários alarmes relacionados disparam separados = fadiga de alertas

Solução

Combine alarmes com operadores lógicos

Lógica de alarme composto combinando alarmes filhos com operadores AND, OR e NOT

Criando alarme composto: 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)"

Exemplo de regra complexa

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

Estratégia para escolher limites

Quatro estratégias de seleção de limite: desvio da linha de base, limites de capacidade, metas de SLA e taxa de variação

Estratégia de alarme em múltiplos níveis

Resposta em múltiplos níveis com camadas de aviso, crítico e emergência roteadas para tópicos SNS separados

Exemplo: aviso de CPU em 75%, crítico em 90%, cada um com tópicos SNS diferentes

Alarmes de detecção de anomalias

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)"}
  ]'

Modelo de ML aprende o comportamento normal da métrica
Cria faixa de limite dinâmica (configurável)
Adapta-se a padrões diários/semanais
Reduz o ajuste manual de limites

Alarmes por recurso: Lambda e ALB

Alarmes para Lambda

Alarmes recomendados para Lambda monitorando contagem de erros, throttles e alta duração próxima ao limite de timeout

Alarmes para ALB

Alarmes recomendados para ALB monitorando tempo de resposta do destino, hosts unhealthy e contagem de erros 5xx

Boas práticas de gerenciamento de alarmes

Nomes: <Service>-<Metric>-<Resource>-<Severity>
Descrições: o que monitora, limite, dicas de solução, links de runbook
Tags: Environment, Team, Severity
Revisar mensalmente: ajustar limites, remover obsoletos, atualizar ações

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

Resumo do vídeo

Três estados: OK, ALARM, INSUFFICIENT_DATA
Estratégias de avaliação: consecutiva, parcial, violação única
Alarmes compostos combinam vários alarmes com AND, OR, NOT
Quatro estratégias de limite: estatística, capacidade, SLA, taxa de variação
Alertas em múltiplos níveis: aviso → crítico → emergência
Alarmes de recurso para Lambda (erros, throttles, duração) e ALB (5xx, latência)

Vamos praticar!

Monitoramento e Solução de Problemas na AWS