CloudWatch-Alarme und Benachrichtigungen

Überwachung und Fehlersuche in AWS

John Q. Martin

Principal Consultant

Was sind CloudWatch-Alarme

Zentrale Konzepte

Überwacht eine einzelne Metrik über einen Zeitraum
Führt Aktionen aus, wenn die Metrik einen Schwellenwert überschreitet

Sechs zentrale CloudWatch-Alarmkomponenten: Metrik, Schwellenwert, Zeitraum, Auswertungszeiträume, Datapoints to alarm und Aktionen

Alarmzustände

Die drei CloudWatch-Alarmzustände OK, ALARM und INSUFFICIENT_DATA

Diagramm: Übergänge eines CloudWatch-Alarms zwischen Zuständen, wenn Metrikdaten eintreffen

Alarmauswertung

Sammle Datenpunkte in definierten Intervallen
Wende Statistik (Average, Sum, Max, Min) über den Zeitraum an
Vergleiche Ergebnis mit dem Schwellenwert
Zähle verletzte Auswertungszeiträume
Ändere Zustand, wenn „datapoints-to-alarm" erfüllt ist

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

Auswertungsstrategien

Drei Auswertungsstrategien: aufeinanderfolgend, teilweise und einzelne Verletzung mit Sensitivitätsabstufungen

Alarmaktionen: Typen und Auslöser

Auslösezustände

OK
ALARM
INSUFFICIENT_DATA

Aktionstypen

SNS-Benachrichtigung
Auto Scaling
EC2-Aktion (stop/terminate/reboot/recover)
Systems Manager

Verhalten bei fehlenden Daten

Optionen für das Verhalten bei fehlenden Daten: notBreaching, breaching, ignore und missing

Standardalarm erstellen: 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

Verbundalarme: Was und warum

Problem

Mehrere verwandte Alarme lösen separat aus = Alarmmüdigkeit

Lösung

Alarme mit logischen Operatoren kombinieren

Zusammengesetzte Alarmlogik, kombiniert Kindalarme mit AND-, OR- und NOT-Operatoren

Verbundalarm erstellen: 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)"

Beispiel für eine komplexe Regel

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

Strategie zur Schwellenwertwahl

Vier Strategien zur Schwellenwertwahl: Basislinienstreuung, Kapazitätsgrenzen, SLA-Ziele und Änderungsrate

Mehrstufige Alarmstrategie

Mehrstufige Alarmreaktion mit Warnung-, Kritisch- und Notfall-Stufen, geroutet zu separaten SNS-Themen

Beispiel: CPU-Warnung bei 75 %, kritisch bei 90 %, jeweils mit unterschiedlichen SNS-Themen

Anomalieerkennungsalarme

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-Modell lernt normales Metrikverhalten
Erstellt ein dynamisches Schwellenband (konfigurierbar)
Passt sich Tages-/Wochenmustern an
Reduziert manuelles Tuning der Schwellenwerte

Ressourcenalarme: Lambda und ALB

Lambda-Alarme

Empfohlene Lambda-Alarme: Fehleranzahl, Throttles und hohe Dauer nahe dem Timeout-Limit

ALB-Alarme

Empfohlene ALB-Alarme: Ziel-Antwortzeit, ungesunde Hosts und 5xx-Fehleranzahl

Empfohlene Praktiken fürs Alarmmanagement

Benennung: <Service>-<Metric>-<Resource>-<Severity>
Beschreibungen: was überwacht wird, Schwellenwert, Troubleshooting-Tipps, Runbook-Links
Tags: Environment, Team, Severity
Monatlich prüfen: Schwellen anpassen, Veraltetes entfernen, Aktionen aktualisieren

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

Videozusammenfassung

Drei Alarmzustände: OK, ALARM, INSUFFICIENT_DATA
Auswertungsstrategien: aufeinanderfolgend, teilweise, einzelne Verletzung
Verbundalarme kombinieren mehrere Alarme mit AND, OR, NOT
Vier Strategien für Schwellenwerte: statistisch, Kapazität, SLA, Änderungsrate
Mehrstufiges Alerting: Warnung → kritisch → Notfall
Ressourcenalarme für Lambda (Fehler, Throttles, Dauer) und ALB (5xx, Latenz)

Lass uns üben!

Überwachung und Fehlersuche in AWS