Alarme și notificări CloudWatch

Monitorizare și depanare în AWS

John Q. Martin

Principal Consultant

Ce sunt alarmele CloudWatch

Concepte cheie

Monitorizează o singură metrică pe o perioadă de timp
Execută acțiuni când metrica depășește un prag

Cele șase componente principale ale unui alarm CloudWatch: metrică, prag, perioadă, perioade de evaluare, puncte de date pentru alarm și acțiuni

Stările alarmei

Cele trei stări ale unui alarm CloudWatch: OK, ALARM și INSUFFICIENT_DATA

Diagramă care arată cum tranziționează un alarm CloudWatch între stări pe măsură ce sosesc date despre metrică

Evaluarea alarmei

Colectează puncte de date la intervale specificate
Aplică o statistică (Average, Sum, Max, Min) pe perioadă
Compară rezultatul cu pragul
Numără perioadele de evaluare care depășesc pragul
Schimbă starea dacă pragul de puncte-de-date-pentru-alarm este atins

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

Strategii de evaluare

Trei strategii de evaluare a alarmei: consecutivă, parțială și singură depășire, cu compromisurile de sensibilitate aferente

Tipuri și declanșatori de acțiuni pentru alarme

Declanșatori de acțiuni

OK
ALARM
INSUFFICIENT_DATA

Tipuri de acțiuni

Notificare SNS
Auto Scaling
Acțiune EC2 (oprire/terminare/repornire/recuperare)
Systems Manager

Comportamentul în cazul datelor lipsă

Opțiuni pentru comportamentul în cazul datelor lipsă: notBreaching, breaching, ignore și missing

Crearea unui alarm 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

Alarme compuse: ce sunt și de ce le folosim

Problemă

Mai multe alarme corelate se declanșează separat = oboseală prin alerte

Soluție

Combină alarmele cu operatori logici

Logica alarmei compuse care combină alarme secundare cu operatorii AND, OR și NOT

Crearea unei alarme compuse: 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)"

Exemplu de regulă complexă

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

Strategia de selectare a pragului

Patru strategii de selectare a pragului: abatere de la linia de bază, limite de capacitate, ținte SLA și rata de schimbare

Strategie de alarmare pe mai multe niveluri

Răspuns la alarme pe mai multe niveluri: avertizare, critic și urgență, direcționate către topicuri SNS separate

Exemplu: Avertizare CPU la 75%, Critic la 90%, fiecare cu topicuri SNS diferite

Alarme de detectare a anomaliilor

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)"}
  ]'

Modelul ML învață comportamentul normal al metricii
Creează o bandă dinamică de prag (configurabilă)
Se adaptează la tipare zilnice/săptămânale
Reduce ajustarea manuală a pragurilor

Alarme pentru resurse: Lambda și ALB

Alarme Lambda

Alarme Lambda recomandate care monitorizează numărul de erori, limitările și durata ridicată aproape de limita de timeout

Alarme ALB

Alarme ALB recomandate care monitorizează timpul de răspuns al țintei, gazdele nesănătoase și numărul de erori 5xx

Practici recomandate pentru gestionarea alarmelor

Denumire: <Service>-<Metric>-<Resource>-<Severity>
Descrieri: ce se monitorizează, prag, indicii de depanare, linkuri runbook
Etichete: Mediu, Echipă, Severitate
Revizuire lunară: ajustează pragurile, elimină alarmele obsolete, actualizează acțiunile

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

Rezumatul videoclipului

Trei stări ale alarmei: OK, ALARM, INSUFFICIENT_DATA
Strategii de evaluare: consecutivă, parțială, singură depășire
Alarmele compuse combină mai multe alarme cu AND, OR, NOT
Patru strategii de prag: statistică, capacitate, SLA, rată de schimbare
Alertare pe mai multe niveluri: avertizare → critic → urgență
Alarme pentru resurse Lambda (erori, limitări, durată) și ALB (5xx, latență)

Hai să exersăm!

Monitorizare și depanare în AWS