CloudWatch のアラームと通知

AWS のモニタリングとトラブルシューティング

John Q. Martin

Principal Consultant

CloudWatch アラームとは

主要な概念

一定期間にわたって単一のメトリクスを監視します
メトリクスがしきい値を超えるとアクションを実行します

CloudWatch アラームの 6 つのコアコンポーネント（メトリクス、しきい値、期間、評価期間、アラームのデータポイント数、アクション）

アラームの状態

CloudWatch アラームの 3 つの状態：OK、ALARM、INSUFFICIENT_DATA

メトリクスデータが到着するにつれて CloudWatch アラームが状態遷移する様子を示した図

アラームの評価

指定した間隔でデータポイントを収集します
期間内に統計（平均、合計、最大、最小）を適用します
結果をしきい値と比較します
しきい値超過の評価期間数をカウントします
アラームのデータポイント数のしきい値を満たすと状態を変更します

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

評価戦略

連続違反・部分違反・単一違反の 3 つのアラーム評価戦略と、それぞれの感度トレードオフ

アラームアクションの種類とトリガー

アクションのトリガー

OK
ALARM
INSUFFICIENT_DATA

アクションの種類

SNS 通知
Auto Scaling
EC2 アクション（停止・終了・再起動・復旧）
Systems Manager

データ欠損時の動作

アラームのデータ欠損時の動作オプション：notBreaching、breaching、ignore、missing

標準アラームの作成：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

コンポジットアラーム：概要と必要性

問題

関連する複数のアラームが個別に発火する = アラート疲労

解決策

論理演算子でアラームを組み合わせます

子アラームを AND・OR・NOT 演算子で組み合わせるコンポジットアラームのロジック

コンポジットアラームの作成：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)"

複雑なルールの例

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

しきい値の選択戦略

しきい値選択の 4 つの戦略：ベースライン偏差、容量上限、SLA 目標、変化率

マルチティアアラーム戦略

警告・重大・緊急の各ティアを別々の SNS トピックにルーティングするマルチティアアラーム応答

例： CPU 警告は 75%、重大は 90% に設定し、それぞれ異なる SNS トピックを使用

異常検出アラーム

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 モデルがメトリクスの正常な動作を学習します
動的なしきい値バンドを作成します（設定可能）
日次・週次のパターンに適応します
手動によるしきい値の調整を削減します

リソースアラーム：Lambda と ALB

Lambda アラーム

エラー数、スロットル、タイムアウト上限付近の高レイテンシを監視する推奨 Lambda アラーム

ALB アラーム

ターゲット応答時間、異常ホスト数、5xx エラー数を監視する推奨 ALB アラーム

アラーム管理の推奨プラクティス

命名規則：<Service>-<Metric>-<Resource>-<Severity>
説明：監視対象、しきい値、トラブルシューティングのヒント、ランブックリンクを記載
タグ：環境、チーム、重大度
毎月レビュー：しきい値の調整、不要なアラームの削除、アクションの更新

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

まとめ

アラームの 3 つの状態：OK、ALARM、INSUFFICIENT_DATA
評価戦略：連続違反、部分違反、単一違反
コンポジットアラームは AND・OR・NOT で複数のアラームを組み合わせます
4 つのしきい値戦略：統計的、容量、SLA、変化率
マルチティアアラート：警告 → 重大 → 緊急
Lambda（エラー、スロットル、実行時間）と ALB（5xx、レイテンシ）のリソースアラーム

練習しましょう！

AWS のモニタリングとトラブルシューティング