Alarmes et notifications CloudWatch

Surveillance et dépannage sur AWS

John Q. Martin

Principal Consultant

Qu'est‑ce que les alarmes CloudWatch

Concepts clés

Surveille une seule mesure sur une période
Agit quand la mesure dépasse un seuil

Six composants clés d'une alarme CloudWatch : metric threshold period evaluation periods datapoints to alarm and actions

États d'alarme

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

Schéma des transitions d'état d'une alarme CloudWatch selon l'arrivée des données de mesure

Évaluation d'une alarme

Recueillir des points de données à des intervalles donnés
Appliquer une statistique (Average, Sum, Max, Min) sur la période
Comparer le résultat au seuil
Compter les périodes d'évaluation en violation
Changer d'état si le seuil « 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 : violations consécutives partielle et unique, avec compromis de sensibilité

Types d'actions et déclencheurs d'alarme

Déclencheurs d'actions

OK
ALARM
INSUFFICIENT_DATA

Types d'actions

Notification SNS
Auto Scaling
Action EC2 (arrêter/terminer/redémarrer/récupérer)
Systems Manager

Comportement en cas de données manquantes

Options de gestion des 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 = fatigue d'alerte

Solution

Combiner les alarmes avec des opérateurs logiques

Logique d'une 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 : écart à la référence limites de capacité cibles SLA et taux de variation

Stratégie d'alarme à plusieurs niveaux

Réponse à plusieurs niveaux : avertissement critique et urgence, acheminés vers des sujets SNS distincts

Exemple : avertissement CPU à 75 %, critique à 90 %, chacun vers un sujet SNS différent

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 mesure
Crée une bande de seuil dynamique (paramétrable)
S'adapte aux cycles quotidiens/hebdomadaires
Réduit l'ajustement manuel des seuils

Alarmes par ressource : Lambda et ALB

Alarmes Lambda

Alarmes Lambda recommandées : erreurs limitations et durée élevée proche de l'échéance

Alarmes ALB

Alarmes ALB recommandées : temps de réponse des cibles hôtes défaillants et erreurs 5xx

Pratiques recommandées de gestion des alarmes

Nommage : <Service>-<Metric>-<Resource>-<Severity>
Descriptions : quoi surveiller, seuil, pistes de dépannage, liens vers le guide d'exploitation
Étiquettes : environnement, équipe, gravité
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 : OK, ALARM, INSUFFICIENT_DATA
Stratégies d'évaluation : consécutive, partielle, violation unique
Alarmes composites : combiner plusieurs alarmes avec AND, OR, NOT
Quatre stratégies de seuil : statistique, capacité, SLA, taux de variation
Alerte à plusieurs niveaux : avertissement → critique → urgence
Alarmes par ressource pour Lambda (erreurs, limitations, durée) et ALB (5xx, latence)

Passons à la pratique !

Surveillance et dépannage sur AWS