Logs Insights a analýza

Monitoring and Troubleshooting AWS

John Q. Martin

Principal Consultant

Struktura dotazu v Logs Insights

Struktura dotazu v Logs Insights zobrazující příkazy filter, stats, sort a limit řetězené pomocí roury

Dotazovací jazyky: stejný dotaz třemi způsoby

CloudWatch Logs Insights QL

fields @timestamp, @message, level
| filter level = "ERROR"
| filter @timestamp > ago(1h)
| sort @timestamp desc
| limit 20

OpenSearch PPL

source = `/aws/lambda/my-function`
| where level = 'ERROR' and @timestamp > ago(1h)
| fields @timestamp, @message, level
| sort - @timestamp
| head 20

Dotazovací jazyky: OpenSearch SQL

OpenSearch SQL

SELECT `@timestamp`, `@message`, level
FROM `/aws/lambda/my-function`
WHERE level = 'ERROR'
  AND `@timestamp` > ago(1h)
ORDER BY `@timestamp` DESC
LIMIT 20

Standardní syntaxe SELECT / FROM / WHERE
Přidává JOINy napříč skupinami logů
Zvol, co ti nejlépe sedí

Scénář 1: Hledání špiček chyb

fields @timestamp, @message, level
| filter level = "ERROR"
| stats count() as error_count by bin(5m)
| sort @timestamp desc

Rozšíření: seskupení podle typu chyby

fields @timestamp, error_type, error_message
| filter level = "ERROR"
| stats count() as count by error_type, bin(5m)
| sort count desc

Scénář 2: Pomalé API endpointy

fields @timestamp, endpoint, response_time, status_code
| filter response_time > 1000
| stats avg(response_time) as avg_time,
        max(response_time) as max_time,
        count() as slow_requests
        by endpoint
| sort avg_time desc

Podrobný pohled

fields @timestamp, endpoint, response_time, user_id, request_id
| filter endpoint = "/api/users" and response_time > 1000
| sort response_time desc
| limit 20

Scénář 3: Neúspěšná autentizace

fields @timestamp, user_id, ip_address, action
| filter action = "login_failed"
| stats count() as failed_attempts by user_id, ip_address
| sort failed_attempts desc
| limit 50

Analýza v čase

fields @timestamp, user_id, ip_address
| filter action = "login_failed"
| stats count() as attempts by ip_address, bin(1h)
| filter attempts > 10
| sort attempts desc

Scénáře 4 & 5: Výpadky databáze a úniky paměti

Výpadky databáze

fields @timestamp, @message
| filter @message like /database/ and @message like /timeout|error|failed/
| parse @message "timeout after * seconds" as timeout_duration
| stats count() as timeout_count,
        avg(timeout_duration) as avg_timeout
        by bin(5m)

Detekce úniku paměti

fields @timestamp, memory_used_mb, heap_size_mb
| stats avg(memory_used_mb) as avg_memory,
        max(memory_used_mb) as max_memory
        by bin(1h)
| sort @timestamp asc

Scénář 6: Trasování požadavků

fields @timestamp, @message, request_id, service, action
| filter request_id = "abc123def456"
| sort @timestamp asc

Trasování napříč službami

fields @timestamp, service, action, duration_ms, status
| filter request_id = "abc123def456"
| sort @timestamp asc
| display @timestamp, service, action, duration_ms, status

Pokročilé techniky: parse, regex

Parsování nestrukturovaných logů

fields @timestamp, @message
| parse @message "[*] User * failed to access resource * from IP *"
    as level, user, resource, ip

Parsování pomocí regexu

| parse @message /Request completed in (?<duration>\d+)ms with status (?<status>\d+)/

Pokročilé techniky: vypočítaná pole

fields @timestamp, requests, errors
| fields error_rate = (errors / requests) * 100

fields @timestamp, status_code
| fields status_category =
    case(status_code < 300, "success",
         status_code < 500, "client_error",
         status_code >= 500, "server_error")
| stats count() as request_count by status_category

Optimalizace dotazů

Čtyři pravidla optimalizace dotazů: nastav časový rozsah, filtruj před agregací, omez výsledky a preferuj agregace

Detekce anomálií a korelace

Statistická detekce anomálií

Výpočet základny: průměr a směrodatná odchylka za 7 dní
Porovnání aktuálního období se základnou
Hodnoty přesahující 2 směrodatné odchylky jsou označeny jako anomálie

Korelace chybovosti

fields @timestamp, level
| stats count() as total_requests,
        sum(case(level = "ERROR", 1, 0)) as errors
        by bin(5m)
| fields error_rate = (errors / total_requests) * 100

Shrnutí

CloudWatch Logs Insights: interaktivní dotazovací služba bez nutnosti vlastní infrastruktury
Tři dotazovací jazyky: Logs Insights QL, OpenSearch PPL, OpenSearch SQL
Šest scénářů řešení problémů: špičky chyb, pomalé endpointy, neúspěšná autentizace, výpadky DB, úniky paměti, trasování požadavků
Pokročilé techniky: parse pro nestrukturovaný text, bin() pro časové řady, pct() pro percentily
Korelace a detekce anomálií: analýza chybovosti, porovnání se statistickou základnou
Od analýzy k automatizaci: filtry metrik a alarmy uzavírají smyčku

Pojďme cvičit!