DOPモニタリングとロギング
大手 EC サイトの DevOps チームは、注文処理を行う AWS Lambda 関数のエラー率を監視しています。この Lambda 関数はタイムセールや祝日などのイベント時に急激にトラフィックが増加するため、エラー率の正常ベースラインが時間帯・曜日・イベント期間によって大きく変動します。固定の閾値（例: エラー率 5%）では通常トラフィック時の誤検知や高負荷時の見逃しが多発し、アラート疲れ（Alert Fatigue: 過剰な誤検知によりアラートが無視されるようになる現象）が深刻化しています。この問題を解消しながら真の異常を検出するための最も効果的なアプローチはどれですか？
A過去 90 日間のエラー率データを分析して時間帯・曜日ごとの上限値を計算し、CloudWatch アラームの閾値を時間帯別に切り替えるスクリプトを EventBridge Scheduler で定期実行する
CloudWatch過去 90 日間のエラー率データを分析して時間帯・曜日ごとの上限値を計算し、CloudWatch アラームの閾値を時間帯別に切り替えるスクリプトを EventBridge Scheduler で定期実行するは静的閾値の自動更新に過ぎず複雑な変動パターンへの対応が限定的な上に運用負荷が高い。
BCloudWatch Anomaly Detection を Lambda のエラー率に適用してタイムセール期間を除外ウィンドウに指定し、機械学習モデルで正常範囲を自動学習する異常検出アラームを構成する
✓ 正解
CloudWatch Anomaly Detection は機械学習を使用してメトリクスの季節性・時間帯パターン・曜日変動を自動的に学習し、動的な正常範囲バンドを生成します。除外ウィンドウ機能によりタイムセールなど意図的なトラフィック急増期間をトレーニングから除外でき、イベント特有のパターンがベースラインを歪めることを防ぎます。
CLambda の予約済み同時実行数（Reserved Concurrency）を設定し、エラー率の代わりにスロットリング発生数を監視する CloudWatch アラームを設定することで過負荷状態を間接的に検出する
Lambda の予約済み同時実行数（Reserved Concurrency）を設定し、エラー率の代わりにスロットリング発生数を監視する CloudWatch アラームを設定することで過負荷状態を間接的に検出するはスロットリングをエラー率の代理指標とするため検出精度が低下します。
DX-Ray のトレースデータをサンプリングレート 100% で収集し、CloudWatch ServiceLens でエラーセグメントが前 1 時間比で 30% 以上増加した場合にアラームを発火させる
X-Ray のトレースデータをサンプリングレート 100% で収集し、CloudWatch ServiceLens でエラーセグメントが前 1 時間比で 30% 以上増加した場合にアラームを発火させるは X-Ray の 100% サンプリングはコストが高く、前時間比の固定ルールでは季節性への適応ができません。
解説
CloudWatch Anomaly Detection は機械学習を使用してメトリクスの季節性・時間帯パターン・曜日変動を自動的に学習し、動的な正常範囲バンドを生成します。除外ウィンドウ機能によりタイムセールなど意図的なトラフィック急増期間をトレーニングから除外でき、イベント特有のパターンがベースラインを歪めることを防ぎます。
選択肢Aは過去 90 日間のエラー率データを分析して時間帯・曜日ごとの上限値を計算し、EventBridge Scheduler で閾値切り替えスクリプトを定期実行する方法で、静的閾値の自動更新に過ぎず複雑な変動パターンへの対応が限定的な上に運用負荷が高い。
選択肢CはLambda の予約済み同時実行数（Reserved Concurrency）を設定し、エラー率の代わりにスロットリング発生数を監視する方法で、スロットリングをエラー率の代理指標とするため検出精度が低下します。
選択肢DはX-Ray のトレースデータをサンプリングレート 100% で収集し、CloudWatch ServiceLens でエラーセグメントが前 1 時間比で 30% 以上増加した場合にアラームを発火させる方法で、100% サンプリングはコストが高く、前時間比の固定ルールでは季節性への適応ができません。
ドメイン別正答率・予想スコアでリアルタイムに実力把握
無限ノックでDOPを徹底対策。全問AI生成のオリジナル問題。
無料で演習を始める →