SOAモニタリング、ロギング、分析、修復、およびパフォーマンスの最適化
ある小売企業は、季節変動（年末商戦・大型セールなど）の大きいECサイトをAWS上で運用しています。運用チームは、リクエスト数やレスポンスタイムなどの主要メトリクスが「通常の範囲」から外れた際に自動的にアラームを発報したいと考えています。しかし、シーズンごとに手動でしきい値を調整する運用負荷は避けたいと考えています。この要件を満たす、最も運用負荷が低いアプローチはどれですか？
ACloudWatch Anomaly Detection（異常検知）を有効にし、機械学習で学習した季節パターン・週次・日次のリズムに基づく動的な異常検知アラームを設定する
✓ 正解
CloudWatch Anomaly Detectionは機械学習を使用してメトリクスの正常な変動範囲（バンド）を自動的に学習します。季節性・週次・日次のリズムを考慮した動的なしきい値を自動生成するため、手動での更新が不要で運用負荷が最も低いです。アラームは「バンドを外れた際に発報」という形式で設定でき、既存のすべてのCloudWatchメトリクスに適用可能です。
BCloudWatch Composite Alarm を使用して、CPUとリクエスト数の静的しきい値を組み合わせた複合アラームを作成する
Composite Alarmは複数のアラームをAND/ORで組み合わせる機能です。しきい値自体は静的なままで、季節変動への自動追従はできません。
CCloudWatch Contributor Insights を設定し、特定のIPアドレスやリクエストパターンによる異常なアクセスを検出する
Contributor Insightsはログデータから「最もアクセス数の多いIPアドレス」などのトップコントリビューターを特定する機能であり、メトリクスの動的異常検知には使用できません。
DEventBridge Scheduler でシーズンごとにLambda関数を呼び出し、CloudWatchアラームのしきい値を自動更新する
Lambdaでしきい値を自動更新するアプローチも実現可能ですが、シーズンごとの正確な数値を事前にコード化・管理する必要があり、Anomaly Detectionと比べて運用負荷・実装コストともに高くなります。
解説
CloudWatch Anomaly Detectionは機械学習を使用してメトリクスの正常な変動範囲（バンド）を自動的に学習します。季節性・週次・日次のリズムを考慮した動的なしきい値を自動生成するため、手動での更新が不要で運用負荷が最も低いです。アラームは「バンドを外れた際に発報」という形式で設定でき、既存のすべてのCloudWatchメトリクスに適用可能です。
選択肢BのComposite Alarmは複数のアラームをAND/ORで組み合わせる機能です。しきい値自体は静的なままで、季節変動への自動追従はできません。
選択肢CのContributor Insightsはログデータから「最もアクセス数の多いIPアドレス」などのトップコントリビューターを特定する機能であり、メトリクスの動的異常検知には使用できません。
選択肢DのLambdaでしきい値を自動更新するアプローチも実現可能ですが、シーズンごとの正確な数値を事前にコード化・管理する必要があり、Anomaly Detectionと比べて運用負荷・実装コストともに高くなります。
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SOA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 →