無限ノック › SOA 練習問題一覧 › 問題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
ある企業は、ALB配下のEC2 Auto Scalingグループで会員制Webサービスを運用しています。リクエスト数は平日昼と週末で大きく変動し、深夜は最小になります。運用チームはRequestCountメトリクスに固定しきい値アラームを設定していますが、通常のトラフィックピーク時に誤検知が多発し、逆に深夜の異常な増加は見逃されています。季節性のあるパターンに追従して異常を検知したいと考えています。最小の運用負荷で実現する方法はどれですか。
A CloudWatch異常検出（Anomaly Detection）を有効化し、メトリクスの予測バンド（想定範囲）を外れた値でトリガーする異常検出アラームを作成する
✓ 正解
過去データから曜日・時間帯の周期性を学習して動的な正常範囲を生成し、その範囲を外れた値のみで発報するため、昼のピークでの誤検知と深夜の急増の見逃しを同時に解消でき、しきい値の手動調整も不要で運用負荷が最小です。
B Metric Mathで直近1時間の移動平均を算出し、その値に固定オフセットを加えたしきい値でRequestCountを監視するアラームを設定する
直近の移動平均に固定オフセットを足す方式は、トラフィックが急変すると平均値自体が追従して基準がずれ、周期的なピークと真の異常を区別できません。季節性のあるパターンには適合せず誤検知が残ります。
C 時間帯ごとに異なる固定しきい値のアラームを複数用意し、EventBridge Schedulerで昼・夜・週末のアラームを有効／無効に切り替える
時間帯ごとにしきい値と有効化スケジュールを人手で定義・維持する必要があり、パターン変化のたびに再調整が発生します。動作はしますが運用負荷が高く、最小の運用負荷という要件に反します。
D CloudWatch Contributor Insightsでリクエスト元の上位コントリビューターを継続的に特定し、上位件数が急増した場合にアラームを発報する
Contributor Insightsはログから上位の発信元やキーを抽出する分析機能で、特定IPの偏りなどの検出には有効ですが、総リクエスト量の季節変動を学習して正常範囲を判定する用途には設計されていません。
解説 CloudWatch異常検出は、機械学習モデルがメトリクスの過去データから曜日・時間帯の周期的パターンを学習し、想定される正常範囲（バンド）を動的に生成します。
このバンドを外れた値でアラームを発報するため、昼のピークを誤検知せず、深夜の異常な急増も検出できます。固定しきい値の手動調整が不要で運用負荷が最小です。
選択肢のMetric Mathによる移動平均は、急変時に平均自体が引きずられて追従が鈍く、周期性も表現できません。
選択肢の時間帯別アラーム切り替えは、しきい値とスケジュールを人手で維持し続ける必要があり運用負荷が高いです。
選択肢のContributor Insightsは異常な発信元の特定には有効ですが、季節変動する総量の正常範囲を学習する用途には向きません。
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 →