Amazon CloudWatchにて、最小限の労力でもそれっぽく監視したいんだよな〜という……。
- そもそも動くことすらできていない「スロットル」は要監視である。動かなければお話にならないので
- レスポンス
5XX、4XX、3XX、2XXについては一部だけ記載してある。状況に合わせて適宜監視するとよい - 最小限にしつつもおすすめは、「いわゆるERROR」（≒障害）用のアラームと、「いわゆるWARN」（障害ではないが気になる挙動）用のアラームを作ってみること。そうすると、構築したサービスの挙動傾向が掴みやすく、結果として安寧が得られる
ALB
- ロードバランサー5XX系エラー回数
HTTPCode_ELB_5XX_Count Sum- クライアントにサーバーエラーを返しているようだ
- ターゲット5XX系エラー回数
HTTPCode_Target_5XX_Count Sum- ターゲットがサーバーエラーを返しているようだ
- ターゲットのヘルシー率（レート）
UnHealthyHostCount / (HealthyHostCount + UnHealthyHostCount)- オートヒールする作りにしてあるとはいえ、意外とダウンしている？
- ターゲットの単純な起動エラーによる無限立ち上げループの危険性も
API Gateway
- レイテンシー
Latency p99- 対クライアントがなにやら重い？
- インテグレーションレイテンシー
IntegrationLatency p99- バックエンドがなにやら重い？
- 5XX系エラー率（レート）
5XXError Average- サーバー側でなにやらあったようだ
- AWSサービス自体の内部エラーという場合もある。その場合はAWS Healthに通知が来たりもする
- 5XX系エラー回数
5XXError Sum- 単純な回数も把握しておこう
- 4XX系エラー率（レート）
4XXError Average- あまりに高まってきているなら不穏…
- アタックにより発生している危険性も
- サーバー側コードのバグにより発生している危険性も
- クライアントが自アプリなら、アプリコードのバグにより発生している危険性も
- 429エラー回数
(MetricFilter) 429Error Sum- スロットルされている！
- 自前でメトリクスを生成しておくと分かり易い
Cognito
- サインインスロットル回数
SignInThrottles Sum- スロットルされている！
ECS
- CPU利用率
CPUUtilization Average- 意外とぶん回している？
- メモリー利用率
MemoryUtilization Average- 意外と食っている？
Lambda
- 実行時間
Duration p99- なにやら重い？
- 最大並列実行数
ConcurrentExecutions Maximum- 並列実行数が想定より増えている？
- 実行回数
Invocations Sum- 定期的に動かしているつもりが…動いていない説？
- エラー率（レート）
Errors / Invocations- リトライで解消する作りにしてあるとはいえ、意外とエラーになっている？
- エラー回数
Errors Sum- 単純な回数も把握しておこう
- スロットル回数
Throttles Sum- スロットルされている！
SQS
- DLQメッセージ数
ApproximateNumberOfMessagesVisible Maximum- DLQ落ちが発生しておりいと悲し
- DLQメッセージ数増減差分
RATE(ApproximateNumberOfMessagesVisible) * PERIOD(ApproximateNumberOfMessagesVisible)- DLQメッセージ数がどんどん増えているぞ……！
Step Functions
- 実行時間
ExecutionTime p99- なにやら重い？
- ステートマシン実行失敗数
ExecutionsFailed Sum- リトライもなんのその、完敗している
- スロットル回数
ExecutionThrottled Sum- スロットルされている！
WAF
- ブロック率（レート）
BlockedRequests / (AllowedRequests + BlockedRequests)- 意外とブロックされているようだ。ルールがよろしくないのかも？