PagerDuty 設定ガイド (トリアージ編1) - 一次対応を自動化する

PagerDuty Advent Calendar 6日目の記事です。
この「トリアージ編」では、監視ツールからイベントを受信した後、インシデントへの一次対応を自動化する方法を説明します。

設定の順番としては、「動員編」「検知編」の後に、この「トリアージ編」を進めることをおすすめします。

「トリアージ編」を完了すると、できるようになること

1. AIを活用し、複数のアラートを1つのインシデントでまとめて管理できる
2. 一過性のアラートをAIで検知し、不要な通知を削減できる(通知の自動一時停止)
3. イベントに対するルールを作成し、対応を自動化する(自動診断、自動復旧、通知レベルの変更等)

PagerDutyトリアージ機能の構成

トリアージ機能は大きく3つの機能群に分かれます:

1. ノイズ削減: AIを活用して関連するアラートを集約したり、不要な通知を削減します。
2. ルールによる自動処理: イベントに対するルールを作成し、イベントの内容に応じて通知レベルを変更したり、次のMachine Responseを実行します。
3. Machine Response¹: 診断や復旧、復旧後の正常性確認などの処理をジョブとして作成しておき、自動実行します。

一次対応の自動化例

アーキテクチャのモダン化が進み、システムは日に日に複雑化しています。
監視センター/NOCなどでオペレーターの方が人手で行う場合、迅速に対応することが難しくなってきます。

PagerDutyのトリアージ・動員の機能を利用すれば、これまで人手で行っていた多くの作業を自動化できます。これによって開発などのより重要な業務に、リソースを集中させることが可能になります。

以降の記事では、それぞれの機能の設定方法を説明します。

PagerDuty設定ガイド 目次

検知編 | トリアージ編 | 動員編 | 解決編 | 学習編

1. [一次対応を自動化する] << イマココ
2. Alert Groupingでアラートノイズを削減する
3. Auto Pauseで一過性アラートの通知を削減する
4. Event Orchestrationでアラートへの対処を自動化する
5. 診断や復旧作業を自動化する

参考リソース

• システム障害を未然に防ぐ「インシデント管理・対応」とは
• PagerDuty利用ガイド - Responder編
• PagerDuty 導入事例
• PagerDuty - 14日間 無料トライアル

1. Machine Responseは「トリアージ」だけでなく、「協力/解決」のステップでも利用できます。「トリアージ」のステップでは、アラートの内容に応じてEvent-Drivenで自動実行させるのに対し、「協力/解決」では、担当者がジョブを選んで実行させます。本記事ではトリアージ編の中で解説します。 ↩