大規模解析サービスを支える監視サービスと監視構成のポイント

大規模解析サービスであるKARTEでは、できるだけ「データの抜けがないこと」「リアルタイムに解析を行い、それを利用したアクションが提供できること」というシビアな要件が求められます。この要件を満たし続けるためには、素早く問題に気づき対応する仕組みがとても重要になります。KARTEでは複数のサービスを組み合わせて監視の仕組みを構築しており、本稿ではその監視構成とポイントについて紹介します。 何を監視するのか？ サービスを提供する際にはSLO（Service Level Objective）を設けることが一般的です。 KARTEではサービス利用者に向けたSLO（外部SLO）の他に、よりシビアに設定した内部向けのSLO（内部SLO）も定義しており、後者の内部SLOを基準に監視を行っています。 監視は以下の情報などを利用して、さまざまな角度から行っています。 OSから見えるサーバのメトリクス CPU

[jumpei_ikegami]

ただ監視方法を紹介するだけじゃなく、監視した結果をどのように利用するのか？というところまで書いてあるのが現場感あってよかった。