Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
元祖 AIOps! メトリクス異常検知からはじめよう 〜さようなら Lookout for M...
Search
Kento Kimura
PRO
March 04, 2025
Video
Technology
0
250
元祖 AIOps! メトリクス異常検知からはじめよう 〜さようなら Lookout for Metrics〜 / The Original AIOps! Let's get started with Metrics Anomaly Detection - Good-bye Lookout for Metrics
OpsJAWS Meetup #33『AIOps』
https://opsjaws.connpass.com/event/342300/
Kento Kimura
PRO
March 04, 2025
Tweet
Share
Video
More Decks by Kento Kimura
See All by Kento Kimura
プラットフォームとしての Datadog / Datadog as Platforms
aoto
PRO
1
510
Cloud Run を解剖して コンテナ監視を考える / Breaking Down Cloud Run to Rethink Container Monitoring
aoto
PRO
0
160
Recap of Next - Google Cloud で実践する クラウドネイティブ最前線 / The Frontlines of Cloud-Native with Insights from Google Cloud
aoto
PRO
1
150
AWS で広がるオブザーバビリティの世界 / Do SREs Dream of AWS Observability?
aoto
PRO
0
300
Dive Deep in Cloud Run: Automatic Base Image update
aoto
PRO
0
1k
CloudWatch Application Signals と APM の入門 / Introduction to CloudWatch Application Signals and APM
aoto
PRO
2
1.6k
Recap『Platform Engineering 入門: Golden Path の構築と活用』
aoto
PRO
0
1.1k
Two different ways to export AWS CloudWatch Metrics
aoto
PRO
0
1.2k
オブザーバビリティの再考
aoto
PRO
0
940
Other Decks in Technology
See All in Technology
リリース2ヶ月で収益化した話
kent_code3
1
180
Kiroでインフラ要件定義~テスト を実施してみた
nagisa53
3
300
ホリスティックテスティングの右側も大切にする 〜2つの[はか]る〜 / Holistic Testing: Right Side Matters
nihonbuson
PRO
0
570
GMOペパボのデータ基盤とデータ活用の現在地 / Current State of GMO Pepabo's Data Infrastructure and Data Utilization
zaimy
3
190
20250807_Kiroと私の反省会
riz3f7
0
130
Agent Development Kitで始める生成 AI エージェント実践開発
danishi
0
120
オブザーバビリティプラットフォーム開発におけるオブザーバビリティとの向き合い / Hatena Engineer Seminar #34 オブザーバビリティの実現と運用編
arthur1
0
340
データエンジニアがクラシルでやりたいことの現在地
gappy50
3
850
モバイルゲームの開発を支える基盤の歩み ~再現性のある開発ラインを量産する秘訣~
qualiarts
0
1.1k
OPENLOGI Company Profile for engineer
hr01
1
37k
S3 Glacier のデータを Athena からクエリしようとしたらどうなるのか/try-to-query-s3-glacier-from-athena
emiki
0
180
VLMサービスを用いた請求書データ化検証 / SaaSxML_Session_1
sansan_randd
0
210
Featured
See All Featured
Thoughts on Productivity
jonyablonski
69
4.8k
Mobile First: as difficult as doing things right
swwweet
223
9.9k
Music & Morning Musume
bryan
46
6.7k
BBQ
matthewcrist
89
9.8k
Become a Pro
speakerdeck
PRO
29
5.5k
Stop Working from a Prison Cell
hatefulcrawdad
271
21k
A Modern Web Designer's Workflow
chriscoyier
695
190k
Typedesign – Prime Four
hannesfritz
42
2.7k
Connecting the Dots Between Site Speed, User Experience & Your Business [WebExpo 2025]
tammyeverts
8
420
The Psychology of Web Performance [Beyond Tellerrand 2023]
tammyeverts
49
2.9k
Adopting Sorbet at Scale
ufuk
77
9.5k
Speed Design
sergeychernyshev
32
1.1k
Transcript
元祖 AIOps! メトリクス異常検知からはじめよう 〜さようなら Lookout for Metrics〜 4th Mar, OpsJAWS
Meetup#33 『AIOps』 Kento Kimura
自己紹介 • 所属:Technical Solutions / Sales Engineer • 担当:パブリッククラウドのアーキテクト知識を活かした Datadog
のプリセールス技術支援 • 活動: 2023 Japan AWS Jr.Champion → AWS Community Builder(Cloud Operations) JAWS-UG にたまに出没する犬のロゴの会社の人です🐶 JAWS DAYS 2025 には個人スポンサー・当日スタッフとして参加しました🦈 好きな AWS サービスは CloudWatch Application Signals 木村 健人 (Kento Kimura) Datadog Japan GK Experience データセンター運用保守 → パブリッククラウド技術支援 → プリセールス技術支援 Community JAWS-UG, Jagu'e'r, CloudNative Days
おはなし 3 01 AIOps on AWS 02 AIOps について考える 03
Lookout for Metrics と異常検知 04 これからの異常検知 05 まとめ
4 AIOps on AWS
詳しくは OpsJAWS #27『EC2の運用と監視』 5 引用「AIOpsを活用してAWS監視を体験してみた 〜EC2も監視できるよ〜」 https://speakerdeck.com/hiashisan/opsjaws27-aiops-aws
6 AIOps について考える
AIOps AIOps = Artificial Intelligence for IT Operations
AIOps のかんたんな歴史 8 2016 AIOps の概念が登場 Gartner の提唱により、 AI ×
IT Operations を 組み合わせた造語が生まれる 2020~ プラットフォームとして AIOps が提供され始める 監視プラットフォームに機能と して異常検出・パターン化・比 較機能などが備わる ~2016 IT 運用の効率化のため、 機械学習とビッグ データを利用 する試みが始まる IT 運用は大量の監視データを扱 うため、AI 活用に向いていた 2017 AIOps の普及期 AIOps の様々な手法が 活用され始める 独自の機械学習アルゴリズムを 活用してログ・メトリクスの 異常検知を行う取り組みが主流 2023~ 生成 AI を活用した AIOps が 登場する 自然言語検索・運用 AI エー ジェント・ポストモーテムの 自動生成などの取り組みが行 われる Amazon Lookout for Metrics CloudWatch Logs features CloudWatch Anomaly Detection とAWS上の異常検知
Amazon.com の技術から構築 された、時系列データ内の異 常を検出するサービス 工業製品の視覚的な欠陥を コンピューター ビジョンを使 用して発見するサービス 産業機器を監視し、機器の異 常な動作を検出し、潜在的な
障害を特定するサービス Lookout 3兄弟 9 Amazon Lookout for Equipment Amazon Lookout for Metrics Amazon Lookout for Vision 2025 年 10 月 31 日に廃止 2024 年 10 月 17 日に廃止済 (コンソールには残っている) 2025 年 9 月 12 日に廃止 (現在は新規利用不可)
Lookout for Metrics の代わりに各機能を使おう 10 CloudWatch Anomaly Detection をはじめ として、OpenSearch,
Redshift, QuickSight, Glue Data Quality, SageMaker Canvas は それぞれ異常検出(検知)の機能を持っている 監視データ転送不要で プラットフォーム上で 異常検知ができる時代!!
AWS サービス廃止からの学び 工場・産業機器を主な対象とする Vertical AI は AWS では必要無くなった? これからは Bedrock
や SageMaker で Vertical AI (Agent) が構築されていく 11
12 Lookout for Metrics と異常検知
Amazon Lookout for Metrics Lookout for Metrics の構造 13 検出器
:データセットを監視して異常を検出するリソース データソース :AWS 内外から収集できる時系列メトリクス データセット :検出器によるデータのコピー、タイムスタンプと値のフィールドを分析する メトリクス :タイムスタンプ × 値のフィールド(メジャー) 警告 :SNS や Lambda をターゲットとする通知やワークフローの実行 Datasource Metrics Amazon AppFlow Amazon S3 Amazon RDS Dataset Detector Alert COPY AWS Lambda Amazon SNS
Lookout for Metrics の良かったところ CloudWatch Anomaly Detection のように、異常検知の機能を持たない プラットフォームに自分でカスタマイズした専用の異常検知機能を用意できた🤔 14
Lookout for Metrics の良かったところと今 CloudWatch Anomaly Detection のように、異常検知の機能を持たない プラットフォームに自分でカスタマイズした専用の異常検知機能を用意できた AIOps
黎明期には様々な対象にオリジナルの異常検知に需要がありそうだった →各データセットに基づく、精度の高い異常検知ができる…? 思ったよりも AIOps の体制や機能を自分たちで作り上げることが大変で、 異常検知もそれほどさまざまなパターンが必要ではなかった →異常検知の閾値や季節・周期性の考慮とアルゴリズムの選択で十分 15
16 異常検知のモデルを一から触るより プラットフォームにある機能を そのまま使ったらいいよね
17 これからの異常検知
18 これからの異常検知 メトリクス
19 異常検知のモデルを一から触るより プラットフォームにある機能を そのまま使ったらいいよね
メトリクス異常検知に求められる要素 ① 低コストな計算: プラットフォーム側の負荷軽減や即時検知のために、 軽量なアルゴリズムを採用する ② 誤検知を減らす: 時系列メトリクスの特性に合わせて季節・周期性の考慮 閾値の設定やアルゴリズムの変更が必要 ③
組み込みの機能: 利用者が追加の運用負荷を感じることなく、 簡単に利用開始できてカスタマイズできること 20
CloudWatch Anomaly Detection (in Alarm) 21 異常検出を選ぶ 条件を選ぶ 閾値の設定
22 まとめ
まとめ • AIOps といっても、異常検知から運用 AI エージェントまでさまざま • 異常検知は様々な監視プラットフォームに組み込まれていて すぐに始められる! •
Lookout for Metrics の廃止から学んだこと: 異常検知のカスタマイズよりも、システムの改善に時間をかけよう • CloudWatch Anomaly Detection は設定も簡単 23
Thank you