Upgrade to Pro — share decks privately, control downloads, hide ads and more …

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...

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

March 04, 2025
Tweet

Video

More Decks by Kento Kimura

Other Decks in Technology

Transcript

  1. 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
  2. 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
  3. 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
  4. 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)
  5. 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!!
  6. 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
  7. 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
  8. 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