監視ルールリファレンス

監視ルールはリソースごとに設定され、次のリソースに対応するルールがあります。

• Agent
• スケジュール
• オブジェクトとリンク
• ストリーミングデータセット
• ライブデプロイメント
• 時系列同期
• 地理時系列観測
• 自動化
• データセット
• 関数
• アクション

ほとんどの監視ルールには、アラートの重大度という設定可能な項目があります。これは、条件が満たされたときにアラートに付与される重大度です。一部のルールでは、以下のテーブルに記載されているように、重大度が固定されています。監視ビューは、指定した重大度以上のアラートのみを送信するように設定できます。

Agent のルール

Agent の最終ハートビート時刻

Agent ブートストラッパーの最後のハートビートからの経過時間が、設定したしきい値を超えるとアラートを発します。

このモニターの値を10分に設定することを推奨します。

Agent マネージャーの最終ハートビート時刻

Agent マネージャーの最後のハートビートからの経過時間が、設定したしきい値を超えるとアラートを発します。

Agent マネージャーが古いバージョンのままの経過時間

Agent ブートストラッパーのバージョンがアップグレードされないまま、設定したしきい値の時間が経過するとアラートを発します。

このモニターの値を10日に設定することを推奨します。

Agent が古いバージョンのままの経過時間

Agent のバージョンがアップグレードされないまま、設定したしきい値の時間が経過するとアラートを発します。

このモニターの値を10日に設定することを推奨します。

高い CPU 使用率

Agent の CPU 使用率が、設定したしきい値を超えるとアラートを発します。

このモニターの値を80 (%) に設定することを推奨します。

上限に近い JVM ヒープ使用量

JVM ヒープ使用量が、設定したしきい値を超えるとアラートを発します。

このモニターの値を70 (%) に設定することを推奨します。

ディスク空き容量の不足

ディスク空き容量が、設定したしきい値を下回るとアラートを発します。

このモニターの値を10 GB に設定することを推奨します。

キーストア証明書の最も早い有効期限までの時間

Agent のキーストア内の証明書が、設定したしきい値の時間内に有効期限を迎える場合にアラートを発します。

** このモニターは、値が30日未満の場合は重大度を中、10日未満の場合は重大度を高に設定することを推奨します。**

トラストストア証明書の最も早い有効期限までの時間

Agent のトラストストア内の証明書が、設定したしきい値の時間内に有効期限を迎える場合にアラートを発します。

このモニターは、値が30日未満の場合は重大度を中、10日未満の場合は重大度を高に設定することを推奨します。

キューサイズ

Agent のキューに入っているジョブ数が、設定したしきい値を超えるとアラートを発します。

このモニターの値を70件（ジョブ数）に設定することを推奨します。

スケジュールルール

連続したスケジュールの失敗

スケジュールの連続失敗回数が設定したしきい値以上になると、アラートを発します。ビルドがキャンセルされたスケジュールの実行はカウントされません。

このモニターは、デフォルトでは1回の失敗で重要度「中」、3回の失敗で重要度「高」のアラートを発します。ただし、これらのしきい値は、監視ルールの対象範囲に含まれるスケジュールの実行頻度と安定性に大きく依存します。

スケジュールの実行時間

スケジュールの実行時間が設定したしきい値を超えると、アラートを発します。

オブジェクトとリンクのルール

ユーザーに起因する失敗とは、無効なスキーマ、不正な行、権限不足など、設定または入力データの問題によって発生するジョブの失敗です。これらの失敗は、一時的な失敗やインフラストラクチャー関連の失敗とは区別されます。後者は通常、再試行によって自動的に解決されるため、これらのアラートでは通知されません。

変更履歴ジョブの失敗

オブジェクトまたはリンクの「変更履歴」ジョブが、アクティブなパイプラインまたは置き換えパイプラインのいずれかで失敗している場合にアラートを通知します。ユーザーに起因する失敗のみを通知します。

このモニターのデフォルトの動作では、失敗が1回発生すると重大度「中」、3回発生すると重大度「高」のアラートを通知します。

変更マージジョブの失敗

オブジェクトまたはリンクの「変更マージ」ジョブが、アクティブなパイプラインまたは置き換えパイプラインのいずれかで失敗している場合にアラートを通知します。ユーザーに起因する失敗のみを通知します。

このモニターのデフォルトの動作では、失敗が1回発生すると重大度「中」、3回発生すると重大度「高」のアラートを通知します。

同期ジョブの失敗

オブジェクトまたはリンクのフォアグラウンドの同期ジョブが、アクティブなパイプラインまたは置き換えパイプラインのいずれかで最終的に失敗した場合に、重大度「高」のアラートを通知します。最終的な失敗とは、再試行できない失敗であるか、ジョブで回復不能なエラーが多すぎたために、ジョブが再試行されないことを意味します。このルールは設定できません。

パイプラインでのスクロールジョブの失敗

オブジェクトまたはリンクのアクティブなパイプラインまたは置き換えパイプラインの「スクロール」ジョブが失敗している場合にアラートを通知します。スクロールジョブは、元データソースからオブジェクトデータベースへのデータのストリーミングを担います。

このモニターのデフォルトの動作では、失敗が1回発生すると重大度「低」、3回発生すると重大度「中」、7回発生すると重大度「高」のアラートを通知します。これらの値は設定可能です。

同期の伝播遅延

オブジェクトの元データセットに、同期時間が設定されたしきい値を超えるトランザクションがある場合にアラートを通知します。

ライブネス：最後に成功した Checkpoint からの経過時間（オブジェクトとリンク）

オブジェクトまたはリンクの元ストリームが、設定されたしきい値の時間内に Checkpoint を完了していない場合にアラートを通知します。このルールは、実行されていないストリームと、Checkpoint に失敗しているストリームを検出します。デフォルトのしきい値は2分で、重大度は「高」です。

無効なストリームレコードが検出されました

入力ストリーム内のレコードに形式違反が含まれている場合にアラートを通知します。スクロールジョブはこれらのレコードを無視します。このルールは設定できず、無視された行数が1以上の場合に重大度「高」のアラートを通知します。

無効な直接書き込みレコードの検出

検証の失敗により直接書き込みレコードが拒否された場合にアラートを通知します。このルールは設定できず、拒否されたレコード数が1以上の場合に重大度「高」のアラートを通知します。

ストリーミングデータセットのルール

派生ストリームのモニター

前回の Checkpoint の所要時間

前回の Checkpoint の完了にかかった時間が、設定したしきい値を超えた場合にアラートを発します。

稼働状態：最後に成功した Checkpoint からの経過時間

ストリームで Checkpoint が完了しないまま、設定したしきい値の時間が経過した場合にアラートを発します。しきい値のデフォルト設定は5分です。このモニターは、実行されていないストリームと、Checkpoint に失敗しているストリームの両方を対象とします。

Checkpoint の連続失敗回数

Checkpoint の連続失敗回数が、設定したしきい値以上になった場合にアラートを発します。重大度が高い場合のデフォルトのしきい値は、失敗5回です。

Checkpoint トリガーの失敗率

設定したウィンドウ内での Checkpoint トリガーの失敗回数が、指定したしきい値を超えた場合にアラートを発します。

合計ラグ

ストリームのラグ（上流の未処理レコードの合計数）が、設定したしきい値を超えた場合にアラートを発します。

このモニターは、ストリーミングトランスフォームの実行に時間がかかりすぎているか、ストリーミングトランスフォームのインフラストラクチャに問題があることを示します。

合計ラグ V2

ストリーミング入力からの未処理レコードの合計数が、5分間のウィンドウ全体を通して、設定したしきい値以上になっている場合にアラートを発します。重大度が高い場合のデフォルトのしきい値は1,000件です。

持続的なラグ

未処理レコードの合計数が、設定したウィンドウ全体を通して、設定したしきい値以上の状態を維持している場合にアラートを発します。ウィンドウは2分から1時間まで設定でき、デフォルトは5分です。

Checkpoint サイズ

最新の Checkpoint サイズが、設定したしきい値を超えた場合にアラートを発します。

合計スループット

ストリームのスループット（Checkpoint ごとに処理されるレコード数）が、設定したしきい値を下回った場合にアラートを発します。

このモニターは、ストリーミングトランスフォームの実行に時間がかかりすぎているか、ストリーミングトランスフォームのインフラストラクチャに問題があることを示します。

合計スループット V2（より小さい）

ストリーミング入力から Checkpoint ごとに処理されるレコード数が、5分間のウィンドウ全体を通して、設定したしきい値を下回っている場合にアラートを発します。

合計スループット V2（より大きい）

ストリーミング入力から Checkpoint ごとに処理されるレコード数が、5分間のウィンドウ全体を通して、設定したしきい値を上回っている場合にアラートを発します。

Job Manager の CPU 使用率

Job Manager の CPU 使用率が、設定したしきい値を超えた場合にアラートを発します。

Job Manager のメモリー使用率

Job Manager のメモリー使用率が、設定したしきい値を超えた場合にアラートを発します。

Task Manager の CPU 使用率

Task Manager の CPU 使用率が10分間のウィンドウ全体で設定されたしきい値以上の場合にアラートを発します。

Task Manager のメモリー使用率

Task Manager のメモリー使用率が10分間のウィンドウ全体で設定されたしきい値以上の場合にアラートを発します。

取り込みストリームのモニター

選択したウィンドウ内に取り込まれたレコード数

選択した時間ウィンドウ内に生ストリームのライブビューに取り込まれたレコード数が、設定されたしきい値以下の場合にアラートを発します。利用可能なウィンドウは5分、30分、1時間、4時間、1日です。

合計スループット（以下）

1秒あたりに処理されるレコード数が5分間のウィンドウ全体で設定されたしきい値以下の場合にアラートを発します。

合計スループット（以上）

1秒あたりに処理されるレコード数が5分間のウィンドウ全体で設定されたしきい値以上の場合にアラートを発します。

ソースの鮮度低下

ソースデータの鮮度低下が設定されたしきい値を超えた場合にアラートを発します。このルールは、低遅延サンプリングが有効で、データ接続タスクがソースのタイムスタンプを提供する場合にのみ利用可能です。

ライブデプロイのルール

ライブデプロイの監視ルールは、単一のスコープをサポートします。

ライブデプロイでは、次のルールを利用できます。評価ウィンドウのコンポーネントを持つルールは、ウィンドウ全体を通じて条件が成立している場合にのみアラートを発行します。一時的にしきい値を超えても、ウィンドウが終了する前に回復した場合は、アラートは発行されません。

レプリカのプロビジョニングルールでは、理想レプリカ数から対象レプリカ数を引いて算出するスケーリング不足を使用します。理想レプリカ数は、デプロイの負荷に基づきます。対象レプリカ数は、設定されたレプリカ数の制限とスケジュールされたオーバーライドを適用した後のオートスケーリングの対象数です。スケーリング不足が正の値の場合、理想レプリカ数が対象レプリカ数を上回っていることを意味します。スケーリング不足が負の値の場合、対象レプリカ数が理想レプリカ数を上回っていることを意味します。

ライブデプロイのハートビート

デプロイが1分を超えてハートビートを発行していない場合にアラートを発行します。

レプリカの過剰プロビジョニング

評価ウィンドウ全体を通じて、対象レプリカ数がデプロイの負荷に対する理想レプリカ数を上回っている場合にアラートを発行します。アラートが継続的に発行される場合、スケールダウンを可能にするために最小レプリカ数を引き下げる必要があることを示している可能性があります。オートスケーリングによってすでに解消中の過剰プロビジョニングに対してルールがアラートを発行しないよう、スケールダウンの遅延よりも長い評価ウィンドウを設定します。

レプリカのプロビジョニング不足

評価ウィンドウ全体を通じて、デプロイの負荷に対する理想レプリカ数が対象レプリカ数を上回っている場合にアラートを発行します。アラートが継続的に発行される場合、スケールアップを可能にするために最大レプリカ数を引き上げる必要があることを示している可能性があります。

ジョブキューの増大

評価ウィンドウ全体を通じて、キュー内のジョブ数が設定されたしきい値以上である場合にアラートを発行します。ジョブキューは30秒ごとにサンプリングされます。

CPU 使用率

いずれかのレプリカ内のいずれかのコンテナの CPU 使用率が、評価ウィンドウ全体を通じて設定されたしきい値以上である場合にアラートを発行します。CPU 使用率は、コンテナが要求した CPU に対する割合として測定されます。

コンテナのメモリー不足

コンテナの累積再起動回数が設定されたしきい値を超え、かつ直近の終了がメモリー不足エラーによるものである場合にアラートを発行します。両方の条件が評価ウィンドウ全体を通じて成立している必要があります。再起動回数は、レプリカの存続期間中保持されます。しきい値を超えると、レプリカが置き換えられるか、その後コンテナが別の理由で再起動するまでアラートが継続します。

応答しないレプリカ

評価ウィンドウ全体を通じて、応答しないレプリカの割合が設定されたしきい値以上である場合にアラートを発行します。レプリカがリクエストに応答できない場合や、Readiness プローブの失敗などにより準備状態の報告に失敗した場合、そのレプリカは応答しない状態となります。応答しないレプリカにはトラフィックが送信されません。

時系列同期のルール

過去5分または30分間に時系列同期によって書き込まれたポイント

過去5分または30分のウィンドウ内に時系列同期によって書き込まれたポイント数が、設定されたしきい値以下であった場合にアラートを発行します。

時系列ストリームの稼働状態：最後に成功した Checkpoint からの経過時間

ストリーミング時系列同期で、設定されたしきい値の時間内に Checkpoint が完了していない場合にアラートを発行します。重大度が高いアラートのデフォルトのしきい値は2分です。

データセットのルール

ジョブの最終成功からの経過時間

データセットのジョブが、指定した時間のしきい値以内に成功していない場合にアラートを発します。「最終更新からの経過時間」ヘルスチェックとは異なり、次の条件ではモニターのステータスが合格になります。

• ジョブは成功しましたが、トランザクションは中止されました
• ジョブは成功しましたが、新しいデータは追加されませんでした

このモニターの値は、データセットの想定される更新頻度に基づいて設定することを推奨します。毎日更新する場合は、1日に設定します。

地理時系列観測のルール

過去5分または30分に送信された地理時系列観測

過去5分または30分のウィンドウ内に送信された地理時系列観測の件数が、設定したしきい値以下の場合にアラートを発します。

自動化のルール

次のルールは、自動化と時系列ストリーミング自動化の両方に適用されます。

自動化に新しい評価がない

設定したしきい値の時間が経過しても新しい評価がない場合にアラートを発します。このルールは、評価されるはずだったにもかかわらず評価されなかった自動化のパフォーマンス低下を検出するために使用します。自動化がトリガーされていない場合、このルールはアラートを発しません。

自動化に新しいトリガーがない

設定したしきい値の時間内に新しいモニタートリガーがない場合にアラートを発します。このルールは、自動化が想定どおりにトリガーされていないことを検出するために使用します。

自動化がシステムによって無効化された

上限への到達またはトリガーの循環が原因で、自動化がシステムによって無効化された場合にアラートを発します。このルールは設定できず、自動化が無効化されたときに高い重大度のアラートを発します。

ウィンドウ内で自動化の実行失敗が繰り返された

ウィンドウ内で失敗した自動化の実行回数が、設定したしきい値を超えるとアラートを発します。このルールは、システムによってすでに無効化された自動化ではなく、実行と失敗を繰り返している自動化を明らかにするために使用します。

ウィンドウ内で自動化の評価失敗が繰り返された

ウィンドウ内で失敗した自動化の評価回数が、設定したしきい値を超えるとアラートを発します。このルールは、実行中に発生する失敗とは別に、トリガー条件の評価に失敗する自動化を検出するために使用します。

ウィンドウ内で自動化の効果の実行失敗が多数発生した

ウィンドウ内で失敗した効果の実行回数が、設定したしきい値を超えるとアラートを発します。効果とは、自動化が実行する下流のアクションまたは通知です。このルールは、トリガーと評価に成功しても効果の実行に失敗する自動化を検出するために使用します。

関数ルール

関数の実行は、さまざまな理由で失敗することがあります。失敗の種類の全一覧については、関数の失敗の種類を参照してください。

複合ルールは、失敗率のしきい値と最小実行回数のしきい値を組み合わせます。両方の条件が設定された重大度に達した場合にのみルールが発動するため、データが少なすぎる状況でのアラートを防ぎます。

関数の実行時間の p95

関数の実行時間の p95 が指定されたしきい値を超えた場合にアラートを発します。p95 は、最近のデータのスライディングウィンドウで測定されます。

ウィンドウ内の関数の失敗件数

指定されたウィンドウ内で、関数の実行に失敗した合計件数が指定されたしきい値を超えた場合にアラートを発します。このルールは、ユーザー向けのエラーとユーザー向けではないエラーの両方を含む、すべての失敗の種類を追跡します。

ウィンドウ内のユーザー向けの関数の失敗件数

指定されたウィンドウ内で、ユーザー向けの関数の失敗件数が指定されたしきい値を超えた場合にアラートを発します。このルールは、関数コードによってスローされるユーザー向けのエラーのみを追跡します。

ウィンドウ内のユーザー向けではない関数の失敗件数

関数コードによってスローされるユーザー向けのエラーを除き、指定されたウィンドウ内で関数の失敗件数が指定されたしきい値を超えた場合にアラートを発します。このルールは、期待されるユーザー入力エラーによるノイズを除いて、インフラストラクチャやシステムレベルの失敗を監視する際に役立ちます。

ウィンドウ内の関数の失敗率

指定されたウィンドウ内で、失敗した関数実行の割合と合計実行回数の両方が指定されたしきい値を超えた場合にアラートを発します。合計実行回数の条件により、実行頻度が低い関数でルールが発動するのを防ぎます。

ウィンドウ内のユーザー向けではない関数の失敗率

指定されたウィンドウ内で、ユーザー向けではないエラーによって失敗した関数実行の割合と合計実行回数の両方が指定されたしきい値を超えた場合にアラートを発します。このルールは、関数コードによってスローされるユーザー向けのエラーを除外します。合計実行回数の条件により、実行頻度が低い関数でルールが発動するのを防ぎます。

アクションのルール

アクションの実行は、さまざまな理由で失敗する可能性があります。失敗の種類の完全な一覧については、アクションの失敗の種類を参照してください。

アクションの所要時間の p95

アクションの所要時間の p95 が指定されたしきい値を超えると、アラートを発します。p95 は、最近のデータのスライディングウィンドウにわたって測定されます。

ウィンドウ内のアクション失敗件数

指定されたウィンドウ内で、アクションの実行に失敗した合計件数が指定されたしきい値を超えると、アラートを発します。このルールは、ユーザーに表示されるエラーと表示されないエラーの両方を含むすべての失敗の種類を追跡します。

ウィンドウ内のユーザーに表示されないアクション失敗件数

指定されたウィンドウ内のアクション失敗件数が指定されたしきい値を超えると、アラートを発します。ただし、関数ベースのアクションコードがスローする、ユーザーに表示されるエラーによる失敗は除きます。このルールは、想定されるユーザー入力エラーによるノイズを除いて、インフラストラクチャやシステムレベルの失敗を監視するのに役立ちます。

このルールは、関数コードがスローし、ユーザーに表示される関数の失敗を除くすべての失敗の種類を追跡します。