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
240
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
500
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
150
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
140
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
290
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
1.5k
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
MCPと認可まわりの話 / mcp_and_authorization
convto
1
150
20250719_JAWS_kobe
takuyay0ne
1
160
P2P ではじめる WebRTC のつまづきどころ
tnoho
1
220
データ駆動経営の道しるべ:プロダクト開発指標の戦略的活用法
ham0215
2
230
PHPでResult型やってみよう
higaki_program
0
190
OTel 公式ドキュメント翻訳 PJ から始めるコミュニティ活動/Community activities starting with the OTel official document translation project
msksgm
0
240
20150719_Amazon Nova Canvas Virtual try-onアプリ 作成裏話
riz3f7
0
140
AI エンジニアの立場からみた、AI コーディング時代の開発の品質向上の取り組みと妄想
soh9834
6
340
Turn Your Community into a Fundraising Catalyst for Black Philanthropy Month
auctria
PRO
0
140
PdM業務における使い分け
shinshiro
0
590
Data Engineering Study#30 LT資料
tetsuroito
1
570
DatabricksのOLTPデータベース『Lakebase』に詳しくなろう!
inoutk
0
110
Featured
See All Featured
XXLCSS - How to scale CSS and keep your sanity
sugarenia
248
1.3M
Side Projects
sachag
455
43k
Typedesign – Prime Four
hannesfritz
42
2.7k
We Have a Design System, Now What?
morganepeng
53
7.7k
Exploring the Power of Turbo Streams & Action Cable | RailsConf2023
kevinliebholz
34
5.9k
Fashionably flexible responsive web design (full day workshop)
malarkey
407
66k
Designing for Performance
lara
610
69k
Docker and Python
trallard
45
3.5k
Refactoring Trust on Your Teams (GOTO; Chicago 2020)
rmw
34
3.1k
Navigating Team Friction
lara
187
15k
The World Runs on Bad Software
bkeepers
PRO
70
11k
Optimizing for Happiness
mojombo
379
70k
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