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

Datadogで始める オブザーバビリティ入門

Sponsored · SiteGround - Reliable hosting with speed, security, and support you can count on. →

Datadogで始める オブザーバビリティ入門

Uechi Shingo

November 20, 2026

Transcript

22 slides
  1. 自己紹介 上地 申吾 • • • • 2005/4 – 2022/2

    メインフレーム運用監視 / 運用保守 2022/3 – 2023/5 クラウド テクニカルサポート職 2023/6 – 2025/9 クラウドソリューションアーキテクト 2025/10 - 現在 • 2023 - 2025 • 2025 - 2026 Datadog / Wiz 導入・運用支援、SRE 支援 Japan All AWS Certifications Engineers AWS Community Builders (AI Engineering) • JAWS-UG (AWS ユーザーグループ)沖縄支部運営 • JDDUG (Datadog ユーザーグループ)運営
  2. SREとサービスの信頼性 SRE(Site Reliability Engineering)は、ソフトウェア工学を使って サービスの信頼性と運用を継続的に改善する取り組みです。 取り組むこと 今回扱う実践 必要な品質を明確にする 利用者の重要な操作を選び、SLI・SLOで品質を測る 運用の負担を改善する

    対応の必要な通知に集中し、繰り返す作業を減らす 障害や日常の運用から学ぶ データで仮説を検証し、改善後の効果を確認する 信頼性をどこまで高めるかは、利用者の期待と改善にかかるコストの判断です。 SLOを共通の基準にすると、機能開発と信頼性改善の優先度を話しやすくなります。
  3. メトリクス・ログ・トレースを関連づける データ 調べるときの役割 購入処理の例 メトリクス 数値の傾向や変化を捉える 応答時間・エラー率が増えた ログ 個別の出来事の詳細を確認する タイムアウトの記録が残っている

    トレース 処理の経路と所要時間をたどる 購入APIのDB呼び出しが長い 調査では、同じ問題を別の角度から確かめます エラー率が増えた時間帯を特定し、該当するトレースを探し、関連ログを読む。 Datadogでは、タグやリクエストの識別子を使ってデータを結びつけられます。
  4. クリティカルユーザージャーニー(CUJ) Critical User Journey 利用者の体験の中核をなし、サービスに欠かせない重要な操作の流れです。 失敗や遅延が利用者と事業に与える影響から、優先して守る対象を選びます。 選ぶときの観点 関係者と確認したいこと 目的と、失敗したときの影響 その操作ができないと、サービスの価値を提供できるか

    代替手段と、許容できる待ち時間 別の方法で目的を達成できるか。どれだけ待てるか 利用頻度・対象者・事業への影響 どの利用者に重要か。頻度が低くても影響は大きいか CUJを起点に、測る品質と、優先して対応する状況を決めます
  5. SLI・SLO・SLAで、測定・目標・合意を整理する 用語 役割 購入APIを部分的に測る例 SLI 指標 サービス品質を数値で測る 有効な対象リクエストのうち、 成功し、1秒以内に応答した割合 SLO

    目標 必要な品質の水準を決める その割合を、30日間で 99.9%以上にする SLA 合意 提供条件と未達時の扱いを 利用者と合意する 対象のサービス水準と、 未達時の対応・補償などを定める この例のSLI =「成功し1秒以内の応答数」÷「有効な対象リクエスト数」 計測点・成功条件・除外条件を明確にし、利用者の期待に合う目標を相談します。 99.9%という数字を先に置かず、CUJに必要な品質から考えることが大切です。
  6. エラーバジェットと、悪化の速さ SLO 99.9% 基準を満たさない割合は0.1% 30日間の対象が10万件なら、失敗または1秒超の応答を100件まで許容する計算です。 この許容範囲をエラーバジェットと呼び、残りと消費の速さを確認します。 観測した状態 消費速度の考え方 基準外の割合が1%で継続する 許容率0.1%の10倍。予算の消費が速い状態

    小さな悪化が長く続く 短時間では目立たなくても、累積で目標を損なう可能性 バーンレートは、観測した基準外率を許容する基準外率で割った値です。 目標未達になってから気づくことを避け、悪化の速さから対応を考えます。

More Decks by Uechi Shingo

Other Decks in Technology