• 全体的なイメージ
  監視対象の仮想マシンに対する、 CPU やメモリの使用状況といったプロファイル情報の監視を Cloud Profiler で、パフォーマンスに関連するトレース情報の監視を Cloud Trace で、システムエラー情報の監視を Error Reporting で、必要に応じたアプリケーションのデバッグを Cloud デバッガで行います。アプリケーションの動作状況を深く把握できるため、これらソリューションで得た情報をもとに問題分析を効率的に進めることができます。

• Error Reporting
  Error Reporting を利用することで、システムエラー発生状況の把握、可視化、解析が行えます。

  • データを Error Reporting に取り込む手順は、アプリケーションのプラットフォームによって異なります。

  • 可視化/分析のための UI を利用して、発生期間、発生回数、テキスト マッチングにて発生したエラーのフィルタリングが可能です。また、既知のエラーや頻発する重要度の低いエラーをミュート設定して、エラー解析効率をあげることもできます。（ なお、根本原因が同じであると考えられるエラーがグループ化されるため、効率的にエラーを確認できます ）

  • 新しいエラーの発生時や、解決済みのエラーが再発した場合に通知するように Error Reporting を設定できます。 また、Error Reporting では 1,000 回分の発生情報のみがサンプルとして保持されるため、あるエラーを発生するたびに保持するには、ログを BigQuery にエクスポートを検討ください。

• Cloud Trace
  Cloud Trace を利用することで、システムパフォーマンスの把握、可視化、解析が行えます。

  • データを Cloud Trace に取り込む手順は、アプリケーションのプラットフォームによって異なります。

  • 可視化 / 分析のための UI を利用して、エージェントが収集したトレースデータを、 Cloud Trace インターフェースに表示して分析できます。 

  • Cloud Monitoring との統合により、1 か月あたりの Cloud Trace 取り込みスパン数、割り当て使用量、スパン取り込み率などに基づくアラートポリシーを作成できます。

  • その他、複数の Google Cloud プロジェクトでホストされているアプリケーションが生成したトレース情報を、1 つの Google Cloud プロジェクトで表示することもできます。

• Cloud デバッガ
  Cloud デバッガを利用することで、アプリケーションの停止や実行速度の低下を招くことなく、実行中のアプリケーションの状態をリアルタイムで調査できます。

  • 利用する言語ごとにクライアント ライブラリ等を利用してデバッガの設定を行います。

  • スナップショット機能を利用して、アプリのソースコード内の特定の行位置でローカル変数とコールスタックを収集します。また、スナップショットの URL をコピーし、プロジェクトにアクセスできる他のユーザーに送ることで、プロジェクトの他のメンバーとスナップショットを共有することもできます。 

  • ログポイント機能を利用して、サービスを再起動したりサービスの通常の機能を妨げたりせずに、実行中のサービスにロギングを挿入することもできます。

  • センシティブ データの非表示機能を利用して、デバッガによる、メールアドレス、アカウント番号など、アプリケーション内のセンシティブ データの露出を制御できます。 （ 本機能は 2020 年 10 月現在アルファ版として提供しています）

• Cloud Profiler
  Cloud Profiler を利用することで、アプリケーションの詳細なパフォーマンス解析を行えます。

  • プロファイラ エージェントを利用してパフォーマンス データを収集します。

  • 可視化 / 分析のための UI を利用して、各種フィルタ機能を用いた分析や、解析結果のダウンロードを行いメンバ間で共有することも可能です。 

  • プロファイルの比較機能を利用して、プロジェクト内の同じサービスから取得した 2 つのプロファイルを視覚的に比較し、時期、サービスのバージョン、デプロイしているゾーンの違いなどによるパフォーマンス差分を確認できます。

利点

ここまでに記載した Google Cloud のオペレーションの機能を利用することで、システムのインフラ面、アプリケーション面の監視を効率化できます。Google Cloud のオペレーションはオンプレにて従来利用されてきた、運用監視ツールの単純代替ではなく、クラウドネイティブなシステム設計を前提とする監視ツールですが、従来の監視設計を基軸としつつ、Google Cloud のオペレーションを利用して、冒頭記載した SLO をベースとした監視設計の考え方を新たに取り入れることで、開発チーム / 運用チーム間の連携をよりスムーズにすることができます。 

注意事項

Google Cloud のオペレーション各機能で収集した監視情報は、デフォルト設定の場合、保存期限があります。恒久的に監視情報を保存する必要がある場合は、各サービスに用意されているログエクスポート機能を利用する必要があります。また、Google Cloud のオペレーションの SLA の適用範囲は、 2020 年 10 月時点で限定されていため、利用の際にはご留意ください。

サンプル コンフィグ

オペレーション スイートの利用シーンは多岐にわたり、その全てを記載することが難しいため、ここでは最も基本的な使用ケースの一つである、 （ 1 ） 死活監視設定および、（ 2 ） Cloud Monitoring 指標を用いたワーカーインスタンスのオートスケール設定、を例に Sample Config を記載します。その他、利用ケースごとの設定については、 ウェブ上に多数ある Google Cloud 公式ドキュメントを参照ください。

• 死活監視設定

  • タイトル： チェックの意味を把握できる名称を指定

  • プロトコル： 死活監視に利用するプロトコルを指定

  • リソースタイプ： リソースの種類を指定

  • チェックの頻度： 要件に応じてチェック頻度を指定

  • レスポンスのタイムアウト：1 〜 60 秒の範囲から任意の値を指定

  • チェックの失敗をログする： オン （稼働時間チェック内容を Cloud Logging に送付するかしないかの指定）

  • 通知チャネル： 死活監視失敗時の通知先チャネルを指定

• Cloud Monitoring 指標を用いたワーカー インスタンスのオートスケール設定
  この設定は主に、Dynamic site hosting パターンで説明したマネージド インスタンスグループにて設定を行います。

  • 指標タイプ：Stackdriver Monitoring の指標

  • 指標 ID：使用する Cloud Monitoring 指標の ID （インスタンスの CPU 使用率、メモリ使用率など）

  • 使用率のターゲットのタイプ：インスタンスから収集したデータをオートスケーラーがどのように計算するか （ 要件に応じて GAUGE 、 DELTA_PER_MINUTE 、 DELTA_PER_SECOND から選択） 

• その他オペレーションのユースケースが記載されたページのリンクを参考文献に記載するので、ぜひご確認頂きイメージを深めてください。

このパターンで作成された事例

• 株式会社エウレカの導入事例：Stackdriver Logging でのログ監視や、BigQuery を駆使した分析・活用などにより、SLO 99.95% を達成

• 株式会社マイナビ：大学生向けキャリア支援メディアを Google Cloud でリプレイス。拡張性・可用性・利便性の向上実現

• フォスター電機株式会社：SAP ERP を 4 か月で Google Cloud に移行、業務アプリのレスポンスとランニングコスト大幅改善 

関係するデザインパターン

• Dynamic site hosting パターン

参照ドキュメント

• オペレーション: Cloud Monitoring と Logging

• Cloud Monitoring 指標のエクスポート | ソリューション

• ロギングデータをエクスポートするための設計パターン

• Cloud Functions と Cloud Monitoring を使用した Compute Engine のフットプリントのデプロイ

• Cloud Monitoring と OpenCensus でアプリのレイテンシの原因を特定する | ソリューション

• Google Cloud のオペレーション スイートの費用の最適化