アプリケーションや WEBサイトの正常性やメトリクスを監視したい

独自開発したシステムの監視は、特殊な方法が求められることがある。例えば、アプリケーション開発者が行う監視要件は、大きく分けて次に挙げる3種類がある。
一つ目は障害監視。常駐プログラムは異常終了するとシステムの稼働に大きな影響を与えてしまう。稼働状況をリアルタイムに監視し、異常終了した際は自動的に再起動を行いたい。二つ目は正常状態監視だ。障害はもちろんだが、正常に運行しているかどうかも確認しておきたい。三つ目は稼働情報の監視。トランザクション量や処理の目安となる稼働情報としきい値があるので、個別に監視を行いたい。また、キャパシティプランの実施のために監視データを日々蓄積していきたい。このように独自のシステムでは任意の監視項目を作成するなど、システムに適合した監視方法が求められる。
また、WEBサイトをユーザーに対し提供している場合、WEBサイト利用者の視点で画面遷移や応答時間に異常がないか監視することが求められる。

重要なイベントを見落とさないためには、まず不要な障害イベントを発行しないことから始めるべきだ。障害検知の条件を単純な文字列のみではなく正規表現で指定する。その他、一度に大量の障害を検知した時、根本原因となるものに対してのみ障害イベントを発行する。ここが一番のポイントになる。システムの連結テストや総合テスト時のログにどのようなものが出力されるのかを洗い出し、本当に対応が必要なものを障害検知の条件として定め、一方で対応が不要なものを抑止することで、本番環境で障害が起こった時の確認作業を効率化できる。
異なる監視範囲については、アプリケーションのメンテナンス中は監視を停止し、作業終了後に再開するよう監視時間の設定をしておく。OSリブート中はログの監視（＝障害検知）機能も停止するが、起動時にはリブート前に監視していた位置までさかのぼって障害有無を確認する必要がある。ログの監視時間や監視場所も設定条件の大事なポイントになる。
同一のログが連続で出力され続けるケースにおいては、一定期間内のログの検知を集約し、障害イベント発行を一度にして減らすことが必要となる。