あるオンラインゲーム会社は、プロアクティブなログアナリティクスを実装することでサーバーの安定性を強化しています。ゲームサーバーからのログをリアルタイムで監視し、分析ツールを使用して、クラッシュの前に発生するエラーのパターンを検出します。

たとえば、サーバーがクラッシュする約 30 分前に特定のエラーパターンが発生することが分析で明らかになっています。このようなパターンに対して自動アラートを設定することで、クラッシュが発生する前に、サービスの再起動やリソースの再割り当てなどの修復アクションを開始できます。このプロアクティブな方法は、プレイヤーに影響が及ぶ前に問題に対処することで、中断を防ぎ、ダウンタイムを最小限に抑え、ゲーム体験を向上させます。

e コマース Web サイトを管理するあるデータセンターでは、ルールベースのアラートのグループ化を、フラッシュセールなどのイベント中に大量のトラフィックを処理する際に役立てています。高 CPU 使用率など、サーバーの問題に関するアラートは、親アラートとして指定されます。このような親アラートは、データベースクエリが遅いなどの関連する問題を報告する子アラートにリンクされています。

こうしたルールにより、サーバー関連のアラートが症状とともにグループ化されるため、IT チームはサーバーの過負荷の問題を迅速に特定して対処できます。この方法は、問題解決を効率化し、ダウンタイムを最小限に抑えます。

ある大規模な金融機関では、機械学習を使用して多数のサーバーやアプリケーションからのアラートに対処する必要があります。システムによってアラートの履歴データが分析され、クライアント接続エラーを伴って頻繁に発生するデータベースサーバーの障害などのパターンが認識されます。その後、関連するアラートが自動的にグループ化されます。たとえば、新しいデータベースサーバーの障害アラートが検出されると、以前の接続エラーアラートとともにグループ化されます。

この自動化されたグループ化により、IT チームとセキュリティチームは問題を迅速に特定して対処し、応答時間を改善し、ダウンタイムを短縮できます。

CMDB ベースのグループ化のユースケース:

通信会社では、CMDB データを使用して、ネットワークインフラストラクチャに関連するアラートを管理します。特定のネットワークルーターとその接続デバイスに関連するアラートは、CMDB の関係に基づいてグループ化されるため、ネットワークチームは関連するすべての問題を確認して、根本原因に効率よく対処できるようになります。

タグクラスターのグループ化のユースケース:

CMDB を持たない組織は、さまざまなサービスを実行している Linux サーバーを管理します。IT チームは、各アラートのノードフィールドを使用してサーバーを特定し、このノード値に基づいて同じサーバー上のサービスに関連するすべてのイベントをグループ化します。たとえば、サービス A のダウンやサービス B の高 CPU 使用率などのアラートが同じノード値を共有している場合は、それらのアラートをクラスター化します。

この方法では、IT チームはサーバー関連の問題により効率的に対処できます。同じノード、アプリケーション、または IP アドレスのアラートをクラスタリングすることで、チームは CMDB がなくても対応作業を簡素化し、問題をより効果的に解決できます。

クラウドベースのeコマースプラットフォームでは、取引が遅くなり、支払い処理に遅延が生じます。従来のアラートでは、API タイムアウト、データベースの遅延、ネットワークの問題に対して個別のアラートが生成されるため、根本原因を特定することが困難でした。

ネットワークトラフィックベースのグループ化では、ML サービスマッピングによって識別されたプロセス間の接続に基づいてアラートが自動的にグループ化されます。システムは、支払ゲートウェイサービス、不正検出、および注文処理が同じサービス候補の一部であることを検出します。これにより、不正検出プロセスの過負荷がトランザクションのボトルネックを引き起こしていることがわかります。サービスをスケールアップすることで、チームは問題を迅速に解決し、ダウンタイムを最小限に抑え、カスタマーエクスペリエンスを向上させます。

バーチャル会議に Zoom Rooms を使用しているある組織では、Zoom Room サーバーで機能停止が発生すると、IT チームは多数のアラートを受け取ります。Zoom Room No.10 がダウンしている、Zoom room No.11 がダウンしているなど、各アラートは異なる Zoom Room がダウンしていることを示しますが、相違点はルーム番号だけです。

CMDB を使用している組織の場合、CMDB 関係を使用してこれらのアラートをグループ化できます。関連するすべての Zoom Room に対するサーバーの影響に基づいて、システムでアラートが関連付けられるためです。ただし、CMDB を使用していない組織の場合は、テキストベースのグループ化を使用できます。システムによって自然言語処理が適用され、類似した説明を持つアラートがグループ化され、同じ根本的なサーバーの問題が複数の Zoom Room に影響していることを IT チームが迅速に特定できるようになります。このアプローチにより、IT チームは問題の根本原因に効率的に対処し、ダウンタイムを削減し、応答時間を改善できます。