「稼働時間監視とは何ですか? Web チームと SRE のための完全ガイド」
稼働時間の監視は、Web サイト、Web アプリケーション、API マイクロサービスが世界中のユーザーにとってアクセス可能で、応答性があり、機能し続けていることを継続的に検証する基本的な運用規律です。
最新のクラウド コンピューティングでは、Web サイトのダウンタイムが直接ビジネスの収益に悪影響を及ぼし、ブランドの評判にダメージを与え、検索エンジンのランキングを低下させ、顧客離れにつながります。この包括的なガイドでは、自動稼働時間監視の仕組み、サービス レベル アグリーメント (SLA) の可用性パーセンテージの計算方法、誤検知アラートを排除する方法、および運用監視ワークフローを構築する方法について説明します。
回答優先のまとめ
稼働時間の監視は、地理的に分散されたプローブ サーバーからのスケジュールされた HTTP/HTTPS ping を介して、Web エンドポイントの継続的なテストを自動化します。HTTP 応答ステータス コード (2xx/3xx)、DNS 解決時間、TCP 接続ハンドシェイク、および TLS 証明書の有効性を検証します。高可用性システムは、「スリー ナイン」(稼働時間 99.9% = ダウンタイム最大 8.76 時間/年) や「フォー ナイン」(稼働時間 99.99% = ダウンタイム最大 52.6 分/年) などの SLA 目標をターゲットとしています。誤検知アラートを防ぐために、SimpleOps などの最新のモニターは、Slack、Telegram、電子メール、または Webhook 経由で通知をディスパッチする前に、マルチリージョン プローブのコンセンサスを強制します。
稼働時間監視の仕組み: 内部
自動稼働時間モニタリングは、非同期の分散テレメトリ システムとして動作します。
- スケジュールされたプローブ ディスパッチ: 分散監視プローブ ワーカー ノードは、登録されたターゲット URL に対して HTTP/HTTPS リクエストを一定の時間間隔 (60 秒ごとなど) で実行します。
- 多層応答検証: 各プローブ ノードは複数のプロトコル層を検査します。
- DNS 解決: ドメイン ネーム サーバーがドメインを IP アドレスに解決するために必要な遅延を測定します。
- TCP ハンドシェイク: ネットワーク接続の確立時間を計測します。
- TLS/SSL ハンドシェイク: 証明書の有効性、暗号スイートのネゴシエーション、および有効期限を検査します。
- HTTP 応答ステータス コード: サーバーが予期された 2xx 成功または 3xx リダイレクト ステータス コード (4xx クライアント エラーと 5xx サーバー エラーのフラグを立てる) を返すことを検証します。
- レスポンス ペイロード マッチング: 主要なページ要素が正しく表示されることを確認するためのオプションのキーワード マッチング。
- マルチリージョン障害コンセンサス: プライマリ チェック ノードが HTTP エラーまたは接続タイムアウトを検出すると、世界のさまざまな地理的地域 (北米、ヨーロッパ、アジア太平洋など) にあるセカンダリ プローブ ノードに再検証タスクをディスパッチします。複数の独立したノードで障害が確認された場合、正式なインシデントが開始されます。
- アラート通知のディスパッチ: インスタント通知は、Slack、Telegram、電子メール、Webhook、または PagerDuty 経由でオンコール エンジニアリング チームにルーティングされます。
稼働時間可用性 SLA と「9 レベル」のスケール
稼働時間の可用性は、特定の測定枠 (月ごとまたは年ごと) における合計稼働時間の割合として表されます。
$$\text{稼働時間 (%)} = \frac{\text{合計時間} - \text{合計ダウンタイム}}{\text{合計時間}} \times 100$$
業界標準の「9 レベル」スケールでは、可用性目標が運用レベルに分類されます。
| SLA 可用性ターゲット | 年間最大許容ダウンタイム | 月間許容最大ダウンタイム | 典型的な使用例 |
|---|---|---|---|
| 99.0% (「トゥー ナインズ」) | 3日と15時間39分 | 7時間18分 | 開発環境、内部ステージング サイト。 |
| 99.5% | 1日19時間49分 | 3時間39分 | 重要ではないブログ、マーケティング用ランディング ページ。 |
| 99.9% (「スリーナインズ」) | 8時間45分57秒 | 43分49秒 | 標準的な SaaS 製品、商用 Web アプリ。 |
| 99.99% (「フォーナインズ」) | 52分35秒 | 4分23秒 | 電子商取引チェックアウト API、支払いゲートウェイ。 |
| 99.999% (「ファイブナイン」) | 5分15秒 | 25.9秒 | 電気通信、金融取引プラットフォーム。 |
誤検知のダウンタイムアラートの防止
誤検知アラートは、実際のサービス障害を表すものではない機能停止 (単一のプローブとターゲット サイト間の一時的なネットワーク障害など) を監視ツールが報告したときに発生します。誤検知はアラート疲れを引き起こし、オンコールエンジニアが正当な緊急通知を無視する原因になります。
誤検知アラートを防ぐために、SimpleOps は 3 つの防御策を適用します。
- 地理的マルチリージョンのコンセンサス: 単一のプローブ ノードの障害に基づいてアラートがトリガーされることはありません。異なるグローバル領域にある少なくとも 2 つの異なるプローブ ノードが独立して障害を確認する必要があります。
- 連続障害しきい値: 優先度の高いエスカレーションをトリガーする前に、複数の連続するチェック サイクル (60 秒チェックが 2 回連続して失敗するなど) にわたって停止が継続する必要があります。
- スマートな再試行ロジック: プローブは、ネットワーク タイムアウトが発生すると即時再試行を実行し、一時的なパケット損失と実際のサーバーのダウンタイムを区別します。
稼働時間とパフォーマンスの監視
稼働時間モニタリングは、Web サーバーが実行中であり、HTTP 200 OK 応答を返していることを確認しますが、実際のユーザーが Web サイトの速度や使いやすさを感じるかどうかは評価しません。
Web サイトは、非圧縮画像、メインスレッドの JavaScript 実行ロック、または遅い Core Web Vitals (LCP、INP、CLS) が原因で使用できないままでも、HTTP 稼働時間が 100% になることがあります。このため、最新のエンジニアリング チームは、HTTP 稼働時間の監視と合成 Lighthouse 監査、および SimpleOps での実際のユーザー フィールドの追跡を組み合わせています。
SimpleOps を使用した自動稼働時間監視の実装
SimpleOps は、開発者と DevOps チームが 2 分以内にグローバルな 60 秒の稼働時間チェックを設定できるゼロコード稼働時間監視プラットフォームを提供します。
- 15 個以上のグローバル チェック ノード: 北米、ヨーロッパ、アジア太平洋、南米全体の可用性を監視します。
- マルチチャネル アラート: 通知を Slack、Telegram、電子メール、またはカスタム Webhook に即座にルーティングします。
- 統合された SSL 有効期限追跡: すぐに使用できる HTTPS 証明書の有効期限と信頼チェーンを監視します。
- パブリック ステータス ページ: リアルタイムのシステム ステータスと過去の稼働時間 SLA メトリクスを顧客や関係者と共有します。
よくある質問
このトピックに関するよくある質問
ウェブサイトの高速性と操作性を確保
SimpleOps は、15 を超えるグローバル チェック リージョンから稼働時間、SSL セキュリティ証明書、API エンドポイント、および Core Web Vitals を 60 秒ごとに継続的に監視します。