システム監視項目をどう定義するのか

ここでは「迅速な障害切り分けを可能にする、監視ポイントの設定の仕方」を見ていきます。
システム監視の２つの目的（「サービスの正常性の監視」「障害予防と障害原因の特定」）については、「システム監視とは？サービスの正常性確認、障害の予防と原因特定」をご参照ください。

監視項目を設計する際の考え方

監視ポイントは、下記手順で特定していきます。

(1) 何のサービスを監視するのか、を特定する。

(2) サービスを提供するために必要な要素は何か、を特定する。

(3) 必要な要素はどう絡み合うのか、を特定する。

(1) 何のサービスを監視するのか。対象システムの役割を定義する

外部から取得するデータを加工してコンテンツを提供するWebサイトを例にとって考えていきます。Webシステムの役割は３つに分けられます。

① Webページを表示する
② 外部データベースサービスから、決まったスケジュールでデータを取り込む
③ 画像やテキストなどのコンテンツを登録できる

Webシステムがこの役割を果たしているか（サービスを提供できているか）の判断基準となるポイントが、監視対象になります。

(2) サービスを提供する（役割を果たす）ために必要な要素は何か

役割「① Webページを表示する」を果たすために必要な要素に分解していきます。

例にあげたWebシステムの場合、外部サービスからのデータ取込や、コンテンツデータ登録の正常性も Webサイト表示には必要なので、「→NO: 他に必要な要素は何か？」となり、要素分解を続ける必要があります。

(3) 必要な要素はどう絡み合うのか

「① Webページを表示する」を正常に実現するためには、「② 外部データを取り込む」と「③ コンテンツを登録する」が正常に完了している必要があります。

Webシステムの役割：

① Webページを表示する
② 外部データベースサービスから、決まったスケジュールでデータを取り込む
③ 画像やテキストなどのコンテンツを登録できる

また、「図２：サービス提供のために必要な要素」で見た通り、それぞれの役割（サービス）は要素に枝分かれしており、それらのどれか１つでも動作不良になれば、「障害」または「障害の前兆」につながります。

Webサービスを提供するために必要な要素の一般例

以下に、Webサービスを提供するために必要な要素の一般的な項目を挙げます。
例えば、外部サービスと連携している場合は、連携先API の状態も監視対象に含める必要があります。

※「下記表は指でスライドさせてご覧いただけます。」

監視の種類	監視対象		具体的な項目
サービスの監視	URL応答監視	URL応答	応答コード、応答文字列、応答時間
サービスの監視	画面遷移監視	画面遷移	画面遷移（シナリオ）の正常性、応答時間
インフラの監視	ハードウェア監視	ハードウェアステータス	pingによる疎通確認、物理HDD状態、論理HDD状態、電源状態、CPU状態、メモリー状態、ファン状態、温度状態
	リソース監視	メモリー	メモリー利用情報 (実メモリ使用量、スワップ使用量など)
		ネットワークトラフィック	送受信byte/sec
		CPU関連	ロードアベレージ、CPU使用率（I/Oウエイト、システムCPU使用率、ユーザCPU使用率など)
		ディスク	ディスク空き容量、ディスク使用率、ディスク使用量、ディスク容量
	プロセス監視	プロセス所在	syslog, crond, ntpd, xinetd, sshd, httpd, mysqld, postmaster, portmap, nfs,　rpc.mountd, namedなど
		プロセス稼働	インターネット経由 httpd応答監視、httpd応答監視（サーバーローカル）、smtp応答監視、Oracle応答監視など
		セッション数	httpdセッション数
	ログ監視	ログ	messages監視、Oracleログ監視、tomcatログ監視、アプリケーション監視　など

障害が発生したら、まずは原因特定

障害が発生したらまず、何が問題で障害が起きたのか、特定する必要があります。
原因は、外部の回線なのか、内部の回線なのか、Webサーバーなのか、DBサーバーなのか、サーバーで稼働するプロセスなのか、ハードウェア自体なのか、など、検証するべき要素は多くあります。また、だいたいにおいて、障害は複数要素の複合的要因で発生します。

システムを構成する要素の状態を監視しておけば、「障害につながる要素」「要素間の繋がり」がわかり、原因切り分けが容易になり、迅速に障害復旧することができます。次に、障害復旧のフローを見ていきます。