Amazon Elastic Kubernetes Service監視

Amazon Elastic Kubernetes Service (EKS) は、AWSとオンプレミスの両方でKubernetesをスムーズに実行可能にするマネージドサービスです。複数のアベイラビリティゾーン（AZ）に渡り、クラスタとリソースの高可用性を保つのに役立ちます。

ただし、コンテナの管理を自動化するEKSは、アプリケーションを複雑にする要因にもなります。EKSクラスタ上のアプリケーションの円滑な運用を保証するためには、問題が発生したときに原因を迅速に特定できるよう、常に監視する必要があります。

Applications Managerは、EKSクラスタ、ネームスペース、ノード、ポッドを監視して可視化するEKS監視ツールです。クラスタのスケールアップ、アプリケーションのパフォーマンスを監視し、パフォーマンスのボトルネックの特定を容易にします。また問題が発生した場合には、管理者に通知することも可能です。

無料で使えます［機能・監視数無制限］

ダウンロードはこちら概要資料はこちら

EKSクラスタの監視

クラスタのステータスを監視し、クラスタARNやクラスタエンドポイントなどの基本的なクラスタ情報を一目で把握することができます。クラスタのメモリーやCPUの使用量が増加した場合には、自動で通知します。
こういった値が増加し続ける場合は、クラスタ容量の拡張が必要になるかもしれません。

Applications ManagerのAmazon Elastic Kubernetes Service監視

Applications ManagerによるAmazon Elastic Kubernetes Service監視の可視化 1/2

Applications ManagerによるAmazon Elastic Kubernetes Service監視の可視化 2/2

無料で使えます［機能・監視数無制限］

ダウンロードはこちら概要資料はこちら

ノードとリソース使用量の監視

ノードとそれに対応するCPU、メモリー、ディスクの使用状況を監視することは、問題の迅速な特定と解消のために極めて重要です。
メモリーの制限と要求を監視しておき、ノードの全体的なメモリー使用量を把握し、割り当てたメモリーを超えないことを確認しなければなりません。

こういった情報は、オーバーサブスクライブされたノードとメモリープレッシャー下にあるノードを特定するのに役立ちます。どちらの状態も、クラスタのワークロードを効率的に実行する能力に影響を与える可能性があるため、早期に対処しましょう。同様に、ノードのCPU使用率を常に把握しておき、ノードの不要なスロットリングを回避することも重要です。

さらに、ノード内のポッドの詳細や重要な構成の詳細も確認できます。

ポッドの可用性を監視

ポッドに関する重要なパフォーマンス指標を監視し、その状態を把握できます。ポッドのメモリー使用量が増加した場合に通知し、ポッドが終了しないようにします。また、メモリー要求が急増しているポッドについても、不適切な設定がされている可能性があるため、隔離する必要があるかもしれません。

Applications Managerは、メモリーとCPUに基づいて上位10のポッドを可視化し、ポッドの全体的なパフォーマンスを一目で把握できるようにします。

また、コンテナ関連のパフォーマンスも可視化します。問題のあるコンテナの問題を難しい調査不要で簡単に発見できます。

サービスと永続的なボリュームの監視

クラスタ内で実行されているサービスを監視し、サービスタイプ、サービスプロトコル、サービス内で実行中のポッドなどのメトリクスを把握できます。デプロイの詳細と可用性も確認できます。

PVのステータス、クレーム、容量、所属するストレージクラスなど、専用の永続ボリューム（PV）の詳細を取得できます。また、Persistent Volume Claim（PVC）のステータスや容量などの詳細も簡単に確認可能です。

サービスマップを使用したEKSサービスとそのコンポーネントの可視化

サービスマップ機能を使用すると、すべてのサービスとネームスペースの詳細を可視化できます。このマップを作るのに、難しい設定や開発はいりません。サービスのさまざまなコンポーネントとそのステータスを簡単に発見できます。
ネームスペースの状態は色の違いで判断できます。利用可能なネームスペースは緑色、利用不可能なものは赤色で表示されます。またサービスにカーソルを合わせると、ホストIP、ポート、実行中のポッド数などの詳細も表示できます。

Applications Managerで取得したデータは、レポートとして出力して利用することが可能です。傾向分析レポートを使用すると、さまざまな属性の履歴データ、ヒートチャート、および統計レポートを取得して、パフォーマンスの傾向を効率的に分析できます。また、機械学習（マシンラーニング）技術を使ってDockerコンテナの成長と利用率のトレンドを予測できます。利用状況を事前に把握することで、障害の発生を未然に防ぐことが可能です。

機械学習技術を用いた予測レポート

今すぐ活用できる統計分析レポート