可観測性アラートクイズ

関連ドキュメント: 可観測性アラート

選択式問題

1. コンテナの CPU throttling を検出する PromQL 式はどれですか？

• A) container_cpu_usage_seconds_total
• B) rate(container_cpu_cfs_throttled_seconds_total[5m]) > 0
• C) container_memory_usage_bytes
• D) kube_pod_status_phase

回答を表示

回答: B) rate(container_cpu_cfs_throttled_seconds_total[5m]) > 0

解説: CPU throttling は、container が CPU limit を超えたときに発生します。container_cpu_cfs_throttled_seconds_total metric は throttling された時間を追跡します。正の rate は、application performance に影響する可能性のある active throttling を示します。

2. Alertmanager の group_by configuration の目的は何ですか？

• A) alert を削除すること
• B) 一致する label を持つ alert を単一の notification に集約すること
• C) alert severity を上げること
• D) alert を log に route すること

回答を表示

回答: B) 一致する label を持つ alert を単一の notification に集約すること

解説:group_by は、指定された label 値を共有する複数の発火中 alert を単一の notification にまとめます。これにより、多数の類似 alert を trigger する incident（例: deployment 内のすべての pod が失敗している）中の alert fatigue を減らします。

3. EKS Auto Mode node termination の検出に最も重要な metric はどれですか？

• A) node_cpu_seconds_total
• B) condition="Ready" の kube_node_status_condition
• C) container_memory_usage_bytes
• D) node_filesystem_size_bytes

回答を表示

回答: B) condition="Ready" の kube_node_status_condition

解説: Ready=false の kube_node_status_condition を monitoring すると、node が利用不可になることを検出できます。Auto Mode では、これは node termination または replacement を示します。label と組み合わせることで、node lifecycle と replacement pattern を追跡できます。

4. Prometheus alerting rule の for duration は何を指定しますか？

• A) alert を history に保持する期間
• B) firing する前に condition が true であり続ける必要がある期間
• C) alert evaluation interval
• D) notification timeout

回答を表示

回答: B) firing する前に condition が true であり続ける必要がある期間

解説:for clause は、alert が「pending」から「firing」に遷移する前に、condition が継続して true でなければならない duration を指定します。これにより、短時間の spike による alert を防ぎ、false positive を減らします。

5. alert severity level はどのように定義すべきですか？

• A) すべての alert を critical にするべき
• B) business impact と required response time に基づく
• C) random に割り当てる
• D) metric name に基づく

回答を表示

回答: B) business impact と required response time に基づく

解説: Severity は impact を反映するべきです。immediate response が必要な customer-facing outage には critical、数時間以内に attention が必要な degradation には warning、action を伴わない awareness には info を使用します。これにより、適切な routing と on-call escalation が可能になります。

6. 時間の経過に伴う増加 rate を計算する PromQL function はどれですか？

• A) sum()
• B) rate()
• C) max()
• D) count()

回答を表示

回答: B) rate()

解説:rate() は、time range における 1 秒あたりの average rate of increase を計算します。counter 用に設計されており、counter reset を処理します。たとえば、rate(http_requests_total[5m]) は 5 分間の平均 request per second を返します。

7. packet drop alert に推奨される approach は何ですか？

• A) 単一の packet drop でも alert する
• B) drop rate が threshold を超え、それが一定時間継続した場合に alert する
• C) packet drop では決して alert しない
• D) packet drop は log のみに記録する

回答を表示

回答: B) drop rate が threshold を超え、それが一定時間継続した場合に alert する

解説: Network では occasional packet drop は正常です。Alert は、実際の問題を示す sustained elevated drop rate で trigger されるべきです。window（例: 5m）に対して rate() を threshold とともに使用することで、一時的な spike による alert を防ぎます。

8. Alertmanager routing において、continue: true は何をしますか？

• A) 以降の route 処理を停止する
• B) 現在の route の後で、alert が追加の route に一致することを許可する
• C) alert notification を繰り返す
• D) alert を silence する

回答を表示

回答: B) 現在の route の後で、alert が追加の route に一致することを許可する

解説: Default では、Alertmanager は最初に一致した route で停止します。continue: true を設定すると、alert が複数の route に一致できるようになり、critical alert を PagerDuty と Slack の両方に同時に送信するような scenario が可能になります。

9. EKS node で network bandwidth exceeded を示す metric はどれですか？

• A) container_cpu_usage_seconds_total
• B) instance network limit に近づいている node_network_transmit_bytes_total
• C) kube_pod_container_status_running
• D) container_fs_writes_bytes_total

回答を表示

回答: B) instance network limit に近づいている node_network_transmit_bytes_total

解説:node_network_transmit_bytes_total と node_network_receive_bytes_total は network I/O を追跡します。rate を EC2 instance network bandwidth limit と比較することで、workload が network constraint に達しているタイミングを特定しやすくなります。

10. Alertmanager の alert inhibition rule の目的は何ですか？

• A) alert priority を上げること
• B) parent alert が firing しているときに dependent alert を suppress すること
• C) alert を別の receiver に route すること
• D) 新しい alert を作成すること

回答を表示

回答: B) parent alert が firing しているときに dependent alert を suppress すること

解説: Inhibition rule は、root cause alert が firing したときに downstream alert を silence することで、alert storm を防ぎます。たとえば、「NodeDown」が firing した場合、その node 上の pod に対するすべての「PodNotReady」alert を inhibit します。これらは同じ問題の symptom であるためです。