SIerもそろそろ 運用をなんとかしたいので いろん …SIerもそろそろ 運用をなんとかしたいので いろんなOSS使って OpsBearってツールを...

SIerもそろそろ 運用をなんとかしたいので いろんなOSS使って OpsBearってツールを 作りはじめたらしい

2019/02/22 オープンソースカンファレンス2019 Tokyo/Spring

TIS株式会社 八代 光平

八代 光平

所属 TIS株式会社 (2015年入社)

仕事 インフラ・自動化・OSS

技術・興味 Ansible Docker Python Git系 スクラム開発

機械学習(勉強中) StackStorm CI/CD Selenium ISUCON 競技プログラミング Kaggle Serverless

_k8shiro ko-he- ko-he-8

名前

2/29

Agenda

IaCによる運用自動化と限界

運用×データ分析でなんとかする

まとめ + お願い

3/29

IaCによる運用自動化と限界

4/29

Infrastructure as Code

インフラ作業をコード化し実行可能にする

サーバ構築、設定変更、運用タスク ⇒ 自動化

ソフトウェア開発のプラクティスを使う

バージョン管理ツール

テスト駆動開発

レビュー・リファクタリング

作業の効率化・品質向上が期待できる

Ansible、Chef、Puppetなど

IaCとは

5/29

を使用した自動化を進めています

インフラ部隊の中で

6/29

オープンソースの構成管理ツール

RedHat が開発、有償サポートを提供

特徴

エージェントレス ▶ 顧客環境ではエージェントが入れられないことも

モジュールが豊富 ▶Windows・ネットワーク機器への対応も多い

学習コストが低い ▶ Yamlでかけるのでプログラミングっぽくない

Ansibleとは

7/29

Ansibleを運用に使う

Firewallポリシー変更 NTP同期先の変更

スケールアップ スケールアウト

自動復旧

DevOps

テスト

バージョン管理ツール

IaaS・仮想化基盤

ワークフローエンジン

自動テスト

8/29

運用 がIaCで自動化できそう

が、限界もある

例えば障害の調査・対応とか

9/29

運用×データ分析でなんとかする

障害の調査・対応とかを

取り組みのご紹介

10/29

監視データ logファイル

ある状態Aの時に 異常Bが発生した場合

行動Cをすることで解決する

監視アラート 設定ファイル変更 コマンド実行履歴

こんなことをやりたい

状態 異常 行動

分析

運用中に関する情報

障害発生

11/29

監視データ logファイル

ある状態Aの時に 異常Bが発生した場合

行動Cをすることで解決する

監視アラート 設定ファイル変更 コマンド実行履歴

やりたいこと

状態 異常 行動

分析

これを実現する

の開発を始めました

12/29

監視データは長期間保存されていない ⇒ 障害発生時の生データがない

コマンド・ファイル変更の履歴は記録されていない 障害記録はExcel・チケット・メール等形式がバラバラ

分析可能な形式での情報の収集・蓄積の仕組みを作成

既存運用環境上の監視データを分析に活用 • なるべく現在の運用環境に手を入れないで 使えるようにしたい

13/29

運用ツール

Zabbix

Fluentd plugin

Core API

Polling

運用対象

config file

command Elasticsearch

GoTTY

rsync + git

Fess

時系列データ

InfluxDB

構成情報

Neo4j

運用情報の収集・蓄積

全文検索

14/29

運用ツール

Zabbix

Fluentd plugin

Core API

Polling

運用対象

config file

command Elasticsearch

GoTTY

rsync + git

Fess

時系列データ

InfluxDB

構成情報

Neo4j

運用情報の収集・蓄積

全文検索

15/29

運用ツール

Zabbix

Fluentd plugin

Core API

Polling

運用対象

config file

command Elasticsearch

GoTTY

rsync + git

Fess

時系列データ

InfluxDB

構成情報

Neo4j

運用情報の収集・蓄積

全文検索

16/29

運用ツール

Zabbix

Fluentd plugin

Core API

Polling

運用対象

config file

command Elasticsearch

GoTTY

rsync + git

Fess

時系列データ

InfluxDB

構成情報

Neo4j

運用情報の収集・蓄積

全文検索

17/29

運用ツール

Zabbix

Fluentd plugin

Core API

Polling

運用対象

config file

command Elasticsearch

GoTTY

rsync + git

Fess

時系列データ

InfluxDB

構成情報

Neo4j

運用情報の収集・蓄積

全文検索

18/29

異常の分析をするには

異常の発生と収束

を機械的にとれるひつようがある

19/29

閾値での判定の問題点

閾値

20/29

閾値

閾値での判定の問題点

閾値の境界を取得したいわけではない

変化の開始と終了を取得したい 21/29

外れ値はいらない 変化の開始と終わりだけを取得

閾値での判定の問題点

変化点検出(Changefinder)を実行 22/29

データの周期性の考慮も必要

一定間隔で実行されるJobがある 休日には使用量が下がる

データの周期性(増減の規則)を分析

周期からずれたら異常と判定

正常時

異常時

自己回帰分析 +変化点検出により異常を検出 23/29

WebサーバのCPUの使用率が増加 APサーバのCPUの使用率も増加 DBサーバのCPUの使用率も増加

監視データ間には相関関係がある(はず)

WebサーバのCPUの使用率が増加 APサーバのCPUの使用率が増加 DBサーバのCPUの使用率も低下

正常時 異常時

AP1

Web2

相関関係をグラフ化(行列化)し正常時との差異から異常判定

24/29

DB1 AP1 DB1

Web2

25/29

障害解消のための行動を提案

26/29

学習 発生した障害の種類 障害発生付近のシステムの状態 障害収束付近のシステムへの行動

予測 障害と状態から過去の様々な事象の類似度を算出 類似度と実行確率から行動を提示

27/29

解消する確率

予測された行動

28/29

障害対応をデータ分析で補助する OpsBear開発の取り組み

サービス化・OSS化を視野に検討開発中 時期未定

協力していただける方募集 改善に向けてご意見 試験的な導入 一緒に開発してみたい方

まとめとお願い

29/29