InfoQ ホームページ Metrics-1 に関するすべてのコンテンツ
-
専任チームによる継続的デリバリの実現
Robin Weston氏が、先日のContinuous Lifecycle Londonで、独立した開発サポートチームの支援によって、変革への抵抗が強くサイロ化した企業への継続的デリバリプラクティスの導入に成功した、自らの経験を語っている。新たなテクノロジやツールの導入よりも、チームが重視したのは、共有とチームの教育だった。その対象となったプラクティスは、継続的インテグレーションからテストピラミッドの採用、あるいはムダの特定によるサイクルタイム短縮まで、広きにわたる。
-
観測可能な分散システムを構築する
今日のシステムはますます複雑化している。ネットワーク上に分散し、ダイナミックにスケーリングするマイクロサービスでは、さまざまな方法で障害が発生するため、その予測は必ずしも可能ではない。可観測性(observability)を重視することにより、それまでは考えたこともなかった、システムに対する疑問を持つことが可能になる。この目的に使用可能なツールとしては、メトリクス、トレース、構造化および相関化ログなどがある。
-
Thanos - 無制限ストレージを備えたスケーラブルなPrometheus
ImprobableのエンジニアリングチームがThaosをオープンソースとして公開した。Thaosはクロスクラスタフェデレーション、無制限ストレージ、クラスタを越えたグローバルクエリによって、Prometheusインストレーションの高可用性を実現するコンポーネントセットである。
-
Vivintが大規模IoTデプロイメントのメトリクス収集プラットフォームを開発
Vivintのエンジニアリングチームは、同社の配置済みデバイスからメトリクスを収集し、解析するためのメトリクス収集プラットフォームを独自に構築した。同社が独自システムの開発に至ったのは、集計されたデータのみの保存を可能として分析に集中するためであったが、この目標がRothkoプロジェクトとして達成された。
-
継続的デリバリの計測方法
継続的デリバリを導入する場合、安定性とスループットを計測できる。このふたつのメトリクスは不確実性を減らし、とのようなやり方を拡大したり縮小したりするべきかについてより良い選択肢を提示し、継続的デリバリのプロセスを正しい方向に進めるのに役に立つ。
-
Robinhoodのエンジニアリングにおけるメトリック収集と監視
Robinhoodのサーバ運用チームは、インフラストラクチャのメトリック収集、監視、アラートに関する一連の記事を公開した。OpenTSDB、Grafana、Kafka、Riemannがスタックのコアを形成し、プロキシ層として機能するKafkaがデータをRiemannにプッシュして、ストリーム処理された結果がストレージのOpenTSDBに格納される構成だ。
-
Dockerコンテナのメトリクスを監視する
SematextのDevOpsエバンジェリストであるStefan Thies氏が先日の記事で，コンテナの重要な10のメトリクスと，それらがDockerコンテナの運用において持つ意味について，ホスト毎に多数のコンテナを運用する場合を中心に論じている。ひとつの相関図に表現されたこれらのメトリクスは，Dockerベースの環境を監視するための出発点を提供してくれる。
-
DevOpsとは”CALMSS"である
ForresterがDevOpsに新たな定義を与えた。DevOpsのCALMSの定義に，ソーシングを意味する"S"を加えたのだ。DevOpsには堅牢なソーシングストラテジによるサポートが不可欠だという考えから，同社はCALMSSという頭字語を提唱する。
-
いかにメトリクスを使ってアジャイル環境に影響を与えるか
QCon London 2015において、Tasktop Technologies社のデータサイエンティストであるLarry Maccherone氏が、メトリクスを使うことの重要性と、それによって組織の重大な意思決定にどう影響を与えるべきかについて講演した。
-
かんばん方式におけるメトリクスの適用例
メトリクス(定量的な指標）は，かんばん方式に深く組み込まれている。可視化や管理フローなどのかんばん方式のプラクティスで役割を果たすと同時に，持続可能性やサービス指向，生存性といった面からの課題解決をサポートする。Lean Kanban Central Europe 2014 ConferenceでWolfgang Wiedenroth氏は，メトリクスの持つパワーについて講演した。プレゼンテーションの中で氏は，かんばん方式におけるメトリクスの使用例をいくつも紹介している。
-
Twitterでの予測
Velocity Conf LondonでTwitterのArun Kejariwal氏がTwitterで使われている予測アルゴリズムについて話した。予測アルゴリズムはシステムリソースの予測とユーザ数やツイート数などビジネス上の指標の予測に使われている。Twitterのデータストリームのダイナミックさを考慮した場合、磨き直したARIMAモデルは一度予測エラーを検出して、異常値を排除できれば有効に働くということがわかった。
-
トラフィック異常をリアルタイムで検出するAPM9.5
CA Technologiesの Application Performance Management (APM) 9.5には，異常なパフォーマンス測定パターンをほぼリアルタイムで検出し，解析する機能が追加されている。DOS(Denial of Service)攻撃の開始やハードウェア故障，不正なアプリケーションの検出に利用可能だ。