3.3標準
平日昼間と夜間で取り込み量が大きく異なる。
固定しきい値では誤報が多いため、通常パターンからの逸脱を検知したい。
最も適切な監視・保守方法はどれか。
× 不正解
Anomaly Detectionと固定しきい値を組み合わせ、データ欠損・急増・遅延を業務影響に合わせて通知する。
詳細解説
正しいCloudWatch anomaly detectionをメトリクスへ適用する
過去のパターンを基にバンドを作り、通常範囲からの逸脱をアラーム化できる。
過去のパターンを基にバンドを作り、通常範囲からの逸脱をアラーム化できる。
誤り全時間帯で同じ固定値を使う
昼夜の通常差を無視し、誤報や見逃しが増える。
昼夜の通常差を無視し、誤報や見逃しが増える。
誤りS3 Lifecycleで異常時のデータを削除する
異常検知と保存方針は別の設計である。
異常検知と保存方針は別の設計である。
誤りCloudTrailイベント数を処理量の代用にする
API操作量とデータ処理量の季節性は一致しない。
API操作量とデータ処理量の季節性は一致しない。
実際に確かめる
一時的な検証環境で実行できる例です。
Amazon CloudWatch anomaly detection、metric math、alarmsの公式説明を確認する。期待される結果
固定値と季節性を考慮した異常検知の適用範囲を説明できる。理解のポイント
- Anomaly detection
- 季節性
- Metric math
- 誤報
確認時の注意
- 確認環境: AWS公式DEA-C01試験ガイドと各サービスの公式ドキュメントの確認
- AWS公式DEA-C01 Domain 3・Task 3.3と各サービスの公式ドキュメントを確認する。
基礎のおさらい
学習期間
デプロイやキャンペーンなど通常でない期間を学習へ混ぜない。
検知と対応
異常検知は原因特定ではないため、ログ・実行ID・依存サービスを併せて調べる。
問題IDAWS-DEA-222
確認環境AWS公式DEA-C01試験ガイドと各サービスの公式ドキュメントの確認
最終技術確認2026-08-20
誤り・権利侵害を報告