• ログイン

本書は、お客様のご参考のために原文の英語版を機械翻訳したものです。

英語版と齟齬がある場合、英語版の定めが優先するものとします。より詳しい情報については、本リンクをご参照ください。

問題を作成する

データの取り込みを最適化する

Optimize

データ取り込みガバナンスは、組織によって収集されたテレメトリデータの最適な値を取得するためのプラクティスです。これは、多数のビジネスユニットとワーキンググループを持つ複雑な組織にとって特に重要です。これは、NewRelicデータの取り込みを最適化するための4部構成のガイドの第3部です。

望ましい結果

データインジェストを最適化することにより、データの観測可能な価値を最大化します。不要なインジェストデータを削減し、予算内に収まるようにします。

プロセス

このプロセスには、次の手順が含まれます。

これらの手順について詳しく説明します。

観測可能な目標に優先順位をつける

データ取り込みガバナンスフレームワークの最も重要な部分の1つは、収集されたテレメトリを可観測性の値の推進要因と整合させることです。新しいテレメトリを構成するときの主な可観測性の目的を確実に理解する必要があります。

新しい遠隔測定を導入する場合、それが観測可能なソリューション全体に何をもたらすかを理解する必要があります。新しいデータは他のデータと重なるかもしれません。もし、どの重要な目的にも合致しないテレメトリーを導入するのであれば、そのデータの導入は再考する必要があるかもしれません。

目的は以下の通りです。

  • 社内SLAを満たす
  • 外部SLAを満たす
  • 機能革新のサポート(A / Bパフォーマンスおよび導入テスト)
  • カスタマーエクスペリエンスのモニター
  • ベンダーと社内サービスプロバイダのSLAを遵守する
  • ビジネスプロセスのヘルスモニタリング
  • その他のコンプライアンス要件

これらの目標に沿うことで、あるデータセットを別のデータセットよりも優先させるという柔軟かつ直感的な判断が可能になり、新しいプラットフォームやサービスのインストルメント化を行う際に、どこから手をつければよいのか、チームのガイド役を務めることができます。

最適化プランの策定

このセクションでは、2つの主要な仮定を行います。

以下の例は、テレメトリーインジェストをどのように評価し、予算内に収めるために必要な、時には難しい決断を下すかをイメージするのに役立ちます。これらの例はそれぞれバリュードライバーに焦点を当てようとしていますが、ほとんどのインスツルメンテーションは1つ以上のバリュードライバーに貢献しています。これはデータインジェストガバナンスの最も難しい部分です。

ヒント

使い慣れたタスク管理ツールで計画を追跡することをお勧めします。これは、最適化計画を管理し、各最適化タスクがもたらす効果を理解するのに役立ちます。この データ最適化計画テンプレートを使用できます。

データ削減のテクニックを使って、計画を実行する

この段階で、アカウント内のすべての種類のテレメトリと、それがバリュードライバーとどのように関連しているかについて考えました。このセクションでは、さまざまなテレメトリタイプを削減する方法に関する詳細な技術的手順と例を提供します。

データ削減に取り組むには、主に2つの方法があります。

  • 構成を通じて
  • ドロップルールを使用して

コンフィギュレーションによる最適化

このセクションには、データのレポートと取り込みを最適化するためにNewRelicの機能を構成するさまざまな方法が含まれています。

ドロップルールによる最適化

ドロップルールで何ができるかを理解するための簡単なルールは次のとおりです。クエリを実行できる場合は、ドロップできます。

ドロップフィルターのルールは、いくつかの重要な目標を達成するのに役立ちます。

  • お客様のアカウントに関連するログのみを保存することで、コストを削減できます。
  • 個人を特定できる情報(PII)を削除することで、プライバシーとセキュリティを保護します。
  • 無関係なイベントや属性を削除して、ノイズを減らす。

注意事項:ドロップルールを作成するときは、設定した条件を満たすデータをルールが正確に識別して破棄するようにする必要があります。また、ルールと、NewRelicに開示するデータを監視する責任もあります。常にクエリをテストして再テストし、ドロップルールをインストールした後、意図したとおりに機能することを確認してください。ドロップ前とドロップ後のデータを監視するダッシュボードを作成すると役立ちます。

ドロップルールを使用して特定のツールのデータ取り込みを最適化するためのガイダンスは次のとおりです。

エクササイズ

次の質問に答えることで、最適化計画を作成して実行する能力に自信をつけることができます。 Baseliningセクションのデータ取り込みベースラインおよびデータ取り込みエンティティの内訳ダッシュボードを使用することをお勧めします。説明されているようにこれらのダッシュボードをインストールし、これらの質問のうちどれだけに答えられるかを確認してください。

質問
この組織の取り込みを月に少なくとも5%削減できる3つのドロップルールを表示しますか?ドロップルールのNerdGraph構文を応答に含めます。
この組織の取り込みを月に少なくとも5%削減するために実装できる、3つのインストルメンテーション構成の変更を提案しますか?応答に構成スニペットを含めます。
K8sモニタリングからのデータ量を減らすためにできる3つのことは何ですか?どのくらいのデータ削減を達成できますか?この削減の潜在的なトレードオフは何ですか? (たとえば、それらは実質的な可観測性を失いますか?)
1.データ取り込みガバナンスベースラインダッシュボードを使用して、大量のログデータをNewRelicに送信しているアカウントを特定します。
2.アカウントのドロップダウンメニューからそのアカウントを見つけて選択します。
3.アカウントのログページに移動し、左側のメニューからパターンを選択します。
4.表示されたログパターンを確認し、値の低いログパターンの例をいくつか示します。何がそれらを低い価値にしているのですか?これらのログを削除することで、どれだけの合計削減を達成できますか?
この組織の全体的な分析に基づいて、どのテレメトリが十分に活用されていませんか?

結論

プロセスセクションでは、テレメトリを特定の可観測性値の推進要因または目的に関連付ける方法を示しました。これにより、アカウントの取り込みを最適化するという難しい決定がいくらか簡単になります。目標を保護しながら摂取を最適化する高レベルの最適化計画を説明する方法を学びました。最後に、構成とドロップルールベースの取り込み最適化のための豊富なレシピセットが紹介されました。

Copyright © 2022 New Relic株式会社。

This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.