アラーム（異常検知：CloudWatch Anomaly Detection）難易度 高無料
あるWebサービスのリクエスト数は、平日昼間は高く深夜・週末は低いという明確な季節性（曜日・時間帯による周期パターン）を持つ。運用チームは、この周期パターンを踏まえたうえで「通常のパターンから統計的に逸脱した」場合にだけアラームを発報したい。固定のしきい値を曜日・時間帯ごとに手動でいくつも設定する運用は避けたい。最も適切な設計を選べ。（単一選択）
- A対象メトリクスに対してCloudWatch異常検知（Anomaly Detection）を有効化し、機械学習モデルが履歴データの周期パターンから算出した正常範囲（バンド）を、実測値が指定した標準偏差の幅を超えて外れた場合にアラームさせる
- Bメトリクス数式（Metric Math）で直近1時間のリクエスト数の90パーセンタイルを計算し、その値を固定しきい値として単純なメトリクスアラームを作成する
- C曜日・時間帯の組み合わせごとに個別のメトリクスアラームを手動で多数作成し、それぞれに適切な固定しきい値を設定する
- DAmazon Lookout for Metricsを使わず、CloudWatch Logs Insightsのクエリ結果を毎日目視で確認して異常を判断する
正解・解説・誤答理由・ひっかけを見る▼ open
✓ 正解：AAI作成・独立検証済
解説
CloudWatchの異常検知（Anomaly Detection）は、対象メトリクスの過去の履歴データに機械学習モデルを適用し、 曜日・時間帯による周期性を織り込んだ「予測される正常範囲（バンド）」を自動的に算出する機能である。
- 異常検知を有効にすると、CloudWatchは対象メトリクスに対して上限・下限の帯（バンド）を表す特殊なメトリクス
（
ANOMALY_DETECTION_BAND関数の結果）を生成する。 - 異常検知アラームは、実測値がこのバンドから指定した標準偏差の係数（例：2）を超えて外れた場合にALARM状態になる。 固定の単一しきい値では「平日昼は正常でも深夜なら異常」といった時間帯依存の判定ができないが、異常検知はこれを自動的に扱える。
- これにより、曜日・時間帯ごとに手動でしきい値を作り込む運用を避けつつ、季節性のあるメトリクスに対して精度の高い異常検知ができる。
- Bパーセンタイル計算はある時点でのばらつきの指標にすぎず、曜日・時間帯による周期パターンをモデル化する機能ではない。固定しきい値である点も変わらず要件を満たさない。
- C要件で明示的に避けたいとされている「曜日・時間帯ごとに手動でしきい値を設定する」運用そのもの。管理コストが高く陳腐化もしやすい。
- D目視確認では自動アラームによる即時検知ができず、24時間体制の運用監視としては非効率かつ属人的である。
ひっかけ： 「メトリクス数式（Metric Math）でパーセンタイルを計算すればよい（B）」という発想は、周期性そのものをモデル化する機能ではなく、
単一時点のばらつきを見る計算にすぎない。周期パターンを踏まえた「動的なしきい値」が必要な場面ではAnomaly Detectionが正解という判断軸を押さえる。
AIが作成し、独立した検証を経た解説です（有資格者による監修は経ていません）