モニタリングの4つのゴールデンシグナルは何ですか?

Question

Accepted Answer

GoogleのSRE書籍から、4つのゴールデンシグナルは**レイテンシ、トラフィック、エラー、および飽和度**です。ユーザーに対応するシステムについて4つのことしか測定できない場合、これら4つを測定してください — これらを合わせると大多数の問題をキャッチできます。

## 4つのシグナル

```text
LATENCY     how long a request takes
            → split SUCCESSFUL vs FAILED latency (a fast 500 isn't "fast")
            → track percentiles (p50/p95/p99), not averages

TRAFFIC     how much demand the system is under
            → requests/sec, transactions/sec, concurrent sessions

ERRORS      rate of failing requests
            → explicit (HTTP 500) and implicit (wrong content, too slow)

SATURATION  how "full" the system is — its most constrained resource
            → CPU, memory, I/O, queue depth; a leading indicator of trouble
```

## これら4つがほとんどの問題をカバーする理由

レイテンシとエラーはユーザーが**直接感じる**ものです。トラフィックは**負荷コンテキスト**を説明します(10倍のトラフィック急増中のレイテンシスパイクはベースライン時のものとは異なる意味を持ちます)。飽和度は**先行指標**です — レイテンシとエラーの前に上昇するため、ユーザーが被害を受ける前に警告を与えます。

```text
saturation climbs → latency rises → errors appear → users complain
     ^ warning here, while there's still time to act
```

## USEとREDとの対比

ゴールデンシグナルは3つの関連フレームワークの1つであり、これらは大きく重なり、異なる角度から同じ重要な兆候を抽出します。

```text
GOLDEN  latency, traffic, errors, saturation   → user-facing services (general)
RED     Rate, Errors, Duration                 → request-driven services (a subset)
USE     Utilization, Saturation, Errors        → resources/infra (per device)
```

REDは本質的にゴールデンシグナル(飽和度を除く)で、リクエスト指向です; USEはリソース中心的です(ディスク、NIC、CPUごとに適用します)。サービスにはREDを、ハードウェアにはUSEを、一般的なデフォルトとしてゴールデンシグナルを使用してください。

## なぜ重要なのか

すべてをモニタリングするとノイズと死角が生まれます; 何もモニタリングしないと目隠しで飛ぶことになります。ゴールデンシグナルは、ダッシュボードとアラートをユーザーエクスペリエンスに結びつけながら、飽和度を早期に表面化させる実証済みの最小限のセットです — インシデント後の事後検証ではなく、その前に警告を受けることができます。