定義

次世代オブザーバビリティとは、複雑なデジタルシステム、アプリケーション、インフラストラクチャの動作を監視、分析、理解するために使用される高度でインテリジェントな手法を指します。従来のロギングやメトリックベースの監視とは異なり、テレメトリデータ（ログ、メトリック、トレース）を洗練された分析機能と統合し、多くの場合、AIと機械学習によって強化されます。

なぜ重要なのか

現代の分散型アーキテクチャ（マイクロサービスなど）では、従来の監視では全体像を把握できないことがよくあります。次世代オブザーバビリティは、単に障害を報告するだけでなく、それを予測し、根本原因をより迅速に特定し、ユーザーのジャーニーに関する深い文脈的理解を提供することを目指しています。この移行は、複雑なクラウド環境で高い稼働率を維持し、パフォーマンスを最適化するために極めて重要です。

仕組み

このアプローチは、3つの柱、すなわちメトリック、ログ、トレース（オブザーバビリティの3本柱）に依存しています。次世代オブザーバビリティは、以下によってこれを強化します：

• コンテキスト化： 異なるデータポイント（例：特定のログエラーと特定のユーザートランザクショントレース）を自動的に関連付けます。
• 異常検知： 機械学習モデルを使用して「正常」なシステム動作のベースラインを確立し、事前に定義されたしきい値が超過するのを待つのではなく、初期の問題を示している可能性のある逸脱をフラグ付けします。
• 自動相関： サービスを横断する関連イベントをインテリジェントにグループ化し、何が起こったのかについての首尾一貫した物語を提示します。

一般的なユースケース

• プロアクティブなインシデント対応： 顧客向けの障害を引き起こす前に、微妙なパフォーマンス低下を検出します。
• パフォーマンスチューニング： 負荷がかかった際に遅延を引き起こす特定のコードパスやサービス間のやり取りを特定します。
• ユーザーエクスペリエンスのマッピング： 複数のフロントエンドおよびバックエンドサービス全体にわたる完全なユーザーセッションを追跡し、UXのボトルネックを診断します。
• キャパシティプランニング： 過去の負荷パターンを高い忠実度で分析し、将来のリソースニーズを正確に予測します。

主な利点

主な利点は、受動的な「消火活動」からプロアクティブなシステム管理への移行です。企業は、平均解決時間（MTTR）の短縮、サービスの信頼性の向上、および開発の優先順位付けに役立つより深い運用インテリジェンスを獲得します。

課題

次世代オブザーバビリティの実装は複雑です。主な課題には、大量の高カーディナリティデータ量の管理、分散システム全体でのデータプライバシーコンプライアンスの確保、および基盤となるAIモデルを効果的に調整するための専門知識の必要性などが含まれます。

関連概念

この概念は、システムの内部状態を外部出力から推論できるシステムの特性であるオブザーバビリティと密接に関連しています。また、オブザーバビリティデータに基づいて運用タスクを自動化するためにAIを具体的に適用するAIOpsとも重複します。