Bab ini memperkenalkan Amazon CloudWatch, layanan intinya, serta prinsip observability dan pemantauan.

Mulai menggunakan Amazon CloudWatch

Menjelajah konsol CloudWatch

Apa itu monitoring dan observability?

Fungsionalitas inti CloudWatch

Metrik CloudWatch

Klasifikasikan komponen metrik

Metrik kustom dan dimensi

Jelajahi anatomi metrik

Membangun dasbor CloudWatch

Identifikasi bottleneck performa

Buat CloudWatch dashboard

Jelajahi widget dasbor

Pemantauan dan Observability dengan CloudWatch

Pelajari cara bekerja dengan log CloudWatch serta menyiapkan alarm dan notifikasi.

CloudWatch Logs

Buat metric filter

Jelajahi arsitektur log

Klasifikasikan komponen hierarki log

CloudWatch alarm dan notifikasi

Buat alarm CloudWatch

Klasifikasikan status dan aksi alarm

Simulasikan evaluasi alarm

Integrasi SNS dan SQS dengan CloudWatch

Kirim pesan ke antrian SQS

Jelajahi alur notifikasi SNS dan SQS

Klasifikasikan SNS vs SQS

Log Insights dan analisis

Jalankan kueri Log Insights

Cocokkan skenario troubleshooting dengan kueri

Jelajahi kueri Log Insights

CloudWatch Logs dan Alarm

Pelajari cara mengobservasi aplikasi terdistribusi menggunakan AWS X-Ray.

Konsep dan arsitektur X-Ray

Mensimulasikan pengambilan sampel X-Ray

Siklus hidup distributed trace

Urutkan siklus hidup distributed trace

Cara X-Ray merepresentasikan panggilan downstream

Menerapkan penelusuran X-Ray

Anotasi atau metadata untuk pemfilteran?

Opsi

Instrumentasi otomatis

Instrumentasi manual

Instrumentasi otomatis vs manual

Langkah instrumentasi Flask

Urutkan langkah untuk menginstrumentasi aplikasi Flask

Menganalisis jejak dan peta layanan

Membaca peta layanan X-Ray

Bottleneck sekuensial

Kueri N+1 / layanan cerewet

Cold start

Cocokkan anti-pola latensi dengan perbaikannya

Diagnosis pola latensi

Dasbor kesehatan aplikasi

Options

Latency

Traffic

Errors

Saturation

Klasifikasikan metrik ke dalam four golden signals

Alur kerja pemecahan masalah

Urutkan alur kerja pemecahan masalah tujuh langkah

Bangun dashboard kesehatan aplikasi

Selamat!

Distributed Tracing dengan X-Ray

Ketika aplikasi AWS melambat atau mulai gagal, bisakah Anda menemukan penyebabnya sebelum pengguna Anda mengetahuinya? Kursus ini membekali Anda keterampilan observability untuk memantau, mendiagnosis, dan memperbaiki beban kerja produksi dengan percaya diri. Dengan Amazon CloudWatch, Anda akan mengumpulkan metrik dan log, membangun dasbor yang menampilkan masalah sekilas, serta menyiapkan alarm dan notifikasi yang memberi tahu Anda seketika saat sesuatu bermasalah. Dengan AWS X-Ray, Anda akan menelusuri permintaan lintas layanan terdistribusi, membaca peta layanan, dan menemukan lompatan tepat yang menyebabkan latensi atau kesalahan. Anda akan mengerjakan skenario pemecahan masalah yang realistis, termasuk pemanggilan Lambda yang gagal, panggilan basis data yang lambat, dan kegagalan berantai, sehingga menyingkirkan tebakan dan menggantinya dengan proses diagnostik yang berulang. Pada akhirnya, Anda akan menjaga aplikasi AWS tetap andal, berkinerja baik, dan dapat diobservasi dari ujung ke ujung.

AWS Concepts

Pantau dan atasi masalah beban kerja AWS dengan CloudWatch dan X-Ray: kumpulkan metrik, buat dasbor.

Pemantauan dan pemecahan masalah AWS

Pantau dan atasi masalah aplikasi AWS dengan Amazon CloudWatch dan AWS X-Ray. Kumpulkan metrik dan log, buat dasbor, atur alarm, dan lacak permintaan.

Memanggil patch_all() untuk menginstrumentasi semua library yang didukung

Melampirkan XRayMiddleware ke aplikasi Flask

Memanggil patch(['boto3', 'requests']) untuk library terpilih

Membungkus sebuah fungsi dengan @xray_recorder.capture()

Menggunakan manajer konteks with xray_recorder.capture()

Menambahkan subsegment bernama secara eksplisit di sekitar blok kode

Instrumentasi otomatis vs manual

Pemantauan dan pemecahan masalah AWS

Latihan interaktif langsung