Det här kapitlet introducerar Amazon CloudWatch, dess kärntjänster samt principerna för observabilitet och övervakning.

Kom igång med Amazon CloudWatch

Utforska CloudWatch-konsolen

Vad är monitorering och observerbarhet?

CloudWatchs kärnfunktioner

CloudWatch-mätvärden

Klassificera måttkomponenter

Anpassade mått och dimensioner

Utforska mätvärdens anatomi

Bygga CloudWatch-dashboards

Identifiera prestandaflaskhalsen

Skapa en CloudWatch-dashboard

Utforska dashboardwidgetar

Övervakning och observabilitet med CloudWatch

Lär dig att arbeta med CloudWatch-loggar och att konfigurera larm och notifieringar.

CloudWatch Logs

Skapa ett måttfilter

Utforska loggarkitektur

Klassificera komponenter i logghierarkin

CloudWatch-larm och notifieringar

Skapa ett CloudWatch-larm

Klassificera larmtillstånd och åtgärder

Simulera larmutvädering

SNS- och SQS-integration med CloudWatch

Skicka ett meddelande till en SQS-kö

Utforska meddelandeflödet i SNS och SQS

Klassificera SNS och SQS

Log Insights och analys

Kör en Log Insights-fråga

Matcha felsökningsscenarier med frågor

Utforska Log Insights-frågor

CloudWatch-loggar och larm

Lär dig att observera distribuerade applikationer med AWS X-Ray.

X-Ray – koncept och arkitektur

Simulera X-Ray-sampling

Livscykel för distribuerad trace

Ordna livscykeln för en distribuerad trace

Hur X-Ray representerar anrop nedströms

Implementera X-Ray-spårning

Annotation eller metadata för filtrering?

Alternativ

Automatisk instrumentering

Manuell instrumentering

Automatisk vs manuell instrumentering

Steg för Flask-instrumentering

Sortera stegen för att instrumentera en Flask-app

Analysera spårningar och tjänstekartor

Läsa en X-Ray-servicekarta

Sekventiellt flaskhals

N+1-frågor / pratsamma tjänster

Kallstart

Matcha latensens antimönster med rätt åtgärd

Diagnostisera latensmönstret

Instrumentpaneler för applikationshälsa

Latens

Trafik

Mättnad

Klassificera mätvärden enligt de fyra gyllene signalerna

Felsökningsarbetsflöde

Ordna felsökningsarbetsflödets sju steg

Bygg en dashboard för programhälsa

Grattis!

Distribuerad spårning med X-Ray

När en AWS-applikation börjar bli långsam eller slutar fungera – kan du hitta orsaken innan dina användare gör det? Den här kursen ger dig de observabilitetskunskaper du behöver för att övervaka, diagnostisera och åtgärda produktionsmiljöer med säkerhet. Med Amazon CloudWatch samlar du in mätvärden och loggar, bygger instrumentpaneler som visar problem direkt och konfigurerar larm och notifieringar som varnar dig i samma stund något går fel. Med AWS X-Ray spårar du förfrågningar genom distribuerade tjänster, läser tjänstkartor och lokaliserar exakt vilket steg som orsakar fördröjning eller fel. Du arbetar dig igenom realistiska felsökningsscenarier – bland annat misslyckade Lambda-anrop, långsamma databasanrop och kaskadfel – och omvandlar gissningar till en repeterbar diagnostikprocess. När kursen är klar kan du hålla dina AWS-applikationer tillförlitliga, högpresterande och fullständigt observerbara från start till slut.

AWS Concepts

Övervaka och felsök AWS-arbeten med CloudWatch och X-Ray: samla in data, skapa paneler och spåra.

Övervakning och felsökning i AWS

Övervaka och felsök AWS-appar med Amazon CloudWatch och AWS X-Ray. Samla in mätvärden och loggar, bygg dashboards, sätt larm och spåra förfrågningar.

Anropa patch_all() för att instrumentera alla bibliotek som stöds

Anropa patch(['boto3', 'requests']) för utvalda bibliotek

Wrappa en funktion med @xray_recorder.capture()

Använda en with xray_recorder.capture()-kontexthanterare

Explicit lägga till ett namngivet delsegment runt ett kodblock

Automatisk vs manuell instrumentering

Övervakning och felsökning i AWS

Interaktiv övning med praktiskt arbete