メインコンテンツへスキップ

コストのアノマリー

DoiT Anomaly Detection は、Google Cloud、Amazon Web Services、Microsoft Azure、Oracle Cloud Infrastructure (OCI)、Snowflake、Databricks、Datadog、OpenAI、Anthropic - Claude.ai、ClickHouse Cloud、Cloudflare、Cursor、Elastic Cloud、GitHub、Grafana Cloud、Vercel におけるコストスパイクをエンドツーエンドで監視します。

検知サービスは、時系列モデリング を活用してデータを監視し、クラウド環境における支出傾向を分析します。DoiT の顧客全体にわたる請求パターンを特定し、クラウド支出を予測し、より正確な結果を提供できるよう継続的に改善されています。確立された支出パターンから外れる請求レコードは、潜在的なアノマリーとして識別されます。コンソールでは、コントリビューターの一覧 や AI 分析 など、調査や必要に応じた是正措置の実施を支援するための詳細情報を提供します。

以下のセクションでは、DoiT Anomaly Detection の仕組みについて説明します。

ソースデータ​

DoiT Anomaly Detection は、2 種類のソースデータをサポートします。

  • Billing data: クラウドプロバイダおよびサードパーティプラットフォームによるコストと利用状況のデータ。例: AWS CUR、Google Cloud Billing data export、Azure billing export など。

  • リアルタイム利用状況データ: ほぼリアルタイムのコストアノマリー検知のために、DoiT はリアルタイム利用状況データを活用して、以下のサービスのコストを推定します。

ベースライン期間​

アノマリー検知システムは、新規登録後すぐにデータの分析を開始します。ただし、正確な検知のためには十分な履歴データが必要です。機械学習モデルが、請求データおよびリアルタイムデータに基づく利用パターンの信頼できるベースラインを構築できるよう、請求データについて 14 日間、リアルタイム利用状況データについて 4 日間 のベースライン期間を設定しています。

アノマリー検知が業務上きわめて重要な場合は、クラウド支出に大きな変更を加える前に、このベースライン期間が経過するまでお待ちいただくことを推奨します。ベースライン期間中は、いかなる支出もアノマリーとして分類されません。

集約レベル​

アノマリー検知システムは、SKU レベル と サービスレベル の両方でコストおよび利用状況データを監視・評価するために時系列モデルを活用します。履歴パターンを分析し、それを現在の利用トレンドと比較することで、重要なコストスパイクを検知するよう設計されています。アノマリーなコストスパイクが検知されると、アノマリーアラート がトリガーされます。

Billing data​

Billing data に対して、アノマリー検知システムは同一の請求データを使用して、SKU レベルとサービスレベルの両方でコストを評価します。SKU レベルの監視は、プロジェクト単位の粒度の高いアラートを生成し、検知されるアノマリーの大半を占めます。サービスレベルの監視では、サービス内のプロジェクトおよび SKU 全体の支出を集約し、関連する複数のスパイクを 1 つのノイズの少ないアラートにまとめることができます。

サービスレベルの監視は、新しく作成されたプロジェクトや新しい SKU による初期のスパイクを早期に検知する場合にも有用です。新しいプロジェクトが作成されたり、新しい SKU でコストが発生し始めたりすると、新しい時系列 が識別され、コストデータの収集が開始されます。ただし、この新しい時系列は、十分な履歴データポイント が存在しないため、最初の数日間は SKU レベルのアノマリー候補を生成しません。「通常」の支出水準が新しい時系列でまだ確立されていなくても、新たに発生したコストによってサービスレベルではすでにアノマリースパイクが引き起こされる可能性があります。

リアルタイム利用状況データ​

2025 年 5 月 21 日以降、時間単位の粒度を持つリアルタイム利用状況データ向けのアノマリー検知システムは、高解像度サンプリングによるノイズを軽減するため、サービスレベルのみで動作します。

評価スコープ​

システムによって評価されるデータサンプルは、次のように分割されます。

  • 請求アカウントごと
  • プロジェクト/アカウントごと
  • サービスごと
  • SKU ごと
  • アロケーションごと（該当する場合）

評価スコープは集約レベルによって異なります。

  • SKU レベル: リージョンをまたいだ、SKU ごと・サービスごと・プロジェクト/アカウントごと
  • サービスレベル: プロジェクトおよび SKU をまたいだサービスごと

検知システムは、複数サービスを合算したコストは評価しません。

判定基準​

誤検知を抑制するため、アノマリー検知システムは、SKU またはサービスの支出が以下のすべての条件を満たした場合にのみアノマリーとして分類します。

Billing data​

  1. 1 日あたりの支出が最小閾値に達していること

    • SKU レベルのアノマリー: US$50

    • サービスレベルのアノマリー: US$100

  2. 1 日あたりの支出が月次の季節性 を上回っていること。

  3. 1 日あたりの支出が、システムの「通常範囲」（または「許容範囲」）の上限を超えていること。

リアルタイム利用状況データ​

  1. 1 時間あたりの支出が US$10 の最小閾値に達していること。

  2. 1 時間あたりの支出が、システムの「通常範囲」（または「許容範囲」）の上限を超えていること。

感度​

アノマリー検知システムは、直前の期間のデータで学習された時系列モデルを使用して、期待される支出を予測します。通常範囲は DoiT 固有の予測区間 によって決定されます。これは、あるパーセントの値が収まると推定される区間です。たとえば、90% の予測区間には、モデルが当てはめた過去の値に基づき、新しいデータポイントが取りうる可能な値の 90% が含まれます。通常範囲は、コストアノマリーチャート 上ではシェーディングされた領域として表示されます。

コンソールでは、アノマリー感度設定 を調整して予測区間を変更し、それによって通常範囲を再定義できます。感度を高くすると範囲が狭くなり、検知されるアノマリーの数が増加します。感度を低くすると範囲が広くなり、検知されるアノマリーの数が減少します。

検知遅延​

検知遅延は、ソースデータの種類によって異なります。

Billing data​

多くの場合、集計コストが事前定義された閾値を超えると、12 時間以内に Billing data のアノマリーが報告されます。

アノマリー検知エンジンは、利用状況およびコストデータを定期的に評価します。SKU レベルおよびサービスレベルのアノマリーについては、2 時間ごとに評価が実行されます。

検知遅延の主な要因は、クラウドプロバイダが利用状況およびコストデータを報告する間隔がまちまちであることです。データ遅延 も参照してください。

リアルタイム利用状況データ​

アノマリー検知エンジンは、リアルタイム利用状況データを 30 分ごとに評価します。リアルタイム利用状況データによって検知されたアノマリーは、利用から 1 時間以内に報告されます。

動的な更新​

進行中のアノマリーは Active と見なされます。検知システムは、利用可能な最新データでシステムを継続的に更新しながら、「アクティブ」なアノマリーを監視し続けます。

アノマリーは、次のいずれかの条件を満たすと Inactive になります。

  • コストが新しい通常範囲内に戻った場合。

  • アノマリーが最大アクティブ期間に達した場合（Billing data を基にしている場合は 7 日間、リアルタイム利用状況データを基にしている場合は 3 日間）。

アノマリーが Active および Inactive になるタイミングについての詳細は、コストアノマリーチャート を参照してください。

コストアノマリーアラート​

アノマリーが検知されると、システムは請求アカウント、サービス、およびプロジェクト ID を確認し、同じコンテキストに対してすでに別のアラートが送信されていない場合にのみアラートがトリガーされるようにします。

つまり、同じサービスに対して SKU レベルのアラートが送信された場合、サービスレベルのアラートは送信されません。その逆も同様です。

ヒント

CloudFlow triggers を使用して、コストアノマリーへの対応を自動化できます。たとえば、アノマリーが検知されたとき、そのステータスやコストが変化したとき、または確認されたときなどです。フローの開始トリガーとなるイベントの全一覧については、Cost anomaly events を参照してください。

月初のスパイク​

一部のサービスでは、月初（1 日）にまとめて請求が行われるため、月の残りの期間と比べて不釣り合いなコストスパイクが発生します。ただし、その金額が過去数か月と同程度であれば、アノマリーとはみなされません。

精度を高めるために、月初のコストを評価する際、アノマリー検知モデルは日次コストのモデリングに加えて、月次の比較も実施します。（リアルタイムに近いアノマリー検知では、より短期間をより細かく評価するため、月次の季節性は考慮されません。）

以下は評価対象となるサービスの一覧です。

月初にコストスパイクが発生するサービス
  • Amazon API Gateway
  • Amazon CloudWatch
  • Amazon Cognito
  • Amazon DynamoDB
  • Amazon ElastiCache
  • Amazon GuardDuty
  • Amazon Managed Service for Prometheus
  • Amazon OpenSearch Service
  • Amazon Redshift
  • Amazon Rekognition
  • Amazon Relational Database Service
  • Amazon Route 53
  • Amazon WorkSpaces
  • AWS Certificate Manager
  • AWS Data Transfer
  • AWS Elemental MediaConvert
  • AWS End User Messaging
  • AWS Identity and Access Management Access Analyzer
  • AWS Outposts
  • AWS Shield
  • Bright Data Enterprise non metered
  • Cloud Navigator
  • Compute Engine
  • Contact Center Telecommunications (service sold by AMCS, LLC)
  • Coralogix
  • Datadog
  • Datadog Pro
  • Directions API
  • Drata Security & Compliance Automation Platform
  • Fastly for GCP Marketplace
  • Geocoding API
  • Geolocation API
  • Grafana Cloud observability: Grafana, Prometheus metrics, logs, traces
  • HYCU R-Cloud™ Platform
  • Identity Platform
  • JFrog DevOps Platform - Enterprise X
  • JFrog Software Supply Chain Platform
  • Looker Studio
  • Maps API
  • Maps Static API
  • Office LTSC Professional Plus 2021
  • Places API
  • Plerion Cloud Security Platform (Contract)
  • Snyk: Developer Security Platform
  • Twilio Segment
  • Vantage Cloud Cost Platform - Enterprise
  • WIZ Cloud Infrastructure Security Platform

FAQ​

コストスパイクがアノマリーとして報告されなかったのはなぜですか？​

アノマリー検知システムは、コストを SKU レベルとサービスレベルの 2 つのレベルで評価します。複数のサービスにまたがる複数の SKU を合算したコストは評価しません。

クラウドコストのスパイクがアノマリーとして検知されなかった場合、まずそのスパイクが複数サービスにまたがる SKU によって引き起こされたものかどうかを確認することが重要です。加えて、その支出がアノマリーとして認定されるには、特定の一連の条件を満たしている必要があります。

アノマリー検知はコストアラートとどのように異なりますか？​

アノマリー検知は、以下の点でコストアラートと異なります。

  • スコープ: アノマリー検知は個々の SKU およびサービスを監視しますが、コストアラートのスコープはより柔軟です。

  • 条件: アラートをトリガーする条件は、例えば「週次コストが 5% 増加」といった単一の閾値です。これに対して、アノマリーと分類されるには、コストが複数の条件を満たす必要があります。

  • 客観性: アラートは客観的な閾値に反応しますが、アノマリー検知では、当てはめられた時系列モデルによって確立された予想支出パターンも考慮します。

一般的に、アラートはアノマリー検知よりも「敏感」で、トリガーされやすい仕組みです。

コストアノマリーアラートと、そのレポートはどのように違いますか？​

データ値​

コストアノマリーアラートに含まれるチャートは、検知時点の請求データのスナップショットを示します。

対応するレポート（Open in Reports ボタンからアクセス）では、最新のデータが反映されるため、直近のタイムステップにおいて若干の差異が生じる場合があります。

データの可用性​

アノマリー検知システムは、アラートを迅速に送信するために、利用可能な中で最も新しい請求データを使用します。

レポートでは、より詳細なテーブルを使用するため追加の処理が必要となり、その結果としてデータの利用可能になるまでに遅延が発生します。そのため、アラートをトリガーした請求データが、アラート送信時点ではレポート上で一時的に利用できない場合があります。

▶️ インタラクティブデモ​

実際に操作しながら学べるインタラクティブデモをお試しください。

デモが正しく表示されない場合は、ブラウザウィンドウを拡大するか、新しいタブでデモを開いてお試しください。

参照

FinOps Foundation: Managing Cloud Cost Anomalies

に最終更新