誰もアラートを書いていない問題を捉える

Maple は各サービスが時間帯ごとにどう動くかを学習します。エラー率、レイテンシ、トラフィック、または特定のエラーがそこから大きく外れると、根拠となる数値とともに異常を記録します。

無料トライアルを開始

動き

自身の 1 週間と比べたサービス

帯は過去 7 日間の同じ時間帯の checkout の p95 です。2 回連続で大きく上回ると異常が記録されます。ベースラインの 4 倍で重大になります。

anomalies · checkout · latency_p95 LIVE

p95 latency · last 3h baseline · same hour ±1, 7 days

healthy open · critical breaching checks 0/2 1/2 2/2

anomaly no rule

service checkout

environment production

observed 1,240 ms

baseline 310 ms

threshold 465 ms

deviation 4.0× baseline

Open investigation Link issue

checked every 5 min · opens after 2 breaches resolves after 3 healthy checks

できること

Maple が監視するもの

エラー率: サービスと環境ごとの失敗リクエストの割合を、先週の同じ時間帯と比べます。判定には 1 時間に 50 リクエスト以上が必要です。
p95 レイテンシ: 帯から大きく外れ、かつ 50 ms 以上遅くなった場合を検知します。毎晩遅いバッチ処理はベースラインの一部です。
トラフィックの消失: 普段忙しいサービスがほぼゼロになった場合です。静かな日曜日は対象外で、通常の 95% を失ったときに検知します。
エラーの急増: 特定のエラーが 30 分間で普段よりはるかに多く発生した場合です。同じサービスの急増はまとめられ、イシューに紐づきます。
エラーログ: サービスごとのエラーレベルのログの急増です。失敗したスパンとして現れない障害も捉えます。
調査も自動で: どの異常からでも調査を開始できます。AI トリアージを有効にすると、新しい異常ごとにエージェントが調べて結果を添付します。

次は

このデータを共有する画面

アラート

任意のシグナルにアラート、通知はチームのいる場所へ

エラートラッキング

例外をissueにグルーピングし、送出したスパンに紐付け

サービスカタログ & マップ

サービスごとのレイテンシ、エラー、スループットとライブマップ

APIパフォーマンス

遅いエンドポイントを発見して改善

OTLPをMapleに向ける。

エンドポイントとキーが1つずつ。トレース、ログ、メトリクス、セッションが、最初のリクエストから同じトレースIDに集まります。

無料トライアルを開始 GitHubで見る