Adaptive Telemetryで、データ量に比例してオブザーバビリティの費用が増える構造を断ち切る

AI時代には、モデルの呼び出し、ツールの実行、エージェントの各ステップのたびにテレメトリーが生成されます。そのため、オブザーバビリティ（可観測性）にかかるコストと向き合ううえで、企業はこれまで以上に支援を必要としています。

多くのチームが最初にとる対応は、「データダイエット」です。保持期間の短縮、一部のサービスや環境の収集対象からの除外、あるいは戦略というより当て推量に近い単純なサンプリングといった方法です。いずれにしても、請求額を抑えるためにデータを削ることになり、インシデントのときに必要なデータまで失うリスクを抱えます。

コストは、取り込むデータの量に比例して増えるべきではありません。データから得られる価値に応じて増えるべきものです。そうすることで、残す価値のあるデータにだけ料金を支払えます。

それを実現するために作られたのが、Adaptive Telemetryです。サイバーセキュリティ企業のRapid7などの企業は、すでに成果を上げています。

「Grafana Cloudに移行してAdaptive Telemetryを使ったところ、メトリクスのコストが十分に下がり、ログとトレースの費用もまかなえるようになりました。コストが下がる一方で可視性は上がり、ダッシュボードやクエリは速く、ノイズも減りました」と、Rapid7のプリンシパルソフトウェアエンジニアであるCarl Eastman氏は述べています。

Adaptive Telemetryは、すでにすべてのオブザーバビリティのシグナルに使えます。Grafana Labsは、この基盤をさらに発展させています。保持するトレースをより的確に選べるようにし、ログのコスト効率を高め、少ない手間でAdaptive Metricsをさらに活用できるようにするためです。実際にどうなるのか、見ていきましょう。

重要なトレースだけを残し、量を90%削減する

データダイエットの痛手が最も大きいのは、トレースです。多くのチームは固定の割合でサンプリングしており、遅いチェックアウトのリクエストも、定期的なヘルスチェックも、同じように扱っています。割合を下げれば請求額は下がりますが、何かが壊れたときに、必要なトレースが残っている可能性も下がります。

Adaptive Tracesは、難しい部分（テイルベースサンプリング）を、パイプラインを運用することなく、すでに処理しています。さらに、新しい3つの機能で、保持の精度をさらに高められます。

ポリシーの手間をかけずに、最も価値の高いトレースを自動で残す

Volumetric samplingは、確率的サンプリングよりも価値の高いサンプルを提供します。サンプリングの予算をサービスやリクエストの種類に公平に配分するため、ボリュームの少ないサービスが埋もれません。トラフィックの変化に合わせて、調整も続けます。設定するのは1つの数値（サンプリングの割合）だけで、複雑なポリシーを書いたり、手作業で調整したりする必要はありません。Grafana Labsのテストでは、同じ量で、確率的サンプリングより約25%高い情報密度が得られました。

属性の組み合わせごとに少なくとも1件のトレースを残し、いつでも参照できるようにする

Diversity samplingにより、確認できるトレースが必ず手元に残ります。サービス、ルート、ステータスコードなどの属性の組み合わせごとに、15分ごとに少なくとも1件のトレースを保存します。環境が変わっても、新しいサービスやコードパスを捉えるために、カスタムのサンプリングロジックを書いて更新する必要はありません。

積極的にサンプリングしながら、必要なトレースを確実に取り出す

Adaptive Tracesでドロップされたトレースのクエリは、いわば安全網です。Adaptive Tracesは、サンプリングで残さなかった（ドロップした）すべてのトレースも、取り込みから24時間、トレースIDでクエリできる状態に保ちます。ログの1行、サポートチケット、テストフレームワークなどからトレースIDがわかれば、Adaptive Tracesがドロップしたトレースでも、その特定のトレースを取り出せます。ドロップされたトレースは、検索や集計には表示されません。あくまでIDによる参照で、検索したいトレースをサンプリングして残す代わりにはなりません。この機能があるからこそ、安心して積極的にサンプリングできるのです。

これらの機能を組み合わせれば、必要なものまで削ってしまったかと心配することなく、トレースの量を大幅に削減できます。

Volumetric samplingとDiversity sampling、そしてドロップされたトレースのクエリは、いずれも一般提供されています。

必要になるかもしれないデータを手放さずに、ログのコスト効率を高める

ログはすぐに増え、保存したものの多くは一度も見られません。Adaptive Logsは、誰もクエリしないログのパターンをすでに見つけ出し、取り込みの段階で削減しています。さらに今回、より早い段階で、より自信を持って削減できる2つの新機能が加わりました。

不要なログを送信元で削除し、エグレスとネットワークのオーバーヘッドを減らす

Fleet-managed Adaptive Logsは、すでに使っているドロップルールと、その適用除外の設定を、Fleet Managementを通じて、すでに運用しているコレクターに直接適用します。条件に一致するログは、環境の外に出る前に除外されるため、ストレージの削減に加えて、エグレスとネットワークのオーバーヘッドも節約できます。

Adaptive Logsが、コレクターのパイプラインを自動で作成し、同期した状態に保つため、追加で書いたり保守したりするものはありません。残りのログについては、これまでどおりGrafana Cloudでパターンベースの推奨が実行されます。

必要になるかもしれないログは、低コストのストレージに残す

チームがログの削除に慎重になるのは当然です。削除した行は取り戻せないため、ためらうのも無理はありません。Archive and replayは、この状況を変えます。

Archiveは、ログを削除する代わりに、ユーザー自身の低コストなオブジェクトストレージに振り分けます。Replayは、調査、監査、コンプライアンス対応で必要になったときに、それらのログを呼び戻します。価値の低いログをインデックスしないことによる削減効果はそのままに、あとで必要になるかもしれないデータを永久に失うことはありません。

コストは下げつつ、必要になったデータにはいつでも戻れる。これが、Archive and replayがもたらす変化です。

Fleet-managed Adaptive Logsは、パブリックプレビューで提供しています。Archiveはパブリックプレビュー、Replayは近日提供予定です。早期アクセスを希望する場合は、プライベートプレビューに登録してください。

少ない手間で、Adaptive Metricsをさらに活用する

Adaptive Metricsは、もともと無駄を見つけるのが得意です。ダッシュボード、アラート、レコーディングルール、クエリで、メトリクスが実際にどう使われているかを調べ、完全な詳細が必要とされていないメトリクスを、カーディナリティの低いバージョンに集約するよう推奨します。ただし、誰かが推奨を1件ずつ確認しなければならず、プラットフォームチームにとっては、その確認作業自体がすぐに負担になります。Rapid7のEastman氏も、その大変さを実感していました。

「以前は、無駄を見つけるには、誰かがメトリクスのカーディナリティやログの量を手作業で掘り下げる必要がありました。新しいサービスが次々と追加されるので、その作業に終わりはありませんでした」とEastman氏は話します。「今では、Adaptive MetricsとAdaptive Logsが、その分析を代わりに行ってくれます（中略）。エンジニアは、ロングテール全体ではなく、人の判断が必要な少数のルールに時間を使えるようになりました」

すべての推奨を確認しなくても、削減を自動で適用する

Auto-Applyを使えば、確認作業から解放されます。セグメントに対して有効にすると、新しい推奨が生成されるたびに、人を介さずに自動で適用されます。

どこで実行するかを選べるほか、変更したくないメトリクスは除外できます。利用状況に自動で追随したい場合はカバレッジ優先モード、シリーズ数が増えないことを保証したい場合はコスト優先モードを使います。

Auto-Applyは一般提供されています。詳しい手順は、このテーマに関する最近のブログ記事を参照してください。

次のテレメトリーの波に備える

AIによってテレメトリーは増えますが、コストやノイズまで一緒に増やす必要はありません。誰も使っていないものは削り、重要なシグナルは残し、必要になるかもしれないデータが永久に失われないようにできます。保持期間を短くしたり、サービスを収集対象から外したり、勘に頼ってサンプリングしたりする必要はありません。

これは、請求額だけの話ではありません。コストがデータの価値に連動すれば、浮いた分を、データダイエットに耐える代わりに、より広いカバレッジや、より良い洞察に再投資できます。Rapid7はその好例で、同社は次のように説明しています。

「浮いたコストは、ただ貯めておくのではなく、オブザーバビリティのカバレッジに再投資しています」とEastman氏は話します。「すべてのシグナルは、存在する価値を示さなければなりません。そして、浮いたコストで、その価値があるシグナルをまかなっています」

メトリクス、ログ、トレース、プロファイルのどれであっても、Adaptive Telemetryは、データが増えても価値のあるものを残せるようにします。

Adaptive TelemetryはGrafana Cloudで利用できるので、今すぐ試してみてください。詳しくは、ドキュメントを参照してください。

ObservabilityCON 2026が開幕しました！ 主要な発表をまとめたブログ記事もチェックしてください。

Grafana Cloudは、メトリクス、ログ、トレース、ダッシュボードなどを始める最も簡単な方法です。私たちは、充実した永久無料枠と、あらゆるユースケース向けのプランを用意しています。今すぐ無料でアカウントを作成しましょう！