時系列分析ガイド

インフラの過去データを分析して将来の負荷を予測し、異常の兆候を検知する時系列分析の活用法を案内します。

📈 時系列分析ページへ →

📋 概要

時系列分析は、サーバーやデータベースから収集された各種メトリクス（CPU、メモリ、トラフィックなど）を時間順に分析します。これにより、単に現在の状態を見るだけでなく、特定のイベント時点の負荷パターンや将来のリソース不足の時期を事前に把握することができます。

📊 主要な分析機能

1. 動的チャートおよび対照分析

• カスタム期間設定: 時間、日、週、月単位でデータを照会し、特定の時点を拡大（Zoom-in）して詳細に分析できます。
• 複数指標の対照: CPU使用率とネットワークトラフィックを一つのチャートに重ねて、それらの相関関係を分析できます。

2. AIベースの負荷予測 (Prediction)

過去30日間のデータに基づいて、今後7日間の使用推移を予測します。これにより、サーバーの増設が必要な時期を事前に計画できます。

3. 異常検知 (Anomaly Detection)

統計的に一般的な範囲を逸脱する急激な数値の変化を自動的に感知します。これは、サービス障害の予兆やセキュリティ攻撃（DDoSなど）を特定するのに非常に効果的です。

🛠️ 使用方法

1. GIIPの[分析およびレポート] > [時系列分析] メニューに移動します。
2. 分析したい 対象（サーバー/サービスグループ） と 指標（Metric） を選択します。
3. チャート上部の [AI Prediction] ボタンを押して、予測モデルを適用します。

💡 活用チップ

• 障害の振り返り: 障害が発生したログの時間帯と時系列チャートを照合し、障害の原因がリソース不足だったのか、ソフトウェアのロジックの問題だったのかを確認してください。
• コスト最適化: 使用率が継続的に低いリソースを見つけ出し、 cost-optimization ガイドに従ってリソースを縮小してください。

API リファレンス

この機能の API 詳細仕様については、別途ガイドをご参照ください。

📘 モニタリング API ガイド

トラブルシューティング

症状	原因	解決方法
チャートにデータが表示されず空になっている	選択した対象/指標または期間に収集されたメトリクスがない	データが収集された対象（サーバー/サービスグループ）と指標を選択し、照会期間を調整します。
[AI Prediction] ボタンを押しても予測結果が出ない	予測に必要な過去30日分のデータが不足している	十分な履歴（約30日）が蓄積されるまで待ってから再試行します。
異常検知のアラートが過剰に発生する（誤検知）	変動の大きい指標のため正常範囲が狭く計算されている	分析期間を広げてベースラインを安定させてから再確認します。
複数指標を重ねてもグラフが読み取りにくい	値の範囲（スケール）が大きく異なる指標を重ねている	範囲が近い指標同士で比較するか、指標を個別に照会します。

---

バージョン: 1.0 最終更新日: 2026-03-19 ソースファイル: giipv3/public/help/timeseries-analysis.ja.md