我必须监控特定 lambda 的 CloudWatch 日志。当特定错误消息（例如 HTTP-50X）记录到 CloudWatch 时，我们需要发送电子邮件通知以提醒出现问题。

我们需要帮助在 AWS 中创建警报电子邮件，以手动监控日志以查看是否记录了任何此类错误。

我想了解在 AWS 中使用预算（成本预算）和配置账单警报之间有什么区别？

目标

旨在在从 SQS 队列到 lambda 函数的消息超过最大重试次数时触发 CloudWatch 警报。

问题

我认为这很容易并且 NumberOfMessagesReceived 指标会反映这一点。熟悉这一点的人都知道，事实并非如此。

解决方案

“Limbo”解决方案

我对这个问题的快速简便的解决方案是引入一个“Limbo”，它充当第一个 DLQ，并在几秒钟内将消息推送到最终/实际 DLQ。在指标中，这会导致“Limbo”队列的可见消息指标出现峰值。因此，具有“ > 0 ”的警报阈值意味着每次该队列收到消息时都可以发出警报。

然而，每次我们想要这个功能时，我上面的权力都不满意有一个“Limbo”队列。

据我所知，有一些替代方法，但这些方法似乎比Limbo 解决方案更糟糕。

新的 Lambda 函数

第一个是拥有一个新的 lambda 函数，该函数使用 SQS DLQ 作为源并生成警报。

Lambda 运行时拦截

其次是让现有 lambdas 中的逻辑（处理 SQS 消息）读取消息重试的次数，并在最后一次生成警报。这种首先消除了使用队列和重新驱动策略的优势，并且是一种过度设计的解决方案。

公制数学

我能想到的最后一个选择是使用一些度量数学来查看 DLQ 并计算最后 X 分钟内是否有增加。

对于（我确信）必须具有简单实现的解决方案，这些似乎都是奇怪且过于复杂的解决方案。每次 DLQ 收到消息时如何创建警报？

我正在构建一个云手表警报，以便在 5 分钟内未调用 lambda 函数时发送电子邮件

    CloudWatchAlarm:
     Type: AWS::CloudWatch::Alarm
     Properties:
      AlarmActions:
        - !Ref SNSTopic
      AlarmDescription: Send email if lambda function was not called within 5 minutes
      Dimensions:
        -
          Name: "FunctionName"
          Value: "my-lambda"
      ComparisonOperator:  LessThanThreshold
      EvaluationPeriods: 1
      MetricName: Invocations
      Namespace: AWS/Lambda
      Period: 300
      Statistic: Sum
      Threshold: 1
      TreatMissingData: breaching
      DatapointsToAlarm: 1

因此，当调用该函数时，调用指标变为 1，警报进入 OK 状态。但是，当 5 分钟后没有调用该函数时，警报不会返回到 ALARM 状态。实际上，进入 ALARM 状态大约需要 15 分钟。

如果我输入较小的句号，则返回“警报”状态所需的时间确实会更少。我不明白期间是如何运作的。

有谁知道这种配置在Cloud Watch Alarm中是否真的可行？我应该如何确定期限和评估期才能在 5 分钟内收到电子邮件？

我创建了一个 S3 存储桶，并通过在其中上传一些文件来填充它。但我无法验证我的用例来检查存储桶大小，因为总存储桶大小的默认指标始终不返回任何数据。注意：我使用默认设置在 AWS 控制台 UI 中创建了存储桶。

我等了一个多星期，即使如此，我仍然在 Metrics 选项卡下看到没有数据，因此 s3 存储桶也没有在 cloudwatch 中列出来配置警报。

有没有人遇到过类似的问题并帮助解决它？附上我的 S3 存储桶的“指标”选项卡的屏幕截图以供参考，

如果我的 lambda 函数内存使用量超过 lambda 内存大小的 80%，我设置了警报以通知我。我正在使用自定义指标捕获数据点，并且当内存使用量超过阈值时，我能够在 cloudwatch 控制台中看到警报。但是当警报采取行动向相应的 SNS 主题发送通知时失败并显示以下消息：

{
 "actionState": "Failed",
 "stateUpdateTimestamp": 1558142246126,
 "notificationResource": "arn:aws:sns:us-east-1:5847563209:<myTopic>",
 "publishedMessage": null,
 "error": "null (Service: AWSKMS; Status Code: 400; Error Code: AccessDeniedException; Request ID: 6b7806a6-2c16-4582-9ecd-05100161746e)"

}

SNS 主题使用 KMS 密钥加密，我允许 cloudwatch 访问密钥策略中的密钥：

{
  "Sid": "Allow CloudWatch to use the key",
  "Effect": "Allow",
  "Principal": {
      "Service": "cloudwatch.amazonaws.com"
  },
  "Action": [
      "kms:GenerateDataKey",
      "kms:Decrypt"
  ],
  "Resource": "*"
}

但行动仍然失败。我也试过events.amazonaws.com当校长，但没有运气。我很感激这方面的任何帮助。

我正在尝试使用 terraform 在 Cloudwatch 中设置和报警。我的警报基本上需要检查在 1 分钟的 2 个周期内网关中是否有超过 5% 的 5xx 错误。

我已经尝试了以下代码，但它不起作用：

resource "aws_cloudwatch_metric_alarm" "gateway_error_rate" {
  alarm_name          = "gateway-errors"
  comparison_operator = "GreaterThanOrEqualToThreshold"
  alarm_description   = "Gateway error rate has exceeded 5%"
  treat_missing_data  = "notBreaching"
  metric_name         = "5XXError"
  namespace           = "AWS/ApiGateway"
  period              = 60
  evaluation_periods  = 2
  threshold           = 5
  statistic           = "Average"
  unit                = "Percent"

  dimensions = {
    ApiName = "my-api"
    Stage = "dev"
  }
}

即使部署了警报，也不会显示数据。做一些测试时，我注意到该警报显然不接受单位“百分比”。

有没有人有一个例子terraform或cloudformation如何配置此类报警？

我有一个在 AWS Elastic Container Service 中运行的 Java 应用程序。应用程序定期轮询队列。有时队列没有响应，应用程序永远挂起。我已经用带有日志记录异常的 try-catch 块封闭了这些方法。即使之后 Cloudwatch 中没有日志。没有异常或错误。有没有办法可以识别这种情况。? （在 Cloudwatch 中没有日志）。就像过滤错误日志模式一样。所以我可以重新启动服务。任何技巧或解决方案将不胜感激。

public void handleProcess() {
    try {
        while(true) {
            Response response = QueueUitils.pollQueue(); // poll the queue
            QueueUitils.processMessage(response);
            TimeUnit.SECONDS.sleep(WAIT_TIME); // WAIT_TIME = 20
        }
    } catch (Exception e) {
        LOGGER.error("Data Queue operation failed" + e.getMessage());
        throw e;
    }
}

我正在尝试使用 terraform 创建复合 cloudwatch 警报。但不幸的是我的 terraform 代码因以下错误而中断：

错误：创建 CloudWatch 复合警报时出错 (node-count-office-time-composite-alarm-DP-1474-desert)：ValidationError：AlarmRule 不得包含前导或尾随空格或者为 null 状态代码：400，请求 ID：272b14ae- e6bd-4e65-8bb8-25372d9a5f7c

以下是我的地形代码：

resource "aws_cloudwatch_composite_alarm" "node_count_office_time_alarm" {
  depends_on = [aws_cloudwatch_metric_alarm.node_count, aws_cloudwatch_metric_alarm.office_time]
  alarm_description = "Composite alarm for node count & office time"
  alarm_name        = "node-count-office-time-composite-alarm-${local.postfix}"
  alarm_actions = [var.sns_topic_arn]
  ok_actions    = [var.sns_topic_arn]
alarm_rule =<<-EOF
ALARM(${aws_cloudwatch_metric_alarm.node_count.alarm_name}) AND
ALARM(${aws_cloudwatch_metric_alarm.office_time.alarm_name})
EOF
}

我检查了很多次，我的alarm_rule中没有前导或尾随空格。AND 运算符后仅换行。我正在使用 terraform 0.15.3 版本。有人遇到类似的问题吗？我该如何解决这个问题？谢谢

我有一个 AWS bitnami 实例，当网站不可用时，我创建了 Route 53 运行状况检查警报。第一个操作成功触发并向我发送了一封电子邮件。但是，我还希望重新启动实例，尽管“添加 EC2”操作显示为灰色，并且显示为：“此操作仅适用于 EC2 每个实例指标”。我怎样才能添加这个？

是否与此相关：我的 EC2 实例位于爱尔兰可用区，但是当我在 Route 53 中的运行状况检查上创建警报和 SNS 主题时，它会自动在弗吉尼亚北部可用区创建它们。而且我似乎无权改变它的去向。