observability-designer

可観測性デザイナー

3つの柱（メトリクス、ログ、トレース）をSLI/SLOフレームワーク、ゴールデンシグナルの監視、複数ウィンドウのバーンレートアラート、アラートノイズの最適化と組み合わせ、本番環境に対応した可観測性戦略を設計します。

主な機能

• SLI/SLOフレームワーク — ゴールデンシグナルからSLIを選択し、Prometheusの式に対応付け、重要度階層ごとにSLO目標を設定して、エラーバジェットを算出します。
• バーンレートアラート — 重大度に応じたルーティング、ヒステリシス、抑制、グルーピングを備えた複数ウィンドウのバーンレートルールにより、アラートノイズを10%未満に抑えます。
• ダッシュボード設計 — Overview > Service > Component > Instance の階層に従い、画面あたり最大7パネル、役割別ビュー（SRE/Dev/Exec/Ops）を備えたGrafana仕様を作成します。
• 構造化ログとトレーシング — 相関IDを含むJSONログ形式、ログレベルの運用規律、ヘッド／テール／アダプティブなトレースサンプリング戦略を設定します。
• ランブックと検証 — 重大なアラートごとのランブックテンプレートと、すべてのT1サービスにメトリクス、ログ、トレース、ランブックがあることを検証するカバレッジ検証を提供します。
• コスト最適化 — メトリクス／ログ／トレースの保持期間の階層化とカーディナリティ管理を行います。

使用するタイミング

• 新規または既存の本番サービスに計装を追加するとき。
• サービス階層のSLOとエラーバジェットを定義するとき。
• アラートルールを調整するとき、またはアラート疲れ／アラートストームを軽減するとき。
• Grafanaダッシュボードや役割別ビューを設計するとき。
• トレースのサンプリング戦略や構造化ログのスキーマを選ぶとき。

最初に確認すること

可観測性戦略を設計する前に、次の入力を確認してください。不明または曖昧な項目がある場合は、推測せずに質問してください。

• サービスの種類と重要度階層 — api / pipeline / storage / ML および T1–T3（SLO目標、エラーバジェットの計算、slo_designer のフラグを決定します）
• ユーザー向けか内部向けか — どのゴールデンシグナルをSLIにするか、アラートの重大度をどのようにルーティングするかを決定します
• 主な課題：アラートノイズかカバレッジの不足か — 既存のアラートを最適化するか、新しいバーンレートルールを設計するかを決定します
• ダッシュボードの対象者 — SRE / Dev / Exec / Ops に応じて、役割別のパネルレイアウトと階層が決まります

停止ルール：出力に最も大きく影響する2～3項目だけ質問してください。ユーザーが「そのままドラフトを作って」と言った場合は、作業を進め、成果物の冒頭に前提を記載してください。

ツール

ツール	用途	コマンド
slo_designer.py	サービス定義からSLI/SLOフレームワーク、エラーバジェット、バーンレートアラートを生成します	python scripts/slo_designer.py --service-type api --criticality high --user-facing true
alert_optimizer.py	アラート設定のノイズ、カバレッジの不足、重複を分析し、最適化レポートを出力します	python scripts/alert_optimizer.py --input alerts.json --analyze-only
dashboard_generator.py	ゴールデンシグナルと役割別ビューを備えた、Grafana互換のダッシュボードJSONを生成します	python scripts/dashboard_generator.py --service-type api --name "Payment Service"

参考資料

タスクに合った参考資料を読み込みます。このファイルは簡潔に保ち、必要に応じて詳細を参照してください。

• references/slo-and-alerting.md — 8 ステップのワークフロー、SLI/SLO のクイックリファレンス、エラーバジェットの計算、バーンレートのアラートウィンドウ、アラートの分類、アラート疲れの防止、ゴールデンシグナルを記載しています。SLO やアラートを設計する際に読みます。
• references/dashboards-logs-traces.md — ダッシュボードの設計ルール、構造化ログの形式、トレースのサンプリング戦略、ランブックのテンプレート、決済サービスの完全な仕様例、コスト最適化を記載しています。ダッシュボード、ログ、トレース、ランブックを作成する際に読みます。
• references/tools-integration-and-troubleshooting.md — スクリプトごとのフラグと出力の完全なリファレンス、システム統合表（Prometheus/Grafana/Jaeger/PagerDuty）、トラブルシューティング表、成功基準の目標値を記載しています。スクリプトの実行や障害の診断時に読みます。
• references/slo_cookbook.md — Service Level Objectives の定義と運用に関する、実践的で詳細なクックブックです。クイックリファレンスより詳しい SLO の方法論が必要な場合に読みます。
• references/alert_design_patterns.md — 効果的なアラートパターンとアンチパターンに関する詳細なガイドです。包括的なアラート戦略を設計する際に読みます。
• references/dashboard_best_practices.md — 洞察を得るためのダッシュボード設計に関する包括的なベストプラクティスです。ダッシュボードシステムをゼロから構築する際に読みます。

対象範囲と制限事項

対象範囲：

• リクエスト駆動型、パイプライン、ストレージ、ML サービス向けの SLI/SLO フレームワーク設計。
• マルチウィンドウのバーンレートアラートの生成と、アラートノイズの最適化。
• ロールベースのレイアウト（SRE、開発者、エグゼクティブ、Ops）に対応した Grafana 互換のダッシュボード仕様。
• 構造化ログの形式、トレースのサンプリング戦略の選定、コスト最適化のガイダンス。

対象外：

• Prometheus、Grafana、Jaeger のインフラストラクチャのプロビジョニングや Terraform/Helm の設定 — デプロイパイプラインについては ci-cd-pipeline-builder を参照してください。
• インシデント対応ワークフローのオーケストレーションやポストモーテムの進行 — ランブックの作成については runbook-generator を参照してください。
• アプリケーションパフォーマンス管理（APM）エージェントのインストールや、ベンダー固有の SDK 統合。
• セキュリティ監視、SIEM ルールの設計、コンプライアンス監査ログ — セキュリティに重点を置いた分析については skill-security-auditor を参照してください。

統合ポイント

スキル	統合	データフロー
runbook-generator	すべてのバーンレートアラートがランブックを参照し、ランブックジェネレーターがアラート定義を取り込んで調査手順のひな形を作成します	Alert YAML --> runbook-generator --> アラート注釈にリンクされた Markdown ランブック
ci-cd-pipeline-builder	デプロイイベントをダッシュボードの注釈とアラート抑制ウィンドウに反映します	Pipeline events --> Grafana annotations + Alertmanager silences
performance-profiler	レイテンシ SLI の違反をきっかけにプロファイリングを実施し、プロファイラーの結果を SLO 目標の調整に活用します	SLO burn-rate alert --> profiler invocation --> 調整後のレイテンシしきい値
database-designer	データベースの SLI（クエリレイテンシ、接続成功率、レプリケーションラグ）をスキーマレベルのヘルスチェックと整合させます	DB schema metadata --> データベースタイプのサービス向け SLI メトリクス式
tech-debt-tracker	エラーバジェットの枯渇シグナルを、信頼性向上への投資として技術的負債の優先順位付けに反映します	Error budget reports --> SLO に関連付けた重大度を持つ技術的負債のバックログ項目
release-manager	リリース準備のゲートで、デプロイを承認する前に残りのエラーバジェットを確認します	Error budget API --> リリースゲートの合否判定