テレメトリーとは

テレメトリーは、医療、航空宇宙、自動車、情報技術（IT）などのさまざまな業界で重要な役割を果たしており、組織にシステム性能、ユーザーの振る舞い、セキュリティー、運用効率に関する貴重な知見を提供します。農業、公益事業、輸送など、物理的な資産に依存する業界では、組織はテレメトリーを用いて温度、気圧、動き、光などの測定値を取得します。医療分野では、テレメトリーシステムは心拍数、血圧、酸素レベルを追跡できます。

どちらの場合も、物理的な機器やセンサーが実世界のデータを収集し、中央リポジトリーに送信します。データは多くの場合、詳細な分析のために、Modbus、PROFINET、OPC Unified Architecture、EtherNet/IPなどの特殊な通信プロトコルを使用して送信されます。

ただし、物理センサーは、エラー率、ー使用量、応答時間、アップタイム、レイテンシーなどのデジタル性能を取得するようには設計されていません。代わりに、ITチームは、ソフトウェア・ベースのエージェント（自律的に監視し、関連するシステム・データを収集するようにプログラムされたデジタル・センサー）を介して、デバイスの計測を利用することがよくあります。こうしたデータは多くの場合、メトリクス、イベント、ログ、トレース（MELT）として構造化されており、それぞれがシステム動作、運用ワークフロー、性能についての異なる視点を取得します。

特に、デジタル技術をビジネスの全領域に導入させることを目指すデジタル・トランスフォーメーション戦略を採用する企業が増えているため、物理的遠隔測定システムとデジタル遠隔測定システムの境界線は曖昧になり始めています。

たとえば、製造業のような従来、物理的な業界では、エネルギー消費、品質管理、環境条件を把握するためにセンサーが使用されることがあります。同時に、高度な資産追跡、予防的保守、生産フロー監視のためのソフトウェア・エージェントを利用することもあります。そのため、この記事では主にIT遠隔測定と、現代の企業環境で拡大するその役割に焦点を当てます。

ITテレメトリーの中核には、次の5つの重要なステップが含まれます。

1. センサーまたはソフトウェア・エージェントを使用して、異種のリモート・ソースからメトリクス、イベント、ログ、トレースを収集
   
   
2. そのデータを、Wi-Fi、衛星、無線、または別の通信メディアを通じて中央リポジトリーまたはルーターに送信
   
   
3. 入力されたデータを処理して整理し、簡単に照会できるようにする
   
   
4. 時系列データベース、データウェアハウス、データレイクなどのストレージ・ソリューションを使用してデータを維持
   
   
5. 多くの場合、オブザーバビリティープラットフォームの助けを借りて、データを分析、解釈、視覚化して、より情報に基づいたビジネス上の意思決定を行います。

効果的なテレメトリー戦略は、組織がFull Stack Observability、つまり外部アウトプットに基づいてテクノロジーのスタックの内部状態をエンドツーエンドで把握する能力を実現するのに役立ちます。

テレメトリーは、デバイスに高度なセンサー、ソフトウェア、ネットワーク接続を装備し、システム全体で通信してデータを交換できるようにするフレームワークでIoT（モノのインターネット）の主要構成要素でもあります。

テレメトリー・システムは、業界やシステムの複雑さによって異なります。従来のプラットフォームは、歴史的にテレメーターと呼ばれる記録デバイスを使用して、設備またはその近くでデータを収集します。この情報は、信号調整と呼ばれるプロセスで処理、変更され、場合によってはアナログからデジタルに変換されます。

次に、マルチプレクサー￥が複数のデータ・ストリームを合成信号に結合して、データの伝送効率を高めます。この結合された信号は、無線、衛星、または別の形式の通信を通じて遠隔の受信ステーションに送信されます。最後に、デマルチプレクサが信号を解析し、異種のストランドに分割して分析の準備をします。

最新のIT環境では、テレメトリーの仕組みは異なります。ITに重点を置いたシステムでは、物理センサーに頼るのではなく、ソフトウェア・エージェント（サービスやアプリケーションと並行して実行される軽量プログラム）を使用して関連するメトリクスを取得します。Kubernetes環境では、これらのエージェントは、監視対象のサービスと同じクラスター内で動作するコンテナで動作することがよくあります。その他の構成では、ソフトウェア開発キット（SDK）を使用してアプリケーション自体にエージェントを埋め込んだり、カスタムAPIを使用してデータ転送を容易にしたりする場合があります。

収集後、データはテレメトリー・パイプラインを介して伝送され、データの標準化、ノイズの除去、メタデータ（環境タグや地理位置情報タグなど）の追加、機密情報のマスクなどによりコンプライアンスを維持できます。この精製されたデータは、JSONやOpenTelemetry Protocol（OTLP）などの形式で標準化されます。

次に、gRPC、HTTP、またはその他のトランスポート・プロトコルを介して、1つ以上のバックエンド（ソフトウェア・システムのサーバー側コンポーネント、たとえばサーバー、データベース、アプリケーション・ロジック）にインテリジェントにルーティングされます。バックエンドは、このデータを保管し、分析と解釈を行い、ダッシュボード、アラート、推奨事項などの形式で表示する役割を担います。

単一のテレメトリー・システムを使用して、収集から分析までのワークフロー全体を管理する場合があります。ただし、特に最新のマルチクラウドおよびハイブリッド環境では、組織が複数の特殊なテレメトリー・システムを使用して、オブザーバビリティー・パイプラインのさまざまな部分を管理していることがあります。

ITにおいて最も一般的なテレメトリーの種類は、メトリクス、イベント、ログ、トレースであり、これらは総称して「MELT」データとよく呼ばれます。組織はオブザーバビリティー・プラットフォームを使用してこれらのメトリクスを組み合わせて分析し、プラットフォームのセキュリティー、ユーザーの振る舞い、システム効率などの全体像を把握できます。

メトリクスは、システムの正常性や性能を示す数値測定です。たとえば、リクエスト率、ネットワーク・スループット、アプリケーション応答時間、ユーザー・コンバージョン率、CPU使用率などがあります。

イベントは、システム内で発生する個別の現象です。多くの場合、イベントがいつ開始され、いつ終了したかを示すタイムスタンプが含まれます。たとえば、アラート通知、ユーザー・ログイン試行回数、サービス中断、決済の失敗、構成変更などが挙げられます。

ログは、特定のインシデントのみをフラグ付けするイベントとは異なり、システムの動作の継続的な記録と時系列を提供します。たとえば、再起動、データベース照会、ファイル・アクセス履歴、コード実行ステップなどが挙げられます。ログは多くの場合、エラーのトラブルシューティングやデバッグに使用され、ITチームが障害が発生した正確な瞬間を特定するのに役立ちます。

トレースは、分散環境またはマイクロサービス環境を介した特定のユーザー要求またはトランザクションのエンドツーエンドのフローを、各ステップのタイムスタンプとともに反映します。例としては、API および HTTP 呼び出し、データベース照会、電子商取引チェックアウトなどがあります。トレースはボトルネックを特定し、全体的なユーザー体験に関する知見を提供します。

MELTは企業が利用できる幅広いテレメトリー・データを提示しますが、このフレームワークの範囲外であっても、オブザーバビリティーにおいては依然として重要な役割を果たしているデータ型がさらに多くあります。テレメトリーの種類の間の境界は必ずしも明確であるとは限らず、重複する場合があります。たとえば、レイテンシーはメトリクスとネットワーク・テレメトリーのテータ点の両方と考えることができます。その他の種類のテレメトリー・データには、次のものがあります。

• 位置テレメトリーは、センサーやGPSレシーバーを使用して、人や物体の地理的位置を追跡します。用途には、輸送車両管理、緊急サービス、野生生物の追跡、作業員の安全などがあります。
  
  
• ネットワーク・テレメトリーは、帯域幅の使用状況、パケット損失率、APIパフォーマンス、簡易ネットワーク管理プロトコル（SNMP）データ（モデム、ルーター、サーバー、その他の接続されたデバイスに関する情報）を追跡することにより、ネットワーク・トラフィック、セキュリティー、性能に関するリアルタイムの知見を提供します。
  
  
• セキュリティー・テレメトリーは、認証ログ、ファイアウォール・ログ、DNSクエリー、侵入検知アラート、エンドポイント検出および応答（EDR）データを調べることで、疑わしい動作や脆弱性を特定します。
  
  
• ユーザー・テレメトリー は、アプリケーションの使用パターン、エラー・ログ、セッション期間、検索クエリー、その他の種類のユーザーの振る舞いを追跡します。このデータは、アプリケーションとサービスを最適化し、顧客の傾向を理解し、安全なネットワークを維持するために使用されます。
  
  
• プロファイリン・グテレメトリーは、ソフトウェアとアプリケーションがCPU、メモリー、その他のリソースを長期にわたってどのように使用しているかを示します。詳細なパフォーマンス・データが提供されるため、開発者は速度低下の原因や、コードベースのどの部分が最も頻繁に使用されているかを理解できます。
  
  
• クラウド・テレメトリーは、クラウド・サービスのパフォーマンス、コスト追跡、使用状況データを収集します。このデータには、ストレージ・アクティビティー、構成変更、IDおよびアクセス・イベント、ルーティングの決定などが含まれる場合があります。
  
  
• AIテレメトリーは、トレーニング中と本番環境の両方でモデルのパフォーマンスを追跡できます。主要メトリクスには、モデル・ドリフト（機械学習モデルが時間の経過とともに一貫性と精度をどのように失うかを追跡）、信頼度スコア（モデルの予測に対する信頼度を判定）、および推論のレイテンシー（モデルがクエリーに応答するまでの時間）があります。これらのメトリクスは、開発者がモデルの信頼性、公平性、パフォーマンスを向上させるのに役立ちます。

テレメトリー は、分散システムやコンポーネントから複数の種類のデータを収集して送信するプロセスです。これは組織の可視化機能の基盤であり、各コンポーネントがどのように動作し、パフォーマンスを発揮するかについての知見を提供します。企業は最終的に、監視およびオブザーバビリティー・システムを強化するためにテレメトリーを利用します。

監視とは、組織が収集したテレメトリー・データをどのように活用するかを指します。たとえば、テレメトリー監視システムではダッシュボードを使用して、DevOpsチームがシステムの性能を視覚化できるようにします。一方、アラートの自動化では、ネットワークの停止やデータ侵害などの注目すべきイベントが発生するたびに通知を送信できます。

オブザーバビリティーには、運用データを解釈し、さまざまなデータの流れがシステムの正常性や性能とどのように相関しているかを理解することです。オブザーバビリティーは、現在のデータを分析するだけでなく、より大きな傾向を見つけ出し、それを使用して企業の意思決定とリソースの使用を通知して最適化します。最新のオブザーバビリティー・プラットフォームには、テレメトリーおよび監視機能が組み込まれていることがよくあります。オブザーバビリティーは、エージェント型AIや生成AIプラットフォームなどの新興テクノロジーのサポートにおいても重要な役割を果たします。

OpenTelemetry（OTel）と呼ばれるオープンソース・フレームワークは、最も人気のあるテレメトリー・プラットフォームの1つであり、柔軟性（モジュール設計によりカスタマイズが可能）、手頃な価格（コア・コンポーネントは無料で利用可能）、互換性（複数のベンダーおよびプログラミング言語と互換性がある）が高く評価されています。OTelはテレメトリーのストレージや視覚化を処理しません。代わりに、データの収集と送信に特化した標準化されたSDK、API、その他のツールのセットを提供します。

AI企業、Elasticの2025年レポートによると、IT組織のほぼ半数がOTelを使用しており、さらに25%が将来的にこのフレームワークを実装する予定です。オブザーバビリティー・システムが成熟している組織は、オブザーバビリティー・ワークフローがあまり開発されていない企業と比較して、OTelを使用する傾向にあります。IBM Instana、Datadog、Grafana、New Relic、Dynatrace、Splunkはそれぞれ強力なoTelサポートを特長としています。

Prometheusと呼ばれる代替オープンソース・フレームワークには、OTelといくつかの類似点があります。Cloud Native Computing Foundation（CNCF）は、非営利団体であるLinux Foundationの子会社であり、両方のソリューションをホストしています。OTelとは異なり、Prometheusにはいくつかのデータ・ストレージとデータの可視化機能があります。ただし、範囲は少し狭くなります。OTelはさまざまな種類のテレメトリー・データを収集できますが、Prometheusはメトリクスのみを処理します。

テレメトリーの正規化は、分析ツールがメトリクスを保管、読み取り、解釈できるように、メトリクスを標準化された形式に変換するプロセスです。次の2つの主要なアプローチがあります。

このデータ処理アプローチでは、すべてのデータを保管および取得する前に、すべてのデータが事前に定義された形式に一致する必要があります。スキーマオンライトは信頼性が非常に高いですが、それぞれ異なる形式とファイル・プロセスを持つ複数のシステムが含まれる最新のITアーキテクチャーでは実装が難しい場合があります。

スキーマオンライトは、データ・ウェアハウスと呼ばれる集中型データ・リポジトリーでよく使用されます。これらのストレージ・ソリューションは、膨大な量のテレメトリー・データを維持できますが、それはそのデータが事前定義された形式で構造化および編成されている場合に限ります。データウェアハウスは拡張や維持にコストがかかる可能性がありますが、一貫性と信頼性が最優先されるビジネス・インテリジェンス、分析、その他のワークフローに最適です。

このアプローチでは、データを元の形式で収集し、ユーザーが取得したときにのみ変換されます。運用的には複雑ですが、スキーマオンリードは複数の形式にわたるデータを処理できるため、スキーマオンライトよりも柔軟性が高くなります。

スキーマオンリードは、データウェアハウスのようなデータレイクで一般的ですが、半構造化データと未加工の非構造化データの両方を構造化データと一緒に保存および管理できます。データレイクはコスト効率と俊敏性の点で高く評価されており、機械学習を活用した分析ツールに特に最適です。しかし、しっかりとしたガバナンスがなければ、管理が難しくなり、検証されていないデータや一貫性のないデータにつながる可能性があります。

データレイクハウスと呼ばれる新たな代替手段は、データレイクとデータウェアハウスの最も優れた要素を組み合わせることを目的としています。このフレームワークは、非構造化データのスキーマオンリードをサポートすると同時に、構造化データのスキーマオンライトも可能にします。このハイブリッド・アプローチにより、組織はデータレイクの柔軟性と俊敏性のメリットを享受しながら、一貫性と正確性を維持できます。

テレメトリー・データは、特に最新のハイブリッドおよびマルチクラウド環境では、収集、維持、保管が困難な場合があります。一般的に、次のような課題があります。

テレメトリーにより、組織はデータを実行可能な知見に変換し、性能、ワークフローの効率、予算編成、顧客体験などの向上に使用できます。