本文へスキップ

AIアクティブスタック分析の活用

トランザクションが遅くなったときに アクティブスタック を掘り下げる作業は、熟練した開発者にとっても時間がかかります。複数のスタックダンプを読み、共通パターンを見つけ、重大度を判断する一連の作業が必要です。WhaTapの AIアクティブスタック分析(Beta)はこのプロセスを自動化し、スタック分析の経験がないユーザーでも原因把握と対応方向を即座に 得られるようにします。

事前準備​

  • プロジェクトの メンバー 以上の権限
  • 分析するトランザクションが収集されている(ヒットマップまたはトランザクション一覧から確認可能)

利用方法​

経路: トランザクショントレース > アクティブスタック タブ > アクティブスタック分析 ボタン

  1. ヒットマップまたはトランザクション一覧から、分析するトランザクションを選択してください。
  2. トランザクション詳細画面で アクティブスタック タブを選択してください。
  3. 上部の アクティブスタック分析 ボタンをクリックしてください。
  4. AI分析結果を4つのセクションで確認してください。
  5. 各セクションの No.N スタック番号をクリックし、該当スタックの原本を確認してください。

分析結果の構造​

AIが収集したスタックダンプを分析し、以下の4つのセクションで結果を提示します。

表 | AI分析結果の構造
セクション内容
全体サマリー分析したスタック数と、全体の実行フローのサマリー
共通パターン繰り返し現れる実行パターン(パターン名・発生回数・説明)
検出された問題性能問題 + 重大度(High/Medium/Low)+ 判断根拠のスタック
推奨事項優先度に基づいた具体的な改善方向

重大度の判断基準​

表 | 重大度の判断基準
重大度基準
Highデッドロック、完全ブロッキング、同一ブロッキングが4回以上繰り返される
MediumI/O待機、2〜3回のロック競合、遅い外部呼び出し
Low単発の待機、軽微な最適化の機会

デッドロックや完全ブロッキングのようなHigh問題 は人がスタックを眺めて発見するには時間がかかりますが、AIが自動で識別し重大度と共に提示します。

使うべき場面​

障害対応中(最も有用)​

障害対応シナリオ の ③ 原因分析ステップで、トレース・スタックの解釈時間を大幅に短縮します。

  1. ヒットマップで遅いトランザクションを選択し、トレースに入ってください。
  2. アクティブスタック タブで アクティブスタック分析 ボタンをクリックしてください。
  3. AIが分析結果を提示します(数秒〜十数秒)。
  4. High問題 から確認し、該当スタックの原本までドリルダウンしてください。

リリース検証時​

デプロイ後に応答時間が跳ねた時点のトレースにAI分析を適用すると、回帰原因がコードレベルのボトルネックなのか、I/O・ロック競合なのかを素早く区別できます。リリース検証シナリオ の ② 急性回帰検知で活用してください。

定期的な性能チューニング​

平常時は見えにくい潜在的ボトルネック(Medium/Low)を四半期ごとにスキャンし、改善バックログとして確保してください。性能レポーティングシナリオ の四半期振り返りに組み込めます。

AI分析の限界を理解して使う​

AIの出力は 一次仮説 であり、最終結論 ではありません。次のように活用してください。

  • AIが提示したHigh問題は、原本のスタックで突き合わせ確認 してから判断する
  • ビジネス的な文脈(直近のデプロイ、トラフィックイベントなど)はAIには見えない — 時点情報と組み合わせて解釈する
  • 繰り返し分析しても結果が一貫しないことがある(LLM特性)— 観測可能な指標(応答時間・エラー率)で最終検証する

関連するAI分析機能​

WhaTapは「スタック」以外にも複数のAI分析機能を提供しています。必要に応じて組み合わせると効果が大きくなります。

表 | 関連するAI分析機能
機能使う場面
AIアクティブスタック分析(本ガイド)トランザクショントレースでボトルネック区間を特定
AIスレッドダンプ分析インスタンスパフォーマンス管理でスレッドのブロッキング・ロック競合を解釈
AI SQLチューニングガイド非効率なクエリの特定+実行計画に基づく改善提案 — DBリアルタイム監視 と補完
AIブラウザエラー・スタック分析フロントエンドエラーのコードレベル原因の提示 — RUM と補完
WhaTap AI チャットボット / MCP自然言語でWhaTapデータ全般を問い合わせ — MCP連携

次のステップ​

最終修正：