本文へスキップ

2026年第1四半期 主要機能の追加と改善

情報

適用バージョン: Service 2.25.X ~ 2.27.X

WhaTapサービスは第1四半期に、LLMからデータベース、インフラ領域まで機能を拡張しました。単純な機能追加にとどまらず、個別メトリクスではなく全体のフローを基準にシステムを分析できるよう、分析方式が強化されました。

AI Agent Observabilityのリリース​

AI Agent Observabilityは、LLMベースのアプリケーションのリクエストフローをトランザクション単位で収集し、パフォーマンス、コスト、トークン使用量、エラーを統合的に分析できる機能です。従来のAPMでは確認が困難だったLLMリクエストフローとレスポンス品質の問題まで分析できます。

  • ユーザーリクエストからレスポンス生成までの全体コールフローをトランザクションとして可視化
  • レスポンス時間、コール回数、コスト、トークン使用量の分析
  • プロンプトログとレスポンスデータに基づく問題リクエストのトレース
  • モデル別トークン使用量に基づくコスト構造と使用パターンの分析
  • GPUメトリクスと連携したLLMパフォーマンス低下とインフラへの影響関係の分析

システムメトリクスに問題がなくてもレスポンス品質が低下している場合でも、LLMリクエストフローとGPU使用パターンを組み合わせて問題の原因を特定できます。また、レスポンスコードが正常(200 OK)であっても、ユーザー視点でレスポンス品質が不十分なケースまで分析でき、従来のAPMと差別化された分析が可能です。

現在PythonとJavaをサポートしており、今後NodeなどさまざまなアプリケーションやOpenTelemetry環境への対応を予定しています。

ノート

参考ドキュメント

アプリケーションAI分析機能の拡張​

アプリケーション(APM)領域でAI分析機能が拡張され、スレッド分析に続いてアクティブスタック分析(Beta)が追加されました。これまでパフォーマンス問題が発生した際にはログ、トランザクション、メトリクスを人が手動で比較する必要がありましたが、AIがスパイクの原因と該当トランザクションを自動的に関連付けて表示するようになりました。

  • パフォーマンス異常発生時のトランザクションをAIが自動分析
  • スタックダンプに基づくボトルネック区間の特定と深刻度(High/Medium/Low)の分類
  • デッドロック、ロック競合、I/O待機などの主要なパフォーマンス問題を自動検出
  • 優先度に基づく改善方向の提示

実行フローの上位レベルから詳細な実行単位までAIベースで分析できるため、複雑なスタック分析の経験がないユーザーでも原因の特定と対応方針を迅速に確認できます。

プロンプトログを通じて問題になり得るプロンプトやトークン異常リクエストを確認し、該当プロンプトからトランザクション詳細画面に直接移動して分析を続けることができます。

ノート

参考ドキュメント

データベースモニタリングの改善​

マルチインスタンスと可視化の強化​

これまでは単一インスタンス中心の限定的なモニタリングでしたが、マルチインスタンス環境でもさまざまな方法でデータを確認できるようになりました。

  • 複数インスタンスを一つの画面でさまざまなチャート形式で統合モニタリング
  • 多様なウィジェットを活用した自由なダッシュボード構成
  • CPUおよびメモリゲージチャートなど直感的な可視化のサポート

SQL分析、Top SQL中心に統合​

これまでのSQL統計が個別SQL中心だったのに対し、Top SQL中心に統合され、パフォーマンスに影響するクエリをより迅速に特定できるようになりました。

  • 実行時間、トレンド、待機情報の統合提供
  • 実行計画とプラン履歴による変更履歴の比較
  • バインド値ベースのSQL再現による問題状況の分析

AIチューニングガイドの改善​

SQL分析結果に基づきAIがパフォーマンス改善の方向性を提案します。以前は同じリクエストでも結果が異なる問題がありましたが、分析結果を保存して一貫した結果を維持し、必要に応じて再分析で最新の結果も確認できます。

ノート

参考ドキュメント

インフラ：OPMによる集中運用管理​

サーバー作業を集中管理・実行し、結果を収集できる**OPM(Operation Manager)**が追加されました。OPMはオンプレミス製品として提供されます。

  • サーバーエージェントを介したスクリプト配布と実行結果の収集
  • 個別アクセスなしにサーバー単位の作業を一元管理

まとめ​

今回のアップデートにより、WhaTapはLLM、アプリケーション、データベース、インフラの全領域で機能を拡張しました。

  • AI Agent Observabilityにより、AIサービスのリクエストフローとレスポンス品質まで分析範囲を拡大
  • APMにおいてAIベース分析をスレッドからアクティブスタックまで拡張
  • データベースにおいてマルチインスタンスモニタリングとTop SQL中心の分析に再編し、AI分析結果の一貫性を強化
  • インフラにおいてOPMによりサーバー作業の集中実行・管理を可能にする運用機能を拡張

WhaTapは個別メトリクス中心のモニタリングを超え、全体のフローを基準にシステムを分析する方向へ進化し続けています。

最終修正：