技能介绍

它解决什么问题

在 AWS 上排查线上故障时，日志往往是最先报警、也最难下手的信号源。CloudWatch Logs 里堆着大量来自 Lambda、ECS、API Gateway 和应用实例的日志。当监控面板弹出 CPU 飙升、延迟突增或错误率上涨的告警时，运维和 SRE 通常要花不少时间在 Logs Insights 里手动翻查，猜测是哪次部署引入了回归。这个技能针对的就是这段「从告警到定位」的空白：把异常检测的自动化能力带进日志排查流程，减少人工猜测的成分。

核心能力与工作方式

技能围绕两条 CloudWatch 能力展开，并通过 CodeDeploy 把部署事件和日志变化挂上钩：

异常模式识别：借助 CloudWatch Logs Insights API 对日志做聚合与筛选，结合 CloudWatch 自带的异常检测机制，定位偏离正常基线的日志模式，例如错误日志密度突增、特定请求路径集中报错等。
峰值与事件关联：通过 AWS CodeDeploy API 拉取部署记录，将日志中的突发峰值与最近的发布事件对齐，帮助判断某次上线或回滚是否是异常的直接诱因。
典型排查路径：先锁定异常时间窗口，再对比同一窗口内的部署历史，最后收敛到具体的日志组与异常模式上。

适用边界与注意点

异常检测的可靠性依赖日志本身的规律性。流量天然有明显周期性的系统（如大促、秒杀），可能把业务正常波动误判为异常，需要结合业务日历人工复核。
CodeDeploy 关联只覆盖通过 CodeDeploy 发布的应用（EC2、ECS、Lambda 等）。如果团队走的是直接上线或 GitOps 工具链这类绕过 CodeDeploy 的发布路径，关联结果会有遗漏。
技能只负责「调查与关联」，不替代监控告警体系的搭建。触发条件、采样率、日志保留策略仍需提前配置好。
上游文档里混入的 DynamoDB SDK、yarn 等通用 JS 项目脚手架说明与日志排查无关，使用时可以跳过。