Amazon Aurora — Performance Insights による取得とセクション定義

# Performance Insights を有効化して保持期間を 731 日（2年）に設定
aws rds modify-db-instance \
  --db-instance-identifier my-aurora-instance \
  --enable-performance-insights \
  --performance-insights-retention-period 731 \
  --apply-immediately

# DBLoad メトリクスを直近1時間で取得（1分粒度）
aws cloudwatch get-metric-statistics \
  --namespace AWS/RDS \
  --metric-name DBLoad \
  --dimensions Name=DBInstanceIdentifier,Value=my-aurora-instance \
  --start-time $(date -u -d '1 hour ago' +%Y-%m-%dT%H:%M:%SZ) \
  --end-time $(date -u +%Y-%m-%dT%H:%M:%SZ) \
  --period 60 \
  --statistics Average

# Performance Insights API でリソースメトリクスを取得
# ResourceARN は RDS インスタンスの ARN を指定
aws pi get-resource-metrics \
  --service-type RDS \
  --identifier db:INSTANCE_ID \
  --start-time $(date -u -d '1 hour ago' +%Y-%m-%dT%H:%M:%SZ) \
  --end-time $(date -u +%Y-%m-%dT%H:%M:%SZ) \
  --period-in-seconds 60 \
  --metric-queries '[
    {
      "Metric": "db.load.avg",
      "GroupBy": {
        "Group": "db.wait_event",
        "Dimensions": ["db.wait_event.name", "db.wait_event.type"],
        "Limit": 10
      }
    }
  ]'

# DB ロードへの寄与が大きい上位 SQL を取得
aws pi get-resource-metrics \
  --service-type RDS \
  --identifier db:INSTANCE_ID \
  --start-time $(date -u -d '1 hour ago' +%Y-%m-%dT%H:%M:%SZ) \
  --end-time $(date -u +%Y-%m-%dT%H:%M:%SZ) \
  --period-in-seconds 3600 \
  --metric-queries '[
    {
      "Metric": "db.load.avg",
      "GroupBy": {
        "Group": "db.sql_tokenized",
        "Dimensions": ["db.sql_tokenized.statement"],
        "Limit": 20
      }
    }
  ]'

# 上位待機イベントと各イベントの DB ロード比率を取得
aws pi describe-dimension-keys \
  --service-type RDS \
  --identifier db:INSTANCE_ID \
  --start-time $(date -u -d '1 hour ago' +%Y-%m-%dT%H:%M:%SZ) \
  --end-time $(date -u +%Y-%m-%dT%H:%M:%SZ) \
  --metric db.load.avg \
  --group-by '{"Group":"db.wait_event","Limit":10}' \
  --period-in-seconds 3600

import boto3
from datetime import datetime, timedelta, timezone

pi = boto3.client('pi', region_name='ap-northeast-1')

end_time = datetime.now(timezone.utc)
start_time = end_time - timedelta(hours=1)

# トップ SQL（DB ロード寄与順）
response = pi.get_resource_metrics(
    ServiceType='RDS',
    Identifier='db:INSTANCE_ID',
    StartTime=start_time,
    EndTime=end_time,
    PeriodInSeconds=3600,
    MetricQueries=[
        {
            'Metric': 'db.load.avg',
            'GroupBy': {
                'Group': 'db.sql_tokenized',
                'Dimensions': ['db.sql_tokenized.statement'],
                'Limit': 20
            }
        }
    ]
)

for key in response['MetricList'][0].get('Keys', []):
    sql_text = key['Dimensions'].get('db.sql_tokenized.statement', '')
    load = key['DataPoints'][0]['Value'] if key['DataPoints'] else 0
    print(f"Load: {load:.4f}  SQL: {sql_text[:80]}")