閾値 とは？

動作が切り替わる境界の値のこと。「CPU使用率が80%を超えたらSlackにアラートを送る」「5回連続でログインに失敗したらアカウントをロックする」などの「80%」や「5回」が閾値。「しきいち」または「いきち」と読む。

分類モデルの「判定基準」のこと。例えばスパムフィルターが「スパム確率0.7以上なら迷惑メールに振り分ける」という場合の0.7が閾値。この閾値を変えると精度と再現率のバランスが変わる（閾値を下げるとスパムを見逃しにくくなるが、普通のメールも迷惑扱いが増える）。

ケースバイケースで調整する。監視の閾値はサービスのSLAや過去の障害実績から決める。機械学習では精度・再現率・F1スコアを見ながらビジネス要件（見逃しとフォールスポジティブどちらを優先するか）に合わせて調整する。適切な閾値設定は経験が必要な領域。

「オオカミ少年」状態になるよ。閾値が低すぎると頻繁にアラートが鳴って、運用チームがアラート疲れを起こす。すると本当に重要なアラートも見逃すようになる。これを「アラートファティーグ」と呼んで、運用設計で最も避けるべき状態の一つなんだ。

過去のデータから正常範囲を統計的に把握するのが基本だよ。平均値±2σ（標準偏差）を閾値にする方法や、パーセンタイルベース（p99レイテンシが500msを超えたらアラート）を使う方法がある。最近は機械学習で異常検知する手法も増えている。大事なのは閾値を設定したら終わりではなく、定期的に見直すこと。サービスの成長とともに正常値も変わるからね。