2026 年 4 月 10 日より、Dataplex Universal Catalog は Knowledge Catalog と呼ばれるようになりました。API、クライアントライブラリ、CLI、IAM の名前は変更されません。詳細については、Google Cloud Knowledge Catalog の概要をご覧ください。

Google は AI 技術を使用して、コンテンツをご希望の言語に翻訳しています。AI 翻訳には誤りが含まれる場合があります。

Knowledge Catalog の指標をモニタリングする

このドキュメントでは、Cloud Monitoring を使用して Knowledge Catalog（以前の Dataplex Universal Catalog）のサービス健全性を追跡し、パフォーマンスを最適化して、データプラットフォームの可視性を高める方法について説明します。事前対応型のモニタリングにより、データアプリケーションの信頼性を確保し、リソース割り当てと費用管理について十分な情報に基づいて意思決定を行うことができます。

費用については、Monitoring の料金をご覧ください。

指標データの保持の詳細については、Monitoring の割り当てと上限をご覧ください。

ユースケース

Cloud Monitoring で Knowledge Catalog の指標を使用すると、次のユースケースをサポートできます。

データパイプラインの信頼性を確保する: データの取り込みやデータ品質ジョブなどの Knowledge Catalog タスクの成功率と失敗率をモニタリングします。障害や異常な期間に対するアラートを構成して、重要なワークロードのダウンタイムを最小限に抑えます。
パフォーマンスを最適化する: ジョブの所要時間とリソース使用率の指標を追跡して、データ処理、データ品質、データ検出のワークロードのパフォーマンスのボトルネックを特定して解決します。
費用を管理する: Monitoring で Knowledge Catalog リソースの使用量（レイク、ゾーン、アセットなど）をモニタリングし、Cloud Billing の BigQuery へのエクスポートを使用して、データ品質、データプロファイリング、データリネージのワークロードのサーバーレスコンピューティング（DCU）費用を割り当てます。
データガバナンスを維持する: メタデータの検出とカタログの拡充に関連する指標を追跡して、データアセットがガバナンスポリシーに従ってスキャンされ、タグ付けされていることを確認します。

仕組み

Knowledge Catalog は Cloud Monitoring と統合されています。Cloud Monitoring は、Knowledge Catalog サービスから指標、イベント、メタデータを収集します。これらの指標は、ジョブの実行ステータス、API の使用状況、リソースの健全性などの領域に関する分析情報を提供します。これらの指標は、Metrics Explorer、カスタムダッシュボード、アラートなど、Cloud Monitoring のツールを使用して分析できます。これらのツールを使用すると、サービスの動作を可視化し、パフォーマンスの傾向を特定して、パフォーマンスが定義されたしきい値から逸脱した場合や障害が発生した場合に通知するアラートポリシーを作成できます。

Monitoring でサービスの指標にアクセスする

Knowledge Catalog サービスリソース指標は、Knowledge Catalog サービスで自動的に有効になります。これらの指標を表示するには、Monitoring を使用します。

Monitoring には、Google Cloud コンソールから、または Monitoring API を使用してアクセスできます。

モニタリンググラフを表示できない場合やアラートを作成できない場合は、追加の Monitoring 権限が必要な場合があります。

コンソール

Google Cloud コンソールで、Metrics Explorer のページに移動します。

Metrics Explorer に移動
[指標を選択] メニューで、Cloud Dataplex リソースを選択します。
指標カテゴリを選択し、リストから指標を選択します。

指標に関する情報を表示するには、指標名の上にカーソルを置きます。
[適用] をクリックします。
省略可: フィルタの選択、指標ラベルによるグループ化、集計の実行、グラフ表示オプションの選択。

REST

filter 式で定義された指標を取得して一覧表示するには、Monitoring の timeSeries.list メソッドを使用します。

API リクエストを送信してレスポンスを表示するには、API ページで [この API を試す] テンプレートを使用します。

Monitoring の Knowledge Catalog サービス指標

Knowledge Catalog サービス指標を使用すると、サービスの健全性を簡単にモニタリングできます。

注: Dataplex DataScan コンピューティング（自動データ品質スキャンやデータプロファイリングスキャンなど）とデータリネージの Data Compute Unit（DCU）は、Dataplex 管理のインフラストラクチャのサーバーレスコンピューティングで実行され、dataplex.googleapis.com/* のリアルタイムの時系列指標を Cloud Monitoring に出力しません。レイク、ゾーン、アセットのみが時系列指標を Cloud Monitoring に出力します。プロジェクトとスキャン全体で Dataplex SKU の使用量と DCU の費用をモニタリング、追跡、帰属させるには、Dataplex システムラベルを使用して BigQuery の Cloud Billing エクスポートテーブルをクエリします。詳細とクエリの例については、Cloud Billing エクスポートで Dataplex DCU の費用をモニタリングして属性を付加するをご覧ください。

次の表の指標タイプの文字列には、dataplex.googleapis.com/ という接頭辞を付ける必要があります。この接頭辞は表内で省略されています。ラベルをクエリする場合は、metric.labels. 接頭辞を使用します（例: metric.labels.LABEL="VALUE"）。

指標タイプ^{リリースステージ} （リソース階層レベル）表示名
種類、タイプ、単位モニタリング対象リソース	説明ラベル
`asset/active` ^BETA （プロジェクト）アクティブ
`GAUGE`、`INT64`、`1` dataplex.googleapis.com/Asset	アセットがアクティブかどうかを示します。 `resource_type`: 参照されるリソースのタイプ。 `zone_type`: 親ゾーンのタイプ。
`asset/data_items` ^BETA （プロジェクト）データ項目
`GAUGE`、`INT64`、`1` dataplex.googleapis.com/Asset	参照されたリソース内のアイテムの数。 `resource_type`: 参照されるリソースのタイプ。 `zone_type`: 親ゾーンのタイプ。
`asset/data_size` ^BETA （プロジェクト）データサイズ
`GAUGE`、`INT64`、`By` dataplex.googleapis.com/Asset	参照されたリソース内の保存済みバイト数。 `resource_type`: 参照されるリソースのタイプ。 `zone_type`: 親ゾーンのタイプ。
`asset/entities_pending_bigquery_iampolicy_updates` ^BETA （プロジェクト） BigQuery IAM ポリシーの更新が保留中のエンティティ
`GAUGE`、`INT64`、`1` dataplex.googleapis.com/Asset	BigQuery IAM ポリシーの更新が保留中のアセットに関連付けられているエンティティの数。 `resource_type`: 参照されるリソースのタイプ。 `zone_type`: 親ゾーンのタイプ。
`asset/entities_pending_bigquery_metadata_updates` ^BETA （プロジェクト） BigQuery メタデータの更新が保留中のエンティティ
`GAUGE`、`INT64`、`1` dataplex.googleapis.com/Asset	BigQuery メタデータの更新が保留中のアセットに関連付けられているエンティティの数。 `resource_type`: 参照されるリソースのタイプ。 `zone_type`: 親ゾーンのタイプ。
`asset/filesets` ^BETA （プロジェクト）ファイルセット
`GAUGE`、`INT64`、`1` dataplex.googleapis.com/Asset	参照されたリソース内のファイルセットエンティティの数。 `resource_type`: 参照されるリソースのタイプ。 `zone_type`: 親ゾーンのタイプ。
`asset/requires_action` ^BETA （プロジェクト）対応が必要
`GAUGE`、`INT64`、`1` dataplex.googleapis.com/Asset	アセットに未解決の管理アクションがあるかどうか。 `resource_type`: 参照されるリソースのタイプ。 `zone_type`: 親ゾーンのタイプ。
`asset/tables` ^BETA （プロジェクト）テーブル
`GAUGE`、`INT64`、`1` dataplex.googleapis.com/Asset	参照されたリソース内のテーブルエンティティの数。 `resource_type`: 参照されるリソースのタイプ。 `zone_type`: 親ゾーンのタイプ。
`lake/requires_action` ^BETA （プロジェクト）対応が必要
`GAUGE`、`INT64`、`1` dataplex.googleapis.com/Lake	レイクに未解決の管理アクションがあるかどうか。
`zone/requires_action` ^BETA （プロジェクト）対応が必要
`GAUGE`、`INT64`、`1` dataplex.googleapis.com/Zone	ゾーンに未解決の管理アクションがあるかどうか。 `type`: ゾーンのタイプ。

表の生成日時: 2026-09-17 19:38:45 UTC。

Cloud Billing のエクスポートを使用して Dataplex DCU の費用をモニタリングして割り当てる

Knowledge Catalog のデータスキャン（自動データ品質とデータプロファイリングを含む）とデータリネージは、時系列指標を Cloud Monitoring に公開しないため、Cloud Billing から BigQuery へのエクスポートを使用して、プロジェクト、スキャン、データリソース全体でデータコンピューティングユニット（DCU）の使用量と費用を追跡、モニタリング、属性設定できます。

Dataplex の課金ラベル

Knowledge Catalog は、データスキャンとデータリネージ用に発行された課金レコードにシステムラベルを自動的に付加します。これらのラベルは、Cloud Billing エクスポートテーブルの labels 配列でクエリできます。

ラベルキー	ワークロード	説明
`goog-dataplex-datascan-id`	データ品質、データプロファイリング	データスキャンの ID または名前。
`goog-dataplex-datascan-job-id`	データ品質、データプロファイリング	データスキャンジョブの特定の実行 ID。
`goog-dataplex-datascan-data-source-project`	データ品質、データプロファイリング	スキャンされたデータソースを含む Google Cloud プロジェクト。
`goog-dataplex-datascan-data-source-region`	データ品質、データプロファイリング	スキャンされたデータソースの Google Cloud リージョン。
`goog-dataplex-datascan-data-source-bigquery-dataset`	データ品質、データプロファイリング	スキャンされたテーブルの BigQuery データセット ID。
`goog-dataplex-datascan-data-source-bigquery-table`	データ品質、データプロファイリング	スキャンされた BigQuery テーブル ID。
`goog-dataplex-datascan-data-source-dataplex-lake`	データ品質、データプロファイリング	Dataplex レイク ID（該当する場合）。
`goog-dataplex-datascan-data-source-dataplex-zone`	データ品質、データプロファイリング	Dataplex データゾーン ID（該当する場合）。
`goog-dataplex-datascan-data-source-dataplex-entity`	データ品質、データプロファイリング	Dataplex エンティティ ID（該当する場合）。
`goog-dataplex-datascan-data-source-biglake-catalog`	データ品質、データプロファイリング	BigLake カタログ ID（該当する場合）。
`goog-dataplex-datascan-data-source-biglake-namespace`	データ品質、データプロファイリング	BigLake 名前空間（該当する場合）。
`goog-dataplex-datascan-data-source-biglake-table`	データ品質、データプロファイリング	BigLake テーブル ID（該当する場合）。
`goog-dataplex-workload-type`	データリネージ	ワークロードを識別します。データリネージ処理の料金の場合は `LINEAGE` に設定します。

クエリの例

これらのクエリを実行する前に、Cloud Billing の BigQuery へのエクスポートが有効になっていることを確認してください。クエリの例では、次のプレースホルダを置き換えます。

PROJECT_ID: BigQuery の課金エクスポートデータセットをホストする Google Cloud プロジェクト ID。
DATASET_NAME: 課金エクスポートテーブルを含む BigQuery データセットの名前。
BILLING_ACCOUNT_ID: Cloud 請求先アカウント ID（アンダースコアでフォーマットします。例: 012345_567890_ABCDEF）。

クエリ 1: DataScan とターゲットテーブル別の属性 DCU の費用と使用量

このクエリは、過去 30 日間の Dataplex 処理とプレミアム処理の費用を DataScan ID とターゲット BigQuery テーブルで集計します。

SELECT
  project.id AS project_id,
  (SELECT value FROM UNNEST(labels) WHERE key = 'goog-dataplex-datascan-id') AS datascan_id,
  (SELECT value FROM UNNEST(labels) WHERE key = 'goog-dataplex-datascan-data-source-project') AS data_source_project,
  (SELECT value FROM UNNEST(labels) WHERE key = 'goog-dataplex-datascan-data-source-bigquery-dataset') AS data_source_dataset,
  (SELECT value FROM UNNEST(labels) WHERE key = 'goog-dataplex-datascan-data-source-bigquery-table') AS data_source_table,
  sku.description AS sku_description,
  SUM(usage.amount) AS total_usage,
  usage.unit AS usage_unit,
  SUM(cost) AS total_cost,
  currency
FROM
  `PROJECT_ID.DATASET_NAME.gcp_billing_export_v1_BILLING_ACCOUNT_ID`
WHERE
  service.description = 'Dataplex'
  AND EXISTS (SELECT 1 FROM UNNEST(labels) WHERE key = 'goog-dataplex-datascan-id')
  AND _PARTITIONDATE >= DATE_SUB(CURRENT_DATE(), INTERVAL 30 DAY)
GROUP BY
  project_id,
  datascan_id,
  data_source_project,
  data_source_dataset,
  data_source_table,
  sku_description,
  usage_unit,
  currency
ORDER BY
  total_cost DESC;

クエリ 2: ワークロードタイプ（リネージと DataScan）別に Dataplex の費用を分類する

このクエリは、すべてのプロジェクトで Dataplex SKU の費用をワークロードカテゴリ（データリネージと DataScan など）別に分類します。

SELECT
  project.id AS project_id,
  sku.description AS sku_description,
  COALESCE(
    (SELECT value FROM UNNEST(labels) WHERE key = 'goog-dataplex-workload-type'),
    IF(EXISTS(SELECT 1 FROM UNNEST(labels) WHERE key = 'goog-dataplex-datascan-id'), 'DATASCAN', 'OTHER')
  ) AS workload_type,
  SUM(usage.amount) AS total_usage,
  usage.unit AS usage_unit,
  SUM(cost) AS total_cost,
  currency
FROM
  `PROJECT_ID.DATASET_NAME.gcp_billing_export_v1_BILLING_ACCOUNT_ID`
WHERE
  service.description = 'Dataplex'
  AND _PARTITIONDATE >= DATE_SUB(CURRENT_DATE(), INTERVAL 30 DAY)
GROUP BY
  project_id,
  sku_description,
  workload_type,
  usage_unit,
  currency
ORDER BY
  total_cost DESC;

クエリ 3: DataScan ジョブの実行ごとの 1 日の DCU 使用量と費用の傾向

このクエリは、過去 7 日間の個々の DataScan ジョブ実行の 1 日あたりの DCU 消費量と費用を追跡します。

SELECT
  DATE(usage_start_time) AS usage_date,
  project.id AS project_id,
  (SELECT value FROM UNNEST(labels) WHERE key = 'goog-dataplex-datascan-id') AS datascan_id,
  (SELECT value FROM UNNEST(labels) WHERE key = 'goog-dataplex-datascan-job-id') AS job_id,
  SUM(usage.amount) AS total_usage,
  usage.unit AS usage_unit,
  SUM(cost) AS total_cost,
  currency
FROM
  `PROJECT_ID.DATASET_NAME.gcp_billing_export_v1_BILLING_ACCOUNT_ID`
WHERE
  service.description = 'Dataplex'
  AND EXISTS (SELECT 1 FROM UNNEST(labels) WHERE key = 'goog-dataplex-datascan-id')
  AND _PARTITIONDATE >= DATE_SUB(CURRENT_DATE(), INTERVAL 7 DAY)
GROUP BY
  usage_date,
  project_id,
  datascan_id,
  job_id,
  usage_unit,
  currency
ORDER BY
  usage_date DESC,
  total_cost DESC;

カスタム Monitoring ダッシュボードを構築する

選択した Knowledge Catalog サービス指標のグラフを表示するカスタム Monitoring ダッシュボードを構築できます。ダッシュボードの作成方法については、カスタムダッシュボードの作成と管理をご覧ください。ダッシュボードのウィジェットの指標を選択する場合は、Cloud Dataplex リソースを選択してから、Knowledge Catalog 指標を選択します。

Monitoring アラートを使用する

Monitoring アラートを作成すると、Knowledge Catalog サービスやジョブの指標が指定されたしきい値を超えた場合に通知を受け取れます。

アラートを作成する

アラートを作成するには、指標しきい値のアラートポリシーを作成するの手順に沿って操作します。モニタリング対象の時系列を選択するときは、Cloud Dataplex リソースを選択し、Knowledge Catalog 指標を選択します。

アラートを表示

指標しきい値条件によってアラートがトリガーされると、Monitoring によってインシデントと対応するイベントが作成されます。

インシデントを確認する手順は次のとおりです。

Google Cloud コンソールで、[アラート] ページに移動します。

アラートに移動

アラートポリシーに通知メカニズム（メールや SMS 通知など）を定義した場合も、Monitoring によってインシデントの通知が送信されます。

アラートの詳細については、指標ベースのアラートのインシデントをご覧ください。

次のステップ

Cloud Monitoring の詳細について確認する。
Cloud Billing から BigQuery へのエクスポートについて学習する。
自動データ品質を使用する方法を学習する。
データプロファイリングを使用する方法を確認する。
データリネージを使用する方法を確認する。

Knowledge Catalog の指標をモニタリングする コレクションでコンテンツを整理 必要に応じて、コンテンツの保存と分類を行います。