تحسين تكاليف المراقبة لمجموعة نتائج تحليلات الحاوية

تنشئ مجموعات Kubernetes كمية كبيرة من البيانات التي يتم جمعها بواسطة نتائج تحليلات الحاوية. نظرا لأنه يتم تحصيل رسوم منك مقابل استيعاب هذه البيانات والاحتفاظ بها، فأنت تريد تكوين بيئتك لتحسين تكاليفك. يمكنك تقليل تكاليف المراقبة بشكل كبير عن طريق تصفية البيانات التي لا تحتاج إليها وأيضا عن طريق تحسين تكوين مساحة عمل Log Analytics حيث تقوم بتخزين بياناتك.

بمجرد تحليل البيانات التي تم جمعها وتحديد ما إذا كان هناك أي بيانات لا تحتاج إليها، هناك العديد من الخيارات لتصفية أي بيانات لا تريد جمعها. يتراوح هذا من الاختيار من مجموعة من تكوينات التكلفة المعرفة مسبقا إلى الاستفادة من ميزات مختلفة لتصفية البيانات استنادا إلى معايير محددة. توفر هذه المقالة إرشادات حول كيفية تحليل وتحسين مجموعة البيانات الخاصة بك للحصول على نتائج تحليلات الحاوية.

تحليل استيعاب البيانات

لتحديد أفضل الفرص لتحقيق وفورات في التكاليف، قم بتحليل كمية البيانات التي يتم جمعها في جداول مختلفة. ستساعدك هذه المعلومات على تحديد الجداول التي تستهلك معظم البيانات وتساعدك على اتخاذ قرارات مستنيرة حول كيفية تقليل التكاليف.

يمكنك تصور مقدار البيانات التي يتم استيعابها في كل مساحة عمل باستخدام دفتر تشغيل Container Insights Usage ، المتوفر من صفحة مساحة العمل الخاصة بمجموعة مراقبة.

سيسمح لك التقرير بعرض استخدام البيانات حسب فئات مختلفة مثل الجدول ومساحة الاسم ومصدر السجل. استخدم طرق العرض المختلفة هذه لتحديد أي بيانات لا تستخدمها ويمكن تصفيتها لتقليل التكاليف.

حدد خيار فتح الاستعلام في Log Analytics حيث يمكنك إجراء تحليل أكثر تفصيلا بما في ذلك عرض السجلات الفردية التي يتم تجميعها. راجع سجلات الاستعلام من نتائج تحليلات الحاوية للحصول على استعلامات إضافية يمكنك استخدامها لتحليل البيانات التي تم جمعها.

على سبيل المثال، تعرض لقطة الشاشة التالية تعديلا على استعلام السجل المستخدم في حسب الجدول الذي يعرض البيانات حسب مساحة الاسم والجدول.

تصفية البيانات المجمعة

بمجرد تحديد البيانات التي يمكنك تصفيتها، استخدم خيارات تكوين مختلفة في نتائج تحليلات الحاوية لتصفية البيانات التي لا تحتاج إليها. تتوفر الخيارات لتحديد التكوينات المعرفة مسبقا، وتعيين المعلمات الفردية، واستخدام استعلامات السجل المخصصة للتصفية التفصيلية.

الإعدادات المسبقة للتكلفة

أبسط طريقة لتصفية البيانات هي استخدام الإعدادات المسبقة للتكلفة في مدخل Microsoft Azure. يتضمن كل إعداد مسبق مجموعات مختلفة من الجداول لتجميعها استنادا إلى ملفات تعريف العملية والتكلفة المختلفة. تم تصميم الإعدادات المسبقة للتكلفة لمساعدتك على تكوين جمع البيانات بسرعة استنادا إلى السيناريوهات الشائعة.

تلميح

إذا قمت بتكوين نظام المجموعة الخاص بك لاستخدام تجربة Prometheus ل Container insights، فيمكنك تعطيل مجموعة الأداء نظرا لأنه يتم تجميع بيانات الأداء بواسطة Prometheus.

للحصول على تفاصيل حول تحديد إعداد مسبق للتكلفة، راجع تكوين DCR باستخدام مدخل Microsoft Azure

خيارات التصفية

بعد اختيار إعداد مسبق مناسب للتكلفة، يمكنك تصفية بيانات إضافية باستخدام الطرق المختلفة في الجدول التالي. سيسمح لك كل خيار بتصفية البيانات استنادا إلى معايير مختلفة. عند الانتهاء من التكوين الخاص بك، يجب عليك فقط جمع البيانات التي تحتاجها للتحليل والتنبيه.

تصفية حسب	‏‏الوصف
الجداول	قم بتعديل DCR يدويا إذا كنت تريد تحديد جداول فردية لملء مجموعات أخرى غير مجموعات التكلفة المعينة مسبقا. على سبيل المثال، قد تحتاج إلى جمع ContainerLogV2 ولكن لا تجمع KubeEvents المضمنة في نفس التكلفة المحددة مسبقا. راجع قيم الدفق في DCR للحصول على قائمة بالتدفقات لاستخدامها في DCR واستخدم الإرشادات في .
سجلات الحاوية	ContainerLogV2 يخزن سجلات stdout/stderr التي تم إنشاؤها بواسطة الحاويات في نظام المجموعة. بينما يمكنك تعطيل مجموعة الجدول بأكمله باستخدام DCR، يمكنك تكوين مجموعة سجلات stderr وstdout بشكل منفصل باستخدام ConfigMap لنظام المجموعة. نظرا لأنه stdout يمكن تكوين الإعدادات و stderr بشكل منفصل، يمكنك اختيار تمكين أحدهما وليس الآخر. راجع تصفية سجلات الحاوية للحصول على تفاصيل حول تصفية سجلات الحاوية.
مساحة الاسم	تستخدم مساحات الأسماء في Kubernetes لتجميع الموارد داخل نظام مجموعة. يمكنك تصفية البيانات من الموارد في مساحات أسماء معينة لا تحتاجها. باستخدام DCR، يمكنك تصفية بيانات الأداء حسب مساحة الاسم فقط، إذا قمت بتمكين المجموعة للجدول Perf . استخدم ConfigMap لتصفية البيانات لمساحات أسماء معينة في stdout والسجلات stderr . راجع تصفية سجلات الحاوية للحصول على تفاصيل حول تصفية السجلات حسب مساحة الاسم وتصفية سجل النظام الأساسي (مساحات أسماء System Kubernetes) للحصول على تفاصيل حول مساحة اسم النظام.
حاويات وحاويات	تسمح لك تصفية التعليقات التوضيحية بتصفية سجلات الحاوية استنادا إلى التعليقات التوضيحية التي تجريها على الجراب. باستخدام ConfigMap يمكنك تحديد ما إذا كان يجب جمع سجلات stdout وstderr للحاويات الفردية. راجع التصفية المستندة إلى التعليق التوضيحي لأحمال العمل للحصول على تفاصيل حول تحديث ConfigMap وتعيين التعليقات التوضيحية في القرون الخاصة بك.

التحويلات

تسمح لك تحويلات وقت الاستيعاب بتطبيق استعلام KQL لتصفية البيانات وتحويلها في البنية الأساسية لبرنامج ربط العمليات التجارية Azure Monitor قبل تخزينها في مساحة عمل Log Analytics. يسمح لك هذا بتصفية البيانات استنادا إلى المعايير التي لا يمكنك تنفيذها مع الخيارات الأخرى.

على سبيل المثال، يمكنك اختيار تصفية سجلات الحاوية استنادا إلى مستوى السجل في ContainerLogV2. يمكنك إضافة تحويل إلى DCR ورؤى الحاوية التي من شأنها أن تؤدي الوظيفة في الرسم التخطيطي التالي. في هذا المثال، يتم جمع الأحداث فقط error والمستوى critical ، بينما يتم تجاهل أي أحداث أخرى.

ستكون الاستراتيجية البديلة هي حفظ الأحداث الأقل أهمية في جدول منفصل تم تكوينه للسجلات الأساسية. ستظل الأحداث متاحة لاستكشاف الأخطاء وإصلاحها، ولكن مع توفير كبير في التكاليف لاستيعاب البيانات.

راجع تحويلات البيانات في نتائج تحليلات الحاوية للحصول على تفاصيل حول إضافة تحويل إلى DCR لرؤى الحاوية بما في ذلك نموذج DCRs باستخدام التحويلات.

تكوين مستويات التسعير

توفر السجلات الأساسية في Azure Monitor خصما كبيرا على التكلفة لاستيعاب البيانات في مساحة عمل Log Analytics للبيانات التي تستخدمها أحيانا لتصحيح الأخطاء واستكشاف الأخطاء وإصلاحها. توفر الجداول التي تم تكوينها للسجلات الأساسية خصما كبيرا على التكلفة لاستيعاب البيانات مقابل تكلفة استعلامات السجل مما يعني أنها مثالية للبيانات التي تحتاجها ولكن يمكنك الوصول إليها بشكل غير متكرر.

يمكن تكوين ContainerLogV2 للسجلات الأساسية التي يمكن أن تمنحك توفيرا كبيرا في التكاليف إذا قمت بالاستعلام عن البيانات بشكل غير متكرر. باستخدام التحويلات، يمكنك تحديد البيانات التي يجب إرسالها إلى جداول بديلة تم تكوينها للسجلات الأساسية. راجع تحويلات البيانات في نتائج تحليلات الحاوية للحصول على مثال لهذه الاستراتيجية.

الخطوات التالية

لمساعدتك على فهم التكاليف التي من المحتمل أن تستند إلى أنماط الاستخدام الأخيرة من البيانات التي تم جمعها باستخدام نتائج تحليلات الحاوية، راجع تحليل الاستخدام في مساحة عمل Log Analytics.