Monitorování výkonu databáze s využitím Intelligent Insights a umělé inteligence a odstraňování souvisejících potíží (Preview)

Platí pro:Azure SQL DatabaseAzure SQL Managed Instance

Inteligentní Přehledy ve službě Azure SQL Database a Azure SQL Managed Instance vám umožní zjistit, co se děje s výkonem databáze.

Intelligent Insights používá integrované inteligentní funkce k nepřetržitému monitorování využití databáze prostřednictvím umělé inteligence a zjišťování rušivých událostí, které způsobují nízký výkon. Po zjištění se provede podrobná analýza, která vygeneruje inteligentní protokol prostředků Přehledy s názvem SQL Přehledy (nesouvisející s SQL Přehledy služby Azure Monitor (Preview) s inteligentním posouzením problémů. Toto posouzení se skládá z analýzy původní příčiny problému s výkonem databáze a pokud je to možné, doporučení pro vylepšení výkonu.

Co vám může inteligentní Přehledy dělat?

Inteligentní Přehledy je jedinečná funkce integrované inteligentní funkce Azure, která poskytuje následující hodnotu:

• Proaktivní monitorování
• Přizpůsobené přehledy výkonu
• Včasné zjištění snížení výkonu databáze
• Analýza původní příčiny zjištěných problémů
• Doporučení ke zlepšení výkonu
• Horizontální navýšení kapacity na stovky tisíc databází
• Pozitivní dopad na prostředky DevOps a celkové náklady na vlastnictví

Jak inteligentní Přehledy funguje

Inteligentní Přehledy analyzuje výkon databáze porovnáním databázové úlohy z poslední hodiny s úlohou směrného plánu za posledních 7 dnů. Databázové úlohy se skládají z dotazů, které jsou nejvýraznější pro výkon databáze, jako jsou nejopakovanější a největší dotazy. Vzhledem k tomu, že každá databáze je jedinečná na základě své struktury, dat, využití a aplikace, je každý směrný plán úloh, který se generuje, specifický a jedinečný pro danou úlohu. Inteligentní Přehledy nezávisle na směrném plánu úloh také monitoruje absolutní provozní prahové hodnoty a zjišťuje problémy s nadměrnými dobami čekání, kritickými výjimkami a problémy s parametrizací dotazů, které můžou ovlivnit výkon.

Po zjištění problému se snížením výkonu z několika pozorovaných metrik pomocí umělé inteligence se provede analýza. Vygeneruje se diagnostický protokol s inteligentním přehledem o tom, co se děje s vaší databází. Inteligentní Přehledy usnadňuje sledování problému s výkonem databáze z prvního vzhledu až do vyřešení. Každý zjištěný problém se sleduje prostřednictvím životního cyklu od počáteční detekce problému a ověření zlepšení výkonu až po dokončení.

Metriky používané k měření a zjišťování problémů s výkonem databáze jsou založeny na době trvání dotazů, požadavcích na vypršení časového limitu, nadměrné době čekání a chybných požadavcích. Další informace o metrikách najdete v tématu Detekce metrik.

Zjištěné snížení výkonu databáze se zaznamenává v protokolu Intelligent Přehledy SQL Přehledy s inteligentními položkami, které se skládají z následujících vlastností:

Vlastnost	Detaily
Informace o databázi	Metadata o databázi, na které byl zjištěn přehled, například identifikátor URI prostředku.
Pozorovaný časový rozsah	Počáteční a koncový čas pro období zjištěného přehledu
Ovlivněné metriky	Metriky, které způsobily generování přehledu: Doba trvání dotazu se zvyšuje [sekundy]. Nadměrné čekání [sekundy]. Žádosti o vypršení časového limitu [procento]. Chybné požadavky [procento].
Hodnota dopadu	Hodnota měřené metriky
Ovlivněné dotazy a kódy chyb	Kód hash dotazu nebo kód chyby. Ty se dají použít ke snadné korelaci s ovlivněnými dotazy. Zobrazí se metriky, které se skládají z prodloužení doby trvání dotazu, doby čekání, počtu časových limitů nebo kódů chyb.
Detekcí	Detekce identifikovaná v databázi během události. Existuje 15 vzorů detekce. Další informace najdete v tématu Řešení potíží s výkonem databáze pomocí inteligentních Přehledy.
Analýza původní příčiny	Analýza původní příčiny problému identifikovaného ve formátu čitelného pro člověka Některé přehledy můžou obsahovat doporučení ke zlepšení výkonu, pokud je to možné.

Inteligentní Přehledy svítí při zjišťování a řešení potíží s výkonem databáze. Pokud chcete použít inteligentní Přehledy k řešení potíží s výkonem databáze, přečtěte si téma Řešení potíží s výkonem inteligentních Přehledy.

Inteligentní možnosti Přehledy

K dispozici jsou inteligentní možnosti Přehledy:

Možnost inteligentního Přehledy	Podpora služby Azure SQL Database	Podpora služby Azure SQL Managed Instance
Konfigurace inteligentních Přehledy – Konfigurace inteligentní analýzy Přehledy pro vaše databáze	Ano	Yes
Streamování přehledů do Azure SQL Analytics – Streamování přehledů do Azure SQL Analytics	Ano	Yes
Streamování přehledů do služby Azure Event Hubs – Streamování přehledů do služby Event Hubs pro další vlastní integrace	Ano	Yes
Streamování přehledů do Azure Storage – Streamování přehledů do Služby Azure Storage pro další analýzu a dlouhodobou archivaci	Ano	Ano

Poznámka:

Inteligentní přehledy jsou funkce Preview, která není dostupná v následujících oblastech: Západní Evropa, Severní Evropa, USA – západ 1 a USA – východ 1.

Konfigurace exportu protokolu inteligentních Přehledy

Výstup inteligentního Přehledy je možné streamovat do jednoho z několika cílů pro účely analýzy:

• Výstup streamovaný do pracovního prostoru Služby Log Analytics je možné použít s Azure SQL Analytics k zobrazení přehledů prostřednictvím uživatelského rozhraní webu Azure Portal. Toto je integrované řešení Azure a nejběžnější způsob zobrazení přehledů.
• Výstup streamovaný do služby Azure Event Hubs se dá použít pro vývoj vlastních scénářů monitorování a upozorňování.
• Výstup streamovaný do Služby Azure Storage se dá použít pro vývoj vlastních aplikací pro vlastní vytváření sestav, dlouhodobé archivace dat atd.

Integrace produktů Azure SQL Analytics, Azure Event Hubs, Azure Storage nebo produktů třetích stran ke spotřebě se provádí tak, že nejprve povolíte inteligentní protokolování Přehledy (protokol SQL Přehledy) na stránce Nastavení diagnostiky databáze a potom nakonfigurujete inteligentní Přehledy data protokolu, která se mají streamovat do jednoho z těchto cílů.

Další informace o povolení protokolování inteligentních Přehledy a konfiguraci dat protokolu metrik a prostředků, které se mají streamovat do spotřebovaného produktu, najdete v tématu Metriky a protokolování diagnostiky.

Nastavení pomocí Azure SQL Analytics

Řešení Azure SQL Analytics poskytuje grafické uživatelské rozhraní, vytváření sestav a upozorňování na výkon databáze s využitím dat protokolu prostředků Intelligent Přehledy.

Přidání Azure SQL Analytics na řídicí panel webu Azure Portal z marketplace a vytvoření pracovního prostoru najdete v tématu Konfigurace Azure SQL Analytics.

Pokud chcete používat inteligentní Přehledy s Azure SQL Analytics, nakonfigurujte inteligentní Přehledy protokolová data, která se mají streamovat do pracovního prostoru Azure SQL Analytics, který jste vytvořili v předchozím kroku, viz Protokolování metrik a diagnostiky.

Následující příklad ukazuje inteligentní Přehledy zobrazenou prostřednictvím Azure SQL Analytics:

Nastavení se službou Event Hubs

Pokud chcete používat inteligentní Přehledy se službou Event Hubs, nakonfigurujte inteligentní Přehledy protokolová data, která se mají streamovat do služby Event Hubs, podívejte se na metriky a diagnostické protokolování a streamování diagnostických protokolů Azure do služby Event Hubs.

Pokud chcete službu Event Hubs použít k nastavení vlastního monitorování a upozorňování, přečtěte si téma Co dělat s metrikami a diagnostickými protokoly ve službě Event Hubs.

Nastavení se službou Azure Storage

Pokud chcete používat inteligentní Přehledy se službou Storage, nakonfigurujte inteligentní Přehledy protokolová data, která se mají streamovat do úložiště, podívejte se na metriky a diagnostické protokolování a streamování do Azure Storage.

Vlastní integrace protokolu inteligentních Přehledy

Pokud chcete používat inteligentní Přehledy s nástroji třetích stran nebo pro vlastní vývoj pro upozorňování a monitorování, přečtěte si téma Použití protokolu diagnostiky výkonu databáze Inteligentní Přehledy.

Metriky detekce

Metriky používané pro modely detekce, které generují inteligentní Přehledy jsou založené na monitorování:

• Doba trvání dotazu
• Žádosti o vypršení časového limitu
• Nadměrná doba čekání
• Došlo k chybám požadavků

Požadavky na dobu trvání dotazu a vypršení časového limitu se používají jako primární modely při zjišťování problémů s výkonem úloh databáze. Používají se, protože přímo měří, co se děje s úlohou. K detekci všech možných případů snížení výkonu úloh se jako další modely používají nadměrné požadavky na čekání a chybné požadavky, které indikují problémy, které mají vliv na výkon úloh.

Systém automaticky bere v úvahu změny úlohy a změny v počtu požadavků dotazů provedených v databázi, aby dynamicky určovaly normální a zastaralé prahové hodnoty výkonu databáze.

Všechny metriky jsou považovány za společně v různých relacích prostřednictvím vědeckého odvozeného datového modelu, který kategorizuje každý zjištěný problém s výkonem. Mezi informace poskytované prostřednictvím inteligentního přehledu patří:

• Byly zjištěny podrobnosti o problému s výkonem.
• Byla zjištěna analýza původní příčiny problému.
• Doporučení týkající se zlepšení výkonu monitorované databáze, pokud je to možné.

Doba trvání dotazu

Model snížení doby trvání dotazu analyzuje jednotlivé dotazy a zjišťuje nárůst doby potřebnou ke kompilaci a spuštění dotazu v porovnání se standardními hodnotami výkonu.

Pokud předdefinované inteligentní funkce zjistí významné zvýšení doby kompilace dotazů nebo spouštění dotazů, které mají vliv na výkon úloh, označí se tyto dotazy jako problémy s snížením výkonu doby trvání dotazu.

Protokol diagnostiky Intelligent Přehledy vypíše hodnotu hash dotazu, která má snížený výkon. Hodnota hash dotazu označuje, jestli snížení výkonu souviselo se zvýšením doby kompilace dotazu nebo doby provádění, což zvýšilo dobu trvání dotazu.

Žádosti o vypršení časového limitu

Model snížení časového limitu požadavků analyzuje jednotlivé dotazy a detekuje jakékoli zvýšení časových limitů na úrovni provádění dotazu a celkové časové limity požadavků na úrovni databáze v porovnání s obdobím standardního výkonu.

Některé dotazy můžou vypršely vypršení časového limitu ještě před tím, než se dostanou do fáze provádění. Prostřednictvím přerušených pracovních procesů a požadavků provedených předdefinovaných inteligentních měr a analyzuje všechny dotazy, které došly k databázi bez ohledu na to, jestli se dostaly do fáze provádění, nebo ne.

Po uplynutí časového limitu pro spuštěné dotazy nebo počtu přerušených požadovaných pracovních procesů překročí prahovou hodnotu spravovanou systémem, naplní se diagnostický protokol inteligentními přehledy.

Vygenerované přehledy obsahují počet žádostí o vypršení časového limitu a počet dotazů s časovým limitem. Indikace snížení výkonu souvisí se zvýšením časového limitu ve fázi provádění nebo se poskytuje celková úroveň databáze. Pokud se zvýšení časových limitů považuje za významné pro výkon databáze, tyto dotazy se označí jako problémy se snížením výkonu časového limitu.

Nadměrné doby čekání

Model nadměrné doby čekání monitoruje jednotlivé databázové dotazy. Zjistí neobvykle vysoké statistiky čekání dotazů, které překročily absolutní prahové hodnoty spravované systémem. Následující dotaz používá statistiky čekání úložiště dotazů (sys.query_store_wait_stats):

• Dosažení limitů prostředků
• Dosažení limitů prostředků elastického fondu
• Nadměrný počet vláken pracovního procesu nebo relace
• Nadměrné uzamčení databáze
• Přetížení paměti
• Další statistiky čekání

Dosažení limitů prostředků nebo limitů prostředků elastického fondu značí, že spotřeba dostupných prostředků v předplatném nebo v elastickém fondu překročila absolutní prahové hodnoty. Tyto statistiky označují snížení výkonu úloh. Nadměrný počet vláken pracovního procesu nebo relace označuje podmínku, ve které počet pracovních vláken nebo relací iniciovaných napříč absolutními prahovými hodnotami. Tyto statistiky označují snížení výkonu úloh.

Nadměrné uzamčení databáze označuje podmínku, ve které počet zámků v databázi překročil absolutní prahové hodnoty. Tento statistika označuje snížení výkonu úloh. Zatížení paměti je podmínka, ve které počet vláken žádajících o paměť překročí absolutní prahovou hodnotu. Tento statistika označuje snížení výkonu úloh.

Detekce dalších statistik čekání označuje podmínku, ve které různé metriky měřené prostřednictvím statistik čekání úložiště dotazů překročily absolutní prahovou hodnotu. Tyto statistiky označují snížení výkonu úloh.

Po zjištění nadměrných dob čekání v závislosti na dostupných datech výstup protokolu diagnostiky Inteligentní Přehledy výstupy hash ovlivněných a ovlivněných dotazů se sníží výkonu, podrobnosti metrik, které způsobují, že dotazy čekají při spuštění, a měřená doba čekání.

Chyby požadavků

Model snížení výkonu chybných požadavků monitoruje jednotlivé dotazy a zjišťuje zvýšení počtu dotazů, které se v porovnání se základním obdobím chybovaly. Tento model také monitoruje kritické výjimky, které překročily absolutní prahové hodnoty spravované integrovanou inteligencí. Systém automaticky bere v úvahu počet požadavků na dotazy provedených v databázi a zaúčtuje všechny změny úloh v sledovaném období.

Pokud se naměřené zvýšení chybných požadavků vzhledem k celkovému počtu provedených požadavků považuje za významné pro výkon úloh, ovlivněné dotazy se označí jako problémy s chybným snížením výkonu požadavků.

Inteligentní Přehledy protokolu vypíše počet chybovaných požadavků. Označuje, jestli snížení výkonu souviselo se zvýšením chybných požadavků nebo překročením prahové hodnoty monitorované kritické výjimky a měřeným časem snížení výkonu.

Pokud některá z monitorovaných kritických výjimek překročí absolutní prahové hodnoty spravované systémem, vygeneruje se inteligentní přehled s podrobnostmi o kritických výjimkách.

Další kroky

• Naučte se monitorovat databáze pomocí SQL Analytics.
• Zjistěte, jak řešit problémy s výkonem inteligentních Přehledy.