Azure Stream Analytics-Auftragsmetriken
In Azure Stream Analytics werden viele Metriken angezeigt, die Sie zum Überwachen der Leistung Ihrer Abfragen und Aufträge sowie für die Problembehandlung verwenden können. Sie können Daten aus diesen Metriken auf der Seite Übersicht des Azure-Portal im Abschnitt Überwachung anzeigen.
Wenn Sie eine bestimmte Metrik überprüfen möchten, wählen Sie im Abschnitt Überwachung die Option Metriken aus. Wählen Sie auf der angezeigten Seite die gewünschte Metrik aus.
Verfügbare Metriken für Stream Analytics
Azure Stream Analytics stellt die folgenden Metriken bereit, um die Integrität Ihres Auftrags zu überwachen.
| Metrik | Definition |
|---|---|
| Eingabeereignisse im Rückstand | Anzahl der Eingabeereignisse, die im Rückstand sind. Ein Wert ungleich Null für diese Metrik bedeutet, dass Ihr Auftrag nicht mit der Anzahl der eingehenden Ereignisse Schritt halten kann. Wenn dieser Wert langsam ansteigt oder konstant ungleich Null ist, sollten Sie Ihren Auftrag aufskalieren. Weitere Informationen finden Sie unter Verstehen und Anpassen von Streamingeinheiten. |
| Konvertierungsfehler | Anzahl der Ausgabeereignisse, die nicht in das erwartete Ausgabeschema konvertiert werden konnten. Zum Verwerfen von Ereignissen, für die dieses Szenario auftritt, können Sie die Fehlerrichtlinie in Verwerfen ändern. |
| CPU-Auslastung in Prozent (Vorschau) | CPU-Auslastung Ihres Auftrags in Prozent. Selbst wenn dieser Wert sehr hoch ist (90 Prozent oder höher), sollten Sie die Anzahl der SUs nicht allein aufgrund dieser Metrik erhöhen. Wenn die Anzahl der Eingabeereignisse im Rückstand oder die Wasserzeichenverzögerung zunimmt, können Sie diese Metrik verwenden, um festzustellen, ob die CPU der Engpass ist. Bei dieser Metrik treten möglicherweise zeitweilig Spitzen auf. Es wird empfohlen, Skalierungstests durchzuführen, um die Obergrenze Ihres Auftrags zu bestimmen, nach der Eingaben in Rückstand geraten können oder Wasserzeichenverzögerungen aufgrund von CPU-Engpässen zunehmen. |
| Frühe Eingabeereignisse | Ereignisse, deren Anwendungszeitstempel mehr als fünf Minuten vor dem Zeitpunkt ihres Eintreffens liegt |
| Fehlerhafte Funktionsanforderungen | Anzahl der fehlerhaften Aufrufe an die Azure Machine Learning-Funktion (falls vorhanden) |
| Funktionsereignisse | Anzahl der an die Azure Machine Learning-Funktion gesendeten Ereignisse (falls vorhanden) |
| Funktionsanforderungen | Anzahl der Aufrufe an die Azure Machine Learning-Funktion (falls vorhanden) |
| Eingabefehler bei Deserialisierung | Anzahl der Eingabeereignisse, die nicht deserialisiert werden konnten. |
| Eingabeereignisbytes | Vom Stream Analytics-Auftrag erhaltene Datenmenge in Byte. Sie können diese Metrik verwenden, um sicherzustellen, dass Ereignisse an die Eingabequelle gesendet werden. |
| Eingabeereignisse | Anzahl der Datensätze, die aus den Eingabeereignissen deserialisiert wurden. Diese Anzahl umfasst nicht eingehende Ereignisse, die zu Deserialisierungsfehlern führen. Stream Analytics kann die gleichen Ereignisse mehrmals in Szenarios wie internen Wiederherstellungen und Selbstverknüpfungen erfassen. Erwarten Sie keine Übereinstimmungen der Metriken für Eingabeereignisse und Ausgabeereignisse, wenn Ihr Auftrag eine einfache Pass-Through-Abfrage enthält. |
| Empfangene Eingabequellen | Anzahl der Nachrichten, die der Auftrag empfängt. Für Azure Event Hubs besteht eine Nachricht aus einem einzelnen EventData-Element. Für Azure Blob Storage besteht eine Nachricht aus einem einzelnen Blob. Beachten Sie, dass die Eingabequellen vor der Deserialisierung gezählt werden. Bei Deserialisierungsfehlern können die Eingabequellen größer sein als die Eingabeereignisse. Andernfalls können Eingabequellen kleiner als oder gleich den Eingabeereignissen sein, da jede Nachricht mehrere Ereignisse enthalten kann. |
| Ereignisse bei verspäteter Eingabe | Ereignisse, die später als das konfigurierte Toleranzfenster für Eingangsverzögerung eingetroffen sind. Weitere Informationen finden Sie unter Überlegungen zur Ereignisreihenfolge in Azure Stream Analytics. |
| Ereignisse mit falscher Reihenfolge | Anzahl der Ereignisse, die in falscher Reihenfolge empfangen und anhand der Richtlinie für die Ereignissortierung entweder verworfen oder mit einem angepassten Zeitstempel versehen wurden. Diese Metrik kann von der Konfiguration der Einstellung Toleranzfenster für Fehlordnung beeinflusst werden. |
| Ausgabeereignisse | Vom Stream Analytics-Auftrag an das Ausgabeziel gesendete Datenmenge, ausgedrückt in der Anzahl von Ereignissen. |
| Laufzeitfehler | Gesamtzahl der Fehler im Zusammenhang mit der Abfrageverarbeitung. Ausgenommen sind Fehler, die beim Untersuchen von Ereignissen oder beim Ausgeben von Ergebnissen ermittelt werden. |
| SU (Speicher) % Auslastung | Arbeitsspeicherauslastung Ihres Auftrags in Prozent. Wenn diese Metrik konstant mehr als 80 Prozent beträgt, die Wasserzeichenverzögerung steigt und die Anzahl der Ereignisse im Rückstand zunimmt, ziehen Sie eine Erhöhung der Streamingeinheiten (Streaming Units, SUs) in Erwägung. Eine hohe Auslastung deutet darauf hin, dass der Auftrag fast die Höchstzahl der bereitgestellten Ressourcen verwendet. |
| Wasserzeichenverzögerung | Maximale Wasserzeichenverzögerung für alle Partitionen aller Ausgaben im Auftrag. |
Szenarien für die Überwachung
Azure Stream Analytics bietet einen serverlosen, verteilten Streamingverarbeitungsdienst. Aufträge können auf einem oder mehreren verteilten Streamingknoten ausgeführt werden, die der Dienst automatisch verwaltet. Die Eingabedaten werden partitioniert und verschiedenen Streamingknoten zur Verarbeitung zugewiesen.
| Metrik | Bedingung | Zeitaggregation | Schwellenwert | Maßnahmen |
|---|---|---|---|---|
| SU (Speicher) % Auslastung | Größer als | Average | 80 | Mehrere Faktoren erhöhen die Auslastung von SUs. Sie können eine Skalierung mit Abfrageparallelisierung durchführen oder die Anzahl der Streamingeinheiten erhöhen. Weitere Informationen finden Sie unter Nutzen der Parallelisierung von Abfragen in Azure Stream Analytics. |
| CPU-Auslastung in Prozent | Größer als | Average | 90 | Dies bedeutet wahrscheinlich, dass einige Vorgänge (z. B. benutzerdefinierte Funktionen, benutzerdefinierte Aggregate oder komplexe Eingabedeserialisierung) viele CPU-Zyklen erfordern. Sie können dieses Problem in der Regel beheben, indem Sie die Anzahl der SUs für den Auftrag erhöhen. |
| Laufzeitfehler | Größer als | Gesamt | 0 | Überprüfen Sie die Aktivitäts- oder Ressourcenprotokolle, und nehmen Sie entsprechende Änderungen an den Eingaben, der Abfrage oder den Ausgaben vor. |
| Wasserzeichenverzögerung | Größer als | Average | Wenn der durchschnittliche Wert dieser Metrik innerhalb der letzten 15 Minuten größer ist als die Toleranz für Eingangsverzögerung (in Sekunden). Wenn Sie die Toleranz für Eingangsverzögerung nicht geändert haben, ist der Standardwert auf 5 Sekunden festgelegt. | Versuchen Sie, die Anzahl der Streamingeinheiten zu erhöhen oder die Abfrage zu parallelisieren. Weitere Informationen zu Streamingeinheiten finden Sie unter Übersicht über Streamingeinheiten und Informationen zu Anpassungen. Weitere Informationen zur Parallelisierung der Abfrage finden Sie unter Nutzen der Parallelisierung von Abfragen in Azure Stream Analytics. |
| Eingabedeserialisierungsfehler | Größer als | Gesamt | 0 | Überprüfen Sie die Aktivitäts- oder Ressourcenprotokolle, und nehmen Sie entsprechende Änderungen an der Eingabe vor. Weitere Informationen zu Ressourcenprotokollen finden Sie unter Problembehandlung bei Azure Stream Analytics mit Ressourcenprotokollen. |
Hilfe erhalten
Weitere Unterstützung erhalten Sie auf der Microsoft Q&A-Seite für Azure Stream Analytics.
Nächste Schritte
- Einführung in Azure Stream Analytics
- Dimensionen für Azure Stream Analytics-Metriken
- Verstehen und Anpassen von Streamingeinheiten
- Analysieren der Azure Stream Analytics-Auftragsleistung mithilfe von Metriken und Dimensionen
- Überwachen eines Stream Analytics-Auftrags mit dem Azure-Portal
- Erste Schritte mit Azure Stream Analytics