Optimieren Ihres Azure Data Explorer-Clusters mithilfe von Azure Advisor-Empfehlungen

  • Artikel

Azure Advisor analysiert die Konfigurationen und Nutzungstelemetriedaten Ihrer Azure Data Explorer-Cluster und bietet personalisierte und handlungsrelevante Empfehlungen, die Ihnen bei der Optimierung von Clustern helfen.

Zugreifen auf die Azure Advisor-Empfehlungen

Es gibt zwei Möglichkeiten, auf die Azure Advisor-Empfehlungen zuzugreifen:

Anzeigen von Azure Advisor-Empfehlungen für Ihren Azure Data Explorer-Cluster

  1. Navigieren Sie im Azure-Portal zur Seite mit dem Azure Data Explorer-Cluster.

  2. Wählen Sie im Menü auf der linken Seite unter Überwachung die Option Advisor-Empfehlungen aus. Eine Liste der Empfehlungen für diesen Cluster wird geöffnet.

    Azure Advisor-Empfehlungen für Ihren Azure Data Explorer-Cluster

Anzeigen von Azure Advisor-Empfehlungen für alle Cluster in Ihrem Abonnement

  1. Navigieren Sie im Azure-Portal zur Advisor-Ressource.

  2. Wählen Sie unter Übersicht ein oder mehrere Abonnements aus, für die Sie Empfehlungen erhalten möchten.

  3. Wählen Sie Azure Data Explorer-Cluster und im zweiten Dropdownmenü Azure Data Explorer-Datenbanken aus.

    Azure Advisor-Ressource

Verwenden der Azure Advisor-Empfehlungen

Es gibt verschiedene Azure Advisor-Empfehlungstypen. Verwenden Sie den entsprechenden Empfehlungstyp für die Clusteroptimierung.

  1. Wählen Sie in Advisor unter Empfehlungen die Option Kosten aus, um Kostenempfehlungen zu erhalten.

    Auswählen des Empfehlungstyps

  2. Wählen Sie in der Liste eine Empfehlung aus.

    Auswählen einer Empfehlung

  3. Das folgende Fenster enthält eine Liste von Clustern, für die die Empfehlung relevant ist. Die Empfehlungsdetails unterscheiden sich für jeden Cluster und enthalten die empfohlene Aktion.

    Liste der Cluster mit Empfehlungen

Empfehlungstypen

Empfehlungen zu Kosten, Leistung, Zuverlässigkeit und Hervorragendem Service sind derzeit verfügbar.

Wichtig

Ihre tatsächlichen jährlichen Einsparungen können davon abweichen. Die angegebenen jährlichen Einsparungen basieren auf den Preisen für die nutzungsbasierte Zahlung. Bei diesen potenziellen Einsparungen werden Abrechnungsrabatte für reservierte Azure-VM-Instanzen (RIs) nicht berücksichtigt.

Kostenempfehlungen

Die Kostenempfehlungen sind für Cluster verfügbar, die geändert werden können, um Kosten zu senken, ohne die Leistung zu beeinträchtigen. Zu den Kostenempfehlungen zählen u. a. folgende:

Nicht verwendeter ausgeführter Azure Data Explorer-Cluster

Ein Cluster gilt als nicht verwendet und wird ausgeführt, wenn er sich im Ausführungszustand befindet und in den letzten fünf Tagen weder erfasste Daten noch Abfragen ausgeführt hat. In einigen Fällen werden Cluster möglicherweise automatisch beendet. In den folgenden Fällen wird der Cluster nicht automatisch beendet, und es wird eine Empfehlung angezeigt:

Es wird empfohlen, den Cluster zu beenden, um die Kosten zu senken, die Daten jedoch beizubehalten. Werden die Daten nicht benötigt, sollten Sie den Cluster löschen, um die Einsparungen zu erhöhen.

Nicht verwendeter beendeter Azure Data Explorer-Cluster

Ein Cluster wird als nicht verwendet und beendet betrachtet, wenn er vor mindestens 60 Tagen beendet wurde.

Es wird empfohlen, den Cluster zu löschen, um die Kosten zu senken.

Achtung

Beendete Cluster enthalten möglicherweise weiterhin Daten. Stellen Sie vor dem Löschen des Clusters sicher, dass die Daten nicht mehr benötigt werden. Sobald der Cluster gelöscht wurde, kann auf die Daten nicht mehr zugegriffen werden.

Ändern des Data Explorer-Clusters in eine kostengünstigere und leistungsstärkere SKU

Die Empfehlung Ändern Data Explorer Cluster zu einer kostengünstigeren und leistungsstärkeren SKU wird einem Cluster gegeben, dessen Cluster unter einer nicht optimalen SKU ausgeführt wird. Diese aktualisierte SKU sollte Ihre Kosten senken und die Gesamtleistung verbessern. Wir haben die erforderliche instance-Anzahl berechnet, die die Cacheanforderungen Ihres Clusters erfüllt, wobei sichergestellt ist, dass die Leistung nicht negativ beeinträchtigt wird.

Als Teil der Empfehlung wird empfohlen, optimierte automatische Skalierung zu aktivieren, falls noch nicht aktiviert. Die optimierte automatische Skalierung führt eine ausführlichere Analyse der Leistung des Clusters durch und skaliert den Cluster bei Bedarf weiter. Dies führt zu zusätzlichen Kosteneinsparungen. Die Empfehlungen zur optimierten automatischen Skalierung umfassen eine Empfehlung für min und max instance Anzahl. Der Max-Wert ist auf die empfohlene SKU instance Anzahl festgelegt. Wenn der Cluster plant, organisch zu wachsen, wird empfohlen, diese Maximale Anzahl manuell zu erhöhen. Wenn die optimierte automatische Skalierung in Ihrem Cluster bereits konfiguriert ist, kann die Empfehlung in einigen Fällen vorschlagen, die Anzahl der maximalen instance zu erhöhen.

Die SKU-Empfehlung berücksichtigt die aktuellen Zonendefinitionen eines Clusters. Wenn der Cluster Zonen unterstützt, werden nur Ziel-SKUs empfohlen, die mindestens zwei Zonen aufweisen. Das Hinzufügen weiterer Computeverfügbarkeitszonen verursacht keine zusätzlichen Kosten.

Die Empfehlung der Advisor-SKU wird alle paar Stunden aktualisiert. Die Empfehlung überprüft die Kapazitätsverfügbarkeit der ausgewählten SKU in der Region. Es ist jedoch wichtig zu beachten, dass die Kapazitätsverfügbarkeit dynamisch ist und sich im Laufe der Zeit ändert.

Hinweis

Die Empfehlung zur Advisor-SKU unterstützt derzeit keine Cluster mit Virtual Network oder verwalteten privaten Endpunktkonfigurationen.

Verringern des Caches für Azure Data Explorer-Tabellen

Die Empfehlung zum Verkürzen des Azure Data Explorer-Tabellencachezeitraums zur Clusterkostenoptimierung wird für einen Cluster angegeben, bei dem die Cacherichtlinie der Tabelle reduziert werden kann. Diese Empfehlung basiert auf dem Abfragezeitraum der letzten 30 Tage. Um zu sehen, wo Einsparungen möglich sind, können Sie die relevantesten 5 Tabellen pro Datenbank für potenzielle Cacheeinsparungen anzeigen. Diese Empfehlung wird nur angeboten, wenn der Cluster nach einer Änderung der Cacherichtlinie abskaliert oder herunterskaliert werden kann. Advisor überprüft, ob der Cluster „datengebunden“ ist. Dies bedeutet, dass der Cluster eine geringe CPU- und Erfassungsauslastung aufweist, aber aufgrund einer hohen Datenkapazität nicht abskaliert oder herunterskaliert werden kann.

Aktivieren der optimierten Autoskalierung

Die Empfehlung Aktivieren der optimierten Autoskalierung wird ausgesprochen, wenn die Aktivierung von Optimierte Autoskalierung die Anzahl der Instanzen für einen Cluster reduziert hätte. Diese Empfehlung basiert auf Verwendungsmustern, Cacheauslastung, Erfassungsauslastung und CPU. Um sicherzustellen, dass Sie Ihr geplantes Budget nicht überschreiten, fügen Sie eine maximale Anzahl von Instanzen hinzu, wenn Sie die optimierte Autoskalierung aktivieren.

Empfehlungen zur Leistung

Die Leistungsempfehlungen tragen zur Verbesserung der Leistung Ihrer Azure Data Explorer-Cluster bei. Zu den Leistungsempfehlungen zählt beispielsweise Folgendes:

Aktualisieren der Cacherichtlinie für Azure Data Explorer-Tabellen

Die Empfehlung zum Überprüfen der Richtlinie zum Cachezeitraum von Azure Data Explorer-Tabellen zur Leistungsverbesserung wird für einen Cluster angezeigt, für den ein anderer Rückblickzeitraum-Zeitfilter oder eine umfangreichere Cacherichtlinie erforderlich ist. Diese Empfehlung basiert auf dem Abfragezeitraum der letzten 30 Tage. Bei den meisten Abfragen, die während der letzten 30 Tage ausgeführt wurden, wurde auf nicht im Cache befindliche Daten zugegriffen. Dies kann die Laufzeit der Abfragen erhöhen. Sie können die 5 wichtigsten Tabellen pro Datenbank anzeigen, die auf Out-of-Cache-Daten zugegriffen haben, sortiert nach Abfrageprozentsatz.

Unter Umständen wird auch eine Leistungsempfehlung zur Reduzierung der Cacherichtlinie angezeigt. Dies kann passieren, wenn der Cluster datengebunden ist. Ein Cluster ist datengebunden, wenn die Menge an Daten, die gemäß der Cacherichtlinie zwischengespeichert werden sollen, die Gesamtgröße des Clustercaches übersteigt. Indem die Cacherichtlinie für datengebundene Cluster reduziert wird, kann die Anzahl von Cachefehlern verringert und ggf. die Leistung verbessert werden.

Empfehlungen für optimalen Betrieb

Wenn die Empfehlungen zum optimalen Betrieb bzw. zu den „bewährten Methoden“ implementiert werden, führt dies nicht zu einer sofortigen Verbesserung bei den Kosten oder der Leistung, sondern es können sich langfristige Vorteile für den Cluster ergeben. Hierzu gehört auch das Reduzieren der Tabellencacherichtlinie gemäß den Nutzungsmustern.

Reduzieren der Tabellencacherichtlinie gemäß Nutzungsmustern

Diese Empfehlung konzentriert sich auf das Aktualisieren der Cacherichtlinie basierend auf der tatsächlichen Nutzung im letzten Monat, um den heißen Cache für eine Tabelle zu reduzieren. Im Gegensatz zur vorherigen Kostenempfehlung gilt diese spezielle Empfehlung für Cluster, bei denen die Anzahl der Instanzen durch die CPU- und Erfassungslast und nicht durch die Menge der im heißen Cache gespeicherten Daten bestimmt wird. In solchen Fällen reicht das Ändern der Cacherichtlinie allein nicht aus, um die Anzahl der Instanzen zu verringern. Weitere Optimierungen wie das Ändern der SKU, die Verringerung der CPU-Auslastung und das Aktivieren der automatischen Skalierung werden empfohlen, um eine effiziente Skalierung durchzuführen. Diese Empfehlung kann für Tabellen nützlich sein, in denen der tatsächliche Abfrage-Lookback basierend auf Nutzungsmustern niedriger ist als die konfigurierte Cacherichtlinie. Die Reduzierung der Cacherichtlinie führt jedoch nicht direkt zu Kosteneinsparungen. Die Anzahl der Clusterinstanzen wird von der CPU- und Erfassungslast bestimmt, unabhängig von der Menge der im heißen Cache gespeicherten Daten. Daher führt das Entfernen von Daten aus dem heißen Cache nicht direkt dazu, dass der Cluster skaliert wird.

Zuverlässigkeitsempfehlungen

Die Zuverlässigkeitsempfehlungen helfen Ihnen, die Kontinuität Ihrer unternehmenskritischen Anwendungen sicherzustellen und zu verbessern. Zu den Zuverlässigkeitsempfehlungen gehören:

Cluster verwendet Subnetz ohne Delegierung

Die starke Empfehlung wird einem Virtuellen Netzwerkcluster gegeben, der ein Subnetz ohne Delegierung für "Microsoft.Kusto/clusters" verwendet. Wenn Sie ein Subnetz an einen Cluster delegieren, erlauben Sie diesem Dienst, grundlegende Netzwerkkonfigurationsregeln für das Subnetz festzulegen, sodass der Cluster seine Instanzen stabil betreiben kann.

Cluster verwendet Subnetz mit ungültiger IP-Konfiguration

Die Empfehlung wird einem VNET-Cluster gegeben, in dem das Subnetz auch von anderen Diensten verwendet wird. Es wird empfohlen, alle anderen Dienste aus dem Subnetz zu entfernen und nur für Ihren Cluster zu verwenden.

Fehler beim Installieren oder Fortsetzen des Clusters aufgrund von Problemen mit dem virtuellen Netzwerk

Die Empfehlung wird einem Cluster gegeben, der aufgrund von Problemen mit dem virtuellen Netzwerk nicht installiert oder fortgesetzt werden konnte. Die Empfehlung besteht darin, den Leitfaden zur Problembehandlung für virtuelle Netzwerke zu verwenden, um das Problem zu beheben.

Verwandte Inhalte