Überwachen von Azure Machine Learning-Daten – Referenz

Dieser Artikel enthält alle Referenzinformationen zur Überwachung dieses Dienstes.

Ausführliche Informationen zu den Daten, die Sie für Azure Machine Learning sammeln können, und deren Verwendung finden Sie unter Monitor Machine Learning .

Metriken

In diesem Abschnitt werden alle automatisch erfassten Plattformmetriken für diesen Dienst aufgeführt. Diese Metriken sind auch Teil der globalen Liste aller in Azure Monitor unterstützten Plattformmetriken.

Informationen zur Aufbewahrung von Metriken finden Sie unter Überblick über Metriken in Azure Monitor.

Der Ressourcenanbieter für diese Metriken ist Microsoft.MachineLearningServices/workspaces.

Die Metrikkategorien sind "Modell", "Kontingent", "Ressource", "Ausführen" und "Datenverkehr". Kontingentinformationen sind nur für maschinelles Lernen vorgesehen. Run enthält Informationen zu Schulungsläufen für den Arbeitsbereich.

Unterstützte Metriken für Microsoft.MachineLearningServices/Arbeitsbereiche

In der folgenden Tabelle sind die Metriken aufgeführt, die für den Ressourcentyp "Microsoft.MachineLearningServices/workspaces" verfügbar sind.

• Möglicherweise sind nicht alle Spalten in jeder Tabelle vorhanden.
• Einige Spalten können über den Anzeigebereich der Seite hinausgehen. Wählen Sie Tabelle erweitern aus, um alle verfügbaren Spalten anzuzeigen.

Tabellenüberschriften

• Kategorie – Die Metrikgruppe oder -klassifizierung.
• Metrik – Der Anzeigename der Metrik, wie er im Azure-Portal angezeigt wird.
• Name in REST-API: Der Metrikname im REST-API
• Einheit – Abrechnungseinheit.
• Aggregation – Der Standard-Aggregationstyp. Gültige Werte: Mittelwert (Avg), Minimum (Min), Maximum (Max), Gesamt (Sum), Anzahl
• Dimensionen - Für die Metrik verfügbare Dimensionen.
• Aggregationsintervall - Intervalle, in denen die Metrik gesampelt wird. PT1M bedeutet zum Beispiel, dass die Metrik jede Minute abgerufen wird, PT30M alle 30 Minuten, PT1H jede Stunde usw.
• DS-Export – Gibt an, ob die Metrik über Diagnose-Einstellungen in Azure Monitor-Protokolle exportiert werden kann. Informationen zum Exportieren von Metriken finden Sie unter Diagnoseeinstellungen in Azure Monitor erstellen.

Kategorie	Metrik	Name in der REST-API	Einheit	Aggregation	Dimensionen	Aggregationsintervalle	DS-Export
Kontingent	Aktive Kerne Gesamtanzahl der aktiven Kerne	Active Cores	Anzahl	Durchschnitt, Maximum, Minimum, Gesamt	Scenario, ClusterName	PT1M	Ja
Kontingent	Aktive Knoten Anzahl der aktiven Knoten. Dabei handelt es sich um die Knoten, auf denen aktiv ein Auftrag ausgeführt wird.	Active Nodes	Anzahl	Durchschnitt, Maximum, Minimum, Gesamt	Scenario, ClusterName	PT1M	Ja
Ausführung	Angeforderte Ausführung abbrechen Anzahl von Ausführungen, bei denen ein Abbruch für diesen Arbeitsbereich angefordert wurde – die Anzahl wird aktualisiert, wenn eine Abbruchanforderung für eine Ausführung empfangen wurde.	Cancel Requested Runs	Anzahl	Total, Average, Minimum, Maximum, Count	Scenario, , RunTypePublishedPipelineId, ComputeType, , PipelineStepTypeExperimentName	PT1M	Ja
Ausführung	Abgebrochene Ausführungen Anzahl abgebrochener Ausführungen für diesen Arbeitsbereich – die Anzahl wird aktualisiert, wenn eine Ausführung erfolgreich abgebrochen wurde.	Cancelled Runs	Anzahl	Total, Average, Minimum, Maximum, Count	Scenario, , RunTypePublishedPipelineId, ComputeType, , PipelineStepTypeExperimentName	PT1M	Ja
Ausführung	Abgeschlossene Ausführung Anzahl erfolgreich abgeschlossener Ausführungen für diesen Arbeitsbereich – die Anzahl wird aktualisiert, wenn eine Ausführung abgeschlossen und die Ausgabe erfasst wurde.	Completed Runs	Anzahl	Total, Average, Minimum, Maximum, Count	Scenario, , RunTypePublishedPipelineId, ComputeType, , PipelineStepTypeExperimentName	PT1M	Ja
Resource	CpuCapacityMillicores Maximale Kapazität eines CPU-Knotens in Millicore. Die Kapazität wird in Intervallen von einer Minute aggregiert.	CpuCapacityMillicores	Anzahl	Durchschnitt, Maximum, Minimum, Gesamt	RunId, InstanceIdComputeName	PT1M	Ja
Resource	CpuMemoryCapacityMegabytes Maximale Arbeitsspeicherauslastung eines CPU-Knotens in Megabyte. Die Auslastung wird in Intervallen von einer Minute aggregiert.	CpuMemoryCapacityMegabytes	Anzahl	Durchschnitt, Maximum, Minimum, Gesamt	RunId, InstanceIdComputeName	PT1M	Ja
Resource	CpuMemoryUtilizationMegabytes Arbeitsspeicherauslastung eines CPU-Knotens in Megabyte. Die Auslastung wird in Intervallen von einer Minute aggregiert.	CpuMemoryUtilizationMegabytes	Anzahl	Durchschnitt, Maximum, Minimum, Gesamt	RunId, InstanceIdComputeName	PT1M	Ja
Resource	CpuMemoryUtilizationPercentage Arbeitsspeicherauslastung eines CPU-Knotens in Prozent. Die Auslastung wird in Intervallen von einer Minute aggregiert.	CpuMemoryUtilizationPercentage	Anzahl	Durchschnitt, Maximum, Minimum, Gesamt	RunId, InstanceIdComputeName	PT1M	Ja
Resource	CpuUtilization Prozentsatz der Auslastung auf einem CPU-Knoten. die Auslastung wird in Intervallen von einer Minute gemeldet.	CpuUtilization	Anzahl	Durchschnitt, Maximum, Minimum, Gesamt	Scenario, , runIdNodeIdClusterName	PT1M	Ja
Resource	CpuUtilizationMillicores Auslastung eines CPU-Knotens in Millicore. Die Auslastung wird in Intervallen von einer Minute aggregiert.	CpuUtilizationMillicores	Anzahl	Durchschnitt, Maximum, Minimum, Gesamt	RunId, InstanceIdComputeName	PT1M	Ja
Resource	CpuUtilizationPercentage Auslastung eines CPU-Knotens in Prozent. Die Auslastung wird in Intervallen von einer Minute aggregiert.	CpuUtilizationPercentage	Anzahl	Durchschnitt, Maximum, Minimum, Gesamt	RunId, InstanceIdComputeName	PT1M	Ja
Resource	DiskAvailMegabytes Verfügbarer Speicherplatz auf dem Datenträger in MB. Die Metriken werden in Intervallen von einer Minute aggregiert.	DiskAvailMegabytes	Anzahl	Durchschnitt, Maximum, Minimum, Gesamt	RunId, InstanceIdComputeName	PT1M	Ja
Resource	DiskReadMegabytes Vom Datenträger gelesene Daten in MB. Die Metriken werden in Intervallen von einer Minute aggregiert.	DiskReadMegabytes	Anzahl	Durchschnitt, Maximum, Minimum, Gesamt	RunId, InstanceIdComputeName	PT1M	Ja
Resource	DiskUsedMegabytes Verwendeter Speicherplatz auf dem Datenträger in MB. Die Metriken werden in Intervallen von einer Minute aggregiert.	DiskUsedMegabytes	Anzahl	Durchschnitt, Maximum, Minimum, Gesamt	RunId, InstanceIdComputeName	PT1M	Ja
Resource	DiskWriteMegabytes Auf den Datenträger geschriebene Daten in MB. Die Metriken werden in Intervallen von einer Minute aggregiert.	DiskWriteMegabytes	Anzahl	Durchschnitt, Maximum, Minimum, Gesamt	RunId, InstanceIdComputeName	PT1M	Ja
Ausführung	Fehler Anzahl von Ausführungsfehlern in diesem Arbeitsbereich – die Anzahl wird aktualisiert, wenn bei der Ausführung ein Fehler auftritt.	Errors	Anzahl	Total, Average, Minimum, Maximum, Count	Scenario	PT1M	Ja
Ausführung	Fehlerhafte Ausführungen Anzahl fehlerhafter Ausführungen für diesen Arbeitsbereich – die Anzahl wird aktualisiert, wenn bei einer Ausführung ein Fehler auftritt.	Failed Runs	Anzahl	Total, Average, Minimum, Maximum, Count	Scenario, , RunTypePublishedPipelineId, ComputeType, , PipelineStepTypeExperimentName	PT1M	Ja
Ausführung	Abschließen von Ausführungen Anzahl von Ausführungen, die für diesen Arbeitsbereich abgeschlossen wurden – die Anzahl wird aktualisiert, wenn eine Ausführung abgeschlossen wurde, aber die Ausgabe noch erfasst wird.	Finalizing Runs	Anzahl	Total, Average, Minimum, Maximum, Count	Scenario, , RunTypePublishedPipelineId, ComputeType, , PipelineStepTypeExperimentName	PT1M	Ja
Resource	GpuCapacityMilliGPUs Maximale Kapazität eines GPU-Geräts in Milli-GPU. Die Kapazität wird in Intervallen von einer Minute aggregiert.	GpuCapacityMilliGPUs	Anzahl	Durchschnitt, Maximum, Minimum, Gesamt	RunId, , InstanceIdDeviceIdComputeName	PT1M	Ja
Resource	GpuEnergieJoules Intervallenergie in Joule auf einem GPU-Knoten. Die Energie wird in Intervallen von einer Minute gemeldet.	GpuEnergyJoules	Anzahl	Durchschnitt, Maximum, Minimum, Gesamt	Scenario, , runIdrootRunId, InstanceId, , DeviceIdComputeName	PT1M	Ja
Resource	GpuMemoryCapacityMegabytes Maximale Speicherkapazität eines GPU-Geräts in Megabyte. Die Kapazität wird in Intervallen von einer Minute aggregiert.	GpuMemoryCapacityMegabytes	Anzahl	Durchschnitt, Maximum, Minimum, Gesamt	RunId, , InstanceIdDeviceIdComputeName	PT1M	Ja
Resource	GpuMemoryUtilization Arbeitsspeicherauslastung auf einem GPU-Knoten in Prozent – die Auslastung wird in Intervallen von einer Minute gemeldet.	GpuMemoryUtilization	Anzahl	Durchschnitt, Maximum, Minimum, Gesamt	Scenario, , runIdNodeId, , DeviceIdClusterName	PT1M	Ja
Resource	GpuMemoryUtilizationMegabytes Arbeitsspeicherauslastung eines GPU-Geräts in Megabyte. Die Auslastung wird in Intervallen von einer Minute aggregiert.	GpuMemoryUtilizationMegabytes	Anzahl	Durchschnitt, Maximum, Minimum, Gesamt	RunId, , InstanceIdDeviceIdComputeName	PT1M	Ja
Resource	GpuMemoryUtilizationPercentage Arbeitsspeicherauslastung eines GPU-Geräts in Prozent. Die Auslastung wird in Intervallen von einer Minute aggregiert.	GpuMemoryUtilizationPercentage	Anzahl	Durchschnitt, Maximum, Minimum, Gesamt	RunId, , InstanceIdDeviceIdComputeName	PT1M	Ja
Resource	GpuUtilization Prozentsatz der Auslastung auf einem GPU-Knoten. die Auslastung wird in Intervallen von einer Minute gemeldet.	GpuUtilization	Anzahl	Durchschnitt, Maximum, Minimum, Gesamt	Scenario, , runIdNodeId, , DeviceIdClusterName	PT1M	Ja
Resource	GpuUtilizationMilliGPUs Auslastung eines GPU-Geräts in Milli-GPU. Die Auslastung wird in Intervallen von einer Minute aggregiert.	GpuUtilizationMilliGPUs	Anzahl	Durchschnitt, Maximum, Minimum, Gesamt	RunId, , InstanceIdDeviceIdComputeName	PT1M	Ja
Resource	GpuUtilizationPercentage Auslastung eines GPU-Geräts in Prozent. Die Auslastung wird in Intervallen von einer Minute aggregiert.	GpuUtilizationPercentage	Anzahl	Durchschnitt, Maximum, Minimum, Gesamt	RunId, , InstanceIdDeviceIdComputeName	PT1M	Ja
Resource	IBReceiveMegabytes Über InfiniBand empfangene Netzwerkdaten in Megabyte. Die Metriken werden in Intervallen von einer Minute aggregiert.	IBReceiveMegabytes	Anzahl	Durchschnitt, Maximum, Minimum, Gesamt	RunId, , InstanceIdComputeNameDeviceId	PT1M	Ja
Resource	IBTransmitMegabytes Über InfiniBand gesendete Netzwerkdaten in Megabyte. Die Metriken werden in Intervallen von einer Minute aggregiert.	IBTransmitMegabytes	Anzahl	Durchschnitt, Maximum, Minimum, Gesamt	RunId, , InstanceIdComputeNameDeviceId	PT1M	Ja
Kontingent	Leerlaufkerne Gesamtanzahl der Kerne im Leerlauf	Idle Cores	Anzahl	Durchschnitt, Maximum, Minimum, Gesamt	Scenario, ClusterName	PT1M	Ja
Kontingent	Leerlaufknoten Anzahl von Knoten im Leerlauf. Knoten im Leerlauf sind die Knoten, auf denen keine Aufträge ausgeführt werden, die aber einen neuen Auftrag bei Verfügbarkeit akzeptieren können.	Idle Nodes	Anzahl	Durchschnitt, Maximum, Minimum, Gesamt	Scenario, ClusterName	PT1M	Ja
Kontingent	Kerne verlassen Anzahl der ausscheidenden Kerne	Leaving Cores	Anzahl	Durchschnitt, Maximum, Minimum, Gesamt	Scenario, ClusterName	PT1M	Ja
Kontingent	Knoten verlassen Anzahl der ausscheidenden Knoten. Ausscheidende Knoten sind die Knoten, auf denen die Verarbeitung eines Auftrags gerade abgeschlossen wurde und die in den Leerlaufzustand wechseln.	Leaving Nodes	Anzahl	Durchschnitt, Maximum, Minimum, Gesamt	Scenario, ClusterName	PT1M	Ja
Modell	Fehler bei der Modellbereitstellung Anzahl der fehlerhaften Modellimplementierungen in diesem Arbeitsbereich	Model Deploy Failed	Anzahl	Total, Average, Minimum, Maximum, Count	Scenario, StatusCode	PT1M	Ja
Modell	Modellbereitstellung gestartet Anzahl der gestarteten Modellimplementierungen in diesem Arbeitsbereich	Model Deploy Started	Anzahl	Total, Average, Minimum, Maximum, Count	Scenario	PT1M	Ja
Modell	Modellbereitstellung erfolgreich Anzahl der erfolgreichen Modellimplementierungen in diesem Arbeitsbereich	Model Deploy Succeeded	Anzahl	Total, Average, Minimum, Maximum, Count	Scenario	PT1M	Ja
Modell	Fehler bei der Modellregisterung Anzahl der fehlerhaften Modellregistrierungen in diesem Arbeitsbereich	Model Register Failed	Anzahl	Total, Average, Minimum, Maximum, Count	Scenario, StatusCode	PT1M	Ja
Modell	Modellregister erfolgreich Anzahl der erfolgreichen Modellregistrierungen in diesem Arbeitsbereich	Model Register Succeeded	Anzahl	Total, Average, Minimum, Maximum, Count	Scenario	PT1M	Ja
Resource	NetworkInputMegabytes Empfangene Netzwerkdaten in Megabyte. Die Metriken werden in Intervallen von einer Minute aggregiert.	NetworkInputMegabytes	Anzahl	Durchschnitt, Maximum, Minimum, Gesamt	RunId, , InstanceIdComputeNameDeviceId	PT1M	Ja
Resource	NetworkOutputMegabytes Gesendete Netzwerkdaten in Megabyte. Die Metriken werden in Intervallen von einer Minute aggregiert.	NetworkOutputMegabytes	Anzahl	Durchschnitt, Maximum, Minimum, Gesamt	RunId, , InstanceIdComputeNameDeviceId	PT1M	Ja
Ausführung	Ausführung nicht reagiert Anzahl nicht reagierender Ausführungen für diesen Arbeitsbereich – die Anzahl wird aktualisiert, wenn eine Ausführung zum Status „Keine Rückmeldung“ übergeht.	Not Responding Runs	Anzahl	Total, Average, Minimum, Maximum, Count	Scenario, , RunTypePublishedPipelineId, ComputeType, , PipelineStepTypeExperimentName	PT1M	Ja
Ausführung	Nicht gestartete Ausführung Anzahl von Ausführungen mit Status „Nicht gestartet“ für diesen Arbeitsbereich – die Anzahl wird aktualisiert, wenn eine Anforderung zur Initiierung einer Ausführung eingeht, aber die Ausführungsinformationen nicht aufgefüllt wurden.	Not Started Runs	Anzahl	Total, Average, Minimum, Maximum, Count	Scenario, , RunTypePublishedPipelineId, ComputeType, , PipelineStepTypeExperimentName	PT1M	Ja
Kontingent	Preempted Cores Anzahl der vorzeitig entfernten Kerne	Preempted Cores	Anzahl	Durchschnitt, Maximum, Minimum, Gesamt	Scenario, ClusterName	PT1M	Ja
Kontingent	Preempted Nodes Anzahl der vorzeitig entfernten Knoten. Dabei handelt es sich um die Knoten mit niedriger Priorität, die aus dem Pool verfügbarer Knoten entfernt werden.	Preempted Nodes	Anzahl	Durchschnitt, Maximum, Minimum, Gesamt	Scenario, ClusterName	PT1M	Ja
Ausführung	Vorbereiten von Ausführungen Anzahl von Ausführungen, die für diesen Arbeitsbereich vorbereitet werden – die Anzahl wird aktualisiert, wenn eine Ausführung in den Status „Wird vorbereitet“ übergeht, während die Ausführungsumgebung vorbereitet wird.	Preparing Runs	Anzahl	Total, Average, Minimum, Maximum, Count	Scenario, , RunTypePublishedPipelineId, ComputeType, , PipelineStepTypeExperimentName	PT1M	Ja
Ausführung	Bereitstellungsausführungen Anzahl von Ausführungen, die sich für diesen Arbeitsbereich in Bereitstellung befinden – die Anzahl wird aktualisiert, wenn eine Ausführung darauf wartet, dass ein Computeziel erstellt oder bereitgestellt wird.	Provisioning Runs	Anzahl	Total, Average, Minimum, Maximum, Count	Scenario, , RunTypePublishedPipelineId, ComputeType, , PipelineStepTypeExperimentName	PT1M	Ja
Ausführung	In die Warteschlange eingereihte Läufe Anzahl von Ausführungen, die sich für diesen Arbeitsbereich in der Warteschlange befinden – die Anzahl wird aktualisiert, wenn eine Ausführung im Computeziel in die Warteschlange eingereiht wird. Dieser Fall kann eintreten, wenn darauf gewartet wird, dass erforderliche Computeknoten bereit sind.	Queued Runs	Anzahl	Total, Average, Minimum, Maximum, Count	Scenario, , RunTypePublishedPipelineId, ComputeType, , PipelineStepTypeExperimentName	PT1M	Ja
Kontingent	Prozentsatz der Kontingentauslastung Prozentualer Anteil der genutzten Kontingente	Quota Utilization Percentage	Anzahl	Durchschnitt, Maximum, Minimum, Gesamt	Scenario, , ClusterNameVmFamilyNameVmPriority	PT1M	Ja
Ausführung	Gestartete Ausführung Anzahl von Ausführungen für diesen Arbeitsbereich – die Anzahl wird aktualisiert, wenn eine Ausführung mit den erforderlichen Ressourcen gestartet wird.	Started Runs	Anzahl	Total, Average, Minimum, Maximum, Count	Scenario, , RunTypePublishedPipelineId, ComputeType, , PipelineStepTypeExperimentName	PT1M	Ja
Ausführung	Startläufe Anzahl gestarteter Ausführungen für diesen Arbeitsbereich – die Anzahl wird aktualisiert, nachdem eine Anforderung zur Initiierung der Ausführung eingegangen ist und die Ausführungsinformationen (z. B. runId) aufgefüllt wurden.	Starting Runs	Anzahl	Total, Average, Minimum, Maximum, Count	Scenario, , RunTypePublishedPipelineId, ComputeType, , PipelineStepTypeExperimentName	PT1M	Ja
Resource	StorageAPIFailureCount Fehleranzahl Azure Blob Storage-API-Aufrufe.	StorageAPIFailureCount	Anzahl	Durchschnitt, Maximum, Minimum, Gesamt	RunId, InstanceIdComputeName	PT1M	Ja
Resource	StorageAPISuccessCount Erfolgsanzahl Azure Blob Storage-API-Aufrufe.	StorageAPISuccessCount	Anzahl	Durchschnitt, Maximum, Minimum, Gesamt	RunId, InstanceIdComputeName	PT1M	Ja
Kontingent	Kerne insgesamt Gesamtanzahl von Kernen	Total Cores	Anzahl	Durchschnitt, Maximum, Minimum, Gesamt	Scenario, ClusterName	PT1M	Ja
Kontingent	Gesamtknoten Gesamtanzahl von Knoten. Diese Summe umfasst Teile von aktiven Knoten, Leerlaufknoten, nicht verwendbaren Knoten, vorab erstellten Knoten, ausscheidenden Knoten.	Total Nodes	Anzahl	Durchschnitt, Maximum, Minimum, Gesamt	Scenario, ClusterName	PT1M	Ja
Kontingent	Nicht verwendbare Kerne Anzahl der nicht verwendbaren Kerne	Unusable Cores	Anzahl	Durchschnitt, Maximum, Minimum, Gesamt	Scenario, ClusterName	PT1M	Ja
Kontingent	Nicht verwendbare Knoten Anzahl nicht verwendbarer Knoten. Nicht verwendbare Knoten sind aufgrund eines nicht auflösbaren Problems nicht funktionsfähig. Azure recycelt diese Knoten.	Unusable Nodes	Anzahl	Durchschnitt, Maximum, Minimum, Gesamt	Scenario, ClusterName	PT1M	Ja
Ausführung	Warnungen Anzahl von Ausführungswarnungen in diesem Arbeitsbereich – die Anzahl wird aktualisiert, wenn bei einer Ausführung eine Warnung auftritt.	Warnings	Anzahl	Total, Average, Minimum, Maximum, Count	Scenario	PT1M	Ja

Unterstützte Metriken für Microsoft.MachineLearningServices/workspaces/onlineEndpoints

In der folgenden Tabelle sind die Metriken aufgeführt, die für den Ressourcentyp "Microsoft.MachineLearningServices/workspaces/onlineEndpoints" verfügbar sind.

• Möglicherweise sind nicht alle Spalten in jeder Tabelle vorhanden.
• Einige Spalten können über den Anzeigebereich der Seite hinausgehen. Wählen Sie Tabelle erweitern aus, um alle verfügbaren Spalten anzuzeigen.

Tabellenüberschriften

• Kategorie – Die Metrikgruppe oder -klassifizierung.
• Metrik – Der Anzeigename der Metrik, wie er im Azure-Portal angezeigt wird.
• Name in REST-API: Der Metrikname im REST-API
• Einheit – Abrechnungseinheit.
• Aggregation – Der Standard-Aggregationstyp. Gültige Werte: Mittelwert (Avg), Minimum (Min), Maximum (Max), Gesamt (Sum), Anzahl
• Dimensionen - Für die Metrik verfügbare Dimensionen.
• Aggregationsintervall - Intervalle, in denen die Metrik gesampelt wird. PT1M bedeutet zum Beispiel, dass die Metrik jede Minute abgerufen wird, PT30M alle 30 Minuten, PT1H jede Stunde usw.
• DS-Export – Gibt an, ob die Metrik über Diagnose-Einstellungen in Azure Monitor-Protokolle exportiert werden kann. Informationen zum Exportieren von Metriken finden Sie unter Diagnoseeinstellungen in Azure Monitor erstellen.

Kategorie	Metrik	Name in der REST-API	Einheit	Aggregation	Dimensionen	Aggregationsintervalle	DS-Export
Verkehr	Verbinden ions aktiv Die Gesamtanzahl der gleichzeitig aktiven TCP-Verbindungen von Clients.	ConnectionsActive	Anzahl	Average	<none>	PT1M	No
Verkehr	Datensammlungsfehler pro Minute Die Anzahl der verworfenen Datensammlungsereignisse pro Minute.	DataCollectionErrorsPerMinute	Anzahl	Minimum, Maximum, Average	deployment, reasontype	PT1M	No
Verkehr	Datensammlungsereignisse pro Minute Die Anzahl der verarbeiteten Datensammlungsereignisse pro Minute.	DataCollectionEventsPerMinute	Anzahl	Minimum, Maximum, Average	deployment, type	PT1M	No
Verkehr	Netzwerkbytes Die Bytes pro Sekunde, die für den Endpunkt bereitgestellt werden.	NetworkBytes	Bytes pro Sekunde	Average	<none>	PT1M	No
Verkehr	Neue Verbinden ionen pro Sekunde Die durchschnittliche Anzahl neuer TCP-Verbindungen pro Sekunde, die von Clients hergestellt wurden.	NewConnectionsPerSecond	Anzahl pro Sekunde	Average	<none>	PT1M	No
Verkehr	Anforderungslatenz Das durchschnittliche vollständige Zeitintervall für die Beantwortung einer Anforderung in Millisekunden	RequestLatency	Millisekunden	Average	deployment	PT1M	Ja
Verkehr	Anforderungslatenz P50 Die durchschnittliche P50-Anforderungswartezeit, die sich aus allen über den ausgewählten Zeitraum erfassten Werten für die Anforderungswartezeit zusammensetzt	RequestLatency_P50	Millisekunden	Average	deployment	PT1M	Ja
Verkehr	Anforderungslatenz P90 Die durchschnittliche P90-Anforderungswartezeit, die sich aus allen über den ausgewählten Zeitraum erfassten Werten für die Anforderungswartezeit zusammensetzt	RequestLatency_P90	Millisekunden	Average	deployment	PT1M	Ja
Verkehr	Anforderungslatenz P95 Die durchschnittliche P95-Anforderungswartezeit, die sich aus allen über den ausgewählten Zeitraum erfassten Werten für die Anforderungswartezeit zusammensetzt	RequestLatency_P95	Millisekunden	Average	deployment	PT1M	Ja
Verkehr	Anforderungslatenz P99 Die durchschnittliche P99-Anforderungswartezeit, die sich aus allen über den ausgewählten Zeitraum erfassten Werten für die Anforderungswartezeit zusammensetzt	RequestLatency_P99	Millisekunden	Average	deployment	PT1M	Ja
Verkehr	Anforderungen pro Minute Die Anzahl der Anforderungen, die innerhalb einer Minute an den Onlineendpunkt gesendet wurden	RequestsPerMinute	Anzahl	Average	deployment, , statusCodestatusCodeClassmodelStatusCode	PT1M	No

Unterstützte Metriken für Microsoft.MachineLearningServices/workspaces/onlineEndpoints/deployments

In der folgenden Tabelle sind die Metriken aufgeführt, die für den Ressourcentyp "Microsoft.MachineLearningServices/workspaces/onlineEndpoints/deployments" verfügbar sind.

• Möglicherweise sind nicht alle Spalten in jeder Tabelle vorhanden.
• Einige Spalten können über den Anzeigebereich der Seite hinausgehen. Wählen Sie Tabelle erweitern aus, um alle verfügbaren Spalten anzuzeigen.

Tabellenüberschriften

• Kategorie – Die Metrikgruppe oder -klassifizierung.
• Metrik – Der Anzeigename der Metrik, wie er im Azure-Portal angezeigt wird.
• Name in REST-API: Der Metrikname im REST-API
• Einheit – Abrechnungseinheit.
• Aggregation – Der Standard-Aggregationstyp. Gültige Werte: Mittelwert (Avg), Minimum (Min), Maximum (Max), Gesamt (Sum), Anzahl
• Dimensionen - Für die Metrik verfügbare Dimensionen.
• Aggregationsintervall - Intervalle, in denen die Metrik gesampelt wird. PT1M bedeutet zum Beispiel, dass die Metrik jede Minute abgerufen wird, PT30M alle 30 Minuten, PT1H jede Stunde usw.
• DS-Export – Gibt an, ob die Metrik über Diagnose-Einstellungen in Azure Monitor-Protokolle exportiert werden kann. Informationen zum Exportieren von Metriken finden Sie unter Diagnoseeinstellungen in Azure Monitor erstellen.

Kategorie	Metrik	Name in der REST-API	Einheit	Aggregation	Dimensionen	Aggregationsintervalle	DS-Export
Resource	CPU-Speicherauslastungsprozentsatz Prozentuale Arbeitsspeicherauslastung auf einer Instanz. die Auslastung wird in Intervallen von einer Minute gemeldet.	CpuMemoryUtilizationPercentage	Percent	Minimum, Maximum, Average	instanceId	PT1M	Ja
Resource	CPU-Auslastungsprozentsatz Prozentuale CPU-Auslastung auf einer Instanz. die Auslastung wird in Intervallen von einer Minute gemeldet.	CpuUtilizationPercentage	Percent	Minimum, Maximum, Average	instanceId	PT1M	Ja
Resource	Datensammlungsfehler pro Minute Die Anzahl der verworfenen Datensammlungsereignisse pro Minute.	DataCollectionErrorsPerMinute	Anzahl	Minimum, Maximum, Average	instanceId, reasontype	PT1M	No
Resource	Datensammlungsereignisse pro Minute Die Anzahl der verarbeiteten Datensammlungsereignisse pro Minute.	DataCollectionEventsPerMinute	Anzahl	Minimum, Maximum, Average	instanceId, type	PT1M	No
Resource	Bereitstellungskapazität Die Anzahl der Instanzen in der Bereitstellung.	DeploymentCapacity	Anzahl	Minimum, Maximum, Average	instanceId, State	PT1M	No
Resource	Datenträgerauslastung Prozentuale Datenträgerauslastung auf einer Instanz. die Auslastung wird in Intervallen von einer Minute gemeldet.	DiskUtilization	Percent	Minimum, Maximum, Average	instanceId, disk	PT1M	Ja
Resource	GPU-Energie in Joules Intervallenergie in Joule auf einem GPU-Knoten. Die Energie wird in Intervallen von einer Minute gemeldet.	GpuEnergyJoules	Anzahl	Minimum, Maximum, Average	instanceId	PT1M	No
Resource	PROZENTSATZ der GPU-Speicherauslastung Prozentuale GPU-Speicherauslastung auf einer Instanz. die Auslastung wird in Intervallen von einer Minute gemeldet.	GpuMemoryUtilizationPercentage	Percent	Minimum, Maximum, Average	instanceId	PT1M	Ja
Resource	GPU-Auslastungsprozentsatz Prozentuale GPU-Auslastung auf einer Instanz. die Auslastung wird in Intervallen von einer Minute gemeldet.	GpuUtilizationPercentage	Percent	Minimum, Maximum, Average	instanceId	PT1M	Ja
Verkehr	Anforderungslatenz P50 Die durchschnittliche P50-Anforderungswartezeit, die sich aus allen über den ausgewählten Zeitraum erfassten Werten für die Anforderungswartezeit zusammensetzt	RequestLatency_P50	Millisekunden	Average	<none>	PT1M	Ja
Verkehr	Anforderungslatenz P90 Die durchschnittliche P90-Anforderungswartezeit, die sich aus allen über den ausgewählten Zeitraum erfassten Werten für die Anforderungswartezeit zusammensetzt	RequestLatency_P90	Millisekunden	Average	<none>	PT1M	Ja
Verkehr	Anforderungslatenz P95 Die durchschnittliche P95-Anforderungswartezeit, die sich aus allen über den ausgewählten Zeitraum erfassten Werten für die Anforderungswartezeit zusammensetzt	RequestLatency_P95	Millisekunden	Average	<none>	PT1M	Ja
Verkehr	Anforderungslatenz P99 Die durchschnittliche P99-Anforderungswartezeit, die sich aus allen über den ausgewählten Zeitraum erfassten Werten für die Anforderungswartezeit zusammensetzt	RequestLatency_P99	Millisekunden	Average	<none>	PT1M	Ja
Verkehr	Anforderungen pro Minute Die Anzahl der Anforderungen, die innerhalb einer Minute an die Onlinebereitstellung gesendet werden	RequestsPerMinute	Anzahl	Average	envoy_response_code	PT1M	No

Metrikdimensionen

Informationen darüber, was metrische Dimensionen sind, finden Sie unter Mehrdimensionale Metriken.

Dieser Dienst weist die folgenden Dimensionen auf, die seinen Metriken zugeordnet sind.

Dimension	Beschreibung
Clustername	Der Name der Computeclusterressource. Diese Dimension ist für alle Kontingentmetriken verfügbar.
Vm Family Name (Name der VM-Familie)	Der Name der vom Cluster verwendeten VM-Familie Diese Dimension ist für die Metrik „Quota Utilization Percentage“ (Prozentsatz der Kontingentnutzung) verfügbar.
Vm Priority (VM-Priorität)	Die Priorität des virtuellen Computers (VM) Diese Dimension ist für die Metrik „Quota Utilization Percentage“ (Prozentsatz der Kontingentnutzung) verfügbar.
CreatedTime	Diese Dimension ist nur für CpuUtilization und GpuUtilization verfügbar.
deviceId	ID des Geräts (GPU). Nur für GpuUtilization verfügbar.
NodeId	ID des erstellten Knotens, auf dem der Auftrag ausgeführt wird. Diese Dimension ist nur für CpuUtilization und GpuUtilization verfügbar.
RunId	ID des Laufs/Auftrags. Diese Dimension ist nur für CpuUtilization und GpuUtilization verfügbar.
ComputeType	Der für die Ausführung verwendete Computetyp Diese Dimension ist nur für die Metriken „Abgeschlossene Ausführungen“, „Failed Runs“ (Ausführungen mit Fehler) und „Started Runs“ (Begonnene Ausführungen) verfügbar.
PipelineStepType	Der Typ des PipelineStep-Objekts, das in der Ausführung verwendet wurde Diese Dimension ist nur für die Metriken „Abgeschlossene Ausführungen“, „Failed Runs“ (Ausführungen mit Fehler) und „Started Runs“ (Begonnene Ausführungen) verfügbar.
PublishedPipelineId	Die ID der veröffentlichten Pipeline, die in der Ausführung verwendet wurde Diese Dimension ist nur für die Metriken „Abgeschlossene Ausführungen“, „Failed Runs“ (Ausführungen mit Fehler) und „Started Runs“ (Begonnene Ausführungen) verfügbar.
RunType	Der Typ der Ausführung. Diese Dimension ist nur für die Metriken „Abgeschlossene Ausführungen“, „Failed Runs“ (Ausführungen mit Fehler) und „Started Runs“ (Begonnene Ausführungen) verfügbar.

Gültige Werte für die RunType-Dimension sind:

Wert	Beschreibung
Experiment	Nicht-Pipelineausführungen
PipelineRun	Eine Pipelineausführung, die das übergeordnete Element einer Schrittausführung (StepRun) ist
StepRun	Eine Ausführung für einen Pipelineschritt
ReusedStepRun	Eine Ausführung für einen Pipelineschritt, in dem eine vorherige Ausführung erneut verwendet wird

Ressourcenprotokolle

In diesem Abschnitt werden die Ressourcenprotokolltypen aufgeführt, die für diesen Service erfasst werden können. Der Abschnitt wird aus der Liste aller in Azure Monitor unterstützten Kategorietypen für Ressourcenprotokolle gezogen.

Unterstützte Ressourcenprotokolle für Microsoft.MachineLearningServices/Registries

Kategorie	Anzeigename der Kategorie	Protokolltabelle	Unterstützt grundlegenden Protokollplan	Unterstützt die Erfassungszeittransformation	Beispielabfragen	Exportkosten
RegistryAssetReadEvent	Leseereignis des Registrierungsobjekts		No	Nein		Ja
RegistryAssetWriteEvent	Schreibereignis des Registrierungsobjekts		No	Nein		Ja

Unterstützte Ressourcenprotokolle für Microsoft.MachineLearningServices/Arbeitsbereiche

Kategorie	Anzeigename der Kategorie	Protokolltabelle	Unterstützt grundlegenden Protokollplan	Unterstützt die Erfassungszeittransformation	Beispielabfragen	Exportkosten
AmlComputeClusterEvent	AmlComputeClusterEvent	AmlComputeClusterEvent AmlCompute Cluster-Ereignisse	No	Ja	Abfragen	No
AmlComputeClusterNodeEvent	AmlComputeClusterNodeEvent		No	Ja		Ja
AmlComputeCpuGpuUtilization	AmlComputeCpuGpuUtilization	AmlComputeCpuGpuUtilization Azure Machine Learning-Dienste CPU- und GPU-Nutzungsprotokolle.	No	Ja	Abfragen	No
AmlComputeJobEvent	AmlComputeJobEvent	AmlComputeJobEvent AmlCompute Job-Ereignisse	No	Ja	Abfragen	No
AmlRunStatusChangedEvent	AmlRunStatusChangedEvent	AmlRunStatusChangedEvent Azure Machine Learning-Dienste führen Statusereignisprotokolle aus.	No	Ja		No
ComputeInstanceEvent	ComputeInstanceEvent	AmlComputeInstanceEvent Ereignisse beim Zugriff auf die ML Compute-Instanz (Lese-/Schreibzugriff)	No	Ja		Ja
DataLabelChangeEvent	DataLabelChangeEvent	AmlDataLabelEvent Ereignisse beim Zugriff auf Datenbezeichnungen oder deren Projekte (gelesen, erstellt oder gelöscht)	No	Ja		Ja
DataLabelReadEvent	DataLabelReadEvent	AmlDataLabelEvent Ereignisse beim Zugriff auf Datenbezeichnungen oder deren Projekte (gelesen, erstellt oder gelöscht)	No	Ja		Ja
DataSetChangeEvent	DataSetChangeEvent	AmlDataSetEvent Ereignisse, wenn auf einen registrierten oder nicht registrierten ML-Datenspeicher zugegriffen wird (gelesen, erstellt oder gelöscht).	No	Ja	Abfragen	Ja
DataSetReadEvent	DataSetReadEvent	AmlDataSetEvent Ereignisse, wenn auf einen registrierten oder nicht registrierten ML-Datenspeicher zugegriffen wird (gelesen, erstellt oder gelöscht).	No	Ja	Abfragen	Ja
DataStoreChangeEvent	DataStoreChangeEvent	AmlDataStoreEvent Ereignisse beim Zugriff auf ML-Datenspeicher (gelesen, erstellt oder gelöscht)	No	Ja		Ja
DataStoreReadEvent	DataStoreReadEvent	AmlDataStoreEvent Ereignisse beim Zugriff auf ML-Datenspeicher (gelesen, erstellt oder gelöscht)	No	Ja		Ja
DeploymentEventACI	DeploymentEventACI	AmlDeploymentEvent Ereignisse bei der Modellimplementierung in ACI oder AKS	No	Ja		Ja
DeploymentEventAKS	DeploymentEventAKS	AmlDeploymentEvent Ereignisse bei der Modellimplementierung in ACI oder AKS	No	Ja		Ja
DeploymentReadEvent	DeploymentReadEvent	AmlDeploymentEvent Ereignisse bei der Modellimplementierung in ACI oder AKS	No	Ja		Ja
EnvironmentChangeEvent	EnvironmentChangeEvent	AmlEnvironmentEvent Ereignisse, wenn auf ML-Umgebungen zugegriffen wird (gelesen, erstellt oder gelöscht).	No	Ja	Abfragen	Ja
EnvironmentReadEvent	EnvironmentReadEvent	AmlEnvironmentEvent Ereignisse, wenn auf ML-Umgebungen zugegriffen wird (gelesen, erstellt oder gelöscht).	No	Ja	Abfragen	Ja
InferencingOperationACI	InferencingOperationACI	AmlInferencingEvent Ereignisse für Rückschlüsse oder verwandte Vorgänge für AKS- oder ACI-Computetypen	No	Ja		Ja
InferencingOperationAKS	InferencingOperationAKS	AmlInferencingEvent Ereignisse für Rückschlüsse oder verwandte Vorgänge für AKS- oder ACI-Computetypen	No	Ja		Ja
ModelsActionEvent	ModelsActionEvent	AmlModelsEvent Ereignisse beim Zugriff auf das ML-Modell (gelesen, erstellt oder gelöscht) Incudes-Ereignisse, wenn das Packen von Modellen und Ressourcen in ein ready-to-Build-Paket erfolgt.	No	Ja	Abfragen	Ja
ModelsChangeEvent	ModelsChangeEvent	AmlModelsEvent Ereignisse beim Zugriff auf das ML-Modell (gelesen, erstellt oder gelöscht) Incudes-Ereignisse, wenn das Packen von Modellen und Ressourcen in ein ready-to-Build-Paket erfolgt.	No	Ja	Abfragen	Ja
ModelsReadEvent	ModelsReadEvent	AmlModelsEvent Ereignisse beim Zugriff auf das ML-Modell (gelesen, erstellt oder gelöscht) Incudes-Ereignisse, wenn das Packen von Modellen und Ressourcen in ein ready-to-Build-Paket erfolgt.	No	Ja	Abfragen	Ja
PipelineChangeEvent	PipelineChangeEvent	AmlPipelineEvent Ereignisse, wenn auf den ML-Pipelineentwurf oder endpunkt oder das Modul zugegriffen wird (gelesen, erstellt oder gelöscht).	No	Ja		Ja
PipelineReadEvent	PipelineReadEvent	AmlPipelineEvent Ereignisse, wenn auf den ML-Pipelineentwurf oder endpunkt oder das Modul zugegriffen wird (gelesen, erstellt oder gelöscht).	No	Ja		Ja
RunEvent	RunEvent	AmlRunEvent Ereignisse beim Zugriff auf ML-Experimente (gelesen, erstellt oder gelöscht)	No	Ja		Ja
RunReadEvent	RunReadEvent	AmlRunEvent Ereignisse beim Zugriff auf ML-Experimente (gelesen, erstellt oder gelöscht)	No	Ja		Ja

Unterstützte Ressourcenprotokolle für Microsoft.MachineLearningServices/workspaces/onlineEndpoints

Kategorie	Anzeigename der Kategorie	Protokolltabelle	Unterstützt grundlegenden Protokollplan	Unterstützt die Erfassungszeittransformation	Beispielabfragen	Exportkosten
AmlOnlineEndpointConsoleLog	AmlOnlineEndpointConsoleLog	AmlOnlineEndpointConsoleLog Konsolenprotokolle der Azure ML-Onlineendpunkte. Sie stellt die Ausgabe von Konsolenprotokollen aus Benutzercontainern bereit.	No	Ja	Abfragen	Ja
AmlOnlineEndpointEventLog	AmlOnlineEndpointEventLog	AmlOnlineEndpointEventLog Azure ML-Onlineendpunkte-Ereignisprotokolle. Es stellt Ereignisprotokolle zum Lebenszyklus des Inference-Server-Containers bereit.	No	No	Abfragen	Ja
AmlOnlineEndpointTrafficLog	AmlOnlineEndpointTrafficLog	AmlOnlineEndpointTrafficLog Datenverkehrsprotokolle für AzureML -Onlineendpunkte (Machine Learning). Die Tabelle kann verwendet werden, um die detaillierten Informationen der Anforderung an einen Onlineendpunkt zu überprüfen. Sie können sie beispielsweise verwenden, um die Anforderungsdauer, den Grund für den Anforderungsfehler usw. zu überprüfen.	No	No	Abfragen	Ja

Tabellen in Azure Monitor-Protokollen

In diesem Abschnitt werden die Azure Monitor Logs-Tabellen aufgeführt, die für diesen Dienst relevant sind, die für abfragen von Log Analytics mithilfe von Kusto-Abfragen verfügbar sind. Die Tabellen enthalten Ressourcenprotokolldaten und möglicherweise mehr, je nachdem, was gesammelt und an sie weitergeleitet wird.

Machine Learning

Microsoft.MachineLearningServices/workspaces

• AzureActivity
• AMLOnlineEndpointConsoleLog
• AMLOnlineEndpointTrafficLog
• AMLOnlineEndpointEventLog
• AzureMetrics
• AMLComputeClusterEvent
• AMLComputeClusterNodeEvent
• AMLComputeJobEvent
• AMLRunStatusChangedEvent
• AMLComputeCpuGpuUtilization
• AMLComputeInstanceEvent
• AMLDataLabelEvent
• AMLDataSetEvent
• AMLDataStoreEvent
• AMLDeploymentEvent
• AMLEnvironmentEvent
• AMLInferencingEvent
• AMLModelsEvent
• AMLPipelineEvent
• AMLRunEvent

Microsoft.MachineLearningServices/registries

• AzureActivity
• AmlRegistryReadEventsLog
• AmlRegistryWriteEventsLog

Aktivitätsprotokoll

In der verknüpften Tabelle sind die Vorgänge aufgeführt, die im Aktivitätsprotokoll für diesen Dienst aufgezeichnet werden können. Diese Operationen sind eine Teilmenge aller möglichen Ressourcenanbietervorgänge im Aktivitätsprotokoll.

Weitere Informationen zum Schema von Aktivitätsprotokolleinträgen finden Sie unter Ereignisschema des Azure-Aktivitätsprotokolls.

In der folgenden Tabelle sind einige Vorgänge im Zusammenhang mit Machine Learning aufgeführt, die im Aktivitätsprotokoll erstellt werden können. Eine vollständige Auflistung der Microsoft.MachineLearningServices-Vorgänge finden Sie unter Microsoft.MachineLearningServices-Ressourcenanbietervorgänge.

Vorgang	BESCHREIBUNG
Creates or updates a Machine Learning workspace (Machine Learning-Arbeitsbereich erstellen oder aktualisieren)	Ein Arbeitsbereich wurde erstellt oder aktualisiert.
CheckComputeNameAvailability	Hiermit wird überprüft, ob ein Computename bereits verwendet wird.
Creates or updates the compute resources (Computeressourcen erstellen oder aktualisieren)	Eine Computeressource wurde erstellt oder aktualisiert.
Deletes the compute resources (Computeressourcen löschen)	Eine Computeressource wurde gelöscht.
Auflisten geheimer Schlüssel	Hiermit werden Geheimnisse für einen Vorgang für einen Machine Learning-Arbeitsbereich aufgelistet.

Protokollschemas

Azure Machine Learning verwendet die folgenden Schemas.

Tabelle AmlComputeJobEvent

Eigenschaft	BESCHREIBUNG
TimeGenerated	Zeitpunkt, zu dem der Protokolleintrag generiert wurde
Vorgangsname	Name des Vorgangs, der dem Protokollereignis zugeordnet ist
Kategorie	Name des Protokollereignisses
JobId	ID des übermittelten Auftrags
ExperimentId	ID des Experiments
ExperimentName	Name des Experiments
CustomerSubscriptionId	Abonnement-ID, unter der das Experiment und der Auftrag übermittelt wurden
WorkspaceName	Name des Machine Learning-Arbeitsbereichs
ClusterName	Name des Clusters
ProvisioningState	Status der Auftragsübermittlung
ResourceGroupName	Name der Ressourcengruppe
JobName	Name des Auftrags
ClusterId	ID des Clusters
EventType	Hierbei handelt es sich um den Typ des Auftragsereignisses. Beispiele: JobSubmitted, JobRunning, JobFailed oder JobSucceeded.
ExecutionState	Hierbei handelt es sich um den Status des Auftrags (der Ausführung). Beispiele: Queued, Running, Succeeded oder Failed.
ErrorDetails	Details zum Auftragsfehler
CreationApiVersion	API-Version, mit der der Auftrag erstellt wurde
ClusterResourceGroupName	Ressourcengruppenname des Clusters
TFWorkerCount	Anzahl der TF-Worker
TFParameterServerCount	Anzahl der TF-Parameterserver
ToolType	Typ des verwendeten Tools
RunInContainer	Flag, das beschreibt, ob der Auftrag in einem Container ausgeführt werden soll
JobErrorMessage	Ausführliche Meldung für den Auftragsfehler
NodeId	ID des erstellten Knotens, auf dem der Auftrag ausgeführt wird

Tabelle AmlComputeClusterEvent

Eigenschaft	BESCHREIBUNG
TimeGenerated	Zeitpunkt, zu dem der Protokolleintrag generiert wurde
Vorgangsname	Name des Vorgangs, der dem Protokollereignis zugeordnet ist
Kategorie	Name des Protokollereignisses
ProvisioningState	Bereitstellungsstatus des Clusters
ClusterName	Name des Clusters
ClusterType	Typ des Clusters
CreatedBy	Benutzer, der den Cluster erstellt hat
CoreCount	Anzahl der Kerne im Cluster
VmSize	VM-Größe des Clusters
VmPriority	Priorität der Knoten, die in einem Cluster erstellt wurden (Dedicated/LowPriority)
ScalingType	Typ der Clusterskalierung (manual/auto)
InitialNodeCount	Anfängliche Knotenanzahl des Clusters
MinimumNodeCount	Kleinste Knotenanzahl des Clusters
MaximumNodeCount	Größte Knotenanzahl des Clusters
NodeDeallocationOption	Art und Weise, wie die Zuordnung des Knotens aufgehoben werden soll
Herausgeber	Herausgeber des Clustertyps
Angebot	Angebot, mit dem der Cluster erstellt wird
Sku	SKU des im Cluster erstellten Knotens/virtuellen Computers
Version	Version des Images, das beim Erstellen des Knotens/virtuellen Computers verwendet wird
SubnetId	Subnetz-ID des Clusters
AllocationState	Zuweisungsstatus des Clusters
CurrentNodeCount	Aktuelle Knotenanzahl des Clusters
TargetNodeCount	Zielknotenanzahl des Clusters beim zentralen Hoch-/Herunterskalieren
EventType	Typ des Ereignisses während der Clustererstellung
NodeIdleTimeSecondsBeforeScaleDown	Leerlaufzeit in Sekunden vor horizontalem Herunterskalieren des Clusters
PreemptedNodeCount	Anzahl der vorzeitig entfernten Knoten des Clusters
IsResizeGrow	Flag, das angibt, dass der Cluster zentral hochskaliert wird
VmFamilyName	Name der VM-Familie der Knoten, die im Cluster erstellt werden können
LeavingNodeCount	Anzahl der verbliebenen Knoten des Clusters
UnusableNodeCount	Anzahl der nicht verwendbaren Knoten des Clusters
IdleNodeCount	Anzahl der nicht verwendbaren Knoten des Clusters
RunningNodeCount	Anzahl der ausführenden Knoten des Clusters
PreparingNodeCount	Anzahl der vorzubereitenden Knoten des Clusters
QuotaAllocated	Zugeordnetes Kontingent für den Cluster
QuotaUtilized	Genutztes Kontingent für den Cluster
AllocationStateTransitionTime	Übergangszeit von einem Zustand in einen anderen
ClusterErrorCodes	Fehlercode, der während der Clustererstellung oder Skalierung empfangen wurde
CreationApiVersion	API-Version, die beim Erstellen des Clusters verwendet wurde

Tabelle AmlComputeInstanceEvent

Eigenschaft	Beschreibung des Dataflows
type	Name des Protokollereignisses, AmlComputeInstanceEvent
TimeGenerated	Zeitpunkt (UTC), zu dem der Protokolleintrag generiert wurde
Ebene	Der Schweregrad des Ereignisses. Er kann „Informational“ (Information), „Warning“ (Warnung), „Error“ (Fehler) oder „Critical“ (Kritisch) lauten.
ResultType	Der Status des Ereignisses. Häufige Werte sind „Started“, „In Progress“, „Succeeded“, „Failed“, „Active“ und „Resolved“ (Gestartet, In Bearbeitung, Erfolgreich, Fehler, Aktiv, Gelöst).
CorrelationId	Eine GUID, die ggf. zum Gruppieren eines Satzes mit verwandten Ereignissen verwendet wird.
Vorgangsname	Der Name des Vorgangs, der dem Protokollereignis zugeordnet ist
Identity	Identität des Benutzers oder der Anwendung, der bzw. die den Vorgang durchgeführt hat
AadTenantId	Die Microsoft Entra-Mandanten-ID, für die der Vorgang übermittelt wurde
AmlComputeInstanceName	Der Name der Compute-Instanz, die dem Protokolleintrag zugeordnet ist

Tabelle AmlDataLabelEvent

Eigenschaft	Beschreibung des Dataflows
type	Name des Protokollereignisses, AmlDataLabelEvent
TimeGenerated	Zeitpunkt (UTC), zu dem der Protokolleintrag generiert wurde
Ebene	Der Schweregrad des Ereignisses. Er kann „Informational“ (Information), „Warning“ (Warnung), „Error“ (Fehler) oder „Critical“ (Kritisch) lauten.
ResultType	Der Status des Ereignisses. Häufige Werte sind „Started“, „In Progress“, „Succeeded“, „Failed“, „Active“ und „Resolved“ (Gestartet, In Bearbeitung, Erfolgreich, Fehler, Aktiv, Gelöst).
CorrelationId	Eine GUID, die ggf. zum Gruppieren eines Satzes mit verwandten Ereignissen verwendet wird.
Vorgangsname	Der Name des Vorgangs, der dem Protokollereignis zugeordnet ist
Identity	Identität des Benutzers oder der Anwendung, der bzw. die den Vorgang durchgeführt hat
AadTenantId	Die Microsoft Entra-Mandanten-ID, für die der Vorgang übermittelt wurde
AmlProjectId	Der eindeutige Bezeichner des Azure Machine Learning-Projekts.
AmlProjectName	Der Name des Azure Machine Learning-Projekts.
AmlLabelNames	Die Bezeichnungsklassennamen, die für das Projekt erstellt werden
AmlDataStoreName	Der Name des Datenspeichers, in dem die Projektdaten gespeichert werden

Tabelle AmlDataSetEvent

Eigenschaft	Beschreibung des Dataflows
type	Der Name des Protokollereignisses, AmlDataSetEvent
TimeGenerated	Zeitpunkt (UTC), zu dem der Protokolleintrag generiert wurde
Ebene	Der Schweregrad des Ereignisses. Er kann „Informational“ (Information), „Warning“ (Warnung), „Error“ (Fehler) oder „Critical“ (Kritisch) lauten.
ResultType	Der Status des Ereignisses. Häufige Werte sind „Started“, „In Progress“, „Succeeded“, „Failed“, „Active“ und „Resolved“ (Gestartet, In Bearbeitung, Erfolgreich, Fehler, Aktiv, Gelöst).
AmlWorkspaceId	Eine GUID und eine eindeutige ID des Azure Machine Learning-Arbeitsbereichs.
Vorgangsname	Der Name des Vorgangs, der dem Protokollereignis zugeordnet ist
Identity	Identität des Benutzers oder der Anwendung, der bzw. die den Vorgang durchgeführt hat
AadTenantId	Die Microsoft Entra-Mandanten-ID, für die der Vorgang übermittelt wurde
AmlDatasetId	Die ID des Azure Machine Learning-Datasets.
AmlDatasetName	Der Name des Azure Machine Learning-Datasets.

Tabelle AmlDataStoreEvent

Eigenschaft	Beschreibung des Dataflows
type	Name des Protokollereignisses, AmlDataStoreEvent
TimeGenerated	Zeitpunkt (UTC), zu dem der Protokolleintrag generiert wurde
Ebene	Der Schweregrad des Ereignisses. Er kann „Informational“ (Information), „Warning“ (Warnung), „Error“ (Fehler) oder „Critical“ (Kritisch) lauten.
ResultType	Der Status des Ereignisses. Häufige Werte sind „Started“, „In Progress“, „Succeeded“, „Failed“, „Active“ und „Resolved“ (Gestartet, In Bearbeitung, Erfolgreich, Fehler, Aktiv, Gelöst).
AmlWorkspaceId	Eine GUID und eine eindeutige ID des Azure Machine Learning-Arbeitsbereichs.
Vorgangsname	Der Name des Vorgangs, der dem Protokollereignis zugeordnet ist
Identity	Identität des Benutzers oder der Anwendung, der bzw. die den Vorgang durchgeführt hat
AadTenantId	Die Microsoft Entra-Mandanten-ID, für die der Vorgang übermittelt wurde
AmlDatastoreName	Der Name des Azure Machine Learning-Datenspeichers.

Tabelle AmlDeploymentEvent

Eigenschaft	Beschreibung des Dataflows
type	Der Name des Protokollereignisses, AmlDeploymentEvent
TimeGenerated	Zeitpunkt (UTC), zu dem der Protokolleintrag generiert wurde
Ebene	Der Schweregrad des Ereignisses. Er kann „Informational“ (Information), „Warning“ (Warnung), „Error“ (Fehler) oder „Critical“ (Kritisch) lauten.
ResultType	Der Status des Ereignisses. Häufige Werte sind „Started“, „In Progress“, „Succeeded“, „Failed“, „Active“ und „Resolved“ (Gestartet, In Bearbeitung, Erfolgreich, Fehler, Aktiv, Gelöst).
Vorgangsname	Der Name des Vorgangs, der dem Protokollereignis zugeordnet ist
Identity	Identität des Benutzers oder der Anwendung, der bzw. die den Vorgang durchgeführt hat
AadTenantId	Die Microsoft Entra-Mandanten-ID, für die der Vorgang übermittelt wurde
AmlServiceName	Der Name des Azure Machine Learning-Diensts.

Tabelle AmlInferencingEvent

Eigenschaft	Beschreibung des Dataflows
type	Der Name des Protokollereignisses, AmlInferencingEvent
TimeGenerated	Zeitpunkt (UTC), zu dem der Protokolleintrag generiert wurde
Ebene	Der Schweregrad des Ereignisses. Er kann „Informational“ (Information), „Warning“ (Warnung), „Error“ (Fehler) oder „Critical“ (Kritisch) lauten.
ResultType	Der Status des Ereignisses. Häufige Werte sind „Started“, „In Progress“, „Succeeded“, „Failed“, „Active“ und „Resolved“ (Gestartet, In Bearbeitung, Erfolgreich, Fehler, Aktiv, Gelöst).
Vorgangsname	Der Name des Vorgangs, der dem Protokollereignis zugeordnet ist
Identity	Identität des Benutzers oder der Anwendung, der bzw. die den Vorgang durchgeführt hat
AadTenantId	Die Microsoft Entra-Mandanten-ID, für die der Vorgang übermittelt wurde
AmlServiceName	Der Name des Azure Machine Learning-Diensts.

Tabelle AmlModelsEvent

Eigenschaft	Beschreibung des Dataflows
type	Der Name des Protokollereignisses, AmlModelsEvent
TimeGenerated	Zeitpunkt (UTC), zu dem der Protokolleintrag generiert wurde
Ebene	Der Schweregrad des Ereignisses. Er kann „Informational“ (Information), „Warning“ (Warnung), „Error“ (Fehler) oder „Critical“ (Kritisch) lauten.
ResultType	Der Status des Ereignisses. Häufige Werte sind „Started“, „In Progress“, „Succeeded“, „Failed“, „Active“ und „Resolved“ (Gestartet, In Bearbeitung, Erfolgreich, Fehler, Aktiv, Gelöst).
Vorgangsname	Der Name des Vorgangs, der dem Protokollereignis zugeordnet ist
Identity	Identität des Benutzers oder der Anwendung, der bzw. die den Vorgang durchgeführt hat
AadTenantId	Die Microsoft Entra-Mandanten-ID, für die der Vorgang übermittelt wurde
ResultSignature	Der HTTP-Statuscode des Ereignisses. Typische Werte sind 200, 201, 202 usw.
AmlModelName	Der Name des Azure Machine Learning-Modells.

Tabelle AmlPipelineEvent

Eigenschaft	Beschreibung des Dataflows
type	Der Name des Protokollereignisses, AmlPipelineEvent
TimeGenerated	Zeitpunkt (UTC), zu dem der Protokolleintrag generiert wurde
Ebene	Der Schweregrad des Ereignisses. Er kann „Informational“ (Information), „Warning“ (Warnung), „Error“ (Fehler) oder „Critical“ (Kritisch) lauten.
ResultType	Der Status des Ereignisses. Häufige Werte sind „Started“, „In Progress“, „Succeeded“, „Failed“, „Active“ und „Resolved“ (Gestartet, In Bearbeitung, Erfolgreich, Fehler, Aktiv, Gelöst).
AmlWorkspaceId	Eine GUID und eine eindeutige ID des Azure Machine Learning-Arbeitsbereichs.
AmlWorkspaceId	Der Name des Azure Machine Learning-Arbeitsbereichs.
Vorgangsname	Der Name des Vorgangs, der dem Protokollereignis zugeordnet ist
Identity	Identität des Benutzers oder der Anwendung, der bzw. die den Vorgang durchgeführt hat
AadTenantId	Die Microsoft Entra-Mandanten-ID, für die der Vorgang übermittelt wurde
AmlModuleId	Eine GUID und eine eindeutige ID des Moduls
AmlModelName	Der Name des Azure Machine Learning-Modells.
AmlPipelineId	Die ID der Azure Machine Learning-Pipeline.
AmlParentPipelineId	Die ID der übergeordneten Azure Machine Learning-Pipeline (beim Klonen).
AmlPipelineDraftId	Die ID des Azure Machine Learning-Pipelineentwurfs.
AmlPipelineDraftName	Der Name des Azure Machine Learning-Pipelineentwurfs.
AmlPipelineEndpointId	Die ID des Azure Machine Learning-Pipelineendpunkts.
AmlPipelineEndpointName	Der Name des Azure Machine Learning-Pipelineendpunkts.

Tabelle AmlRunEvent

Eigenschaft	Beschreibung des Dataflows
type	Der Name des Protokollereignisses, AmlRunEvent
TimeGenerated	Zeitpunkt (UTC), zu dem der Protokolleintrag generiert wurde
Ebene	Der Schweregrad des Ereignisses. Er kann „Informational“ (Information), „Warning“ (Warnung), „Error“ (Fehler) oder „Critical“ (Kritisch) lauten.
ResultType	Der Status des Ereignisses. Häufige Werte sind „Started“, „In Progress“, „Succeeded“, „Failed“, „Active“ und „Resolved“ (Gestartet, In Bearbeitung, Erfolgreich, Fehler, Aktiv, Gelöst).
Vorgangsname	Der Name des Vorgangs, der dem Protokollereignis zugeordnet ist
AmlWorkspaceId	Eine GUID und eine eindeutige ID des Azure Machine Learning-Arbeitsbereichs.
Identity	Identität des Benutzers oder der Anwendung, der bzw. die den Vorgang durchgeführt hat
AadTenantId	Die Microsoft Entra-Mandanten-ID, für die der Vorgang übermittelt wurde
RunId	Die eindeutige ID des Durchlaufs.

Tabelle „AmlEnvironmentEvent“

Eigenschaft	Beschreibung des Dataflows
type	Der Name des Protokollereignisses, AmlEnvironmentEvent
TimeGenerated	Zeitpunkt (UTC), zu dem der Protokolleintrag generiert wurde
Ebene	Der Schweregrad des Ereignisses. Er kann „Informational“ (Information), „Warning“ (Warnung), „Error“ (Fehler) oder „Critical“ (Kritisch) lauten.
Vorgangsname	Der Name des Vorgangs, der dem Protokollereignis zugeordnet ist
Identity	Identität des Benutzers oder der Anwendung, der bzw. die den Vorgang durchgeführt hat
AadTenantId	Die Microsoft Entra-Mandanten-ID, für die der Vorgang übermittelt wurde
AmlEnvironmentName	Der Name der Azure Machine Learning-Umgebungskonfiguration.
AmlEnvironmentVersion	Der Name der Azure Machine Learning-Umgebungskonfigurationsversion.

Tabelle „AMLOnlineEndpointTrafficLog“ (Vorschau)

Eigenschaft	BESCHREIBUNG
Methode	Die vom Client angeforderte Methode.
`Path`	Der vom Client angeforderte Pfad.
SubscriptionId	Die Machine Learning-Abonnement-ID des Onlineendpunkts.
AzureMLWorkspaceId	Die Machine Learning-Arbeitsbereichs-ID des Onlineendpunkts.
AzureMLWorkspaceName	Der Name des Machine Learning-Arbeitsbereichs des Online-Endpunkts.
EndpointName	Der Name des Onlineendpunkts.
DeploymentName	Der Name der Onlinebereitstellung.
Protocol	Das Protokoll der Anforderung.
ResponseCode	Der endgültige Antwortcode, der an den Client zurückgegeben wird.
ResponseCodeReason	Der endgültige Grund für den Antwortcode, der an den Client zurückgegeben wird.
ModelStatusCode	Der Antwortstatuscode vom Modell.
ModelStatusReason	Der Antwortstatusgrund vom Modell.
RequestPayloadSize	Die insgesamt vom Client empfangenen Bytes.
ResponsePayloadSize	Die insgesamt an den Client zurückgesendeten Bytes.
UserAgent	Der Benutzer-Agent-Header der Anforderung, einschließlich Kommentaren, aber auf maximal 70 Zeichen abgeschnitten.
XRequestId	Die von Azure Machine Learning für die interne Ablaufverfolgung generierte ID der Anforderung.
XMSClientRequestId	Die vom Client generierte Nachverfolgungs-ID.
TotalDurationMs	Dauer in Millisekunden vom Startzeitpunkt der Anforderung bis zum letzten Antwortbyte, das an den Client zurückgesendet wurde. Wenn der Client die Verbindung unterbrochen hat, wird die Zeit von der Startzeit bis zur Unterbrechung der Verbindung durch den Client gemessen.
RequestDurationMs	Dauer in Millisekunden vom Startzeitpunkt der Anforderung bis zum letzten Byte der vom Client empfangenen Anforderung.
ResponseDurationMs	Dauer in Millisekunden vom Startzeitpunkt der Anforderung bis zum ersten vom Modell gelesenen Antwortbyte.
RequestThrottlingDelayMs	Verzögerung in Millisekunden bei der Übertragung von Anforderungen aufgrund der Netzwerk-Bandbreiteneinschränkung.
ResponseThrottlingDelayMs	Verzögerung in Millisekunden bei der Antwortdatenübertragung aufgrund der Netzwerk-Bandbreiteneinschränkung.

Weitere Informationen zu diesem Protokoll finden Sie unter Überwachen von Onlineendpunkten.

AMLOnlineEndpointConsoleLog

Eigenschaft	BESCHREIBUNG
TimeGenerated	Der Zeitstempel (UTC), wann das Protokoll generiert wurde.
Vorgangsname	Der mit der Protokollaufzeichnung verbundene Vorgang.
InstanceId	Die ID der Instanz, die diesen Protokolldatensatz generiert hat.
DeploymentName	Der Name der Bereitstellung, die dem Protokolldatensatz zugeordnet ist.
ContainerName	Der Name des Containers, in dem das Protokoll generiert wurde.
`Message`	Der Inhalt des Protokolls.

Weitere Informationen zu diesem Protokoll finden Sie unter Überwachen von Onlineendpunkten.

AMLOnlineEndpointEventLog (Vorschau)

Eigenschaft	BESCHREIBUNG
TimeGenerated	Der Zeitstempel (UTC), wann das Protokoll generiert wurde.
Vorgangsname	Der mit der Protokollaufzeichnung verbundene Vorgang.
InstanceId	Die ID der Instanz, die diesen Protokolldatensatz generiert hat.
DeploymentName	Der Name der Bereitstellung, die dem Protokolldatensatz zugeordnet ist.
Name	Der Name des Ereignisses.
`Message`	Der Inhalt des Protokolls.

Weitere Informationen zu diesem Protokoll finden Sie unter Überwachen von Onlineendpunkten.

Zugehöriger Inhalt

• Eine Beschreibung der Überwachung von Machine Learning finden Sie unter Monitor Machine Learning .
• Weitere Informationen zur Überwachung von Azure-Ressourcen finden Sie unter Überwachen von Azure-Ressourcen mit Azure Monitor.