Referenz zu Azure Stream Analytics-Überwachungsdaten
Dieser Artikel enthält alle Referenzinformationen zur Überwachung dieses Dienstes.
Details zu den Daten, die Sie für Azure Stream Analytics sammeln können, und deren Verwendung finden Sie unter "Überwachen von Azure Stream Analytics ".
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.
Unterstützte Metriken für Microsoft.StreamAnalytics/streamingjobs
In der folgenden Tabelle sind die Metriken aufgeführt, die für den Ressourcentyp "Microsoft.StreamAnalytics/streamingjobs" 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.
PT1Mbedeutet zum Beispiel, dass die Metrik jede Minute abgerufen wird,PT30Malle 30 Minuten,PT1Hjede 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 |
|---|---|---|---|---|---|---|---|
| Fehlerhafte Funktionsanforderungen Fehlerhafte Funktionsanforderungen |
AMLCalloutFailedRequests |
Anzahl | Gesamt | LogicalName, , PartitionIdProcessorInstanceNodeName |
PT1M | Ja | |
| Funktionsereignisse Funktionsereignisse |
AMLCalloutInputEvents |
Anzahl | Gesamt | LogicalName, , PartitionIdProcessorInstanceNodeName |
PT1M | Ja | |
| Funktionsanforderungen Funktionsanforderungen |
AMLCalloutRequests |
Anzahl | Gesamt | LogicalName, , PartitionIdProcessorInstanceNodeName |
PT1M | Ja | |
| Konvertierungsfehler Konvertierungsfehler |
ConversionErrors |
Anzahl | Gesamt | LogicalName, , PartitionIdProcessorInstanceNodeName |
PT1M | Ja | |
| Eingabedeserialisierungsfehler Eingabefehler bei Deserialisierung |
DeserializationError |
Anzahl | Gesamt | LogicalName, , PartitionIdProcessorInstanceNodeName |
PT1M | Ja | |
| Nicht sortierte Ereignisse Ereignisse für falsche Reihenfolge |
DroppedOrAdjustedEvents |
Anzahl | Gesamt | LogicalName, , PartitionIdProcessorInstanceNodeName |
PT1M | Ja | |
| Frühe Eingabeereignisse Frühe Eingabeereignisse |
EarlyInputEvents |
Anzahl | Gesamt | LogicalName, , PartitionIdProcessorInstanceNodeName |
PT1M | Ja | |
| Laufzeitfehler Laufzeitfehler |
Errors |
Anzahl | Gesamt | LogicalName, , PartitionIdProcessorInstanceNodeName |
PT1M | Ja | |
| Eingabeereignisbytes Eingabeereignisbytes |
InputEventBytes |
Byte | Gesamt | LogicalName, , PartitionIdProcessorInstanceNodeName |
PT1M | Ja | |
| Eingabeereignisse Eingabeereignisse |
InputEvents |
Anzahl | Gesamt | LogicalName, , PartitionIdProcessorInstanceNodeName |
PT1M | Ja | |
| Eingabeereignisse im Rückstand Eingabeereignisse im Rückstand |
InputEventsSourcesBacklogged |
Anzahl | Mittelwert, Maximum, Minimum | LogicalName, , PartitionIdProcessorInstanceNodeName |
PT1M | Ja | |
| Empfangene Eingabequellen Empfangene Eingabequellen |
InputEventsSourcesPerSecond |
Anzahl | Gesamt | LogicalName, , PartitionIdProcessorInstanceNodeName |
PT1M | Ja | |
| Ereignisse bei verspäteter Eingabe Ereignisse bei verspäteter Eingabe |
LateInputEvents |
Anzahl | Gesamt | LogicalName, , PartitionIdProcessorInstanceNodeName |
PT1M | Ja | |
| Ausgabeereignisse Ausgabeereignisse |
OutputEvents |
Anzahl | Gesamt | LogicalName, , PartitionIdProcessorInstanceNodeName |
PT1M | Ja | |
| Wasserzeichenverzögerung Wasserzeichenverzögerung |
OutputWatermarkDelaySeconds |
Sekunden | Mittelwert, Maximum, Minimum | LogicalName, , PartitionIdProcessorInstanceNodeName |
PT1M | Ja | |
| CPU-Auslastung in Prozent CPU-Auslastung in Prozent |
ProcessCPUUsagePercentage |
Percent | Mittelwert, Maximum, Minimum | LogicalName, , PartitionIdProcessorInstanceNodeName |
PT1M | Ja | |
| SU (Speicher) % Auslastung SU (Speicher) % Auslastung |
ResourceUtilization |
Percent | Mittelwert, Maximum, Minimum | LogicalName, , PartitionIdProcessorInstanceNodeName |
PT1M | Ja |
Metrikbeschreibungen
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. |
Metrikdimensionen
Informationen darüber, was metrische Dimensionen sind, finden Sie unter Mehrdimensionale Metriken.
Dieser Dienst weist die folgenden Dimensionen auf, die seinen Metriken zugeordnet sind.
- Logischer Name: Der Eingabe- oder Ausgabename für einen Azure Stream Analytics-Auftrag.
- Partitions-ID: Die ID der Eingabedatenpartition aus einer Eingabequelle.
- Knotenname: Der Bezeichner eines Streamingknotens, der beim Ausführen eines Auftrags bereitgestellt wird.
Ausführliche Informationen finden Sie unter Dimensionen für Azure Stream Analytics-Metriken.
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.StreamAnalytics/streamingjobs
| Kategorie | Anzeigename der Kategorie | Protokolltabelle | Unterstützt grundlegenden Protokollplan | Unterstützt die Erfassungszeittransformation | Beispielabfragen | Exportkosten |
|---|---|---|---|---|---|---|
Authoring |
Erstellen | AzureDiagnostics Protokolle aus mehreren Azure-Ressourcen. |
No | No | Abfragen | No |
Execution |
Ausführung | AzureDiagnostics Protokolle aus mehreren Azure-Ressourcen. |
No | No | Abfragen | No |
Das Schema und die Eigenschaften von Ressourcenprotokollen für Datenfehler und -ereignisse finden Sie unter Ressourcenprotokollschema.
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.
Stream Analytics-Aufträge
microsoft.streamanalytics/streamingjobs
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.