Métriques des travaux Azure Stream Analytics

  • Article

Azure Stream Analytics vous fournit de nombreuses mesures qui peuvent servir à surveiller et résoudre les problèmes affectant les performances de vos requêtes et de vos travaux. Vous pouvez afficher les données de ces métriques sur la page Vue d’ensemble du portail Azure, dans la section Surveillance.

Screenshot of the Azure portal that shows the section for monitoring Stream Analytics jobs.

Si vous souhaitez vérifier une métrique spécifique, sélectionnez Métriques dans la section Surveillance. Dans la page qui s’affiche, sélectionnez la métrique.

Screenshot that shows selecting a metric in the Stream Analytics job monitoring dashboard.

Mesures disponibles pour Stream Analytics

Azure Stream Analytics fournit les métriques suivantes pour vous permettre de surveiller l’intégrité de votre travail.

Métrique Définition
Événements d'entrée en backlog Nombre d’événements d’entrée qui sont en backlog. Une valeur non nulle pour cette métrique implique que votre travail n’est pas en mesure de suivre le nombre d’événements entrants. Si cette valeur est croissante ou constamment différente de zéro, vous devez effectuer un scale-out de votre travail. Pour plus d’informations, consultez Comprendre et ajuster les unités de diffusion en continu.
Erreurs de conversion de données Nombre d’événements de sortie qui n’ont pas pu être convertis dans le schéma de sortie attendu. Pour supprimer les événements qui rencontrent ce scénario, vous pouvez modifier la stratégie d’erreur en Annuler.
% d’utilisation de l’UC (préversion) Pourcentage d’UC que votre travail utilise. Même si cette valeur est très élevée (90 % ou plus), vous ne devez pas augmenter le nombre de SU uniquement sur la base de cette métrique. Si le nombre d’événements d’entrée en backlog ou de délais en filigrane augmente, vous pouvez utiliser cette métrique pour déterminer si le processeur constitue le goulot d’étranglement.

Cette métrique peut avoir des pics intermittents. Nous vous recommandons d’effectuer des tests de mise à l’échelle pour déterminer la limite supérieure de votre travail après laquelle les entrées sont en backlog ou les délais en filigrane augmentent en raison d’un goulot d’étranglement du processeur.
Événements d’entrée précoces Événements dont l’horodatage d’application est antérieur à leur heure d’arrivée de plus de 5 minutes.
Requêtes de fonction ayant échoué Nombre d’appels à la fonction Azure Machine Learning ayant échoué (le cas échéant).
Événements de fonction Nombre d’événements envoyés à la fonction Azure Machine Learning (le cas échéant).
Requêtes de fonction Nombre d’appels à la fonction Azure Machine Learning (le cas échéant).
Erreurs de désérialisation d’entrée Nombre d’événements d’entrée qui n’ont pas pu être désérialisés.
Octets des événements d’entrée Quantité de données que le travail Stream Analytics reçoit, en octets. Vous pouvez utiliser cette métrique pour valider que les événements sont envoyés à la source d’entrée.
Événements d’entrée Nombre d’enregistrements désérialisé à partir des événements d’entrée. Ce nombre n’inclut pas les événements entrants qui génèrent des erreurs de désérialisation. Stream Analytics peut ingérer les mêmes événements plusieurs fois dans des scénarios comme les récupérations internes ou les jointures réflexives. Ne vous attendez pas à ce que les métriques Événements d’entrée et Événements de sortie correspondent si votre travail comporte une simple requête directe.
Sources d'entrée reçues Nombre de messages reçus par le travail. Pour Azure Event Hubs, un message est un élément EventData unique. Pour Stockage Blob Azure, un message est un blob unique.

Notez que les sources d’entrée sont comptabilisées avant la désérialisation. En cas d’erreurs de désérialisation, les sources d’entrée peuvent être supérieures aux événements d’entrée. Sinon, les sources d’entrée peuvent être inférieures ou égales aux événements d’entrée dans la mesure où chaque message peut contenir plusieurs événements.
Événements d’entrée tardifs Événements reçus plus tard que la valeur configurée dans la fenêtre de tolérance d’arrivée tardive. En savoir plus sur les Considérations relatives à l’ordre des événements Azure Stream Analytics.
Événements dans le désordre Nombre d’événements reçus dans le désordre qui ont été supprimés ou dont l’horodatage a été réglé, en fonction de la stratégie de classement des événements. Cette métrique peut être affectée par la configuration du paramètre Plage de tolérance pour les événements en désordre.
Événements de sortie Quantité de données envoyées par le travail Stream Analytics à la cible de sortie, en nombre d’événements.
Erreurs d’exécution Nombre total d’erreurs liées au traitement des requêtes. Cela exclut les erreurs trouvées lors de l’ingestion d’événements ou de la sortie des résultats.
SU (Mémoire) % d'utilisation Pourcentage de mémoire que votre travail utilise. Si cette métrique est régulièrement supérieure à 80 %, le délai en filigrane augmente; tout comme le nombre d’événements retardés. Dans ce cas, vous pouvez d’augmenter les unités de streaming (SU). Une utilisation intensive indique que la tâche atteint une limite proche de la quantité maximale de ressources allouées.
Délai en filigrane Le délai en filigrane maximal sur toutes les partitions de toutes les sorties du travail.

Scénarios à superviser

Azure Stream Analytics fournit un service de traitement de streaming serverless et distribué. Les travaux peuvent s’exécuter sur un ou plusieurs nœuds de streaming distribués, que le service gère automatiquement. Les données d’entrée sont partitionnées et allouées à différents nœuds de streaming pour être traitées.

Métrique Condition Agrégation du temps Seuil Actions correctives
SU (Mémoire) % d'utilisation Supérieur à Average 80 Plusieurs facteurs augmentent l’utilisation des SU. Vous pouvez effectuer une mise à l’échelle avec la parallélisation de requête ou augmenter le nombre d’unités de streaming. Pour plus d’informations, consultez Profiter de la parallélisation de requête dans Azure Stream Analytics.
% d’utilisation de l’UC Supérieur à Average 90 Cela signifie probablement que certaines opérations (comme les fonctions définies par l’utilisateur, les agrégats définis par l’utilisateur ou la désérialisation d’entrée complexe) nécessitent beaucoup de cycles d’UC. Vous pouvez généralement surmonter ce problème en augmentant le nombre de SU pour le travail.
Erreurs d’exécution Supérieur à Total 0 Examinez les journaux d’activité ou de ressources, puis apportez les modifications appropriées aux entrées, requêtes ou sorties.
Délai en filigrane Supérieur à Average Quand la valeur moyenne de cette métrique sur les 15 dernières minutes est supérieure à la tolérance d’arrivée tardive (en secondes). Si vous n’avez pas modifié la tolérance d’arrivée tardive, la valeur par défaut est définie sur 5 secondes. Essayez d’augmenter le nombre d’unités de streaming ou de paralléliser votre requête. Pour plus d’informations sur les unités de streaming, consultez Comprendre et ajuster les unités de streaming. Pour plus d’informations sur la parallélisation de votre requête, consultez Tirer parti de la parallélisation de requête dans Azure Stream Analytics.
Erreurs de désérialisation d’entrée Supérieur à Total 0 Examinez les journaux d’activité ou de ressources, puis apportez les modifications appropriées à l’entrée. Pour plus d’informations sur les journaux de ressources, consultez Résoudre les problèmes liés à Azure Stream Analytics à l’aide des journaux de ressources.

Aide

Pour obtenir de l’aide supplémentaire, essayez la page Q&A Microsoft pour Azure Stream Analytics.

Étapes suivantes