Métriques des travaux Azure Stream Analytics
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.
Si vous souhaitez vérifier une métrique spécifique, sélectionnez Métriques dans la section Surveillance. Dans la page qui s’affiche, sélectionnez la métrique.
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
- Présentation d’Azure Stream Analytics
- Dimensions des métriques Azure Stream Analytics
- Comprendre et ajuster les unités de streaming
- Analyser les performances des travaux Azure Stream Analytics à l’aide des métriques et dimensions
- Surveiller un travail Stream Analytics avec le Portail Azure
- Prise en main d’Azure Stream Analytics