Integrációs modul figyelése felügyelt virtuális hálózaton belül

A következőkre vonatkozik: Azure Data Factory Azure Synapse Analytics

Tipp.

Próbálja ki a Data Factoryt a Microsoft Fabricben, amely egy teljes körű elemzési megoldás a nagyvállalatok számára. A Microsoft Fabric az adattovábbítástól az adatelemzésig, a valós idejű elemzésig, az üzleti intelligenciáig és a jelentéskészítésig mindent lefed. Ismerje meg, hogyan indíthat új próbaverziót ingyenesen!

Az Azure Data Factory által felügyelt virtuális hálózatokkal biztonságosan csatlakoztathatja adatforrásait egy olyan virtuális hálózathoz, amelyet a Data Factory szolgáltatás kezel. Ezzel a képességgel privát és elkülönített környezetet hozhat létre az adatintegrációs és vezénylési folyamatokhoz.

Felügyelt virtuális hálózat használata esetén a Data Factory adatintegrációs és vezénylési képességeit kombinálja az Azure-beli virtuális hálózatok biztonságával és rugalmasságával. Lehetővé teszi, hogy robusztus, méretezhető és biztonságos adatintegrációs folyamatokat hozzon létre, amelyek zökkenőmentesen csatlakoznak a hálózati erőforrásokhoz, akár a helyszínen, akár a felhőben.

A felügyelt számítás egyik gyakori problémája a teljesítmény és az állapot láthatóságának hiánya, különösen egy felügyelt virtuális hálózati környezetben. Megfelelő monitorozás nélkül a problémák azonosítása és megoldása nehézkessé válik, és potenciális késésekhez, hibákhoz és teljesítménycsökkenéshez vezethet.

A Data Factory továbbfejlesztett monitorozásával értékes betekintést nyerhet az adatintegrációs folyamatokba. Ezek az elemzések jobb hatékonyságot, jobb erőforrás-kihasználtságot és nagyobb általános teljesítményt eredményezhetnek. Proaktív monitorozással és időbeni riasztásokkal kezelheti a problémákat, optimalizálhatja a munkafolyamatokat, és zökkenőmentesen hajthatja végre az adatintegrációs folyamatokat a felügyelt virtuális hálózati környezetben.

Új metrikák

Az új metrikák bevezetése javítja a felügyelt virtuális hálózati környezetek láthatósági és monitorozási képességeit.

Az Azure Data Factory három különböző számítási készlettípust biztosít:

• Másolási tevékenység számítása
• Folyamattevékenységek számítása, például keresés
• Számítás külső tevékenységhez, például Azure Databricks-jegyzetfüzethez

Ezek a számítási készletek rugalmasságot és méretezhetőséget biztosítanak a különböző számítási feladatok kezeléséhez és az erőforrások optimális lefoglalásához. Mindegyik adott tevékenységvégrehajtási követelményeknek megfelelően van kialakítva.

Az összes számítási készlet egységes és átfogó monitorozásának biztosítása érdekében ugyanazokat a monitorozási metrikákat implementáltuk:

• Kapacitás kihasználtsága
• Rendelkezésre álló kapacitás százalékos aránya
• Várakozási várólista hossza

A használt számítási készlet típusától függetlenül szabványosított metrikákhoz férhet hozzá és elemezhet, így betekintést nyerhet az adatintegrációs tevékenységek teljesítményébe és állapotába.

Feljegyzés

Ezek a metrikák csak akkor érvényesek, ha egy felügyelt virtuális hálózaton belüli integrációs modulban engedélyezi az élettartamot (TTL).

Metrika	Unit (Egység)	Leírás
Az MVNet integrációs modul kapacitás-kihasználtságának másolása	Százalék	A felügyelt virtuális hálózat integrációs moduljában a TTL-másolási tevékenységek adatintegráció egység (DIU) kihasználtságának maximális százalékos aránya egy 1 perces időszakon belül.
Az MVNet-integrációs futtatókörnyezet rendelkezésre álló kapacitásának másolása	Százalék	A TTL-másolási tevékenységekhez elérhető diu maximális százalékos aránya egy felügyelt virtuális hálózat integrációs moduljában egy 1 perces időszakon belül.
Az MVNet integrációs modul várakozási várólista-hosszának másolása	Count	A TTL másolási tevékenységek várakozási várólista-hossza egy felügyelt virtuális hálózat integrációs moduljában egy 1 perces ablakban.
MVNet-integrációs futtatókörnyezet folyamatkapacitás-kihasználtsága	Százalék	Egy felügyelt virtuális hálózat integrációs moduljában a folyamattevékenységek diu-kihasználtságának maximális százalékos aránya egy 1 perces időszakon belül.
Az MVNet-integrációs futtatókörnyezet rendelkezésre álló kapacitásának százalékos aránya	Százalék	A felügyelt virtuális hálózat integrációs moduljában a folyamattevékenységekhez rendelkezésre álló DIU maximális százalékos aránya egy 1 perces időszakon belül.
Az MVNet-integrációs futtatókörnyezet folyamatvárad-várakozási várólista-hossza	Count	A folyamattevékenységek várakozási várólista-hossza egy felügyelt virtuális hálózat integrációs moduljában egy perc alatt.
Az MVNet-integrációs modul külső kapacitáskihasználtsága	Százalék	A felügyelt virtuális hálózat integrációs moduljában a külső tevékenységek diu-kihasználtságának maximális százalékos aránya egy 1 perces időszakon belül.
Az MVNet-integrációs modul külső rendelkezésre álló kapacitásának százalékos aránya	Százalék	A felügyelt virtuális hálózat integrációs moduljában a külső tevékenységekhez elérhető DIU maximális százalékos aránya egy 1 perces időszakon belül.
Az MVNet integrációs moduljának külső várakozási várólista-hossza	Count	A külső tevékenységek várakozási várólista-hossza egy felügyelt virtuális hálózat integrációs moduljában egy perc alatt.

További információ ezekről a metrikákról: Microsoft.DataFactory/factorys támogatott metrikák.

Metrikák használata teljesítményoptimalizáláshoz

A metrikák használatával zökkenőmentesen nyomon követheti és értékelheti az integrációs futtatókörnyezet teljesítményét és robusztusságát egy felügyelt virtuális hálózaton belül. A számítási beállítások és a munkafolyamat optimalizálásával a hatékonyság maximalizálása érdekében feltárhatja a folyamatos fejlesztés lehetséges területeit is.

A metrikák gyakorlati alkalmazásának pontosabb megismerése érdekében íme néhány példaforgatókönyv.

Elosztott

Ha azt tapasztalja, hogy a kapacitás kihasználtsága 100 százalék alatt van, és a rendelkezésre álló kapacitási százalék magas, a lefoglalt számítási erőforrásokat hatékonyan használják fel.

Ha a várakozási várólista hossza folyamatosan alacsony marad, vagy időnként rövid kiugró értékeket tapasztal, javasoljuk, hogy várjon más tevékenységeket, amíg a kapacitás kihasználtsága eléri a 100%-ot. Ez a megközelítés biztosítja az erőforrások optimális kihasználtságát, és segít a zökkenőmentes munkafolyamatok minimális késleltetéssel történő fenntartásában.

Teljesítményorientált

Ha azt tapasztalja, hogy a kapacitás kihasználtsága folyamatosan alacsony, és a várakozási várólista hossza folyamatosan alacsony marad, vagy időnként rövid kiugró csúcsokat tapasztal, a fenntartott számítási erőforrások magasabbak, mint a tevékenységek iránti kereslet.

Ilyen esetekben , függetlenül attól, hogy a rendelkezésre álló kapacitás százalékos értéke magas vagy alacsony, javasoljuk, hogy csökkentse a lefoglalt számítási erőforrásokat a költségek csökkentése érdekében. A számítási feladatok követelményeinek megfelelő számítással optimalizálhatja az erőforrás-kihasználtságot, és anélkül takaríthat meg költségeket, hogy veszélyeztetné a műveletek hatékonyságát.

Költségorientált

Ha azt tapasztalja, hogy az összes metrika (beleértve a kapacitáskihasználtságot, a rendelkezésre álló kapacitás százalékát és a várakozási várólista hosszát) magas, akkor a fenntartott számítási erőforrások valószínűleg nem elegendőek a tevékenységekhez.

Ebben a forgatókönyvben azt javasoljuk, hogy növelje a lefoglalt számítási erőforrásokat a várakozási idő csökkentése érdekében. Több számítási kapacitás hozzáadásával biztosítható, hogy a tevékenységek elegendő erőforrással rendelkezzenek a hatékony futtatáshoz, ami minimálisra csökkenti a zsúfolt üzenetsorok okozta késéseket.

Időszakos tevékenység végrehajtása

Ha azt tapasztalja, hogy a rendelkezésre álló kapacitás százalékos értéke alacsony és magas között ingadozik egy adott időszakon belül, annak oka valószínűleg a tevékenységek időszakos végrehajtása, ahol a konfigurált élettartam (TTL) rövidebb, mint a tevékenységek közötti intervallum. Ez jelentős hatással lehet a munkafolyamat teljesítményére. A probléma megoldásához két lehetséges megoldás létezik. Először is sorba állíthat további tevékenységeket a konzisztens számítási feladatok fenntartása és a rendelkezésre álló számítási erőforrások hatékonyabb kihasználása érdekében. Ha folyamatosan tartja a számítást, elkerülheti a bemelegítési időt, és jobb teljesítményt érhet el. Azt is megteheti, hogy a TTL-időtartamot a tevékenységek közötti intervallumhoz igazítja. Ez biztosítja, hogy a számítási erőforrások hosszabb ideig elérhetők maradjanak, csökkentve a bemelegítési időszakok gyakoriságát és a költséghatékonyság optimalizálását.

Ezen megoldások bármelyikének implementálásával javíthatja a munkafolyamat teljesítményét, minimalizálhatja a költségekkel járó következményeket, és zökkenőmentesebbé teheti az időszakos tevékenységeket.

Kapcsolódó tartalom

A következő cikkből megismerheti a felügyelt virtuális hálózatokat és a felügyelt privát végpontokat: Az Azure Data Factory által felügyelt virtuális hálózatot.