Az Azure Stream Analytics monitorozási adatainak referenciája
Ez a cikk a szolgáltatás figyelési referenciaadatait tartalmazza.
Az Azure Stream Analyticshez gyűjthető adatokról és azok használatáról az Azure Stream Analytics monitorozása című témakörben olvashat.
Mérőszámok
Ez a szakasz a szolgáltatáshoz automatikusan gyűjtött platformmetrikákat sorolja fel. Ezek a metrikák az Azure Monitorban támogatott összes platformmetrika globális listájának részét képezik.
A metrikamegőrzésről további információt az Azure Monitor Metrics áttekintésében talál.
Az Azure Stream Analytics számos metrikát biztosít, amelyekkel monitorozhat és elháríthatja a lekérdezési és feladatteljesítményt. Ezekből a metrikákból származó adatokat az Azure Portal Áttekintés lapján, a Figyelés szakaszban tekintheti meg.
Ha egy adott metrikát szeretne ellenőrizni, válassza a Metrika lehetőséget a Figyelés szakaszban. A megjelenő lapon válassza ki a metrikát.
A Microsoft.StreamAnalytics/streamingjobs támogatott metrikái
Az alábbi táblázat a Microsoft.StreamAnalytics/streamingjobs erőforrástípushoz elérhető metrikákat sorolja fel.
- Előfordulhat, hogy nem minden oszlop szerepel minden táblában.
- Előfordulhat, hogy egyes oszlopok a lap megtekintési területén kívül esnek. Válassza a Táblázat kibontása lehetőséget az összes elérhető oszlop megtekintéséhez.
Táblázatfejlécek
- Kategória – A metrikák csoportja vagy besorolása.
- Metrika – A metrika megjelenítendő neve az Azure Portalon.
- Név a REST API-ban – A REST API-ban említett metrikanév.
- Egység – Mértékegység.
- Összesítés – Az alapértelmezett összesítési típus. Érvényes értékek: Átlag (Avg), Minimum (Min), Maximum (Max), Összeg (Összeg), Darabszám.
- A metrikához elérhető dimenziók - dimenziói.
- Időszemcse-intervallumok - , amelyeken a metrika mintavétele történik. Például azt jelzi,
PT1Mhogy a metrika mintavétele percenként,PT30M30 percenként,PT1Hóránként és így tovább történik. - DS Export – Azt jelzi, hogy a metrika exportálható-e az Azure Monitor-naplókba diagnosztikai beállításokon keresztül. A metrikák exportálásával kapcsolatos információkért lásd: Diagnosztikai beállítások létrehozása az Azure Monitorban.
| Kategória | Metrika | Név a REST API-ban | Unit (Egység) | Összesítés | Dimenziók | Időszemcsék | DS-exportálás |
|---|---|---|---|---|---|---|---|
| Sikertelen függvénykérelemek Sikertelen függvénykérések |
AMLCalloutFailedRequests |
Count | Összeg (összeg) | LogicalName, PartitionId, ProcessorInstanceNodeName |
PT1M | Igen | |
| Függvényesemények Függvényesemények |
AMLCalloutInputEvents |
Count | Összeg (összeg) | LogicalName, PartitionId, ProcessorInstanceNodeName |
PT1M | Igen | |
| Függvénykérelmek Függvénykérések |
AMLCalloutRequests |
Count | Összeg (összeg) | LogicalName, PartitionId, ProcessorInstanceNodeName |
PT1M | Igen | |
| Adatkonvertálási hibák Adatátalakítási hibák |
ConversionErrors |
Count | Összeg (összeg) | LogicalName, PartitionId, ProcessorInstanceNodeName |
PT1M | Igen | |
| Bemeneti deszerializálási hibák Bemenet-deszerializálási hibák |
DeserializationError |
Count | Összeg (összeg) | LogicalName, PartitionId, ProcessorInstanceNodeName |
PT1M | Igen | |
| Rendelésen kívüli események Rendelésen kívüli események |
DroppedOrAdjustedEvents |
Count | Összeg (összeg) | LogicalName, PartitionId, ProcessorInstanceNodeName |
PT1M | Igen | |
| Korai bemeneti események Korai bemeneti események |
EarlyInputEvents |
Count | Összeg (összeg) | LogicalName, PartitionId, ProcessorInstanceNodeName |
PT1M | Igen | |
| Futtatókörnyezeti hibák Futtatókörnyezeti hibák |
Errors |
Count | Összeg (összeg) | LogicalName, PartitionId, ProcessorInstanceNodeName |
PT1M | Igen | |
| Bemeneti esemény bájtja Bemeneti eseménybájtok |
InputEventBytes |
Bájt | Összeg (összeg) | LogicalName, PartitionId, ProcessorInstanceNodeName |
PT1M | Igen | |
| Bemeneti események Bemeneti események |
InputEvents |
Count | Összeg (összeg) | LogicalName, PartitionId, ProcessorInstanceNodeName |
PT1M | Igen | |
| Háttérbemeneti bemeneti események Várakozó bemeneti események |
InputEventsSourcesBacklogged |
Count | Átlag, Maximum, Minimum | LogicalName, PartitionId, ProcessorInstanceNodeName |
PT1M | Igen | |
| Fogadott bemeneti források Fogadott bemeneti források |
InputEventsSourcesPerSecond |
Count | Összeg (összeg) | LogicalName, PartitionId, ProcessorInstanceNodeName |
PT1M | Igen | |
| Késői bemeneti események Késedelmes bemeneti események |
LateInputEvents |
Count | Összeg (összeg) | LogicalName, PartitionId, ProcessorInstanceNodeName |
PT1M | Igen | |
| Kimeneti események Kimeneti események |
OutputEvents |
Count | Összeg (összeg) | LogicalName, PartitionId, ProcessorInstanceNodeName |
PT1M | Igen | |
| Vízjel késleltetése Vízjel késleltetése |
OutputWatermarkDelaySeconds |
Másodperc | Átlag, Maximum, Minimum | LogicalName, PartitionId, ProcessorInstanceNodeName |
PT1M | Igen | |
| Processzorhasználat %-os kihasználtsága Processzorhasználat %-os kihasználtsága |
ProcessCPUUsagePercentage |
Százalék | Átlag, Maximum, Minimum | LogicalName, PartitionId, ProcessorInstanceNodeName |
PT1M | Igen | |
| SU (memória) kihasználtság %-a SU (memória) kihasználtság %-a |
ResourceUtilization |
Százalék | Átlag, Maximum, Minimum | LogicalName, PartitionId, ProcessorInstanceNodeName |
PT1M | Igen |
Metrikák leírása
Az Azure Stream Analytics a következő metrikákat biztosítja a feladat állapotának monitorozásához.
| Metrika | Definíció |
|---|---|
| Háttérbemeneti bemeneti események | A háttérbeírt bemeneti események száma. A metrika nemero értéke azt jelenti, hogy a feladat nem tud lépést tartani a bejövő események számával. Ha ez az érték lassan növekszik, vagy folyamatosan nem működik, akkor skáláznia kell a feladatát. További információ: Streamelési egységek ismertetése és módosítása. |
| Adatkonvertálási hibák | Azon kimeneti események száma, amelyek nem konvertálhatók a várt kimeneti sémává. Az ebben a forgatókönyvben előforduló események elvetéséhez módosítsa a hibaházirendet Drop -ra. |
| Processzorhasználat %-os kihasználtsága (előzetes verzió) | A feladat által használt processzor százalékos aránya. Még ha ez az érték is nagyon magas (90 százalék vagy több), nem szabad növelnie a termékváltozatok számát egyedül ezen a metrika alapján. Ha a háttérbeli bemeneti események vagy a vízjel késéseinek száma nő, ezzel a metrikával megállapíthatja, hogy a cpu a szűk keresztmetszet. Ez a metrika időszakos kiugró értékekkel rendelkezhet. Javasoljuk, hogy skálázási tesztekkel állapítsa meg a feladat felső határát, amely után a bemenetek háttérbe vannak kötve, vagy a vízjelek késése nő a cpu szűk keresztmetszete miatt. |
| Korai bemeneti események | Olyan események, amelyek alkalmazásának időbélyege 5 percnél korábbi az érkezési időnél. |
| Sikertelen függvénykérelemek | Sikertelen Azure Machine Learning-függvényhívások száma (ha van ilyen). |
| Függvényesemények | Az Azure Machine Learning függvénynek küldött események száma (ha van ilyen). |
| Függvénykérelmek | Az Azure Machine Learning függvény hívásainak száma (ha van ilyen). |
| Bemeneti deszerializálási hibák | Azoknak a bemeneti eseményeknek a száma, amelyek nem deszerializálhatók. |
| Bemeneti esemény bájtja | A Stream Analytics-feladat által fogadott adatok mennyisége bájtban. Ezzel a metrikával ellenőrizheti, hogy az eseményeket a bemeneti forrásnak küldi-e a rendszer. |
| Bemeneti események | A bemeneti eseményekből deszerializált rekordok száma. Ez a szám nem tartalmazza azokat a bejövő eseményeket, amelyek deszerializálási hibákat eredményeznek. A Stream Analytics ugyanazokat az eseményeket többször is betöltheti olyan helyzetekben, mint a belső helyreállítások és az öncsatlakozások. Ne számítson arra, hogy a bemeneti események és a kimeneti események metrikái egyeznek, ha a feladat egyszerű átmenő lekérdezéssel rendelkezik. |
| Fogadott bemeneti források | A feladat által kapott üzenetek száma. Az Azure Event Hubs esetében egy üzenet egyetlen EventData elem. Az Azure Blob Storage esetében az üzenet egyetlen blob. Vegye figyelembe, hogy a bemeneti források száma a deszerializálás előtt történik. Deszerializálási hibák esetén a bemeneti források nagyobbak lehetnek, mint a bemeneti események. Ellenkező esetben a bemeneti források kisebbek vagy egyenlőek lehetnek a bemeneti eseményekkel, mert minden üzenet több eseményt tartalmazhat. |
| Késői bemeneti események | A késői érkezésekre vonatkozó konfigurált toleranciaablaknál később érkezett események. További információ az Azure Stream Analytics eseményrendelési szempontjairól. |
| Rendelésen kívüli események | Az eldobott vagy módosított időbélyeget kapott események száma az eseményrendezési szabályzat alapján. Ezt a metrikát befolyásolhatja a rendelésen kívüli tűrésablak beállítása. |
| Kimeneti események | A Stream Analytics-feladat által a kimeneti célnak küldött adatok mennyisége események számában. |
| Futtatókörnyezeti hibák | A lekérdezésfeldolgozással kapcsolatos hibák teljes száma. Kizárja az események betöltésekor vagy az eredmények kimenetében található hibákat. |
| SU (memória) kihasználtság %-a | A feladat által felhasznált memória százalékos aránya. Ha ez a metrika következetesen meghaladja a 80 százalékot, a vízjel késleltetése növekszik, és a háttérbeli események száma növekszik, fontolja meg a streamelési egységek (SU-k) növelését. A magas kihasználtság azt jelzi, hogy a feladat közel a maximálisan lefoglalt erőforrásokat használja. |
| Vízjel késleltetése | A vízjel késleltetésének maximális száma a feladat összes kimenetének összes partíciójában. |
Metrikadimenziók
A metrikák dimenzióiról további információt a többdimenziós metrikák című témakörben talál.
Ennek a szolgáltatásnak a metrikáihoz a következő dimenziók vannak társítva.
| Dimenzió | Definíció |
|---|---|
| Logikai név | Egy Stream Analytics-feladat bemeneti vagy kimeneti neve. |
| Partícióazonosító | A bemeneti adatpartíció azonosítója egy bemeneti forrásból. Ha például a bemeneti forrás egy eseményközpont, a partícióazonosító az eseményközpont partícióazonosítója. A kínosan párhuzamos feladatok esetében a kimenet partícióazonosítója ugyanaz, mint a bemenetben. |
| Csomópont neve | A feladat futtatásakor kiosztott streamelési csomópont azonosítója. A streamelési csomópontok a feladathoz lefoglalt számítási és memória-erőforrások mennyiségét jelölik. |
Logikai név dimenziója
A logikai név egy Stream Analytics-feladat bemeneti vagy kimeneti neve. Tegyük fel például, hogy egy Stream Analytics-feladat négy bemenettel és öt kimenettel rendelkezik. A négy különálló logikai bemenet és öt egyedi logikai kimenet akkor jelenik meg, ha a bemenettel kapcsolatos és a kimenettel kapcsolatos metrikákat felosztja ezzel a dimenzióval.
A Logikai név dimenzió a következő metrikák szűréséhez és felosztásához érhető el:
- Háttérbemeneti bemeneti események
- Adatkonvertálási hibák
- Korai bemeneti események
- Bemeneti deszerializálási hibák
- Bemeneti esemény bájtja
- Bemeneti események
- Bemeneti forrás érkezett
- Késői bemeneti események
- Rendelésen kívüli események
- Kimeneti események
- Vízjel késleltetése
Csomópontnév dimenziója
A streamelési csomópontok a bemeneti adatok feldolgozásához használt számítási erőforrások készletét jelölik. Minden hat streamelési egység (SU) egy csomópontra fordítódik, amelyet a szolgáltatás automatikusan kezel az Ön nevében. A streamelési egységek és a streamelési csomópontok közötti kapcsolatról további információt a streamelési egységek ismertetése és módosítása című témakörben talál.
A csomópont neve egy dimenzió a streamelési csomópont szintjén. Segíthet bizonyos metrikák lehatolásában az adott streamelési csomópont szintjére. A processzorhasználat %kihasználtsági metrikáját például feloszthatja a streamelési csomópontok szintjén, hogy ellenőrizze az egyes streamelési csomópontok processzorkihasználtságát.
A Csomópontnév dimenzió a következő metrikák szűréséhez és felosztásához érhető el:
- Háttérbemeneti bemeneti események
- Processzorhasználat %-os kihasználtsága (előzetes verzió)
- Bemeneti események
- Kimeneti események
- SU (memória) kihasználtság %-a
- Vízjel késleltetése
Partícióazonosító dimenziója
Amikor a streamelési adatokat feldolgozás céljából betölti az Azure Stream Analytics szolgáltatásba, a bemeneti adatok a bemeneti forrás partícióinak megfelelően lesznek elosztva a streamelési csomópontokon. A partícióazonosító dimenzió a bemeneti adatpartíció azonosítója a bemeneti forrásból.
Ha például a bemeneti forrás egy eseményközpont, a partícióazonosító az eseményközpont partícióazonosítója. A bemenet partícióazonosítója ugyanaz, mint a kimenetben.
A partícióazonosító dimenzió a következő metrikák szűréséhez és felosztásához érhető el:
- Háttérbemeneti bemeneti események
- Adatkonvertálási hibák
- Korai bemeneti események
- Bemeneti deszerializálási hibák
- Bemeneti esemény bájtja
- Bemeneti események
- Bemeneti forrás érkezett
- Késői bemeneti események
- Kimeneti események
- Vízjel késleltetése
Erőforrásnaplók
Ez a szakasz a szolgáltatáshoz gyűjthető erőforrásnaplók típusait sorolja fel. A szakasz lekéri az Azure Monitorban támogatott összes erőforrásnapló-kategóriatípus listáját.
A Microsoft.StreamAnalytics/streamingjobs támogatott erőforrásnaplói
| Kategória | Kategória megjelenítendő neve | Naplótábla | Támogatja az alapszintű naplótervet | Támogatja a betöltési idő átalakítást | Példa a lekérdezésekre | Exportálási költségek |
|---|---|---|---|---|---|---|
Authoring |
Tartalomkészítés | AzureDiagnostics Naplók több Azure-erőforrásból. |
Nem | Nem | Lekérdezések | Nem |
Execution |
Futtatási | AzureDiagnostics Naplók több Azure-erőforrásból. |
Nem | Nem | Lekérdezések | Nem |
Erőforrásnaplók sémája
Minden napló JSON formátumban van tárolva. Minden bejegyzéshez a következő gyakori sztringmezők vannak befűzve:
| Név | Leírás |
|---|---|
| time | A napló időbélyege (UTC-ben). |
| resourceId | Annak az erőforrásnak az azonosítója, amelyen a műveletet végrehajtották, nagybetűvel. Tartalmazza az előfizetés azonosítóját, az erőforráscsoportot és a feladat nevét. Például: /SUBSCRIPTIONS/aaaa0a0a-bb1b-cc2c-dd3d-eeeeeeee4e4e4e/RESOURCEGROUPS/MY-RESOURCE-GROUP/PROVIDERS/MICROSOFT. STREAMANALYTICS/STREAMINGJOBS/MYSTREAMINGJOB. |
| kategória | Naplókategória, végrehajtás vagy létrehozás. |
| operationName | A naplózott művelet neve. Például: Események küldése: SQL-kimenet írási hibája a mysqloutputba. |
| status | A művelet állapota. Például sikertelen vagy sikeres. |
| szint | Naplószint. Például hiba, figyelmeztetés vagy tájékoztató. |
| tulajdonságok | Naplóbejegyzés-specifikus részletek JSON-sztringként szerializálva. További információkért tekintse meg a cikk következő szakaszait. |
Végrehajtási napló tulajdonságainak sémája
A végrehajtási naplók információkat tartalmaznak a Stream Analytics-feladat végrehajtása során történt eseményekről. A tulajdonságok sémája attól függően változik, hogy az esemény adathiba vagy általános esemény-e.
Adathibák
Minden olyan hiba, amely akkor fordul elő, amikor a feladat adatokat dolgoz fel, a naplók ebbe a kategóriába tartozik. Ezek a naplók leggyakrabban adatolvasási, szerializálási és írási műveletek során jönnek létre. Ezek a naplók nem tartalmaznak csatlakozási hibákat. A csatlakozási hibák általános eseményekként vannak kezelve. További információ a különböző bemeneti és kimeneti adathibák okáról.
| Név | Leírás |
|---|---|
| Forrás | Annak a feladat-bemenetnek vagy kimenetnek a neve, ahol a hiba történt. |
| Üzenet | A hibához társított üzenet. |
| Típus | A hiba típusa. Például DataConversionError, CsvParserError vagy ServiceBusPropertyColumnMissingError. |
| Adatok | Olyan adatokat tartalmaz, amelyek hasznosak a hiba forrásának pontos megkereséséhez. A mérettől függően csonkolásnak kell alávetni. |
Az operationName értéktől függően az adathibák a következő sémával rendelkeznek:
Események szerializálása az eseményolvasási műveletek során történik. Ezek akkor fordulnak elő, ha a bemeneti adatok nem felelnek meg a lekérdezési sémának az alábbi okok valamelyike miatt:
Típuseltérés az esemény szerializálása/deszerializálása során: Azonosítja a hibát okozó mezőt.
Nem olvasható egy esemény, érvénytelen szerializálás: A bemeneti adatok azon helyével kapcsolatos információkat sorolja fel, ahol a hiba történt. Blobnevet tartalmaz a blobbemenethez, az eltoláshoz és az adatok mintájához.
Az írási műveletek során események küldése történik. Azonosítják a hibát okozó streames eseményt.
Általános események
Az általános események minden mást lefednek.
| Név | Leírás |
|---|---|
| Hiba | (nem kötelező) Hibainformációk. Általában ez a kivétel információ, ha elérhető. |
| Üzenet | Naplóüzenet. |
| Típus | Üzenet típusa. A hibák belső kategorizálásának leképezése. Például : JobValidationError vagy BlobOutputAdapterInitializationFailure. |
| Korrelációs azonosító | GUID, amely egyedileg azonosítja a feladat végrehajtását. A végrehajtási napló összes bejegyzése attól az időponttól kezdve, amikor a feladat elindul, amíg a feladat leáll, ugyanazzal a korrelációs azonosítóval rendelkezik. |
Referenciaként tekintse meg az Azure Monitorban támogatott összes erőforrásnapló-kategóriatípus vagy az Azure Stream Analyticshez gyűjtött összes erőforrásnapló-kategóriatípus listáját.
Azure Monitor-naplók táblái
Ez a szakasz a szolgáltatáshoz kapcsolódó Azure Monitor-naplók tábláit sorolja fel, amelyek a Log Analytics által Kusto-lekérdezésekkel történő lekérdezéshez érhetők el. A táblák erőforrásnapló-adatokat tartalmaznak, és valószínűleg többet is, attól függően, hogy mit gyűjtenek és irányítanak hozzájuk.
Stream Analytics-feladatok
| Kategória | Kategória megjelenítendő neve | Naplótábla | Támogatja az alapszintű naplótervet | Támogatja a betöltési idő átalakítást | Példa a lekérdezésekre | Exportálási költségek |
|---|---|---|---|---|---|---|
Authoring |
Tartalomkészítés | AzureDiagnostics Naplók több Azure-erőforrásból. |
Nem | Nem | Lekérdezések | Nem |
Execution |
Futtatási | AzureDiagnostics Naplók több Azure-erőforrásból. |
Nem | Nem | Lekérdezések | Nem |
Tevékenységnapló
A csatolt tábla felsorolja a szolgáltatás tevékenységnaplójában rögzíthető műveleteket. Ezek a műveletek a tevékenységnapló összes lehetséges erőforrás-szolgáltatói műveletének egy részét képezik.
A tevékenységnapló-bejegyzések sémájára vonatkozó további információkért lásd : Tevékenységnapló séma.