Referensi data pemantauan Azure Stream Analytics
Artikel ini berisi semua informasi referensi pemantauan untuk layanan ini.
Lihat Memantau Azure Stream Analytics untuk detail tentang data yang dapat Anda kumpulkan untuk Azure Stream Analytics dan cara menggunakannya.
Metrik
Bagian ini mencantumkan semua metrik platform yang dikumpulkan secara otomatis untuk layanan ini. Metrik ini juga merupakan bagian dari daftar global semua metrik platform yang didukung di Azure Monitor.
Untuk informasi tentang retensi metrik, lihat Gambaran umum Metrik Azure Monitor.
Metrik yang didukung untuk Microsoft.StreamAnalytics/streamingjobs
Tabel berikut mencantumkan metrik yang tersedia untuk jenis sumber daya Microsoft.StreamAnalytics/streamingjobs.
- Semua kolom mungkin tidak ada di setiap tabel.
- Beberapa kolom mungkin berada di luar area tampilan halaman. Pilih Perluas tabel untuk menampilkan semua kolom yang tersedia.
Judul tabel
- Kategori - Grup metrik atau klasifikasi.
- Metrik - Nama tampilan metrik seperti yang muncul di portal Azure.
- Nama di REST API - Nama metrik seperti yang disebutkan dalam REST API.
- Unit - Satuan ukuran.
- Agregasi - Jenis agregasi default. Nilai yang valid: Rata-rata (Rata-rata), Minimum (Min), Maksimum (Maks), Total (Jumlah), Hitungan.
- Dimensi dimensi - tersedia untuk metrik.
- Interval Butir - Waktu tempat metrik diambil sampelnya. Misalnya,
PT1Mmenunjukkan bahwa metrik diambil sampelnya setiap menit,PT30Msetiap 30 menit,PT1Hsetiap jam, dan sebagainya. - Ekspor DS- Apakah metrik dapat diekspor ke Log Azure Monitor melalui pengaturan diagnostik. Untuk informasi tentang mengekspor metrik, lihat Membuat pengaturan diagnostik di Azure Monitor.
| Kategori | Metric | Nama dalam REST API | Unit | Agregasi | Dimensi | Butir Waktu | Ekspor DS |
|---|---|---|---|---|---|---|---|
| Permintaan Fungsi Gagal Permintaan Fungsi Gagal |
AMLCalloutFailedRequests |
Hitung | Total | LogicalName, , PartitionIdProcessorInstance,NodeName |
PT1M | Ya | |
| Peristiwa Fungsi Peristiwa Fungsi |
AMLCalloutInputEvents |
Hitung | Total | LogicalName, , PartitionIdProcessorInstance,NodeName |
PT1M | Ya | |
| Permintaan Fungsi Permintaan Fungsi |
AMLCalloutRequests |
Hitung | Total | LogicalName, , PartitionIdProcessorInstance,NodeName |
PT1M | Ya | |
| Kesalahan Konversi Data Kesalahan Konversi Data |
ConversionErrors |
Hitung | Total | LogicalName, , PartitionIdProcessorInstance,NodeName |
PT1M | Ya | |
| Kesalahan Deserialisasi Input Kesalahan Deserialisasi Input |
DeserializationError |
Hitung | Total | LogicalName, , PartitionIdProcessorInstance,NodeName |
PT1M | Ya | |
| Peristiwa tidak berurutan Peristiwa yang Rusak |
DroppedOrAdjustedEvents |
Hitung | Total | LogicalName, , PartitionIdProcessorInstance,NodeName |
PT1M | Ya | |
| Peristiwa Input Awal Peristiwa Input Awal |
EarlyInputEvents |
Hitung | Total | LogicalName, , PartitionIdProcessorInstance,NodeName |
PT1M | Ya | |
| Kesalahan Runtime Kesalahan Runtime |
Errors |
Hitung | Total | LogicalName, , PartitionIdProcessorInstance,NodeName |
PT1M | Ya | |
| Byte Peristiwa Input Byte Peristiwa Input |
InputEventBytes |
Byte | Total | LogicalName, , PartitionIdProcessorInstance,NodeName |
PT1M | Ya | |
| Peristiwa Input Peristiwa Input |
InputEvents |
Hitung | Total | LogicalName, , PartitionIdProcessorInstance,NodeName |
PT1M | Ya | |
| Peristiwa Input Backlogged Peristiwa Input Backlogged |
InputEventsSourcesBacklogged |
Hitung | Rata-rata, Maksimum, Minimum | LogicalName, , PartitionIdProcessorInstance,NodeName |
PT1M | Ya | |
| Sumber Input Diterima Sumber Input Diterima |
InputEventsSourcesPerSecond |
Hitung | Total | LogicalName, , PartitionIdProcessorInstance,NodeName |
PT1M | Ya | |
| Peristiwa Input Terlambat Peristiwa Input Terlambat |
LateInputEvents |
Hitung | Total | LogicalName, , PartitionIdProcessorInstance,NodeName |
PT1M | Ya | |
| Peristiwa Output Peristiwa Output |
OutputEvents |
Hitung | Total | LogicalName, , PartitionIdProcessorInstance,NodeName |
PT1M | Ya | |
| Penundaan Marka Air Penundaan Marka Air |
OutputWatermarkDelaySeconds |
Detik | Rata-rata, Maksimum, Minimum | LogicalName, , PartitionIdProcessorInstance,NodeName |
PT1M | Ya | |
| Pemanfaatan % CPU Pemanfaatan % CPU |
ProcessCPUUsagePercentage |
Persen | Rata-rata, Maksimum, Minimum | LogicalName, , PartitionIdProcessorInstance,NodeName |
PT1M | Ya | |
| Pemanfaatan SU (Memori) % Penggunaan % SU (Memori) |
ResourceUtilization |
Persen | Rata-rata, Maksimum, Minimum | LogicalName, , PartitionIdProcessorInstance,NodeName |
PT1M | Ya |
Deskripsi metrik
Azure Stream Analytics menyediakan metrik berikut untuk Anda guna memantau kesehatan pekerjaan Anda.
| Metric | Definisi |
|---|---|
| Peristiwa Input Backlogged | Jumlah peristiwa input yang di-backlog. Nilai bukan nol untuk metrik ini menyiratkan bahwa pekerjaan Anda tidak dapat mengikuti jumlah peristiwa yang masuk. Jika nilai ini perlahan meningkat atau secara konsisten bukan nol, Anda harus memperluas skala pekerjaan Anda. Untuk mempelajari lebih lanjut, lihat Memahami dan menyesuaikan unit streaming. |
| Kesalahan Konversi Data | Jumlah peristiwa output yang tidak dapat dikonversi ke skema output yang diharapkan. Untuk menghilangkan peristiwa yang mengalami skenario ini, Anda dapat mengubah kebijakan kesalahan menjadi Hilangkan. |
| Pemanfaatan % CPU (pratinjau) | Persentase CPU yang digunakan pekerjaan Anda. Bahkan jika nilai ini sangat tinggi (90 persen atau lebih), Anda tidak boleh menambah jumlah SU hanya berdasarkan metrik ini saja. Jika jumlah kejadian input yang di-backlog atau penundaan marka air meningkat, Anda kemudian dapat menggunakan metrik ini untuk menentukan apakah CPU adalah penyempitannya. Metrik ini mungkin memiliki lonjakan yang terputus-putus. Kami menyarankan Anda melakukan pengujian skala untuk menentukan batas atas pekerjaan Anda setelah input ditampung atau penundaan marka air meningkat karena penyempitan CPU. |
| Peristiwa Input Awal | Peristiwa yang stempel waktu aplikasinya lebih awal dari waktu kedatangannya lebih dari 5 menit. |
| Permintaan Fungsi Gagal | Jumlah panggilan fungsi Azure Machine Learning yang gagal (jika ada). |
| Peristiwa Fungsi | Jumlah peristiwa yang dikirim ke fungsi Azure Machine Learning (jika ada). |
| Permintaan Fungsi | Jumlah panggilan ke fungsi Azure Machine Learning (jika ada). |
| Kesalahan Deserialisasi Input | Jumlah peristiwa input yang tidak bisa dideserialisasi. |
| Byte Peristiwa Input | Jumlah data yang diterima oleh pekerjaan Analisis Aliran, dalam byte. Anda dapat menggunakan metrik ini untuk memvalidasi bahwa peristiwa sedang dikirim ke sumber input. |
| Peristiwa Input | Jumlah rekaman yang dideserialisasi dari peristiwa input. Hitungan ini tidak termasuk peristiwa masuk yang mengakibatkan kesalahan deserialisasi. Analisis Aliran dapat menyerap peristiwa yang sama beberapa kali dalam skenario seperti pemulihan internal dan penggabungan mandiri. Jangan berharap metrik Peristiwa Input dan Peristiwa Output cocok jika pekerjaan Anda memiliki permintaan kirim langsung yang sederhana. |
| Sumber Input Diterima | Jumlah pesan yang diterima pekerjaan. Untuk Azure Event Hubs, pesan adalah item EventData tunggal. Untuk Azure Blob Storage, pesan adalah blob tunggal. Perhatikan bahwa sumber input dihitung sebelum deserialisasi. Jika ada kesalahan deserialisasi, sumber input bisa lebih besar dari peristiwa input. Jika tidak, sumber input dapat kurang dari atau sama dengan peristiwa input karena setiap pesan dapat berisi beberapa peristiwa. |
| Peristiwa Input Terlambat | Peristiwa yang tiba lebih lambat dari jendela toleransi kedatangan terlambat yang dikonfigurasi. Pelajari lebih lanjut tentang pertimbangan urutan peristiwa Azure Stream Analytics. |
| Peristiwa Tak Berurutan | Jumlah peristiwa diterima tidak berurutan karena dihilangkan atau diberi stempel waktu yang disesuaikan, berdasarkan Kebijakan Pengurutan Peristiwa. Metrik ini dapat teroengaruh oleh konfigurasi pengaturan Jendela Toleransi Tidak Berurutan. |
| Peristiwa Output | Jumlah data yang dikirim oleh pekerjaan Analisis Aliran ke target output, dalam jumlah peristiwa. |
| Kesalahan Runtime | Jumlah total kesalahan yang terkait dengan pemrosesan kueri. Ini mengecualikan kesalahan yang ditemukan saat menyerap peristiwa atau menghasilkan hasil. |
| Pemanfaatan SU (Memori) % | Persentase memori yang digunakan pekerjaan Anda. Jika metrik ini secara konsisten lebih dari 80 persen, penundaan marka air meningkat, dan jumlah peristiwa yang tertunda meningkat, pertimbangkan untuk meningkatkan unit streaming (SU). Pemanfaatan tinggi menunjukkan bahwa pekerjaan menggunakan sumber daya yang mendekati alokasi maksimum. |
| Penundaan Marka Air | Penundaan marka air maksimum di semua partisi dari semua output dalam pekerjaan. |
Dimensi metrik
Untuk informasi tentang dimensi metrik apa itu, lihat Metrik multi-dimensi.
Layanan ini memiliki dimensi berikut yang terkait dengan metriknya.
- Nama Logis: Nama input atau output untuk pekerjaan Azure Stream Analytics.
- ID Partisi: ID partisi data input dari sumber input.
- Nama Node: Pengidentifikasi simpul streaming yang disediakan saat pekerjaan berjalan.
Untuk informasi terperinci, lihat Dimensi untuk metrik Azure Stream Analytics.
Log sumber daya
Bagian ini mencantumkan jenis log sumber daya yang dapat Anda kumpulkan untuk layanan ini. Bagian menarik dari daftar semua jenis kategori log sumber daya yang didukung di Azure Monitor.
Log sumber daya yang didukung untuk Microsoft.StreamAnalytics/streamingjobs
| Kategori | Nama tampilan kategori | Tabel log | Mendukung rencana log dasar | Mendukung transformasi waktu penyerapan | Contoh kueri | Biaya untuk diekspor |
|---|---|---|---|---|---|---|
Authoring |
Penulisan | AzureDiagnostics Log dari beberapa sumber daya Azure. |
Tidak | Tidak | Kueri | No |
Execution |
Eksekusi | AzureDiagnostics Log dari beberapa sumber daya Azure. |
Tidak | Tidak | Kueri | No |
Untuk skema log sumber daya dan properti untuk kesalahan dan peristiwa data, lihat Skema log sumber daya.
Tabel Log Azure Monitor
Bagian ini mencantumkan tabel Log Azure Monitor yang relevan dengan layanan ini, yang tersedia untuk kueri oleh Analitik Log menggunakan kueri Kusto. Tabel berisi data log sumber daya dan mungkin lebih bergantung pada apa yang dikumpulkan dan dirutekan ke dalamnya.
Pekerjaan Azure Stream Analytics
microsoft.streamanalytics/streamingjobs
Log aktivitas
Tabel tertaut mencantumkan operasi yang dapat direkam dalam log aktivitas untuk layanan ini. Operasi ini adalah subset dari semua kemungkinan operasi penyedia sumber daya dalam log aktivitas.
Untuk informasi selengkapnya tentang skema entri log aktivitas, lihat Skema Log Aktivitas.