Metrik pekerjaan Azure Stream Analytics
Azure Stream Analytics menyediakan banyak metrik yang dapat Anda gunakan untuk memantau dan memecahkan masalah kueri dan performa pekerjaan Anda. Anda dapat menampilkan data dari metrik ini di halaman Gambaran Umum portal Azure, di bagian Pemantauan.
Jika Anda ingin memeriksa metrik tertentu, pilih Metrik di bagian Pemantauan. Pada halaman yang muncul, pilih metrik.
Metrik tersedia di Analisis Aliran
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. |
Skenario-skenario untuk dipantau
Azure Stream Analytics menyediakan sebuah layanan pemrosesan streaming terdistribusi tanpa server. Pekerjaan dapat berjalan pada satu atau beberapa node streaming terdistribusi, yang dikelola layanan secara otomatis. Data input dipartisi serta dialokasikan ke node streaming yang berbeda untuk diproses.
| Metric | Kondisi | Agregasi waktu | Ambang | Tindakan korektif |
|---|---|---|---|---|
| Pemanfaatan SU (Memori) % | Lebih dari | Rata-rata | 80 | Beberapa faktor meningkatkan pemanfaatan SU. Anda dapat menskalakan dengan paralelisasi kueri atau menambah jumlah SU. Untuk informasi selengkapnya, lihat Memanfaatkan paralelisasi kueri di Azure Stream Analytics. |
| Pemanfaatan % CPU | Lebih dari | Rata-rata | 90 | Ini kemungkinan berarti bahwa beberapa operasi (seperti fungsi yang ditentukan pengguna, agregat yang ditentukan pengguna, atau deserialisasi input yang kompleks) membutuhkan banyak siklus CPU. Anda biasanya dapat mengatasi masalah ini dengan meningkatkan jumlah SU untuk pekerjaan tersebut. |
| Kesalahan Runtime | Lebih dari | Total | 0 | Periksa aktivitas atau log sumber daya dan buat perubahan yang sesuai pada input, kueri, atau output. |
| Penundaan Marka Air | Lebih dari | Rata-rata | Ketik nilai rata-rata metrik ini selama 15 menit terakhir lebih besar daripada toleransi kedatangan terlambat (dalam detik). Jika Anda belum memodifikasi toleransi kedatangan terlambat, default diatur ke 5 detik. | Coba tingkatkan jumlah SU atau sejajarkan kueri Anda. Untuk informasi lebih lanjut tentang SU, lihat Memahami dan menyesuaikan unit streaming. Untuk informasi selengkapnya tentang menyejajarkan kueri Anda, lihat Memanfaatkan paralelisasi kueri di Azure Stream Analytics. |
| Kesalahan Deserialisasi Input | Lebih dari | Total | 0 | Periksa aktivitas atau log sumber daya dan buat perubahan yang sesuai pada input. Untuk informasi selengkapnya tentang log sumber daya, lihat Memecahkan masalah Azure Stream Analytics dengan menggunakan log sumber daya. |
Dapatkan bantuan
Untuk bantuan lebih lanjut, coba halaman Tanya Jawab Microsoft untuk Azure Stream Analytics.