Dimensi untuk metrik Azure Stream Analytics

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.

Azure Stream Analytics mempunyai banyak metrik yang tersedia untuk memantau kesehatan pekerjaan. Untuk memecahkan masalah performa dengan pekerjaan, Anda dapat memisahkan serta memfilter metrik dengan menggunakan dimensi berikut ini.

Dimensi Definisi
Nama Logis Nama input atau output untuk pekerjaan Azure Stream Analytics.
ID partisi ID partisi data input dari sebuah sumber input. Misalnya, jika sumber input adalah sebuah hub peristiwa, ID partisi adalah ID partisi dari hub peristiwa. Untuk pekerjaan paralel yang menyulitkan, ID Partisi dalam output sama seperti dalam input.
Nama Node Pengidentifikasi dari node streaming yang disediakan saat pekerjaan Anda berjalan. Node streaming mewakili jumlah sumber daya komputasi serta memori yang dialokasikan untuk pekerjaan Anda.

Cuplikan layar bagan yang memperlihatkan area untuk memilih dimensi untuk metrik pekerjaan Analisis Aliran.

Cuplikan layar yang memperlihatkan pemisahan metrik berdasarkan dimensi.

Cuplikan layar yang memperlihatkan pemfilteran metrik berdasarkan dimensi.

Dimensi Nama Logis

Nama logis adalah nama input atau output untuk pekerjaan Azure Stream Analytics. Misalnya, asumsikan bahwa pekerjaan Azure Stream Analytics mempunyai empat input dan lima output. Anda akan melihat empat input logis individual dan lima output logis individual ketika Anda membagi metrik terkait input serta terkait output berdasarkan dimensi ini.

Cuplikan layar yang memperlihatkan banyak input dan output dalam pekerjaan Azure Stream Analytics.

Cuplikan layar bagan yang memperlihatkan pemisahan metrik Peristiwa Output menurut Nama Logis.

Dimensi Nama Logis tersedia untuk memfilter dan memisahkan metrik berikut ini:

  • Peristiwa Input yang Di-backlog
  • Kesalahan Konversi Data
  • Peristiwa Input Awal
  • Kesalahan Deserialisasi Input
  • Byte Peristiwa Input
  • Peristiwa Input
  • Sumber Input yang Diterima
  • Peristiwa Input Terlambat
  • Peristiwa Tak Berurutan
  • Peristiwa Output
  • Penundaan Marka Air

Dimensi Nama Node

Node streaming mewakili sekumpulan sumber daya komputasi yang digunakan untuk memproses data input Anda. Setiap enam unit streaming (SU) diterjemahkan ke satu simpul, yang dikelola layanan secara otomatis atas nama Anda. Untuk informasi selengkapnya tentang hubungan antara unit streaming dan node streaming, lihat Memahami serta menyesuaikan unit streaming.

Nama Node adalah dimensi pada tingkat node streaming. Hal ini dapat membantu Anda menelusuri metrik tertentu ke tingkat node streaming tertentu. Misalnya, Anda bisa memisahkan metrik pemanfaatan CPU % dengan tingkat node streaming guna memeriksa pemanfaatan CPU dari node streaming individual.

Cuplikan layar bagan yang memperlihatkan pemisahan rata-rata pemanfaatan CPU menurut dimensi Nama Node.

Dimensi Nama Node tersedia untuk memfilter serta memisahkan metrik berikut ini:

  • Peristiwa Input yang Di-backlog
  • Pemanfaatan % CPU (pratinjau)
  • Peristiwa Input
  • Peristiwa Output
  • Penggunaan % SU (Memori)
  • Penundaan Marka Air

Dimensi ID Partisi

Ketika data streaming diserap ke dalam layanan Azure Stream Analytics untuk diproses, data input didistribusikan ke node streaming sesuai dengan partisi di sumber input. Dimensi ID Partisi adalah partisi ID data input dari sumber input.

Misalnya, jika sumber input adalah sebuah hub peristiwa, ID partisi adalah ID partisi dari hub peristiwa. ID partisi di dalam input sama dengan yang ada di output.

Diagram yang memperlihatkan pemisahan penundaan marka air berdasarkan dimensi ID Partisi.

Dimensi ID Partisi tersedia untuk memfilter serta memisahkan metrik berikut ini:

  • Peristiwa Input yang Di-backlog
  • Kesalahan Konversi Data
  • Peristiwa Input Awal
  • Kesalahan Deserialisasi Input
  • Byte Peristiwa Input
  • Peristiwa Input
  • Sumber Input yang Diterima
  • Peristiwa Input Terlambat
  • Peristiwa Output
  • Penundaan Marka Air

Langkah berikutnya