Azure Monitor 경고 유형

  • 아티클

이 문서에서는 만들 수 있는 Azure Monitor 경고의 종류에 대해 설명합니다. 각 유형의 경고를 사용해야 하는 시기를 이해하는 데 도움이 됩니다.

경고 유형은 다음과 같습니다.

올바른 경고 유형 선택

이 표의 정보는 각 유형의 경고를 사용할 시기를 결정하는 데 도움이 될 수 있습니다. 가격 책정에 대한 자세한 내용은 가격 책정 페이지를 참조하세요.

경고 유형 사용 시기 가격 정보
메트릭 경고 메트릭 데이터는 이미 미리 계산된 시스템에 저장됩니다. 메트릭 경고는 조작이 거의 또는 전혀 필요하지 않은 데이터에 대한 경고를 받으려는 경우에 유용합니다. 모니터링하려는 데이터를 메트릭 데이터에서 사용할 수 있는 경우 메트릭 경고를 사용합니다. 각 메트릭 경고 규칙은 모니터링되는 시계열 수에 따라 요금이 청구됩니다.
로그 경고 로그 경고를 사용하여 데이터에 대한 고급 논리 작업을 수행할 수 있습니다. 모니터링하려는 데이터를 로그에서 사용할 수 있거나 고급 논리가 필요한 경우 로그 경고를 사용하여 데이터 조작에 KQL(Kusto 쿼리 언어)의 강력한 기능을 사용할 수 있습니다. 각 로그 경고 규칙은 로그 쿼리가 평가되는 간격에 따라 청구됩니다. 쿼리 평가가 더 자주 발생하면 비용이 높아질 수 있습니다. 대규모 모니터링을 위해 구성된 로그 경고의 경우 비용은 쿼리에서 생성된 차원에 의해 생성된 시계열 수에 따라 달라집니다.
활동 로그 경고 활동 로그는 리소스에서 발생한 모든 작업에 대한 감사를 제공합니다. 활동 로그 경고를 사용하여 리소스 다시 시작, 종료 또는 리소스 만들기 또는 삭제와 같은 특정 이벤트가 발생할 때 경고를 받을 수 있습니다. Service Health 경고 및 Resource Health 경고는 서비스 또는 리소스 중 하나에 문제가 있을 때 알려 줍니다. 자세한 내용은 가격 책정 페이지를 참조하세요.
Prometheus 경고(미리 보기) Prometheus 경고는 주로 Azure Kubernetes Service 포함하여 Kubernetes 클러스터의 성능 및 상태에 대한 경고에 사용됩니다. 경고 규칙은 오픈 소스 쿼리 언어인 PromQL을 기반으로 합니다. 미리 보기 기간 동안 Prometheus 경고에는 요금이 부과되지 않습니다.

메트릭 경고

메트릭 경고 규칙은 정기적으로 리소스 메트릭의 조건을 평가하여 리소스를 모니터링합니다. 조건이 충족되면 경고가 발생합니다. 메트릭 시계열은 일정 기간 동안 캡처된 일련의 메트릭 값입니다.

다음 메트릭을 사용하여 규칙을 만들 수 있습니다.

메트릭 경고 규칙에는 다음 기능이 포함됩니다.

메트릭 경고 규칙의 대상은 다음과 같습니다.

여러 조건

단일 리소스에 대한 경고 규칙을 만들 때 여러 조건을 적용할 수 있습니다. 예를 들어 Azure 가상 머신을 모니터링하여 “백분율 CPU가 90%를 초과”하고 “큐 길이가 300개 항목을 초과”하는 두 조건이 모두 충족될 때 경고하는 경고 규칙을 만들 수 있습니다. 경고 규칙에 여러 조건이 있는 경우 경고 규칙의 모든 조건이 참이면 경고가 발생하고 세 번의 연속 검사에서 하나 이상의 조건이 더 이상 참이 아니면 경고가 해결됩니다.

차원을 사용하여 대상 좁히기

메트릭 경고 규칙에서 차원을 사용하는 방법에 대한 지침은 단일 메트릭 경고 규칙에서 여러 시계열 모니터링을 참조하세요.

차원별 분할을 사용하여 리소스 중심 경고 만들기

여러 Azure 리소스에서 동일한 조건을 모니터링하려면 차원별로 분할을 사용하면 됩니다. 차원별로 분할을 사용하는 경우 구독 또는 리소스 그룹에 대한 대규모 리소스 중심 경고를 만들 수 있습니다. 경고는 조합을 그룹화하여 별도의 경고로 분할됩니다. Azure 리소스 ID 열에서 분할하면 지정된 리소스가 경고 대상으로 지정됩니다.

범위의 여러 리소스에 조건을 적용하려는 경우 분할하지 않기로 결정할 수도 있습니다. 예를 들어 리소스 그룹 범위에서 5개 이상의 컴퓨터에 CPU 사용량이 80%를 초과하면 경고를 발생시키고 싶을 수 있습니다.

여러 리소스 모니터링

동일한 Azure 지역에 있는 리소스의 경우 동일한 유형의 여러 리소스에 동일한 메트릭 경고 규칙을 적용하여 대규모로 모니터링할 수 있습니다. 모니터링되는 각 리소스에 대해 개별 알림이 전송됩니다.

다음 Azure 클라우드에서 이러한 서비스에 대한 플랫폼 메트릭이 지원됩니다.

서비스 글로벌 Azure 정부 중국
가상 머신 예 예 예
SQL Server 데이터베이스. 예 예 예
탄력적 풀 SQL Server 예 예 예
NetApp 파일 용량 풀 예 예 예
NetApp 파일 볼륨 예 예 예
Azure Key Vault 예 예 예
Azure Cache for Redis 예 예 예
Azure Stack Edge 디바이스 예 예 예
Recovery Services 자격 증명 모음 예 예 예
Azure Database for PostgreSQL - 유연한 서버 예 예 예

참고

다중 리소스 메트릭 경고는 다음에서 지원되지 않습니다.

  • VM 게스트 메트릭에 대한 경고
  • VM 네트워크 메트릭에 대한 경고(총 네트워크, 네트워크 아웃 합계, 인바운드 흐름, 아웃바운드 흐름, 인바운드 흐름 최대 생성 속도 및 아웃바운드 흐름 최대 생성 속도).

다음 세 가지 방법 중 하나를 통해 단일 메트릭 경고 규칙으로 모니터링 범위를 지정할 수 있습니다. 예를 들어 VM을 사용하면 범위를 다음과 같이 지정할 수 있습니다.

  • 구독 내의 한 Azure 지역에 있는 VM 목록입니다.
  • 구독에서 하나 이상의 리소스 그룹에 있는 한 Azure 지역의 모든 VM.
  • 구독의 한 Azure 지역에 있는 모든 VM.

동적 임계값

동적 임계값은 고급 기계 학습을 사용하여 다음을 수행합니다.

  • 메트릭의 기록 동작에 대해 알아봅니다.
  • 패턴을 식별하고 시간별, 일별 또는 주간 패턴과 같은 시간에 따른 메트릭 변경에 적응합니다.
  • 가능한 서비스 문제를 나타내는 변칙을 인식합니다.
  • 메트릭에 가장 적합한 임계값을 계산합니다.

기계 학습은 지속적으로 새 데이터를 사용하여 자세히 알아보고 임계값을 보다 정확하게 만듭니다. 시스템은 시간이 지남에 따라 메트릭의 동작에 적응하고 패턴의 편차에 따라 경고하기 때문에 각 메트릭에 대한 "올바른" 임계값을 알 필요가 없습니다.

동적 임계값은 다음을 지원합니다.

  • 하나의 경고 규칙을 사용하여 수백 개의 메트릭 계열에 대해 확장 가능한 경고를 만듭니다. 경고 규칙이 적은 경우 경고 규칙을 만들고 관리하는 데 더 적은 시간을 소비합니다.
  • 구성할 임계값을 알 필요 없이 규칙을 만듭니다.
  • 메트릭에 대한 광범위한 도메인 지식 없이 상위 수준 개념을 사용하여 메트릭 경고를 구성합니다.
  • 예상되는 패턴이 없는 노이즈(낮은 정밀도) 또는 넓은(낮은 재현율) 임계값을 방지합니다.
  • 노이즈가 많은 메트릭(예: 컴퓨터 CPU 또는 메모리) 및 분산이 낮은 메트릭(예: 가용성 및 오류 속도)을 처리합니다.

메트릭 경고 규칙에서 동적 임계값 을 사용하는 방법에 대한 자세한 지침은 동적 임계값을 참조하세요.

로그 경고

로그 경고 규칙은 Log Analytics 쿼리를 사용하여 리소스 로그를 설정된 빈도로 평가하여 리소스를 모니터링합니다. 조건이 충족되면 경고가 발생합니다. Log Analytics 쿼리를 사용할 수 있으므로 데이터에 대한 고급 논리 작업을 수행하고, 강력한 KQL 기능을 사용하여 로그 데이터를 조작할 수 있습니다.

로그 경고 규칙의 대상은 다음과 같습니다.

  • 단일 리소스(예: VM).
  • 리소스 그룹 또는 구독과 같은 단일 리소스 컨테이너입니다.
  • 리소스 간 쿼리를 사용하는 여러 리소스.

로그 경고는 두 가지 항목을 측정할 수 있으며, 다양한 모니터링 시나리오에서 사용할 수 있습니다.

  • 테이블 행: 반환된 행 수를 사용하여 Windows 이벤트 로그, Syslog 및 애플리케이션 예외와 같은 이벤트를 사용할 수 있습니다.
  • 숫자 열 계산: 숫자 열을 기준으로 한 계산을 사용하여 원하는 수의 리소스를 포함할 수 있습니다. 예를 들어 CPU 백분율이 있습니다.

로그 경고가 상태 저장 또는 상태 비저장인지 구성할 수 있습니다. 이 기능은 현재 미리 보기로 제공됩니다.

참고

로그 경고는 로그의 데이터 부족을 감지하려는 경우와 달리 로그에서 특정 데이터를 검색하려고 할 때 가장 잘 작동합니다. 로그는 반구조화된 데이터이므로 VM 하트비트 같은 정보에 대한 메트릭 데이터보다 본질적으로 더 대기 시간이 더 큽니다. 로그에서 데이터 부족을 감지하려고 할 때 발생하는 실수를 방지하려면 메트릭 경고를 사용하는 것이 좋습니다. 로그에 대한 메트릭 경고를 사용하여 로그에서 메트릭 저장소로 데이터를 보낼 수 있습니다.

로그 경고 규칙의 차원

로그 경고 규칙을 만들 때 차원을 사용하여 하나의 규칙으로 리소스의 여러 인스턴스 값을 모니터링할 수 있습니다. 예를 들어 웹 사이트 또는 앱을 실행하는 여러 인스턴스에서 CPU 사용량을 모니터링할 수 있습니다. 각 인스턴스는 개별적으로 모니터링됩니다. 각 인스턴스에 대한 알림이 전송됩니다.

로그 경고 규칙에서 차원으로 분할

여러 Azure 리소스에서 동일한 조건을 모니터링하려면 차원별로 분할을 사용하면 됩니다. 차원별로 분할을 사용하는 경우 구독 또는 리소스 그룹에 대해 대규모로 리소스 중심 경고를 만들 수 있습니다. 경고는 숫자 또는 문자열 열을 사용하여 조합을 그룹화하여 별도의 경고로 분할됩니다. Azure 리소스 ID 열을 분할하면 지정된 리소스가 경고 대상이 됩니다.

범위의 여러 리소스에 조건을 적용하려는 경우 분할하지 않기로 결정할 수도 있습니다. 예를 들어 리소스 그룹 범위에서 5대 이상의 컴퓨터가 CPU 사용량이 80% 이상인 경우 경고를 발생시키고 싶을 수 있습니다.

API 사용

ScheduledQueryRules API를 사용하여 작업 영역에서 새 규칙을 관리합니다.

참고

Log Analytics에 대한 로그 경고는 레거시 Log Analytics 경고 API를 사용하여 관리하는 데 사용되었습니다. 최신 ScheduledQueryRules API로 전환하는 방법에 대해 자세히 알아보세요.

Azure 청구서의 로그 경고

로그 경고는 다음을 사용하여 리소스 공급자 microsoft.insights/scheduledqueryrules 아래에 나열됩니다.

  • 리소스 그룹 및 경고 속성과 함께 정확한 리소스 이름으로 표시된 Application Insights에 대한 경고를 기록합니다.
  • Log Analytics에 대한 로그 경고는 scheduledQueryRules API를 사용하여 생성될 때 리소스 그룹 및 경고 속성과 함께 정확한 리소스 이름으로 표시됩니다.
  • 레거시 Log Analytics API에서 만든 로그 경고는 Azure 리소스를 추적하지 않으며 고유한 리소스 이름을 적용하지 않습니다. 이러한 경고는 리소스 명명 구조<WorkspaceName>|<savedSearchId>|<scheduleId>|<ActionId>가 인 숨겨진 리소스로 계속 만들어집니다microsoft.insights/scheduledqueryrules. 레거시 API에 대한 로그 경고는 리소스 그룹 및 경고 속성과 함께 이전의 숨겨진 리소스 이름과 함께 표시됩니다.

참고

, , %, &, , >? 같은 <지원되지 않는 리소스 문자 및 /는 숨겨진 리소스 이름에서 밑줄(_)로 바뀝니다. 이 문자 변경 내용은 청구 정보에도 반영됩니다.

활동 로그 경고

활동 로그 경고는 정의된 조건과 일치하는 새 활동 로그 이벤트에 대한 활동 로그를 확인하여 리소스를 모니터링합니다.

다음과 같은 유형의 시나리오에 활동 로그 경고를 사용할 수 있습니다.

  • 특정 리소스 그룹 또는 구독의 리소스에서 특정 작업이 발생하는 경우. 예를 들어 다음과 같은 경우 알림을 받을 수 있습니다.
    • 프로덕션 리소스 그룹의 VM이 삭제됩니다.
    • 구독의 사용자에게 새 역할이 할당됩니다.
  • Service Health 이벤트가 발생합니다. Service Health 이벤트에는 구독의 리소스에 적용되는 인시던트 및 유지 관리 이벤트에 대한 알림이 포함됩니다.

다음에 대한 활동 로그 경고를 만들 수 있습니다.

  • 경고 이벤트 이외의 활동 로그 이벤트 범주.
  • JSON 개체의 최상위 속성에 있는 모든 활동 로그 이벤트입니다.

활동 로그 경고 규칙은 Azure 리소스이므로 Azure Resource Manager 템플릿을 사용하여 만들 수 있습니다. 또한 Azure Portal에서 생성, 업데이트 또는 삭제할 수 있습니다.

활동 로그 경고는 경고가 생성되는 구독의 이벤트만 모니터링합니다.

Service Health 경고

Service Health 경고는 활동 경고의 한 유형입니다. 인증된 Service Health 환경이 현재 사용하는 서비스 및 리소스를 알고 있기 때문에 Service Health는 중단, 계획된 유지 관리 작업 및 기타 상태 권고에 대해 알려줍니다.

Service Health를 사용하는 가장 좋은 방법은 서비스 문제, 계획된 유지 관리 또는 기타 변경 내용이 사용하는 Azure 서비스 및 지역에 영향을 줄 수 있는 경우 기본 통신 채널을 사용하여 사용자에게 알리도록 Service Health 경고를 설정하는 것입니다.

Resource Health 경고

Resource Health 경고는 활동 경고의 한 유형입니다. Resource Health 개요는 Azure 리소스에 영향을 주는 서비스 문제를 진단하고 지원하는 데 도움이 됩니다. Azure Resource Health는 리소스의 현재 및 과거 상태를 보고합니다.

Resource Health는 다양한 Azure 서비스의 신호를 사용하여 리소스의 정상 여부를 평가합니다. 리소스가 비정상인 경우 Resource Health 자세한 정보를 분석하여 문제의 원인을 확인합니다. 또한 Microsoft가 문제를 해결하기 위해 수행하는 작업에 대해 보고하고 문제를 해결하기 위해 수행할 수 있는 작업을 식별합니다.

스마트 감지 경고

프로젝트에 대해 Application Insights를 설정하고 앱에서 일정량의 데이터를 생성한 후 스마트 검색은 앱의 정상적인 동작을 학습하는 데 24시간이 걸립니다. 앱의 성능에는 일반적인 동작의 패턴이 있습니다. 일부 요청 또는 종속성 호출은 다른 요청보다 오류가 발생하기 쉬우며 부하가 증가함에 따라 전체 실패율이 증가할 수 있습니다.

스마트 검색은 기계 학습을 사용하여 이러한 변칙을 찾습니다. 스마트 검색은 앱에서 받은 데이터, 특히 실패율을 모니터링합니다. Application Insights는 웹앱에서 실패한 요청이 비정상적으로 증가하는 경우 거의 실시간으로 자동으로 경고합니다.

웹앱에서 Application Insights에 데이터가 들어오면 스마트 검색은 현재 동작을 지난 며칠 동안의 패턴과 비교합니다. 이전 성능과 비교하여 실패율에 비정상적인 증가가 있으면 분석이 트리거됩니다.

문제를 심사하고 진단하는 데 도움이 되도록 오류 및 관련 애플리케이션 데이터의 특성에 대한 분석이 경고 세부 정보에 제공됩니다. 또한 추가 진단을 위해 Application Insights 포털에 링크가 제공됩니다. 이 기능은 기계 학습 알고리즘을 사용하여 정상적인 실패율을 예측하기 때문에 설정 또는 구성이 필요하지 않습니다.

메트릭 경고는 문제가 있을 수 있음을 알려주지만 스마트 검색은 진단 작업을 시작합니다. 그렇지 않으면 직접 수행해야 하는 많은 분석을 수행합니다. 결과를 깔끔하게 패키지하면 문제의 근본 원인을 빠르게 파악할 수 있습니다.

스마트 검색은 애플리케이션 요청이나 종속성 데이터를 생성하는 클라우드 또는 자체 서버에서 호스트되는 웹앱에 대해 작동합니다.

Prometheus 경고(미리 보기)

Prometheus 경고는 Prometheus용 Azure Monitor 관리 서비스에 저장된 메트릭 값을 기반으로 합니다. PromQL 쿼리의 결과가 true로 확인되면 발생합니다. Prometheus 경고는 실행될 때 다른 경고 유형처럼 표시되고 관리되지만 Prometheus 규칙 그룹으로 구성됩니다. 자세한 내용은 Prometheus용 Azure Monitor 관리 서비스의 규칙 그룹을 참조하세요.

다음 단계