Del via

Se logger for User Data Functions

Logger hjelper deg å forstå hvordan User Data Functions utføres og diagnostiserer problemer når funksjoner ikke oppfører seg som forventet. Du kan se logger på to måter:

  • Under testing - Se sanntidslogger i testpanelet når du tester funksjoner i utviklingsmodus
  • Etter påkall - Se historiske logger for publiserte funksjoner som har blitt kalt

Denne artikkelen forklarer hvordan man kan se og bruke logger for å overvåke funksjonsutførelse og feilsøke problemer.

Se logger under testing

Når du tester funksjoner, kan du se logger i sanntid mens funksjonen din kjøres:

  • Testpanel i utviklingsmodus – Se logger når du tester upubliserte eller publiserte funksjoner
  • Kjør panelet i kun kjør-modus – Se logger når du kjører publiserte funksjoner

Begge panelene viser loggutdata umiddelbart, slik at du kan se utførelsesdetaljer og feilsøkingsproblemer etter hvert som de oppstår. For mer informasjon om testfunksjoner, se Test dine brukerdatafunksjoner.

Se historiske logger for påkalte funksjoner

Etter at dine publiserte funksjoner er aktivert, kan du se historiske logger for å analysere tidligere utførelser.

For å få tilgang til historiske logger:

  1. Bytt til kun kjør-modus ved hjelp av modusbryteren.

  2. Hold musepekeren over funksjonsnavnet i funksjonslisten.

  3. Velg ellipseikonet (...), og velg deretter Vis historisk logg.

    Skjermbilde som viser hvordan du viser historiske logger for en funksjon.

Forstå det historiske loggperspektivet

Den historiske loggvisningen viser nylige kall for den valgte funksjonen. Du kan se opptil 50 oppføringer, og logger lagres i 30 dager. Velg dato-lenken i Dato-kolonnen (UTC) for å se detaljerte logger for en spesifikk påkallelse.

Skjermbilde som viser hvordan du viser alle påkallinger for funksjonene sortert etter dato.

Panelet for alle historiske logger inneholder følgende informasjon per invokasjon:

  • dato (UTC). Tidsstempelet som viser starten på funksjonsinvokasjonen. Velg koblingen for å se gjennom alle loggene for denne aktiveringen. Den viser detaljene for aktiveringen med alle meldinger som er logget av brukeren eller tjenesten.
  • Status. Angir om aktiveringen var vellykket eller mislykket.
  • duration(ms). Varigheten av funksjonskjøringen i millisekunder.
  • aktiverings-ID. ID-en for den spesifikke funksjonsaktiveringen. Aktiverings-ID-en returneres som en del av et HTTP-hode. Hvis det oppstår problemer, kan brukere referere til denne aktiverings-ID-en i en støtteforespørsel for å hente mer informasjon om aktiveringen.

Se detaljerte logger for en spesifikk invokasjon

Etter at du har åpnet den historiske loggvisningen (som beskrevet i forrige avsnitt), kan du gå videre til individuelle invokasjoner. Når du velger en tidsstempellenke i Dato-kolonnen (UTC), åpnes panelet Invocation Details for å vise alle logger for den invokasjonen. Du kan vise følgende:

  • Alle logger legges til i funksjonskoden din ved hjelp av modulen logging
  • Systemgenererte logger om funksjonsutførelse
  • Eventuelle feil eller unntak som har oppstått

Hver loggoppføring inkluderer tidsstempel, loggmelding og loggnivå (Informasjon, Advarsel, Feil, Kritisk).

Skjermbilde som viser hvordan du bruker detaljerte logger for en gitt funksjonsaktivering.

Legg til logging i funksjonene dine

Du kan legge til egendefinerte loggsetninger i funksjonene dine ved å bruke Pythons standardmodul logging . Logger hjelper deg med å spore funksjonsatferd, overvåke databehandling og diagnostisere problemer.

Importer loggmodulen

Først, importer modulen logging i funksjonskoden din:

import logging

Merk deg

Modulen logging importeres som standard når du oppretter et nytt User Data Functions-element i Fabric-portalen eller bruker VS Code-utvidelsen.

Bruk passende logaritmiske nivåer

Python tilbyr ulike loggnivåer for ulike situasjoner. Bruk riktig nivå for å gjøre loggene dine mer meningsfulle:

# INFO - Track normal function execution and key steps
logging.info('Processing started for customer ID: 12345')
logging.info('Successfully retrieved 150 records from database')

# WARNING - Log potentially problematic situations that don't prevent execution
logging.warning('API response time exceeded 2 seconds')
logging.warning('Using cached data because fresh data is unavailable')

# ERROR - Log errors that affect functionality but don't crash the function
logging.error('Failed to connect to external API: Connection timeout')
logging.error('Invalid data format in row 42')

# CRITICAL - Log severe errors that may cause function failure
logging.critical('Database connection lost')
logging.critical('Required configuration parameter missing')

Beste praksis for logging

Følg disse metodene for å gjøre loggene dine mer effektive:

  • Logg meningsfull informasjon – Inkluder relevante detaljer som ID-er, tellinger eller parameterverdier som hjelper til med å diagnostisere problemer
  • Bruk passende loggnivåer – Ikke logg alt som INFO eller FEIL; Bruk riktig nivå for situasjonen
  • Logg på nøkkelpunkter – Legg til logger i starten av funksjoner, før og etter eksterne kall, og når data behandles
  • Unngå å logge sensitiv informasjon – Ikke logg passord, tokens, personlig informasjon eller annen sensitiv informasjon
  • Hold meldingene konsise – Skriv klare, korte loggmeldinger som er enkle å skanne
  • Vær oppmerksom på volumet – Overdreven logging kan påvirke ytelsen og nå den daglige inntaksgrensen

For mer informasjon om å skrive funksjonskode, se Python-programmeringsmodellen.

Begrensninger og loggoppbevaring

Husk følgende begrensninger når du jobber med logger:

  • Loggoppbevaring – Historiske påkallingslogger lagres som standard i 30 dager
  • Synlige oppføringer – Den historiske loggvisningen viser opptil 50 oppføringer per funksjon
  • Loggtilgjengelighet – Påkallingslogger kan ta noen minutter å dukke opp; Oppdater siden hvis du ikke ser nylige logger
  • Daglig inntaksgrense - 250 MB per dag; Grensen nullstilles daglig
  • Prøvetaking – Logger kan tas prøver for å redusere volumet samtidig som statistisk korrekt analyse bevares
  • Støttede loggtyper – Informasjon, Feil, Advarsel og Spor

For fullstendig informasjon om tjenestegrenser, se tjenestedetaljer og begrensninger.

Relatert innhold

  • Last updated on