Naslaginformatie over bewakingsgegevens in Azure Stream Analytics
Dit artikel bevat alle informatie over bewakingsreferenties voor deze service.
Zie Azure Stream Analytics bewaken voor meer informatie over de gegevens die u kunt verzamelen voor Azure Stream Analytics en hoe u deze kunt gebruiken.
Metrische gegevens voor
In deze sectie vindt u alle automatisch verzamelde platformgegevens voor deze service. Deze metrische gegevens maken ook deel uit van de algemene lijst met alle platformgegevens die worden ondersteund in Azure Monitor.
Zie het overzicht van metrische gegevens in Azure Monitor voor meer informatie over het bewaren van metrische gegevens.
Azure Stream Analytics biedt tal van metrische gegevens die u kunt gebruiken om uw query- en taakprestaties te bewaken en op te lossen. U kunt gegevens uit deze metrische gegevens bekijken op de overzichtspagina van Azure Portal, in de sectie Bewaking.
Als u een specifieke metrische waarde wilt controleren, selecteert u Metrische gegevens in de sectie Bewaking . Selecteer de metrische waarde op de pagina die wordt weergegeven.
Ondersteunde metrische gegevens voor Microsoft.StreamAnalytics/streamingjobs
De volgende tabel bevat de metrische gegevens die beschikbaar zijn voor het resourcetype Microsoft.StreamAnalytics/streamingjobs.
- Alle kolommen zijn mogelijk niet aanwezig in elke tabel.
- Sommige kolommen kunnen zich buiten het weergavegebied van de pagina bevinden. Selecteer Tabel uitvouwen om alle beschikbare kolommen weer te geven.
Tabelkoppen
- Categorie : de groep of classificatie van metrische gegevens.
- Metrische waarde : de weergavenaam van metrische gegevens zoals deze wordt weergegeven in Azure Portal.
- Naam in REST API : de naam van de metrische waarde die wordt genoemd in de REST API.
- Eenheid : maateenheid.
- Aggregatie: het standaardaggregatietype. Geldige waarden: Gemiddelde (Gemiddeld), Minimum (Min), Maximum (Max), Totaal (Som), Aantal.
- Dimensies die - beschikbaar zijn voor de metrische waarde.
- Tijdsintervallen - waarmee de metrische gegevens worden bemonsterd. Geeft bijvoorbeeld
PT1Maan dat de metrische waarde elke minuut,PT30Mom de 30 minuten,PT1Helk uur enzovoort wordt genomen. - DS Exporteren: of de metrische waarde kan worden geëxporteerd naar Azure Monitor-logboeken via diagnostische instellingen. Zie Diagnostische instellingen maken in Azure Monitor voor meer informatie over het exporteren van metrische gegevens.
| Categorie | Metrische gegevens | Naam in REST API | Eenheid | Statistische functie | Afmetingen | Tijdsinterval | DS Exporteren |
|---|---|---|---|---|---|---|---|
| Mislukte functieaanvragen Mislukte functieaanvragen |
AMLCalloutFailedRequests |
Tellen | Totaal (som) | LogicalName, , , PartitionIdProcessorInstanceNodeName |
PT1M | Ja | |
| Functie-gebeurtenissen Functiegebeurtenissen |
AMLCalloutInputEvents |
Tellen | Totaal (som) | LogicalName, , , PartitionIdProcessorInstanceNodeName |
PT1M | Ja | |
| Functieaanvragen Functieaanvragen |
AMLCalloutRequests |
Tellen | Totaal (som) | LogicalName, , , PartitionIdProcessorInstanceNodeName |
PT1M | Ja | |
| Fouten bij gegevensconversie Gegevensconversiefouten |
ConversionErrors |
Tellen | Totaal (som) | LogicalName, , , PartitionIdProcessorInstanceNodeName |
PT1M | Ja | |
| Fouten bij deserialisatie van invoer Fouten in invoerdeserialisatie |
DeserializationError |
Tellen | Totaal (som) | LogicalName, , , PartitionIdProcessorInstanceNodeName |
PT1M | Ja | |
| Niet-bestelde gebeurtenissen Niet-bestelde gebeurtenissen |
DroppedOrAdjustedEvents |
Tellen | Totaal (som) | LogicalName, , , PartitionIdProcessorInstanceNodeName |
PT1M | Ja | |
| Vroege invoerevenementen Vroege invoergebeurtenissen |
EarlyInputEvents |
Tellen | Totaal (som) | LogicalName, , , PartitionIdProcessorInstanceNodeName |
PT1M | Ja | |
| Runtimefouten Runtimefouten |
Errors |
Tellen | Totaal (som) | LogicalName, , , PartitionIdProcessorInstanceNodeName |
PT1M | Ja | |
| Invoer gebeurtenisbytes Invoergebeurtenisbytes |
InputEventBytes |
Bytes | Totaal (som) | LogicalName, , , PartitionIdProcessorInstanceNodeName |
PT1M | Ja | |
| Invoerevenementen Invoergebeurtenissen |
InputEvents |
Tellen | Totaal (som) | LogicalName, , , PartitionIdProcessorInstanceNodeName |
PT1M | Ja | |
| Teruggelogde invoergebeurtenissen Achterstallige invoergebeurtenissen |
InputEventsSourcesBacklogged |
Tellen | Gemiddelde, maximum, minimum | LogicalName, , , PartitionIdProcessorInstanceNodeName |
PT1M | Ja | |
| Ontvangen invoerbronnen Ontvangen invoerbronnen |
InputEventsSourcesPerSecond |
Tellen | Totaal (som) | LogicalName, , , PartitionIdProcessorInstanceNodeName |
PT1M | Ja | |
| Gebeurtenissen met late invoer Late invoergebeurtenissen |
LateInputEvents |
Tellen | Totaal (som) | LogicalName, , , PartitionIdProcessorInstanceNodeName |
PT1M | Ja | |
| Uitvoer gebeurtenissen Uitvoer gebeurtenissen |
OutputEvents |
Tellen | Totaal (som) | LogicalName, , , PartitionIdProcessorInstanceNodeName |
PT1M | Ja | |
| Watermerkvertraging Watermerkvertraging |
OutputWatermarkDelaySeconds |
Seconden | Gemiddelde, maximum, minimum | LogicalName, , , PartitionIdProcessorInstanceNodeName |
PT1M | Ja | |
| CPU-gebruikspercentage CPU-gebruikspercentage |
ProcessCPUUsagePercentage |
Procent | Gemiddelde, maximum, minimum | LogicalName, , , PartitionIdProcessorInstanceNodeName |
PT1M | Ja | |
| SU (geheugen) % gebruik SU (geheugen) % gebruik |
ResourceUtilization |
Procent | Gemiddelde, maximum, minimum | LogicalName, , , PartitionIdProcessorInstanceNodeName |
PT1M | Ja |
Beschrijvingen van metrische gegevens
Azure Stream Analytics biedt de volgende metrische gegevens waarmee u de status van uw taak kunt bewaken.
| Metrische gegevens | Definitie |
|---|---|
| Teruggelogde invoergebeurtenissen | Aantal invoergebeurtenissen dat is teruggemeld. Een niet-nulwaarde voor deze metrische waarde impliceert dat uw taak het aantal binnenkomende gebeurtenissen niet kan bijhouden. Als deze waarde langzaam toeneemt of consistent niet-nul is, moet u uw taak uitschalen. Zie Streaming-eenheden begrijpen en aanpassen voor meer informatie. |
| Fouten bij gegevensconversie | Aantal uitvoergebeurtenissen dat niet kan worden geconverteerd naar het verwachte uitvoerschema. Als u gebeurtenissen wilt verwijderen die dit scenario tegenkomen, kunt u het foutbeleid wijzigen in Neerzetten. |
| CPU-gebruik (preview) | Percentage CPU dat uw taak gebruikt. Zelfs als deze waarde erg hoog is (90 procent of meer), moet u het aantal RU's niet alleen verhogen op basis van deze metrische waarde. Als het aantal vertraagde invoergebeurtenissen of watermerkvertragingen toeneemt, kunt u deze metrische waarde gebruiken om te bepalen of de CPU het knelpunt is. Deze metrische waarde kan onregelmatige pieken hebben. We raden u aan om schaaltests uit te voeren om de bovengrens van uw taak te bepalen waarna de invoer wordt achtergehouden of watermerkvertragingen toeneemt vanwege een CPU-knelpunt. |
| Vroege invoerevenementen | Gebeurtenissen waarvan het tijdstempel van de toepassing ouder is dan hun aankomsttijd met meer dan 5 minuten. |
| Mislukte functieaanvragen | Aantal mislukte Azure Machine Learning-functie-aanroepen (indien aanwezig). |
| Functie-gebeurtenissen | Aantal gebeurtenissen dat is verzonden naar de Azure Machine Learning-functie (indien aanwezig). |
| Functieaanvragen | Aantal aanroepen naar de Azure Machine Learning-functie (indien aanwezig). |
| Fouten bij deserialisatie van invoer | Aantal invoergebeurtenissen dat niet kan worden gedeserialiseerd. |
| Invoer gebeurtenisbytes | Hoeveelheid gegevens die de Stream Analytics-taak ontvangt, in bytes. U kunt deze metrische waarde gebruiken om te controleren of gebeurtenissen naar de invoerbron worden verzonden. |
| Invoerevenementen | Het aantal records dat is gedeserialiseerd op basis van de invoergebeurtenissen. Dit aantal bevat geen binnenkomende gebeurtenissen die leiden tot deserialisatiefouten. Stream Analytics kan dezelfde gebeurtenissen meerdere keren opnemen in scenario's zoals interne herstelbewerkingen en self-joins. Verwacht niet dat de metrische gegevens voor invoergebeurtenissen en uitvoergebeurtenissen overeenkomen als uw taak een eenvoudige passthrough-query heeft. |
| Ontvangen invoerbronnen | Aantal berichten dat de taak ontvangt. Voor Azure Event Hubs is een bericht één EventData item. Voor Azure Blob Storage is een bericht één blob. Houd er rekening mee dat invoerbronnen worden geteld vóór deserialisatie. Als er ontserialisatiefouten zijn, kunnen invoerbronnen groter zijn dan invoer gebeurtenissen. Anders kunnen invoerbronnen kleiner zijn dan of gelijk zijn aan invoerevenementen, omdat elk bericht meerdere gebeurtenissen kan bevatten. |
| Gebeurtenissen met late invoer | Gebeurtenissen die later zijn aangekomen dan het geconfigureerde tolerantievenster voor late aankomsten. Meer informatie over overwegingen voor gebeurtenisvolgorde van Azure Stream Analytics. |
| Out-of-Order-gebeurtenissen | Het aantal gebeurtenissen dat buiten de volgorde is ontvangen die zijn verwijderd of een aangepast tijdstempel hebben gekregen, op basis van het beleid voor het ordenen van gebeurtenissen. Deze metrische waarde kan worden beïnvloed door de configuratie van de instelling Out-of-Order Tolerance Window . |
| Uitvoer gebeurtenissen | De hoeveelheid gegevens die door de Stream Analytics-taak naar het uitvoerdoel wordt verzonden, in het aantal gebeurtenissen. |
| Runtimefouten | Totaal aantal fouten met betrekking tot queryverwerking. Er worden fouten uitgesloten die zijn gevonden tijdens het opnemen van gebeurtenissen of het uitvoeren van resultaten. |
| SU (geheugen) % gebruik | Percentage geheugen dat uw taak gebruikt. Als deze metrische waarde consistent hoger is dan 80 procent, neemt de watermerkvertraging toe en neemt het aantal backloggebeurtenissen toe. Overweeg om streaming-eenheden (SU's) te verhogen. Hoog gebruik geeft aan dat de taak dicht bij de maximaal toegewezen resources wordt gebruikt. |
| Watermerkvertraging | Maximale watermerkvertraging voor alle partities van alle uitvoer in de taak. |
Metrische dimensies
Zie Multidimensionale metrische gegevens voor informatie over wat metrische dimensies zijn.
Deze service heeft de volgende dimensies die zijn gekoppeld aan de metrische gegevens.
| Dimensie | Definitie |
|---|---|
| Logische naam | De invoer- of uitvoernaam voor een Stream Analytics-taak. |
| Partitie-id | De id van de invoergegevenspartitie van een invoerbron. Als de invoerbron bijvoorbeeld een Event Hub is, is de partitie-id van de Event Hub de partitie-id van de Event Hub. Voor gênant parallelle taken is partitie-id in de uitvoer hetzelfde als in de invoer. |
| Naam van knooppunt | De id van een streamingknooppunt dat wordt ingericht wanneer uw taak wordt uitgevoerd. Een streamingknooppunt vertegenwoordigt de hoeveelheid reken- en geheugenresources die aan uw taak zijn toegewezen. |
Dimensie Logische naam
Logische naam is de invoer- of uitvoernaam voor een Stream Analytics-taak. Stel dat een Stream Analytics-taak vier invoer en vijf uitvoer heeft. U ziet de vier afzonderlijke logische invoer en vijf afzonderlijke logische uitvoer wanneer u invoergerelateerde en uitvoergerelateerde metrische gegevens splitst op basis van deze dimensie.
De dimensie Logische naam is beschikbaar voor het filteren en splitsen van de volgende metrische gegevens:
- Teruggelogde invoergebeurtenissen
- Fouten bij gegevensconversie
- Vroege invoerevenementen
- Fouten bij deserialisatie van invoer
- Invoer gebeurtenisbytes
- Invoerevenementen
- Invoerbron ontvangen
- Gebeurtenissen met late invoer
- Out-of-Order-gebeurtenissen
- Uitvoer gebeurtenissen
- Watermerkvertraging
Knooppuntnaamdimensie
Een streamingknooppunt vertegenwoordigt een set rekenresources die wordt gebruikt voor het verwerken van uw invoergegevens. Elke zes streaming-eenheden (SU's) worden omgezet in één knooppunt, dat de service automatisch namens u beheert. Zie Streaming-eenheden begrijpen en aanpassen voor meer informatie over de relatie tussen streaming-eenheden en streamingknooppunten.
Knooppuntnaam is een dimensie op streamingknooppuntniveau. Het kan u helpen om bepaalde metrische gegevens in te zoomen op het specifieke niveau van het streamingknooppunt. U kunt bijvoorbeeld de metrische waarde voor CPU-gebruik splitsen op streamingknooppuntniveau om het CPU-gebruik van een afzonderlijk streamingknooppunt te controleren.
De dimensie Naam van knooppunt is beschikbaar voor het filteren en splitsen van de volgende metrische gegevens:
- Teruggelogde invoergebeurtenissen
- CPU-gebruik (preview)
- Invoerevenementen
- Uitvoer gebeurtenissen
- SU (geheugen) % gebruik
- Watermerkvertraging
Partitie-id-dimensie
Wanneer streaminggegevens worden opgenomen in de Azure Stream Analytics-service voor verwerking, worden de invoergegevens gedistribueerd naar streamingknooppunten op basis van de partities in de invoerbron. De partitie-id-dimensie is de id van de invoergegevenspartitie uit de invoerbron.
Als de invoerbron bijvoorbeeld een Event Hub is, is de partitie-id van de Event Hub de partitie-id van de Event Hub. Partitie-id in de invoer is hetzelfde als in de uitvoer.
De dimensie Partitie-id is beschikbaar voor het filteren en splitsen van de volgende metrische gegevens:
- Teruggelogde invoergebeurtenissen
- Fouten bij gegevensconversie
- Vroege invoerevenementen
- Fouten bij deserialisatie van invoer
- Invoer gebeurtenisbytes
- Invoerevenementen
- Invoerbron ontvangen
- Gebeurtenissen met late invoer
- Uitvoer gebeurtenissen
- Watermerkvertraging
Resourcelogboeken
Deze sectie bevat de typen resourcelogboeken die u voor deze service kunt verzamelen. De sectie wordt opgehaald uit de lijst met alle typen resourcelogboeken die worden ondersteund in Azure Monitor.
Ondersteunde resourcelogboeken voor Microsoft.StreamAnalytics/streamingjobs
| Categorie | Weergavenaam van categorie | Logboektabel | Biedt ondersteuning voor basislogboekabonnement | Ondersteunt opnametijdtransformatie | Voorbeeldquery's | Kosten voor export |
|---|---|---|---|---|---|---|
Authoring |
Ontwerpen | AzureDiagnostics Logboeken van meerdere Azure-resources. |
Nee | Nr. | Query's | Nee |
Execution |
Uitvoering | AzureDiagnostics Logboeken van meerdere Azure-resources. |
Nee | Nr. | Query's | Nee |
Schema voor resourcelogboeken
Alle logboeken worden opgeslagen in JSON-indeling. Elke vermelding heeft de volgende algemene tekenreeksvelden:
| Name | Beschrijving |
|---|---|
| tijd | Tijdstempel (in UTC) van het logboek. |
| resourceId | Id van de resource waarop de bewerking heeft plaatsgevonden, in hoofdletters. Het bevat de abonnements-id, de resourcegroep en de taaknaam. Bijvoorbeeld /SUBSCRIPTIONS/6503D296-DAC1-4449-9B03-609A1F4A1C87/RESOURCEGROUPS/MY-RESOURCE-GROUP/PROVIDERS/MICROSOFT. STREAMANALYTICS/STREAMINGJOBS/MYSTREAMINGJOB. |
| category | Logboekcategorie, uitvoering of creatie. |
| operationName | Naam van de bewerking die is geregistreerd. Bijvoorbeeld : Gebeurtenissen verzenden: SQL Output-schrijffout naar mysqloutput. |
| status | Status van de bewerking. Bijvoorbeeld Mislukt of Geslaagd. |
| niveau | Logboekniveau. Bijvoorbeeld fout, waarschuwing of informatief. |
| properties | Vermeldingsspecifieke logboekgegevens, geserialiseerd als een JSON-tekenreeks. Zie de volgende secties in dit artikel voor meer informatie. |
Schema voor eigenschappen van uitvoeringslogboek
Uitvoeringslogboeken bevatten informatie over gebeurtenissen die zijn opgetreden tijdens het uitvoeren van de Stream Analytics-taak. Het schema van eigenschappen is afhankelijk van of de gebeurtenis een gegevensfout of een algemene gebeurtenis is.
Gegevensfouten
Eventuele fouten die optreden wanneer de taak gegevens verwerkt, bevindt zich in deze categorie logboeken. Deze logboeken worden meestal gemaakt tijdens het lezen, serialiseren en schrijven van gegevens. Deze logboeken bevatten geen connectiviteitsfouten. Connectiviteitsfouten worden behandeld als algemene gebeurtenissen. Meer informatie over de oorzaak van verschillende fouten in invoer- en uitvoergegevens.
| Name | Beschrijving |
|---|---|
| Bron | Naam van de taakinvoer of uitvoer waar de fout is opgetreden. |
| Bericht | Bericht dat is gekoppeld aan de fout. |
| Type | Type fout. Bijvoorbeeld DataConversionError, CsvParserError of ServiceBusPropertyColumnMissingError. |
| Gegevens | Bevat gegevens die handig zijn om de bron van de fout nauwkeurig te vinden. Afhankelijk van de grootte, afhankelijk van de afkapping. |
Afhankelijk van de waarde operationName hebben gegevensfouten het volgende schema:
Serialiseer gebeurtenissen tijdens leesbewerkingen voor gebeurtenissen. Ze vinden plaats wanneer de gegevens in de invoer om een van deze redenen niet voldoen aan het queryschema:
Type komt niet overeen tijdens de serialisatie/deserialisatie van gebeurtenissen: identificeert het veld dat de fout veroorzaakt.
Kan een gebeurtenis, ongeldige serialisatie niet lezen: bevat informatie over de locatie in de invoergegevens waar de fout is opgetreden. Bevat de blobnaam voor blobinvoer, offset en een voorbeeld van de gegevens.
Er worden gebeurtenissen verzonden tijdens schrijfbewerkingen. Ze identificeren de streaming-gebeurtenis die de fout heeft veroorzaakt.
Algemene gebeurtenissen
Algemene gebeurtenissen hebben betrekking op al het andere.
| Name | Beschrijving |
|---|---|
| Error | (optioneel) Foutinformatie. Meestal zijn dit de uitzonderingsgegevens als deze beschikbaar zijn. |
| Bericht | Logboekbericht. |
| Type | Type bericht. Wordt toegewezen aan interne categorisatie van fouten. Bijvoorbeeld JobValidationError of BlobOutputAdapterInitializationFailure. |
| Correlatie-id | GUID die de taakuitvoering op unieke wijze identificeert. Alle vermeldingen in het uitvoeringslogboek vanaf het moment dat de taak wordt gestart totdat de taak stopt, hebben dezelfde correlatie-id-waarde . |
Zie een lijst met alle typen resourcelogboeken die worden ondersteund in Azure Monitor of alle typen resourcelogboekcategorie die zijn verzameld voor Azure Stream Analytics.
Azure Monitor-logboekentabellen
In deze sectie vindt u de Tabellen van Azure Monitor-logboeken die relevant zijn voor deze service, die beschikbaar zijn voor query's door Log Analytics met behulp van Kusto-query's. De tabellen bevatten resourcelogboekgegevens en mogelijk meer, afhankelijk van wat er wordt verzameld en doorgestuurd naar deze tabellen.
Stream Analytics-taken
| Categorie | Weergavenaam van categorie | Logboektabel | Biedt ondersteuning voor basislogboekabonnement | Ondersteunt opnametijdtransformatie | Voorbeeldquery's | Kosten voor export |
|---|---|---|---|---|---|---|
Authoring |
Ontwerpen | AzureDiagnostics Logboeken van meerdere Azure-resources. |
Nee | Nr. | Query's | Nee |
Execution |
Uitvoering | AzureDiagnostics Logboeken van meerdere Azure-resources. |
Nee | Nr. | Query's | Nee |
Activiteitenlogboek
De gekoppelde tabel bevat de bewerkingen die kunnen worden vastgelegd in het activiteitenlogboek voor deze service. Deze bewerkingen zijn een subset van alle mogelijke bewerkingen van de resourceprovider in het activiteitenlogboek.
Zie het schema voor activiteitenlogboeken voor meer informatie over het schema van vermeldingen in het activiteitenlogboek.