Azure Databricks bewaken
Azure Databricks is een snelle, krachtige analyseservice op basis van Apache Spark die het eenvoudig maakt om snel big data-analyses en oplossingen voor kunstmatige intelligentie (AI) te ontwikkelen en te implementeren. Veel gebruikers profiteren van de eenvoud van notebooks in hun Azure Databricks-oplossingen. Voor gebruikers die krachtigere rekenmogelijkheden nodig hebben, ondersteunt Azure Databricks de gedistribueerde uitvoering van aangepaste toepassingscode.
Bewaking is een belangrijk onderdeel van een oplossing op productieniveau. Azure Databricks biedt daarom robuuste functionaliteit om metrische gegevens van een aangepaste toepassing, querygebeurtenissen en toepassingslogboekberichten te bewaken. Azure Databricks verstuurt deze bewakingsgegevens naar verschillende logboekregistratieservices.
In de volgende artikelen wordt uitgelegd hoe u bewakingsgegevens van Azure Databricks naar Azure Monitor verstuurt, het platform van Azure voor bewakingsgegevens.
- Azure Databricks-toepassingslogboeken verzenden naar Azure Monitor
- Dashboards gebruiken om metrische gegevens van Azure Databricks te visualiseren
- Prestatieknelpunten oplossen
De codebibliotheek die in deze artikelen is verwerkt, breidt de belangrijkste bewakingsfunctionaliteit van Azure Databricks uit om metrische gegevens Spark-gegevens, gebeurtenissen en logboekgegevens te verzenden naar Azure Monitor.
De doelgroep voor deze artikelen en de bijbehorende codebibliotheek zijn ontwikkelaars van Apache Spark- en Azure Databricks-oplossingen. De code moet in Java Archive-bestanden (JAR) worden gebouwd en vervolgens worden geïmplementeerd in een Azure Databricks-cluster. De code is een combinatie van Scala en Java, met een bijbehorende set POM-bestanden (Project Object Model-bestanden) van Maven om de uiteindelijke JAR-bestanden te bouwen. Kennis van Java, Scala en Maven wordt aanbevolen als vereiste.
Volgende stappen
Maak eerst de codebibliotheek en implementeer deze in uw Azure Databricks-cluster.