Metrische gegevens van Azure Stream Analytics-taken
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.
Metrische gegevens die beschikbaar zijn voor Stream Analytics
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. |
Scenario's om te bewaken
Azure Stream Analytics biedt een serverloze, gedistribueerde streamingverwerkingsservice. Taken kunnen worden uitgevoerd op een of meer gedistribueerde streamingknooppunten, die automatisch worden beheerd door de service. De invoergegevens worden gepartitioneerd en toegewezen aan verschillende streamingknooppunten voor verwerking.
| Metric | Conditie | Tijdverzameling | Threshold | Corrigerende acties |
|---|---|---|---|---|
| SU (geheugen) % gebruik | Groter dan | Gemiddeld | 80 | Meerdere factoren verhogen het gebruik van RU's. U kunt schalen met queryparallelisatie of het aantal RU's verhogen. Zie Query-parallellisatie gebruiken in Azure Stream Analytics voor meer informatie. |
| CPU-gebruikspercentage | Groter dan | Gemiddeld | 90 | Dit betekent waarschijnlijk dat voor sommige bewerkingen (zoals door de gebruiker gedefinieerde functies, door de gebruiker gedefinieerde aggregaties of complexe invoerdeserialisatie) veel CPU-cycli nodig zijn. U kunt dit probleem meestal oplossen door het aantal RU's voor de taak te verhogen. |
| Runtimefouten | Groter dan | Totaal | 0 | Bekijk de activiteiten- of resourcelogboeken en breng de juiste wijzigingen aan in de invoer, query of uitvoer. |
| Watermerkvertraging | Groter dan | Gemiddeld | Wanneer de gemiddelde waarde van deze metrische waarde in de afgelopen 15 minuten groter is dan de tolerantie voor late aankomst (in seconden). Als u de tolerantie voor late aankomst niet hebt gewijzigd, wordt de standaardwaarde ingesteld op 5 seconden. | Verhoog het aantal RU's of parallelliseren van uw query. Zie Streaming-eenheden begrijpen en aanpassen voor meer informatie over RU's. Zie Queryparallelisatie gebruiken in Azure Stream Analytics voor meer informatie over het parallelliseren van uw query. |
| Fouten bij deserialisatie van invoer | Groter dan | Totaal | 0 | Bekijk de activiteiten- of resourcelogboeken en breng de juiste wijzigingen aan in de invoer. Zie Problemen met Azure Stream Analytics oplossen met behulp van resourcelogboeken voor meer informatie over resourcelogboeken. |
Hulp vragen
Probeer de Microsoft Q&A-pagina voor Azure Stream Analytics voor meer hulp.
Volgende stappen
- Inleiding tot Azure Stream Analytics
- Dimensies voor metrische gegevens van Azure Stream Analytics
- Streaming-eenheden begrijpen en aanpassen
- Prestaties van Stream Analytics-taken analyseren met behulp van metrische gegevens en dimensies
- Een Stream Analytics-taak bewaken met Azure Portal
- Aan de slag met Azure Stream Analytics