Samenvatting
De retailketen waar u als data scientist werkt, ondervindt problemen met computerprestaties, die lijken te zijn gerelateerd aan virtuele machines met een hoog CPU-gebruik en onvoldoende vrije ruimte.
U hebt KQL-query's uitgevoerd in Azure Monitor Log Analytics om inzichten over uw virtuele machines te extraheren uit logboekgegevens die u hebt verzameld. U hebt verschillende technieken in uw analyse toegepast, waaronder:
- Duidelijke analysedoelen instellen.
- Logboekgegevens onderzoeken.
- Door te beoordelen welke KQL-bewerkingen u kunnen helpen uw logboekgegevens te gebruiken om uw analysedoelen te bereiken.
Logboekanalyse is essentieel voor het beheren van bewaakte resources, het detecteren en reageren op problemen en het beperken van potentiële problemen. Onbewerkte logboekgegevens bevatten een overweldigende hoeveelheid informatie die moeilijk te begrijpen en correleren op zinvolle manieren zonder hulpprogramma's zoals Log Analytics en KQL.
Door logboekgegevens te analyseren in Log Analytics met behulp van KQL kunt u cruciale inzichten verkrijgen en uw IT-omgeving effectief en proactief beheren.