Zbieranie źródeł danych wydajności systemu Windows i Linux za pomocą agenta usługi Log Analytics
Liczniki wydajności w systemach Windows i Linux zapewniają wgląd w wydajność składników sprzętowych, systemów operacyjnych i aplikacji. Usługa Azure Monitor może zbierać liczniki wydajności od agentów usługi Log Analytics w częstych odstępach czasu na potrzeby analizy niemal w czasie rzeczywistym. Usługa Azure Monitor może również agregować dane wydajności na potrzeby długoterminowej analizy i raportowania.
Ważne
Starszy agent usługi Log Analytics jest przestarzały od 31 sierpnia 2024 r. Firma Microsoft nie będzie już zapewniać żadnej pomocy technicznej dla agenta usługi Log Analytics. Jeśli używasz agenta usługi Log Analytics do pozyskiwania danych do usługi Azure Monitor, przeprowadź migrację teraz do agenta usługi Azure Monitor.
Konfigurowanie liczników wydajności
Skonfiguruj liczniki wydajności z menu zarządzania starszymi agentami dla obszaru roboczego usługi Log Analytics.
Podczas pierwszego konfigurowania liczników wydajności systemu Windows lub Linux dla nowego obszaru roboczego można szybko utworzyć kilka typowych liczników. Są one wyświetlane z polem wyboru obok każdego. Upewnij się, że wybrano wszystkie liczniki, które chcesz początkowo utworzyć, a następnie wybierz pozycję Dodaj wybrane liczniki wydajności.
W przypadku liczników wydajności systemu Windows można wybrać określone wystąpienie dla każdego licznika wydajności. W przypadku liczników wydajności systemu Linux wystąpienie każdego wybranego licznika dotyczy wszystkich liczników podrzędnych licznika nadrzędnego. W poniższej tabeli przedstawiono typowe wystąpienia dostępne dla liczników wydajności systemów Windows i Linux.
| Nazwa wystąpienia | opis |
|---|---|
| _Total | Łączna liczba wszystkich wystąpień |
| * | Wszystkie wystąpienia |
| (/|/var) | Pasuje do wystąpień o nazwie / lub /var |
Liczniki wydajności systemu Windows
Wykonaj tę procedurę, aby dodać nowy licznik wydajności systemu Windows do zbierania. Liczniki wydajności systemu Windows w wersji 2 nie są obsługiwane.
Wybierz pozycję Dodaj licznik wydajności.
Wprowadź nazwę licznika w polu tekstowym w formacie object(instance)\counter. Po rozpoczęciu wpisywania zostanie wyświetlona zgodna lista typowych liczników. Możesz wybrać licznik z listy lub wprowadzić własny. Można również zwrócić wszystkie wystąpienia dla określonego licznika, określając obiekt\licznik.
Gdy liczniki wydajności programu SQL Server są zbierane z nazwanych wystąpień, wszystkie nazwane liczniki wystąpień zaczynają się od MSSQL$ i nazwy wystąpienia. Aby na przykład zebrać licznik współczynnika trafień pamięci podręcznej dzienników dla wszystkich baz danych z obiektu wydajności bazy danych dla nazwanego wystąpienia SQL INST2, określ wartość
MSSQL$INST2:Databases(*)\Log Cache Hit Ratio.Podczas dodawania licznika używa wartości domyślnej 10 sekund dla interwału próbkowania. Zmień tę wartość domyślną na wyższą wartość do 1800 sekund (30 minut), jeśli chcesz zmniejszyć wymagania dotyczące magazynu zebranych danych wydajności.
Po zakończeniu dodawania liczników wybierz pozycję Zastosuj w górnej części ekranu, aby zapisać konfigurację.
Liczniki wydajności systemu Linux
Wykonaj tę procedurę, aby dodać nowy licznik wydajności systemu Linux do zbierania.
- Wybierz pozycję Dodaj licznik wydajności.
- Wprowadź nazwę licznika w polu tekstowym w formacie object(instance)\counter. Po rozpoczęciu wpisywania zostanie wyświetlona zgodna lista typowych liczników. Możesz wybrać licznik z listy lub wprowadzić własny.
- Wszystkie liczniki dla obiektu używają tego samego interwału próbki. Wartość domyślna to 10 sekund. Zmień tę wartość domyślną na wyższą wartość do 1800 sekund (30 minut), jeśli chcesz zmniejszyć wymagania dotyczące magazynu zebranych danych wydajności.
- Po zakończeniu dodawania liczników wybierz pozycję Zastosuj w górnej części ekranu, aby zapisać konfigurację.
Konfigurowanie liczników wydajności systemu Linux w pliku konfiguracji
Zamiast konfigurować liczniki wydajności systemu Linux przy użyciu witryny Azure Portal, możesz edytować pliki konfiguracji w agencie systemu Linux. Metryki wydajności do zbierania są kontrolowane przez konfigurację w katalogu /etc/opt/microsoft/omsagent/<workspace id>/conf/omsagent.conf.
Każdy obiekt lub kategoria metryk wydajności do zbierania powinny być zdefiniowane w pliku konfiguracji jako pojedynczy <source> element. Składnia jest zgodna ze wzorcem w tym miejscu:
<source>
type oms_omi
object_name "Processor"
instance_regex ".*"
counter_name_regex ".*"
interval 30s
</source>
Parametry w tym elemecie zostały opisane w poniższej tabeli.
| Parametry | opis |
|---|---|
| object_name | Nazwa obiektu dla kolekcji. |
| instance_regex | Wyrażenie regularne definiujące, które wystąpienia mają być zbierane. Wartość .* określa wszystkie wystąpienia. Aby zebrać metryki procesora tylko dla wystąpienia _Total, można określić wartość _Total. Aby zebrać metryki procesu tylko dla wystąpień crond lub sshd, można określić .(crond\|sshd) |
| counter_name_regex | Wyrażenie regularne definiujące liczniki (dla obiektu) do zebrania. Aby zebrać wszystkie liczniki dla obiektu, określ wartość .*. Aby zebrać tylko liczniki miejsca dla obiektu pamięci, można na przykład określić .+Swap.+ |
| interval | Częstotliwość zbierania liczników obiektu. |
W poniższej tabeli wymieniono obiekty i liczniki, które można określić w pliku konfiguracji. Dla niektórych aplikacji jest dostępnych więcej liczników. Aby uzyskać więcej informacji, zobacz Zbieranie liczników wydajności dla aplikacji systemu Linux w usłudze Azure Monitor.
| Object name | Nazwa licznika |
|---|---|
| Dysk logiczny | % wolnych węzłów |
| Dysk logiczny | % wolnego miejsca |
| Dysk logiczny | % używanych węzłów |
| Dysk logiczny | % używanego miejsca |
| Dysk logiczny | Bajty odczytu dysku na sekundę |
| Dysk logiczny | Odczyty dysku/s |
| Dysk logiczny | Transfery dysków na sekundę |
| Dysk logiczny | Bajty zapisu dysku na sekundę |
| Dysk logiczny | Zapisy dysku na sekundę |
| Dysk logiczny | Megabajty wolne |
| Dysk logiczny | Bajty dysku logicznego/s |
| Pamięć | % dostępnej pamięci |
| Pamięć | % dostępnego miejsca wymiany |
| Pamięć | % używanej pamięci |
| Pamięć | % używanego miejsca wymiany |
| Pamięć | Dostępna pamięć mb/s |
| Pamięć | Dostępna zamiana mb/s |
| Pamięć | Odczyty stron na sekundę |
| Pamięć | Zapisy stron na sekundę |
| Pamięć | Strony/s |
| Pamięć | Używane miejsce wymiany MBytes |
| Pamięć | Używane bajty pamięci |
| Sieć | Łączna liczba przesłanych bajtów |
| Sieć | Całkowita liczba odebranych bajtów |
| Sieć | Łączna liczba bajtów |
| Sieć | Łączna liczba przesłanych pakietów |
| Sieć | Łączna liczba odebranych pakietów |
| Sieć | Łączna liczba błędów RX |
| Sieć | Łączna liczba błędów tx |
| Sieć | Łączna liczba kolizji |
| Dysk fizyczny | Średnia liczba s/odczyt dysku |
| Dysk fizyczny | Średnia liczba s/transfer dysku |
| Dysk fizyczny | Średnia liczba s/zapis na dysku |
| Dysk fizyczny | Bajty dysku fizycznego na sekundę |
| Przetwarzaj | Pct Privileged Time |
| Przetwarzaj | Czas użytkownika pct |
| Przetwarzaj | Użyto pamięci kBytes |
| Przetwarzaj | Pamięć udostępniona wirtualna |
| Procesor | % czasu DPC |
| Procesor | Czas bezczynności (%) |
| Procesor | % czasu przerwania |
| Procesor | % czasu oczekiwania we/wy |
| Procesor | % miłego czasu |
| Procesor | Czas uprzywilejowany (%) |
| Procesor | Czas procesora (%) |
| Procesor | % czasu użytkownika |
| System | Bezpłatna pamięć fizyczna |
| System | Wolne miejsce w plikach stronicowania |
| System | Bezpłatna pamięć wirtualna |
| System | Procesy |
| System | Rozmiar przechowywany w plikach stronicowania |
| System | Czas sprawności |
| System | Użytkownicy |
Następująca konfiguracja jest domyślna dla metryk wydajności:
<source>
type oms_omi
object_name "Physical Disk"
instance_regex ".*"
counter_name_regex ".*"
interval 5m
</source>
<source>
type oms_omi
object_name "Logical Disk"
instance_regex ".*"
counter_name_regex ".*"
interval 5m
</source>
<source>
type oms_omi
object_name "Processor"
instance_regex ".*"
counter_name_regex ".*"
interval 30s
</source>
<source>
type oms_omi
object_name "Memory"
instance_regex ".*"
counter_name_regex ".*"
interval 30s
</source>
Zbieranie danych
Usługa Azure Monitor zbiera wszystkie określone liczniki wydajności w określonym interwale próbki dla wszystkich agentów, którzy mają zainstalowany licznik. Dane nie są agregowane. Dane pierwotne są dostępne we wszystkich widokach zapytań dziennika przez czas określony przez obszar roboczy usługi Log Analytics.
Właściwości rekordu wydajności
Rekordy wydajności mają typ wydajności i mają właściwości wymienione w poniższej tabeli.
| Właściwości | opis |
|---|---|
| Komputer | Komputer, z którego zostało zebrane zdarzenie. |
| CounterName | Nazwa licznika wydajności. |
| Ścieżka licznika | Pełna ścieżka licznika w postaci \\<Computer>\object(instance)\counter. |
| Wartość licznika | Wartość liczbowa licznika. |
| InstanceName | Nazwa wystąpienia zdarzenia. Puste, jeśli nie ma wystąpienia. |
| Nazwa obiektu | Nazwa obiektu wydajności. |
| SourceSystem | Typ agenta, z którego zebrano dane: OpsManager — agent systemu Windows, połączenie bezpośrednie lub SCOM Linux — wszyscy agenci systemu Linux AzureStorage — Diagnostyka Azure |
| TimeGenerated | Data i godzina próbkowania danych. |
Szacowanie rozmiaru
Przybliżone oszacowanie zbierania określonego licznika w 10-sekundowych interwałach wynosi około 1 MB dziennie na wystąpienie. Wymagania dotyczące magazynu określonego licznika można oszacować przy użyciu następującej formuły:
1 MB x (liczba liczników) x (liczba agentów) x (liczba wystąpień)
Zapytania dzienników z rekordami wydajności
W poniższej tabeli przedstawiono różne przykłady zapytań dziennika, które pobierają rekordy wydajności.
| Query | opis |
|---|---|
| Perf | Wszystkie dane wydajności |
| Perf | where Computer == "MyComputer" | Wszystkie dane wydajności z określonego komputera |
| Perf | where CounterName == "Bieżąca długość kolejki dysku" | Wszystkie dane wydajności dla określonego licznika |
| Perf | where ObjectName == "Processor" and CounterName == "% Processor Time" and InstanceName == "_Total" | summarize AVGCPU = avg(CounterValue) by Computer | Średnie wykorzystanie procesora CPU na wszystkich komputerach |
| Perf | where CounterName == "% czasu procesora" | summarize AggregatedValue = max(CounterValue) by Computer | Maksymalne wykorzystanie procesora CPU na wszystkich komputerach |
| Perf | where ObjectName == "LogicalDisk" i CounterName == "Current Disk Queue Length" i Computer == "MyComputerName" | summarize AggregatedValue = avg(CounterValue) by InstanceName | Średnia długość kolejki bieżącego dysku we wszystkich wystąpieniach danego komputera |
| Perf | where CounterName == "Transfery dysku/s" | summarize AggregatedValue = percentile(CounterValue, 95) by Computer | 95. percentyl transferów dysków na sekundę na wszystkich komputerach |
| Perf | where CounterName == "% Czasu procesora" i InstanceName == "_Total" | summarize AggregatedValue = avg(CounterValue) by bin(TimeGenerated, 1h), Computer | Średnia godzinowa użycia procesora CPU na wszystkich komputerach |
| Perf | where Computer == "MyComputer" i CounterName startswith_cs "%" i InstanceName == "_Total" | summarize AggregatedValue = percentile(CounterValue, 70) by bin(TimeGenerated, 1h), CounterName | Co godzinę 70. percentyl każdego licznika procent dla określonego komputera |
| Perf | where CounterName == "% Czasu procesora" i InstanceName == "_Total" i Computer == "MyComputer" | summarize ["min(CounterValue)"] = min(CounterValue), ["avg(CounterValue)"] = avg(CounterValue), ["percentile75(CounterValue)"] = percentile(CounterValue, 75), ["max(CounterValue)"] = max(CounterValue)"] by bin(TimeGenerated, 1h), Computer | Średnia godzinowa, minimalna, maksymalna i 75-percentylowe użycie procesora CPU dla określonego komputera |
| Perf | where ObjectName == "MSSQL$INST2:Databases" i InstanceName == "master" | Wszystkie dane wydajności z obiektu wydajności bazy danych dla bazy danych master z nazwanego wystąpienia programu SQL Server INST2 |
Następne kroki
- Zbieraj liczniki wydajności z aplikacji systemu Linux, w tym MySQL i Apache HTTP Server.
- Dowiedz się więcej o zapytaniach dzienników w celu analizowania danych zebranych ze źródeł danych i rozwiązań.
- Eksportowanie zebranych danych do usługi Power BI w celu uzyskania większej liczby wizualizacji i analizy.