Funkcja Intelligent Insights używająca sztucznej inteligencji do monitorowania wydajności bazy danych i rozwiązywania problemów (wersja zapoznawcza)

Dotyczy: Azure SQL Database Azure SQL Managed Instance

Usługa Intelligent Insights w usługach Azure SQL Database i Azure SQL Managed Instance informuje o tym, co dzieje się z wydajnością bazy danych.

Funkcja Intelligent Insights używa wbudowanej inteligencji do ciągłego monitorowania użycia bazy danych za pomocą sztucznej inteligencji i wykrywania zdarzeń powodujących pogorszenie wydajności. Po wykryciu zostanie przeprowadzona szczegółowa analiza, która generuje dziennik zasobów usługi Intelligent Insights o nazwie SQLInsights (niepowiązany z usługą Azure Monitor SQL Insights (wersja zapoznawcza)) z inteligentną oceną problemów. Ta ocena składa się z głównej analizy przyczyny problemu z wydajnością bazy danych i, jeśli to możliwe, zaleceń dotyczących ulepszeń wydajności.

Co można zrobić w usłudze Intelligent Insights?

Intelligent Insights to unikatowa funkcja wbudowanej analizy platformy Azure, która zapewnia następującą wartość:

• Aktywne monitorowanie
• Dostosowane szczegółowe informacje o wydajności
• Wczesne wykrywanie obniżenia wydajności bazy danych
• Analiza głównej przyczyny wykrytych problemów
• Zalecenia dotyczące poprawy wydajności
• Skalowanie w poziomie możliwości na setki tysięcy baz danych
• Pozytywny wpływ na zasoby devOps i całkowity koszt posiadania

Jak działa funkcja Intelligent Insights

Funkcja Intelligent Insights analizuje wydajność bazy danych, porównując obciążenie bazy danych z ostatniej godziny z obciążeniem z ostatnich siedmiu dni odniesienia. Obciążenie bazy danych składa się z zapytań, które są najbardziej istotne dla wydajności bazy danych, takich jak najbardziej powtarzające się i największe zapytania. Ponieważ każda baza danych jest unikatowa na podstawie struktury, danych, użycia i aplikacji, każdy wygenerowany punkt odniesienia obciążenia jest specyficzny i unikatowy dla tego obciążenia. Usługa Intelligent Insights, niezależna od punktu odniesienia obciążenia, monitoruje również bezwzględne progi operacyjne i wykrywa problemy z nadmiernym czasem oczekiwania, krytycznymi wyjątkami i problemami z parametryzacjami zapytań, które mogą mieć wpływ na wydajność.

Po wykryciu problemu z obniżeniem wydajności z wielu obserwowanych metryk przy użyciu sztucznej inteligencji wykonywana jest analiza. Dziennik diagnostyczny jest generowany z inteligentnym wglądem w to, co dzieje się z bazą danych. Funkcja Intelligent Insights ułatwia śledzenie problemu z wydajnością bazy danych od pierwszego wyglądu do momentu rozwiązania. Każdy wykryty problem jest śledzony przez jego cykl życia od początkowego wykrywania problemów i weryfikacji poprawy wydajności do jego ukończenia.

Metryki używane do mierzenia i wykrywania problemów z wydajnością bazy danych są oparte na czasie trwania zapytań, żądaniach przekroczenia limitu czasu, nadmiernym czasie oczekiwania i błędach żądań. Aby uzyskać więcej informacji na temat metryk, zobacz Metryki wykrywania.

Zidentyfikowane spadki wydajności bazy danych są rejestrowane w dzienniku usługi SQLInsights usługi Intelligent Insights z inteligentnymi wpisami, które składają się z następujących właściwości:

Właściwości	Szczegóły
Informacje o bazie danych	Metadane dotyczące bazy danych, na której wykryto szczegółowe informacje, takie jak identyfikator URI zasobu.
Obserwowany zakres czasu	Godzina rozpoczęcia i zakończenia wykrytego wglądu.
Metryki, których to dotyczy	Metryki, które spowodowały wygenerowanie szczegółowych informacji: Zwiększenie czasu trwania zapytania [sekund]. Nadmierne oczekiwanie [sekundy]. Przekroczono limit czasu żądań [procent]. Błędy żądań wychodzących [procent].
Wartość wpływu	Wartość mierzonej metryki.
Zapytania, których dotyczy problem i kody błędów	Skrót zapytania lub kod błędu. Mogą one służyć do łatwego korelowania z zapytaniami, których dotyczy problem. Podano metryki składające się z trwania zapytania, czasu oczekiwania, liczby limitów czasu lub kodów błędów.
Wykrywania	Wykrywanie zidentyfikowane w bazie danych w czasie zdarzenia. Istnieją 15 wzorców wykrywania. Aby uzyskać więcej informacji, zobacz Rozwiązywanie problemów z wydajnością bazy danych w usłudze Intelligent Insights.
Analiza głównej przyczyny	Analiza głównej przyczyny problemu zidentyfikowanego w formacie czytelnym dla człowieka. W miarę możliwości niektóre szczegółowe informacje mogą zawierać zalecenie dotyczące poprawy wydajności.

Funkcja Intelligent Insights świeci w odnajdywanie i rozwiązywanie problemów z wydajnością bazy danych. Aby użyć funkcji Intelligent Insights do rozwiązywania problemów z wydajnością bazy danych, zobacz Rozwiązywanie problemów z wydajnością za pomocą funkcji Intelligent Insights.

Opcje analizy inteligentnej

Dostępne są opcje inteligentnego wglądu w szczegółowe informacje:

Opcja Intelligent Insights	Obsługa usługi Azure SQL Database	Obsługa usługi Azure SQL Managed Instance
Konfigurowanie funkcji Intelligent Insights — konfigurowanie analizy inteligentnych szczegółowych informacji dla baz danych.	Tak	Tak
Przesyłanie strumieniowe szczegółowych informacji do usługi Azure SQL Analytics — przesyłanie szczegółowych informacji strumieniowych do usługi Azure SQL Analytics.	Tak	Tak
Przesyłanie strumieniowe szczegółowych informacji do usługi Azure Event Hubs — przesyłanie strumieniowe szczegółowych informacji do usługi Event Hubs w celu uzyskania dalszych integracji niestandardowych.	Tak	Tak
Przesyłanie strumieniowe szczegółowych informacji do usługi Azure Storage — przesyłanie strumieniowe szczegółowych informacji do usługi Azure Storage w celu dalszej analizy i długoterminowego archiwizowania.	Tak	Tak

Uwaga

Inteligentne szczegółowe informacje to funkcja w wersji zapoznawczej, niedostępna w następujących regionach: Europa Zachodnia, Europa Północna, Zachodnie stany USA 1 i Wschodnie stany USA 1.

Konfigurowanie eksportu dziennika usługi Intelligent Insights

Dane wyjściowe funkcji Intelligent Insights można przesyłać strumieniowo do jednego z kilku miejsc docelowych na potrzeby analizy:

• Dane wyjściowe przesyłane strumieniowo do obszaru roboczego usługi Log Analytics mogą być używane z usługą Azure SQL Analytics do wyświetlania szczegółowych informacji za pośrednictwem interfejsu użytkownika witryny Azure Portal. Jest to zintegrowane rozwiązanie platformy Azure i najbardziej typowy sposób wyświetlania szczegółowych informacji.
• Dane wyjściowe przesyłane strumieniowo do usługi Azure Event Hubs mogą służyć do tworzenia niestandardowych scenariuszy monitorowania i zgłaszania alertów
• Dane wyjściowe przesyłane strumieniowo do usługi Azure Storage mogą być używane do tworzenia niestandardowych aplikacji na potrzeby raportowania niestandardowego, długoterminowego archiwizowania danych itd.

Integracja usług Azure SQL Analytics, Azure Event Hubs, Azure Storage lub produktów innych firm do użycia odbywa się za pomocą pierwszego włączenia rejestrowania usługi Intelligent Insights (dziennika "SQLInsights") na stronie Ustawienia diagnostyczne bazy danych, a następnie skonfigurowania danych dziennika usługi Intelligent Insights, które mają być przesyłane strumieniowo do jednego z tych miejsc docelowych.

Aby uzyskać więcej informacji na temat włączania rejestrowania usługi Intelligent Insights i konfigurowania danych metryki i dziennika zasobów, które mają być przesyłane strumieniowo do produktu zużywanego, zobacz Metryki i rejestrowanie diagnostyczne.

Konfigurowanie przy użyciu usługi Azure SQL Analytics

Rozwiązanie usługi Azure SQL Analytics udostępnia graficzny interfejs użytkownika, funkcje raportowania i zgłaszania alertów dotyczące wydajności bazy danych przy użyciu danych dziennika zasobów usługi Intelligent Insights.

Dodawanie usługi Azure SQL Analytics do pulpitu nawigacyjnego witryny Azure Portal z witryny Marketplace i tworzenie obszaru roboczego można znaleźć w temacie Configure Azure SQL Analytics (Konfigurowanie usługi Azure SQL Analytics)

Aby używać usługi Intelligent Insights z usługą Azure SQL Analytics, skonfiguruj dane dziennika usługi Intelligent Insights, które mają być przesyłane strumieniowo do obszaru roboczego usługi Azure SQL Analytics utworzonego w poprzednim kroku, zobacz Metryki i rejestrowanie diagnostyczne.

W poniższym przykładzie przedstawiono usługę Intelligent Insights przeglądaną za pośrednictwem usługi Azure SQL Analytics:

Konfigurowanie przy użyciu usługi Event Hubs

Aby używać funkcji Intelligent Insights z usługą Event Hubs, skonfiguruj dane dziennika usługi Intelligent Insights, które mają być przesyłane strumieniowo do usługi Event Hubs, zobacz Metryki i rejestrowanie diagnostyczne oraz Przesyłanie strumieniowe dzienników diagnostycznych platformy Azure do usługi Event Hubs.

Aby skonfigurować niestandardowe monitorowanie i alerty przy użyciu usługi Event Hubs, zobacz Co zrobić z metrykami i dziennikami diagnostycznymi w usłudze Event Hubs.

Konfigurowanie przy użyciu usługi Azure Storage

Aby używać funkcji Intelligent Insights z magazynem, skonfiguruj dane dziennika usługi Intelligent Insights, które mają być przesyłane strumieniowo do magazynu, zobacz Metryki i rejestrowanie diagnostyczne oraz przesyłanie strumieniowe do usługi Azure Storage.

Niestandardowe integracje dziennika usługi Intelligent Insights

Aby użyć funkcji Intelligent Insights z narzędziami innych firm lub do tworzenia niestandardowych alertów i monitorowania, zobacz Korzystanie z dziennika diagnostyki wydajności bazy danych usługi Intelligent Insights.

Metryki wykrywania

Metryki używane do wykrywania modeli generujących usługę Intelligent Insights są oparte na monitorowaniu:

• Czas trwania zapytania
• Żądania przekroczenia limitu czasu
• Nadmierny czas oczekiwania
• Wystąpiły błędy żądań

Czas trwania zapytań i żądania przekroczenia limitu czasu są używane jako podstawowe modele wykrywania problemów z wydajnością obciążenia bazy danych. Są one używane, ponieważ bezpośrednio mierzą to, co dzieje się z obciążeniem. Aby wykryć wszystkie możliwe przypadki obniżenia wydajności obciążenia, nadmierny czas oczekiwania i błędnie wychodzące żądania są używane jako dodatkowe modele wskazujące problemy wpływające na wydajność obciążenia.

System automatycznie uwzględnia zmiany obciążenia i zmiany liczby żądań zapytań wysyłanych do bazy danych w celu dynamicznego określania normalnych i nieaktualnych progów wydajności bazy danych.

Wszystkie metryki są traktowane razem w różnych relacjach za pośrednictwem naukowo pochodnego modelu danych, który kategoryzuje każdy wykryty problem z wydajnością. Informacje udostępniane za pośrednictwem inteligentnych szczegółowych informacji obejmują:

• Szczegóły wykrytego problemu z wydajnością.
• Wykryto główną analizę przyczyny problemu.
• Zalecenia dotyczące zwiększania wydajności monitorowanej bazy danych, jeśli jest to możliwe.

Czas trwania zapytania

Model degradacji czasu trwania zapytania analizuje poszczególne zapytania i wykrywa wzrost czasu potrzebny do skompilowania i wykonania zapytania w porównaniu z punktem odniesienia wydajności.

Jeśli wbudowana analiza wykrywa znaczny wzrost czasu kompilowania zapytań lub wykonywania zapytań, który wpływa na wydajność obciążenia, te zapytania są oflagowane jako problemy z obniżeniem wydajności czasu trwania zapytania.

Dziennik diagnostyczny funkcji Intelligent Insights generuje skrót zapytania zapytania obniżonej wydajności. Skrót zapytania wskazuje, czy spadek wydajności był związany ze wzrostem czasu kompilacji zapytania lub wykonywania, co zwiększyło czas trwania zapytania.

Żądania przekroczenia limitu czasu

Model obniżenia limitu czasu żądań analizuje poszczególne zapytania i wykrywa wzrost limitu czasu na poziomie wykonywania zapytania oraz ogólne limity czasu żądania na poziomie bazy danych w porównaniu z okresem odniesienia wydajności.

Niektóre zapytania mogą przekraczać limit czasu jeszcze przed osiągnięciem etapu wykonywania. Za pomocą przerwanych procesów roboczych a żądań wykonanych, wbudowanych miar analizy i analizuje wszystkie zapytania, które dotarły do bazy danych, niezależnie od tego, czy dotarli do etapu wykonywania, czy nie.

Po przekroczeniu limitu czasu dla wykonanych zapytań lub liczbie przerwanych procesów roboczych żądań przekracza próg zarządzany przez system, dziennik diagnostyczny jest wypełniany inteligentnymi szczegółowymi informacjami.

Wygenerowane szczegółowe informacje zawierają liczbę żądań przekroczenia limitu czasu i liczbę zapytań limitu czasu. Wskazanie obniżenia wydajności jest związane ze wzrostem limitu czasu na etapie wykonywania lub zapewniany jest ogólny poziom bazy danych. Gdy wzrost limitu czasu jest uznawany za znaczący dla wydajności bazy danych, te zapytania są oflagowane jako problemy z obniżeniem wydajności limitu czasu.

Nadmierne czasy oczekiwania

Model nadmiernego czasu oczekiwania monitoruje poszczególne zapytania bazy danych. Wykrywa niezwykle wysokie statystyki oczekiwania zapytań, które przekroczyły progi bezwzględne zarządzane przez system. Następujące metryki dotyczące nadmiernego czasu oczekiwania są obserwowane przy użyciu statystyk oczekiwania magazynu zapytań (sys.query_store_wait_stats):

• Osiąganie limitów zasobów
• Osiąganie limitów zasobów puli elastycznej
• Nadmierna liczba wątków procesu roboczego lub sesji
• Nadmierne blokowanie bazy danych
• Wykorzystanie pamięci
• Inne statystyki oczekiwania

Osiągnięcie limitów zasobów lub limitów zasobów puli elastycznej oznacza, że użycie dostępnych zasobów w subskrypcji lub w puli elastycznej przekroczyło progi bezwzględne. Te statystyki wskazują na obniżenie wydajności obciążenia. Nadmierna liczba wątków procesu roboczego lub sesji oznacza warunek, w którym liczba wątków roboczych lub sesji zainicjowanych przekroczyła progi bezwzględne. Te statystyki wskazują na obniżenie wydajności obciążenia.

Nadmierne blokowanie bazy danych oznacza warunek, w którym liczba blokad w bazie danych przekroczyła progi bezwzględne. Ta statystyka wskazuje spadek wydajności obciążenia. Ciśnienie pamięci to warunek, w którym liczba wątków żądających przyznania pamięci przekroczyła próg bezwzględny. Ta statystyka wskazuje spadek wydajności obciążenia.

Inne wykrywanie statystyk oczekiwania wskazuje warunek, w którym różne metryki mierzone za pośrednictwem statystyk oczekiwania magazynu zapytań przekroczyły próg bezwzględny. Te statystyki wskazują na obniżenie wydajności obciążenia.

Po wykryciu nadmiernego czasu oczekiwania, w zależności od dostępnych danych, dziennik diagnostyki Intelligent Insights zwraca skróty wpływających i dotkniętych zapytań obniżonej wydajności, szczegóły metryk, które powodują oczekiwanie zapytań w czasie wykonywania i mierzony czas oczekiwania.

Błędy żądań

Model obniżenia liczby błędów żądań monitoruje poszczególne zapytania i wykrywa wzrost liczby zapytań, które wystąpiły błędy w porównaniu z okresem odniesienia. Ten model monitoruje również wyjątki krytyczne, które przekroczyły progi bezwzględne zarządzane przez wbudowaną inteligencję. System automatycznie uwzględnia liczbę żądań zapytań wysyłanych do bazy danych i kont dla wszelkich zmian obciążenia w monitorowanym okresie.

Gdy mierzony wzrost liczby błędów żądań względem ogólnej liczby wykonanych żądań jest uznawany za znaczący dla wydajności obciążenia, zapytania, których dotyczy problem, są oflagowane jako błędy żądań obniżenia wydajności.

Dziennik Intelligent Insights zwraca liczbę błędów żądań. Wskazuje, czy spadek wydajności był związany ze wzrostem błędów żądań, czy przekroczeniem monitorowanego progu wyjątku krytycznego i zmierzonym czasem obniżenia wydajności.

Jeśli którykolwiek z monitorowanych wyjątków krytycznych przekracza progi bezwzględne zarządzane przez system, inteligentne szczegółowe informacje są generowane z krytycznymi szczegółami wyjątku.

Następne kroki

• Dowiedz się, jak monitorować bazy danych przy użyciu usługi SQL Analytics.
• Dowiedz się, jak rozwiązywać problemy z wydajnością za pomocą funkcji Intelligent Insights.