Relatório de Azure DevTest Labs em vários laboratórios e assinaturas

A maioria das grandes organizações deseja rastrear o uso de recursos para ser mais eficiente na visualização de tendências e exceções. Baseado no uso de recursos, os proprietários ou gerentes de laboratório podem personalizar os laboratórios para melhorar o uso de recursos e os custos. No Azure DevTest Labs, você pode fazer o download do uso de recursos por laboratório, permitindo uma análise mais profunda dos padrões de uso. Estes padrões de uso ajudam a identificar as alterações para melhorar a eficiência. A maioria das empresas quer tanto o uso de laboratório individual e quanto o uso geral emvários laboratórios e assinaturas.

Este artigo discute como tratar as informações de uso de recursos em vários laboratórios e assinaturas.

O uso do laboratório individual

Esta seção debate como exportar o uso dos recursos para um único laboratório.

Antes de poder exportar o uso de recursos do DevTest Labs, você precisa configurar uma conta de Armazenamento do Microsoft Azure para os arquivos que contêm os dados de uso. Há duas maneiras comuns de executar a exportação de dados:

• API REST do DevTest Labs

• O módulo AZ. Recurso do PowerShell Invoke-AzResourceActioncom a ação da exportResourceUsage,ID do recurso do laboratório e os parâmetros necessários.

  O artigo exportar ou excluir dados pessoais contém uma amostra de script do PowerShell com informações detalhadas sobre os dados exportados.

  Observação

  O parâmetro de dados não inclui uma unidade de escala de data/hora para que os dados incluam tudo, da meia-noite, com base no fuso horário onde o laboratório estiver localizado.

Assim que a exportação for concluída, haverá um arquivo CSV no armazenamento de blobs com as diferentes informações do recurso.

Exportando o uso para todos os laboratórios

Para exportar as informações do uso para vários laboratórios, considere o uso:

• Azure Functions, disponível em muitas linguagens de programação, incluindo o PowerShell ou
• Runbook de Automação do Azure, use o PowerShell, o Python ou um designer gráfico personalizado para gravar o código de exportação.

Usando essas tecnologias, você pode executar exportações de laboratório individuais em todos os laboratórios numa data e hora específicas.

A função do Azure deve efetuar push dos dados para o armazenamento de longo prazo. Ao exportar os dados para vários laboratórios, a exportação poderá levar algum tempo. Para ajudar no desempenho e reduzir a possibilidade de duplicação de informações, recomendamos executar cada laboratório em paralelo. Para realizar o paralelismo, execute o Azure Functions de forma assíncrona. Aproveite também o gatilho de temporizador que o Azure Functions oferece.

Usando o armazenamento a longo prazo

Um armazenamento a longo prazo consolida as informações de exportação de diferentes laboratórios em uma única fonte de dados. Outro benefício para usar o armazenamento de longo prazo é a capacidade de remover os arquivos da conta de armazenamento para reduzir a duplicação e o custo.

O armazenamento de longo prazo pode ser usado para fazer qualquer manipulação de mensagem de texto, por exemplo:

• Adicionando os nomes amigáveis
• Criando agrupamentos complexos
• Agregando dados

Algumas soluções de armazenamento comuns são: SQL Server, Azure Data Lakee Azure Cosmos DB. A solução de armazenamento de longo prazo que você escolha dependerá da preferência. Ao considerar a escolha da ferramenta, dependendo do que ela oferece para disponibilidade de interação ao visualizar os dados.

Visualizando os dados e coletando insights

Use uma ferramenta de visualização de dados de sua escolha para conectar-se ao armazenamento de longo prazo para exibir os dados em uso e coletar insights para verificar a eficiência do uso. Por exemplo, Power BI pode ser usado para organizar e exibir os dados de uso.

Você pode usar o Azure Data Factory para criar, link e gerenciar seus recursos em uma única interface de local. Se for necessário um controle superior, o recurso individual poderá ser criado dentro de um único grupo de recursos e gerenciado independentemente no serviço de Data Factory.

Próximas etapas

Uma vez que o sistema estiver configurado e os dados estiverem mudando para o armazenamento de longo prazo, a próxima etapa será criar as perguntas que os dados precisam responder. Por exemplo:

• Qual será o uso do tamanho da Máquina Virtual?

  Os usuários estão selecionando tamanhos da VM de alto desempenho (mais caros)?

• Quais são as imagens do Marketplace que estão sendo usadas?

  As imagens personalizadas são a base da VM mais comum, caso um repositório de imagens comum seja criado como a Galeria de Imagens Compartilhadasou afábrica de imagens.

• Quais as imagens personalizadas estão sendo usadas ou não estão sendo usadas?