Dela via

Referens för Azure Stream Analytics-övervakningsdata

  • Artikel

Den här artikeln innehåller all övervakningsreferensinformation för den här tjänsten.

Mer information om de data som du kan samla in för Azure Stream Analytics och hur du använder den finns i Övervaka Azure Stream Analytics .

Mått

I det här avsnittet visas alla automatiskt insamlade plattformsmått för den här tjänsten. Dessa mått är också en del av den globala listan över alla plattformsmått som stöds i Azure Monitor.

Information om kvarhållning av mått finns i Översikt över Azure Monitor-mått.

Azure Stream Analytics innehåller många mått som du kan använda för att övervaka och felsöka fråge- och jobbprestanda. Du kan visa data från dessa mått på sidan Översikt i Azure-portalen i avsnittet Övervakning .

Skärmbild av Azure-portalen som visar avsnittet för övervakning av Stream Analytics-jobb.

Om du vill kontrollera ett visst mått väljer du Mått i avsnittet Övervakning . På sidan som visas väljer du måttet.

Skärmbild som visar hur du väljer ett mått på instrumentpanelen för Stream Analytics-jobbövervakning.

Mått som stöds för Microsoft.StreamAnalytics/streamingjobs

I följande tabell visas de mått som är tillgängliga för resurstypen Microsoft.StreamAnalytics/streamingjobs.

  • Alla kolumner kanske inte finns i varje tabell.
  • Vissa kolumner kan ligga utanför sidans visningsområde. Välj Expandera tabell för att visa alla tillgängliga kolumner.

Tabellrubriker

  • Kategori – måttgruppen eller klassificeringen.
  • Mått – Måttets visningsnamn som det visas i Azure-portalen.
  • Namn i REST API – måttnamnet som anges i REST-API:et.
  • Enhet – måttenhet.
  • Sammansättning – standardaggregeringstypen. Giltiga värden: Genomsnitt (genomsnitt), Minimum (Min), Maximum (Max), Total (Sum), Count.
  • Dimensionsdimensioner - som är tillgängliga för måttet.
  • Tidsintervall - Intervall där måttet samplas. Indikerar till exempel PT1M att måttet samplas varje minut, PT30M var 30:e minut, PT1H varje timme och så vidare.
  • DS-export – Om måttet kan exporteras till Azure Monitor-loggar via diagnostikinställningar. Information om hur du exporterar mått finns i Skapa diagnostikinställningar i Azure Monitor.
Kategori Metric Namn i REST API Enhet Aggregering Dimensioner Tidsintervall DS-export
Misslyckade funktionsbegäranden

Misslyckade funktionsförfrågningar		 AMLCalloutFailedRequests Antal Totalt LogicalName, PartitionId, , ProcessorInstanceNodeName PT1M Ja
Funktionshändelser

Funktionshändelser		 AMLCalloutInputEvents Antal Totalt LogicalName, PartitionId, , ProcessorInstanceNodeName PT1M Ja
Funktionsbegäranden

Funktionsförfrågningar		 AMLCalloutRequests Antal Totalt LogicalName, PartitionId, , ProcessorInstanceNodeName PT1M Ja
Datakonverteringsfel

Datakonverteringsfel		 ConversionErrors Antal Totalt LogicalName, PartitionId, , ProcessorInstanceNodeName PT1M Ja
Fel vid indatadeserialisering

Indatadeserialiseringsfel		 DeserializationError Antal Totalt LogicalName, PartitionId, , ProcessorInstanceNodeName PT1M Ja
Händelser som inte är i ordning

Händelser som inte är i ordning		 DroppedOrAdjustedEvents Antal Totalt LogicalName, PartitionId, , ProcessorInstanceNodeName PT1M Ja
Tidiga indatahändelser

Tidiga inmatningshändelser		 EarlyInputEvents Antal Totalt LogicalName, PartitionId, , ProcessorInstanceNodeName PT1M Ja
Körningsfel

Körningsfel		 Errors Antal Totalt LogicalName, PartitionId, , ProcessorInstanceNodeName PT1M Ja
Indatahändelsebyte

Indatahändelsebyte		 InputEventBytes Byte Totalt LogicalName, PartitionId, , ProcessorInstanceNodeName PT1M Ja
Indatahändelser

Indatahändelser		 InputEvents Antal Totalt LogicalName, PartitionId, , ProcessorInstanceNodeName PT1M Ja
Bakåtloggade indatahändelser

Kvarvarande inmatningshändelser		 InputEventsSourcesBacklogged Antal Genomsnitt, Max, Minimum LogicalName, PartitionId, , ProcessorInstanceNodeName PT1M Ja
Mottagna indatakällor

Mottagna indatakällor		 InputEventsSourcesPerSecond Antal Totalt LogicalName, PartitionId, , ProcessorInstanceNodeName PT1M Ja
Händelser för sena indata

Sena indatahändelser		 LateInputEvents Antal Totalt LogicalName, PartitionId, , ProcessorInstanceNodeName PT1M Ja
Utdatahändelser

Utdatahändelser		 OutputEvents Antal Totalt LogicalName, PartitionId, , ProcessorInstanceNodeName PT1M Ja
Fördröjning av vattenstämpel

Fördröjning av vattenstämpel		 OutputWatermarkDelaySeconds Sekunder Genomsnitt, Max, Minimum LogicalName, PartitionId, , ProcessorInstanceNodeName PT1M Ja
CPU %-användning

CPU %-användning		 ProcessCPUUsagePercentage Procent Genomsnitt, Max, Minimum LogicalName, PartitionId, , ProcessorInstanceNodeName PT1M Ja
SU (minne) % användning

SU (minne) % användning		 ResourceUtilization Procent Genomsnitt, Max, Minimum LogicalName, PartitionId, , ProcessorInstanceNodeName PT1M Ja

Beskrivningar av mått

Azure Stream Analytics innehåller följande mått som du kan använda för att övervaka jobbets hälsa.

Mätvärde Definition
Bakåtloggade indatahändelser Antal indatahändelser som är eftersläppta. Ett värde som inte är noll för det här måttet innebär att ditt jobb inte kan hänga med i antalet inkommande händelser. Om det här värdet långsamt ökar eller konsekvent inte är noll bör du skala ut ditt jobb. Mer information finns i Förstå och justera strömningsenheter.
Datakonverteringsfel Antal utdatahändelser som inte kunde konverteras till det förväntade utdataschemat. Om du vill släppa händelser som påträffar det här scenariot kan du ändra felprincipen till Släpp.
CPU %-användning (förhandsversion) Procentandel cpu som ditt jobb använder. Även om det här värdet är mycket högt (90 procent eller mer) bör du inte öka antalet SUs enbart baserat på det här måttet. Om antalet backloggade indatahändelser eller vattenstämpelfördröjningar ökar kan du använda det här måttet för att avgöra om CPU är flaskhalsen.

Det här måttet kan ha tillfälliga toppar. Vi rekommenderar att du gör skalningstester för att fastställa den övre gränsen för ditt jobb varefter indata är efterloggade eller vattenstämpelfördröjningar ökar på grund av en CPU-flaskhals.
Tidiga indatahändelser Händelser vars tidsstämpel för programmet är tidigare än ankomsttiden med mer än 5 minuter.
Misslyckade funktionsbegäranden Antal misslyckade Azure Mašinsko učenje-funktionsanrop (om det finns).
Funktionshändelser Antal händelser som skickas till funktionen Azure Mašinsko učenje (om det finns).
Funktionsbegäranden Antal anrop till funktionen Azure Mašinsko učenje (om det finns).
Fel vid indatadeserialisering Antal indatahändelser som inte kunde deserialiseras.
Indatahändelsebyte Mängden data som Stream Analytics-jobbet tar emot, i byte. Du kan använda det här måttet för att verifiera att händelser skickas till indatakällan.
Indatahändelser Antal poster som deserialiserats från indatahändelserna. Det här antalet inkluderar inte inkommande händelser som resulterar i deserialiseringsfel. Stream Analytics kan mata in samma händelser flera gånger i scenarier som interna återställningar och självkopplingar. Förvänta dig inte att mått för indatahändelser och utdatahändelser matchar om ditt jobb har en enkel direktfråga.
Mottagna indatakällor Antal meddelanden som jobbet tar emot. För Azure Event Hubs är ett meddelande ett enda EventData objekt. För Azure Blob Storage är ett meddelande en enda blob.

Observera att indatakällor räknas före deserialisering. Om det finns deserialiseringsfel kan indatakällor vara större än indatahändelser. Annars kan indatakällor vara mindre än eller lika med indatahändelser eftersom varje meddelande kan innehålla flera händelser.
Händelser för sena indata Händelser som kom senare än det konfigurerade toleransfönstret för sena ankomster. Läs mer om överväganden för händelseordning i Azure Stream Analytics.
Out-of-Order-händelser Antal händelser som tagits emot i fel ordning och som antingen har tagits bort eller fått en justerad tidsstämpel baserat på händelseordningsprincipen. Det här måttet kan påverkas av konfigurationen av inställningen Out-of-Order Tolerance Window (Out-of-Order Tolerance Window ).
Utdatahändelser Mängden data som Stream Analytics-jobbet skickar till utdatamålet, i antal händelser.
Körningsfel Totalt antal fel som rör frågebearbetning. Det utesluter fel som hittas vid inmatning av händelser eller utdataresultat.
SU (minne) % användning Procentandel minne som ditt jobb använder. Om det här måttet är konsekvent över 80 procent ökar vattenstämpelfördröjningen och antalet eftersläpande händelser ökar, överväg att öka strömningsenheter (SUs). Hög användning anger att jobbet använder nära de maximalt allokerade resurserna.
Fördröjning av vattenstämpel Maximal vattenstämpelfördröjning för alla partitioner av alla utdata i jobbet.

Måttdimensioner

Information om vilka måttdimensioner som finns i Flerdimensionella mått.

Den här tjänsten har följande dimensioner associerade med sina mått.

Dimension Definition
Logiskt namn Indata- eller utdatanamnet för ett Stream Analytics-jobb.
Partitions-ID ID för indatapartitionen från en indatakälla. Om indatakällan till exempel är en händelsehubb är partitions-ID:t händelsehubbens partitions-ID. För pinsamt parallella jobb är partitions-ID i utdata detsamma som i indata.
Nodnamn Identifieraren för en direktuppspelningsnod som etableras när jobbet körs. En direktuppspelningsnod representerar mängden beräknings- och minnesresurser som allokerats till ditt jobb.

Skärmbild av ett diagram som visar området för att välja en dimension för Stream Analytics-jobbmått.

Skärmbild som visar delning av ett mått efter dimension.

Skärmbild som visar filtrering av ett mått efter dimension.

Dimensionen Logiskt namn

Logiskt namn är indata- eller utdatanamnet för ett Stream Analytics-jobb. Anta till exempel att ett Stream Analytics-jobb har fyra indata och fem utdata. Du ser de fyra enskilda logiska indata och fem enskilda logiska utdata när du delar indatarelaterade och utdatarelaterade mått efter den här dimensionen.

Skärmbild som visar flera indata och utdata i ett Stream Analytics-jobb.

Skärmbild av ett diagram som visar delning av måttet Utdatahändelser med logiskt namn.

Dimensionen Logiskt namn är tillgänglig för filtrering och delning av följande mått:

  • Bakåtloggade indatahändelser
  • Datakonverteringsfel
  • Tidiga indatahändelser
  • Fel vid indatadeserialisering
  • Indatahändelsebyte
  • Indatahändelser
  • Inkommande källa har tagits emot
  • Händelser för sena indata
  • Out-of-Order-händelser
  • Utdatahändelser
  • Fördröjning av vattenstämpel

Dimensionen Nodnamn

En direktuppspelningsnod representerar en uppsättning beräkningsresurser som används för att bearbeta dina indata. Var sjätte strömningsenhet (SUs) översätts till en nod, som tjänsten automatiskt hanterar åt dig. Mer information om relationen mellan strömningsenheter och direktuppspelningsnoder finns i Förstå och justera strömningsenheter.

Nodnamn är en dimension på direktuppspelningsnodnivå. Det kan hjälpa dig att öka detaljnivån för vissa mått till den specifika direktuppspelningsnodnivån. Du kan till exempel dela upp måttet CPU % Utilization efter direktuppspelningsnodnivå för att kontrollera CPU-användningen för en enskild direktuppspelningsnod.

Skärmbild av ett diagram som visar delning av genomsnittlig CPU-användning med dimensionen Nodnamn.

Dimensionen Nodnamn är tillgänglig för filtrering och delning av följande mått:

  • Bakåtloggade indatahändelser
  • CPU %-användning (förhandsversion)
  • Indatahändelser
  • Utdatahändelser
  • SU (minne) % användning
  • Fördröjning av vattenstämpel

Partitions-ID-dimension

När strömmande data matas in i Azure Stream Analytics-tjänsten för bearbetning distribueras indata till strömmande noder enligt partitionerna i indatakällan. Partitions-ID-dimensionen är ID för indatapartitionen från indatakällan.

Om indatakällan till exempel är en händelsehubb är partitions-ID:t händelsehubbens partitions-ID. Partitions-ID i indata är samma som i utdata.

Diagram som visar delning av en vattenstämpelfördröjning med partitions-ID-dimensionen.

Partitions-ID-dimensionen är tillgänglig för filtrering och delning av följande mått:

  • Bakåtloggade indatahändelser
  • Datakonverteringsfel
  • Tidiga indatahändelser
  • Fel vid indatadeserialisering
  • Indatahändelsebyte
  • Indatahändelser
  • Inkommande källa har tagits emot
  • Händelser för sena indata
  • Utdatahändelser
  • Fördröjning av vattenstämpel

Resursloggar

I det här avsnittet visas de typer av resursloggar som du kan samla in för den här tjänsten. Avsnittet hämtar från listan över alla kategorityper för resursloggar som stöds i Azure Monitor.

Resursloggar som stöds för Microsoft.StreamAnalytics/streamingjobs

Kategori Visningsnamn för kategori Loggtabell Stöder grundläggande loggplan Stöder inmatningstidstransformering Exempelfrågor Kostnader för export
Authoring Redigering AzureDiagnostics

Loggar från flera Azure-resurser.

 Nej Nej Frågor Nej
Execution Körning AzureDiagnostics

Loggar från flera Azure-resurser.

 Nej Nej Frågor Nej

Schema för resursloggar

Alla loggar lagras i JSON-format. Varje post har följande vanliga strängfält:

Name Beskrivning
time Tidsstämpel (i UTC) för loggen.
resourceId ID för resursen som åtgärden ägde rum på, i versaler. Den innehåller prenumerations-ID, resursgrupp och jobbnamn. Till exempel /SUBSCRIPTIONS/6503D296-DAC1-4449-9B03-609A1F4A1C87/RESOURCEGROUPS/MY-RESOURCE-GROUP/PROVIDERS/MICROSOFT. STREAMANALYTICS/STREAMINGJOBS/MYSTREAMINGJOB.
category Loggkategori, antingen Körning eller Redigering.
operationName Namnet på den åtgärd som loggas. Till exempel Skicka händelser: SKRIVfel för SQL-utdata till mysqloutput.
status Status för åtgärden. Till exempel Misslyckades eller Lyckades.
nivå Loggnivå. Till exempel Fel, Varning eller Information.
egenskaper Logga inmatningsspecifik information, serialiserad som en JSON-sträng. Mer information finns i följande avsnitt i den här artikeln.

Schema för körningsloggegenskaper

Körningsloggar innehåller information om händelser som inträffade under Stream Analytics-jobbkörningen. Schemat för egenskaper varierar beroende på om händelsen är ett datafel eller en allmän händelse.

Datafel

Eventuella fel som uppstår när jobbet bearbetar data finns i den här kategorin av loggar. Dessa loggar skapas oftast under läs-, serialiserings- och skrivåtgärder för data. Dessa loggar innehåller inte anslutningsfel. Anslutningsfel behandlas som allmänna händelser. Du kan lära dig mer om orsaken till olika indata- och utdatafel.

Name beskrivning
Källa Namn på jobbindata eller utdata där felet inträffade.
Meddelande Meddelande som är associerat med felet.
Typ Typ av fel. Till exempel DataConversionError, CsvParserError eller ServiceBusPropertyColumnMissingError.
Data Innehåller data som är användbara för att korrekt hitta källan till felet. Föremål för trunkering, beroende på storlek.

Beroende på värdet operationName har datafel följande schema:

  • Serialisera händelser inträffar under händelseläsningsåtgärder. De inträffar när data vid indata inte uppfyller frågeschemat av någon av följande orsaker:

    • Typmatchningsfel under händelse serialisering/deserialisering: Identifierar det fält som orsakar felet.

    • Det går inte att läsa en händelse, ogiltig serialisering: Visar information om platsen i indata där felet inträffade. Innehåller blobnamn för blobindata, förskjutning och ett exempel på data.

  • Skicka händelser inträffar under skrivåtgärder. De identifierar den strömningshändelse som orsakade felet.

Allmänna händelser

Allmänna händelser täcker allt annat.

Name beskrivning
Fel (valfritt) Felinformation. Vanligtvis är det undantagsinformationen om den är tillgänglig.
Meddelande Loggmeddelande.
Typ Typ av meddelande. Mappar till intern kategorisering av fel. Till exempel JobValidationError eller BlobOutputAdapterInitializationFailure.
Korrelations-ID GUID som unikt identifierar jobbkörningen. Alla körningsloggposter från den tidpunkt då jobbet startar tills jobbet stoppas har samma korrelations-ID-värde .

En referens finns i en lista över alla kategorityper för resursloggar som stöds i Azure Monitor eller alla typer av resursloggskategorier som samlats in för Azure Stream Analytics.

Tabeller för Azure Monitor-loggar

I det här avsnittet visas tabellerna för Azure Monitor-loggar som är relevanta för den här tjänsten, som är tillgängliga för frågor av Log Analytics med kusto-frågor. Tabellerna innehåller resursloggdata och eventuellt mer beroende på vad som samlas in och dirigeras till dem.

Stream Analytics-jobb

Kategori Visningsnamn för kategori Loggtabell Stöder grundläggande loggplan Stöder inmatningstidstransformering Exempelfrågor Kostnader för export
Authoring Redigering AzureDiagnostics

Loggar från flera Azure-resurser.

 Nej Nej Frågor Nej
Execution Körning AzureDiagnostics

Loggar från flera Azure-resurser.

 Nej Nej Frågor Nej

Aktivitetslogg

Den länkade tabellen visar de åtgärder som kan registreras i aktivitetsloggen för den här tjänsten. Dessa åtgärder är en delmängd av alla möjliga resursprovideråtgärder i aktivitetsloggen.

Mer information om schemat för aktivitetsloggposter finns i Aktivitetsloggschema.

Relaterat innehåll