Övervaka Azure Databricks
Azure Databricks är en snabb, kraftfull Apache Spark-baserad analystjänst med vilken det blir lättare att snabbt utveckla och distribuera stordataanalys och lösningar för artificiell intelligens (AI). Många användare drar nytta av enkelheten hos anteckningsböcker i sina Azure Databricks-lösningar. För användare som behöver mer robusta databehandlingsalternativ har Azure Databricks stöd för distribuerad körning av anpassad programkod.
Övervakning är en viktig del av alla lösning på produktionsnivå, och Azure Databricks erbjuder robusta funktioner för övervakning av anpassade programmått, strömning av frågehändelser och programloggsmeddelanden. Azure Databricks kan skicka dessa övervakningsdata till olika loggningstjänster.
I följande artiklar visas hur du skickar övervakningsdata från Azure Databricks till Azure Monitor, plattformen för övervakningsdata för Azure.
- Skicka Azure Databricks-programloggar till Azure Monitor
- Visualisera Azure Databricks-mått med instrumentpaneler
- Felsöka prestandaflaskhalsar
Det kodbibliotek som hör till artiklarna utökar övervakningsfunktionerna hos Azure Databricks så att mått, händelser och loggningsinformation för Spark skickas till Azure Monitor.
Målgruppen för artiklarna och tillhörande kodbibliotek är lösningsutvecklare för Apache Spark och Azure Databricks. Koden måste finnas inbyggd i Java Archive-filer (JAR) och sedan distribueras till ett Azure Databricks-kluster. Koden är en kombination av Scala och Java, med en motsvarande uppsättning av Project Object Model-filer (POM) för Maven för att skapa JAR-filerna för utdata. Vi rekommenderar att du har en förståelse för Java, Scala och Maven.
Nästa steg
Kom igång genom att skapa kodbiblioteket och distribuera det till ditt Azure Databricks-kluster.