Regler för datainsamling (DCRs) i Azure Monitor.

Regler för datainsamling (DCR) är en del av en ETL-liknande datainsamlingsprocess (Extract, transform, and load) som förbättrar äldre datainsamlingsmetoder för Azure Monitor. Den här processen använder en gemensam datainmatningsstrategi för alla datakällor och en standardmetod för konfiguration som är mer hanterbar och skalbar än tidigare insamlingsmetoder.

I många övervakningsscenarier behöver du inte förstå hur en DCR skapas eller tilldelas. Du kan helt enkelt använda vägledning i Azure-portalen för att aktivera och konfigurera datainsamling, medan Azure Monitor skapar och konfigurerar DCR åt dig. Den här artikeln innehåller mer information om hur dcrs fungerar för att komma igång med att skapa och konfigurera dem manuellt så att du kan anpassa datainsamlingsprocessen.

Specifika fördelar med DCR-baserad datainsamling är:

• Konsekvent metod för konfiguration av olika datakällor.
• Möjlighet att använda en transformering för att filtrera eller ändra inkommande data innan den skickas till ett mål.
• Skalbara konfigurationsalternativ som stöder infrastruktur som kod och DevOps-processer.
• Alternativet att använda Azure Monitor-pipelinen i din egen miljö för att möjliggöra avancerad skalbarhet, flerskiktade nätverkskonfigurationer och periodisk uppkoppling.

Visa domänkontrollanter

Datainsamlingsregler lagras i Azure och distribueras och hanteras centralt som andra Azure resurser. De ger ett konsekvent, centraliserat sätt att definiera och anpassa olika scenarier för datainsamling. Om du vill visa alla regler för datainsamling i din prenumeration och granska definitionen av en regel för datainsamling, se Visa regler för datainsamling.

Ersätt äldre datainsamlingsmetoder

Datainsamlingsprocessen som använder DCR ersätter andra datainsamlingsmetoder i Azure Monitor. I följande tabell visas äldre metoder och deras DCR-baserade ersättningar. I framtiden förväntas domänkontrollanter ersätta andra metoder för datainsamling i Azure Monitor.

Äldre metod	DCR-metod	Beskrivning
Log Analytics-agent	Azure Monitor-agent	Använd Azure Monitor-agenten för att övervaka virtuella datorer och Kubernetes-kluster som stöder VM-insikter och Container-insikter.
Diagnostikinställningar (endast mätvärden)	Metrikexport	Diagnostikinställningar samlar fortfarande in resursloggar från Azure resurser. Använd Måttexport för att samla in plattformsmått.
API för datainsamlare	Logginsamling API	Använd API:et för logginmatning för att skicka data till en Log Analytics arbetsyta från valfri REST-klient. Den använder OAuth-baserad autentisering (säkrare än arbetsytenycklar), DCR-styrd schemakontroll och transformeringar och ger bättre tillförlitlighet, skalbarhet och långsiktigt plattformsstöd jämfört med det äldre HTTP Data Collector-API:et.

Datainsamlingsprocess

Den datainsamlingsprocess som DCRs stöder ger en gemensam bearbetningsväg för inkommande data. Varje datainsamlingsscenario definieras i en DCR. DCR innehåller instruktioner för hur Azure Monitor ska bearbeta de data som tas emot. Beroende på scenariot anger DCR alla eller några av följande objekt:

• Data som ska samlas in och skickas till Azure Monitor.
• Schema för inkommande data.
• Transformeringar som ska tillämpas på data innan de lagras.
• Mål där data ska skickas.

Regelassociationer för datainsamling (DCRA)

Skapa regelassociationer för datainsamling (DCRA) mellan resursen och DCR för att aktivera vissa scenarier för datainsamling. Den här relationen är många-till-många, där du kan associera flera resurser med en enda DCR och associera upp till 30 DCR:er med en enda resurs. Utveckla en strategi för att upprätthålla din övervakning över uppsättningar med resurser med olika krav.

Använda en DCR

När du har skapat en DCR använder du olika metoder för att använda den baserat på scenariot för datainsamling. I följande tabell visas vanliga scenarier och den metod som används för att samla in data i varje enskilt fall. Följande avsnitt innehåller mer information om varje metod.

Scenario	Metod
Azure Monitor-agent (AMA)	Regelassociation för datainsamling (DCRA)
Händelsehubbar	Regelassociation för datainsamling (DCRA)
Plattformsmått (förhandsversion)	Regelassociation för datainsamling (DCRA)
Direkt intagning	DCR som anges i API-anropet som skickar data till Azure Monitor.
DCR för arbetsytetransformering	DCR tillämpas direkt på arbetsytan.

Scenarier

I följande avsnitt beskrivs vanliga scenarier för att använda DCR för att samla in data i Azure Monitor. De beskriver informationen som ingår i DCR och den metod som används för att ange vilken DCR som ska användas för det scenariot.

Azure Monitor-agent (AMA)

Använd Azure Monitor agent (AMA) för att samla in data från virtuella datorer och Kubernetes-kluster. Följande diagram visar hur AMA samlar in data när de körs på en virtuell dator. När du installerar agenten ansluts den till Azure Monitor för att hämta eventuella DCR:er som är associerade med den. I det här scenariot anger DCR:erna händelser och prestandadata att samla in. För ett Kubernetes-kluster innehåller den här samlingen även Prometheus-mått. Agenten använder den informationen för att avgöra vilka data som ska samlas in från datorn och kan också använda en transformering på klientsidan (Förhandsversion) för att filtrera och transformera data innan de skickas till Azure Monitor. När data har skickats körs alla inmatningstidstransformeringar som anges i DCR för att filtrera och ändra data ytterligare. Sedan levererar Azure Monitor data till det angivna målet.

Mer information finns i Samla in data från klienten för den virtuella datorn med Azure Monitor och Aktivera övervakning för Kubernetes-kluster.

Händelsehubbar (Förhandsversion)

Följande diagram visar hur data matas in i en Log Analytics arbetsyta direkt från Event Hubs. När händelsehubben tar emot data levererar den data till Azure Monitor. Azure Monitor transformerar sedan data och skickar dem till alla mål som anges i alla DCR:er som är associerade med dem.

Mer information finns i Ingest events from Azure Event Hubs into Azure Monitor Logs (preview).

Plattformsmätvärden (förhandsversion)

Azure resurser samlar automatiskt in plattformsmått och skickar dem till Azure Monitor Metrics. Följande diagram visar processen med att använda en DCR för att skicka dessa data till en Log Analytics-arbetsyta för analys med hjälp av loggfrågor. Den här processen ersätter den aktuella metoden för att använda diagnostikinställningar för att utföra den här funktionen.

När DCR skapas anger den arbetsytan och tabellen där data ska skickas. DCR innehåller också en transformering som säkerställer att data är i rätt format för måltabellen. DCR associeras sedan med resursen som plattformsmåtten samlas in från.

Mer information finns i Måttexport med hjälp av datainsamlingsregler.

Direkt inmatning

Använd direkt inmatning för att ange en viss DCR för att bearbeta inkommande data. Följande diagram illustrerar till exempel data från ett anpassat program med hjälp av API för logginmatning. Varje API-anrop anger den DCR som bearbetar dess data. DCR förstår strukturen för inkommande data, innehåller en transformering som säkerställer att data är i måltabellens format och anger en arbetsyta och tabell för att skicka transformerade data.

Mer information finns i Api för logginmatning.

DCR för arbetsytetransformering

DCR:er för arbetsytetransformering ger transformeringar för datainsamling som inte använder en DCR. De tillämpas direkt på Log Analytics arbetsyta. När du har skapat eller uppdaterat DCR:en, vänta en stund så att omvandlingarna hinner börja tillämpas på inkommande data.

Mer information finns i DCR för arbetsytetransformering.

Transformeringar

Transformeringar är KQL-frågor som ingår i en DCR som körs mot varje post som tas emot. De gör att du kan ändra inkommande data innan de lagras i Azure Monitor eller skickas till ett annat mål. Filtrera onödiga data för att minska dina inmatningskostnader, ta bort känsliga data som inte ska sparas i Log Analytics arbetsyta eller formatera data för att säkerställa att de matchar schemat för målet. Transformeringar möjliggör också avancerade scenarier som att skicka data till flera mål eller berika data med ytterligare information.

Med transformeringar i flera steg (förhandsversion) kan du sammanstränga flera transformeringar i en enda DCR, där utdata från en transformering är indata för nästa. De viktigaste komponenterna i omvandlingar i flera steg är:

• Omvandlingar på klientsidan som tilldelats datakällan
• Transformeringar vid inmatning som körs i Azure Monitor och är tilldelade till dataflödet

DCR-regioner

Datainsamlingsregler är tillgängliga i alla offentliga regioner där Log Analytics-arbetsytor och Azure Government- och Kina-moln stöds. Luftgapade moln stöds ännu inte. Du skapar och lagrar en DCR i en viss region, och tjänsten säkerhetskopierar den till den parade regionen inom samma geografi. Tjänsten distribueras till alla tre tillgänglighetszonerna i regionen. Därför är det en zonredundant tjänst som ytterligare ökar tillgängligheten.

Enkel regions datalagring är en förhandsversionsfunktion som gör det möjligt att lagra kunddata i en enda region och är för närvarande endast tillgänglig i regionen Sydostasien (Singapore) inom Asien och Stillahavsområdets georegion samt i regionen Södra Brasilien (delstaten São Paulo) inom Brasiliens georegion. Residens för en region är aktiverat som standard i dessa regioner.

Relaterat innehåll

Mer information om hur du arbetar med DCR finns i:

• Regelstruktur för datainsamling för en beskrivning av JSON-strukturen för domänkontrollanter och de olika element som används för olika arbetsflöden.
• Exempel på regler för datainsamling (DCR) för dcr-exempel för olika scenarier för datainsamling.
• Skapa och redigera regler för datainsamling (DCR) i Azure Monitor för olika metoder för att skapa DCR:er för olika datainsamlingsscenarier.
• Översikt över datainsamlingsslutpunkter (DCE) för den fullständiga kontext som krävs för direkt inmatning med hjälp av LOGS Ingestion API.
• Azure Monitor-tjänstbegränsningar för gränser som gäller för varje domänkontrollant.