Dela via

Använda Azure Advisor-rekommendationer för att optimera ditt Azure Data Explorer-kluster

  • Artikel

Azure Advisor analyserar Azure Data Explorer klusterkonfigurationer och användningstelemetri och erbjuder anpassade och användbara rekommendationer som hjälper dig att optimera klustret.

Få åtkomst till Azure Advisor-rekommendationerna

Det finns två sätt att komma åt Azure Advisor-rekommendationerna:

Visa Azure Advisor-rekommendationer för ditt Azure Data Explorer-kluster

  1. I Azure Portal går du till klustersidan för Azure Data Explorer.

  2. I den vänstra menyn, under Övervakning, väljer du Advisor-rekommendationer. En lista med rekommendationer öppnas för klustret.

    Azure Advisor-rekommendationer för ditt Azure Data Explorer-kluster.

Visa Azure Advisor-rekommendationer för alla kluster i din prenumeration

  1. I Azure Portal går du till Advisor-resursen.

  2. I Översikt väljer du en eller flera prenumerationer som du vill ha rekommendationer för.

  3. Välj Azure Data Explorer-kluster och Azure Data Explorer-databaser i den andra listrutan.

    Azure Advisor-resurs.

Använda Azure Advisor-rekommendationerna

Det finns olika typer av Azure Advisor-rekommendationer. Använd relevant rekommendationstyp för att optimera klustret.

  1. Under Rekommendationer i Advisor väljer du Kostnad för kostnadsrekommendationer.

    Välj rekommendationstyp.

  2. Välj en rekommendation i listan.

    Välj rekommendation.

  3. Följande fönster innehåller en lista över kluster som rekommendationen är relevant för. Rekommendationsinformationen skiljer sig åt för varje kluster och inkluderar den rekommenderade åtgärden.

    Lista över kluster med rekommendationer.

Rekommendationstyper

Rekommendationer för kostnad, prestanda, tillförlitlighet och utmärkta tjänster är för närvarande tillgängliga.

Viktigt

Dina faktiska årliga besparingar kan variera. De årliga besparingar som presenteras baseras på "betala per användning"-priser. Dessa potentiella besparingar tar inte hänsyn till faktureringsrabatter för Azure Reserved Virtual Machine Instance (RI).

Kostnadsrekommendationer

Kostnadsrekommendationerna är tillgängliga för kluster som kan ändras för att minska kostnaderna utan att påverka prestandan. Kostnadsrekommendationerna omfattar:

Oanvänd körning av Azure Data Explorer-kluster

Ett kluster anses vara oanvänt och körs om det är i körningstillstånd och varken har matat in data eller kört frågor under de senaste fem dagarna. I vissa fall kan kluster stoppas automatiskt. I följande fall stoppas inte klustret automatiskt och en rekommendation visas:

Rekommendationen är att stoppa klustret för att minska kostnaderna men ändå bevara data. Om data inte behövs kan du överväga att ta bort klustret för att öka dina besparingar.

Oanvända stoppade Azure Data Explorer-kluster

Ett kluster anses vara oanvänt och stoppat om det har stoppats i minst 60 dagar.

Rekommendationen är att ta bort klustret för att minska kostnaderna.

Varning

Stoppade kluster kan fortfarande innehålla data. Innan du tar bort klustret kontrollerar du att data inte längre behövs. När klustret har tagits bort är data inte längre tillgängliga.

Ändra Data Explorer-klustren till en mer kostnadseffektiv och högpresterande SKU

Rekommendationen Ändra Data Explorer kluster till en mer kostnadseffektiv och bättre presterande SKU ges till ett kluster vars kluster körs under en icke-optimal SKU. Den uppdaterade SKU:n bör minska dina kostnader och förbättra den övergripande prestandan. Vi har beräknat det antal instanser som krävs som uppfyller cachekraven för klustret, samtidigt som vi säkerställer att prestandan inte påverkas negativt.

Som en del av rekommendationen rekommenderar vi att du aktiverar optimerad autoskalning om den inte är aktiverad ännu. Optimerad autoskalning utför en mer djupgående analys av klustrets prestanda och vid behov ytterligare skalning i klustret. Detta resulterar i ytterligare kostnadsminskningar. Rekommendationerna för optimerad autoskalning innehåller en rekommendation om minsta och högsta antal instanser. Maxvärdet anges till det rekommenderade antalet SKU-instanser. Om klustret har planer på att växa organiskt rekommenderar vi att du ökar maxantalet manuellt. Om optimerad autoskalning redan har konfigurerats i klustret kan rekommendationen i vissa fall föreslå att maxantalet instanser ökas.

SKU-rekommendationen tar hänsyn till de aktuella zondefinitionerna för ett kluster och om klustret stöder zoner rekommenderar vi endast mål-SKU:er som har minst två zoner. Att lägga till fler zoner för beräkningstillgänglighet medför inga ytterligare kostnader.

Rekommendationen för Advisor SKU uppdateras med några timmars mellanrum. Rekommendationen söker efter kapacitetstillgänglighet för den valda SKU:n i regionen. Observera dock att kapacitetstillgängligheten är dynamisk och ändras över tid.

Anteckning

Advisor SKU-rekommendationen stöder för närvarande inte kluster med Virtual Network eller hanterade privata slutpunktskonfigurationer.

Minska cachen för Azure Data Explorer-tabeller

Rekommendationen minska Azure Data Explorer tabellcacheperiod för optimering av klusterkostnader ges för ett kluster som kan minska tabellens cacheprincip. Den här rekommendationen baseras på frågans återblicksperiod under de senaste 30 dagarna. Om du vill se var besparingar är möjliga kan du visa de mest relevanta 5 tabellerna per databas för potentiella cachebesparingar. Den här rekommendationen erbjuds endast om klustret kan skala in eller ned efter en ändring av cacheprincipen. Advisor kontrollerar om klustret "begränsas av data", vilket innebär att klustret har låg CPU- och låg inmatningsanvändning, men på grund av hög datakapacitet kan klustret inte skala in eller skala ned.

Aktivera optimerad autoskalning

Rekommendationen aktivera Optimerad autoskalning ges när du aktiverar Optimerad autoskalning skulle ha minskat antalet instanser i ett kluster. Den här rekommendationen baseras på användningsmönster, cacheanvändning, inmatningsanvändning och CPU. För att säkerställa att du inte överskrider din planerade budget lägger du till ett maximalt antal instanser när du aktiverar Optimerad autoskalning.

Prestandarekommendationer

Prestandarekommendationerna hjälper dig att förbättra prestandan för dina Azure Data Explorer-kluster. Prestandarekommendationerna omfattar följande:

Uppdatera cacheprincip för Azure Data Explorer-tabeller

Granska azure Data Explorer-tabellcacheperiodprincipen för bättre prestandarekommendation för ett kluster som kräver ett annat tidsfilter för look-back-perioden eller en större cacheprincip. Den här rekommendationen baseras på frågans återblicksperiod för de senaste 30 dagarna. De flesta frågor körs under de senaste 30 dagarna och har inte använts i cacheminnet, vilket kan öka körningstiden för frågan. Du kan visa de 5 främsta tabellerna per databas som har åtkomst till data som inte är cachelagrade, sorterade efter frågeprocent.

Du kan också få en prestandarekommendations för att minska cacheprincipen. Detta kan inträffa om klustret är databundet. Ett kluster är databundet om de data som ska cachelagras enligt cachelagringsprincipen är större än den totala storleken på klustrets cacheminne. Om du minskar cacheprincipen för databundna kluster minskar antalet cachemissar och förbättrar eventuellt prestandan.

Rekommendationer för driftseffektivitet

Rekommendationerna för driftseffektivitet eller "bästa praxis" är rekommendationer vars implementering inte förbättrar kostnader eller prestanda omedelbart, men som kan vara till nytta för klustret i framtiden. Detta inkluderar att minska tabellcacheprincipen så att den matchar användningsmönster.

Minska cachepolicyn för tabeller så att den matchar användningsmönster

Den här rekommendationen fokuserar på att uppdatera cacheprincipen baserat på den faktiska användningen under den senaste månaden för att minska frekvent cache för en tabell. Till skillnad från föregående kostnadsrekommendations gäller den här rekommendationen för kluster där antalet instanser bestäms av CPU och inmatningsbelastning i stället för mängden data som lagras i den frekventa cachen. I sådana fall räcker det inte att bara ändra cacheprincipen för att minska antalet instanser, ytterligare optimeringar som att ändra SKU:n, minska CPU-belastningen och aktivera autoskalning rekommenderas för effektiv inskalning. Den här rekommendationen kan vara användbar för tabeller där den faktiska frågeåtersökningen baserat på användningsmönster är lägre än den konfigurerade cacheprincipen. Men att minska cachepolicyn leder inte direkt till kostnadsbesparingar. Antalet klusterinstanser bestäms av cpu- och inmatningsbelastningen, oavsett mängden data som lagras i frekvent cache. Därför leder borttagning av data från frekvent cache inte direkt till att klustret skalar in.

Tillförlitlighetsrekommendationer

Tillförlitlighetsrekommendationerna hjälper dig att säkerställa och förbättra kontinuiteten i dina affärskritiska program. Tillförlitlighetsrekommendationerna omfattar följande:

Klustret använder undernät utan delegering

Den starka rekommendationen ges till ett virtuellt nätverkskluster som använder ett undernät utan delegering för "Microsoft.Kusto/clusters". När du delegerar ett undernät till ett kluster tillåter du att tjänsten upprättar grundläggande nätverkskonfigurationsregler för undernätet, vilket hjälper klustret att driva sina instanser på ett stabilt sätt.

Klustret använder undernät med ogiltig IP-konfiguration

Rekommendationen ges till ett virtuellt nätverkskluster där undernätet också används av andra tjänster. Rekommendationen är att ta bort alla andra tjänster från undernätet och endast använda dem för klustret.

Det gick inte att installera eller återuppta klustret på grund av problem med det virtuella nätverket

Rekommendationen ges till ett kluster som inte kunde installeras eller återupptas på grund av problem med virtuella nätverk. Vi rekommenderar att du använder felsökningsguiden för virtuella nätverk för att lösa problemet.

Relaterat innehåll