Dela via

Rapporter om Azure-optimeringsmotorn

Den här artikeln beskriver rapporteringsalternativ som är tillgängliga i Azure-optimeringsmotorn (AOE). Den innehåller Power BI-rapporter och Log Analytics-arbetsböcker som visualiserar de omfattande rekommendationer och insikter som genereras av AOE.


Rapport om Power BI-rekommendationer

AOE innehåller en Power BI-rapport för visualisering av rekommendationer. Om du vill använda den måste du först ändra datakällans anslutning till den SQL Database som du distribuerade med AOE. På den översta Menyn i Power BI väljer du Inställningar för transformering av datakälla>.

Skärmbild som visar navigering till menyalternativet Inställningar för datakälla.

Välj sedan Ändra källa och ändra till DIN SQL-databasserver-URL. Se till att dina SQL Firewall-regler tillåter anslutningen och att logga in med ett Microsoft-arbets-/skolkonto med behörigheter för SQL-databasen.

Skärmbild som visar anslutningsinställningarna för SQL Server-databasen.

Rapporten skapades för ett scenario där du har en environment tagg som tillämpas på dina resurser. Om du vill ändra den eller lägga till nya taggar öppnar du menyn Transformera data igen, men väljer nu underalternativet Transformera data . Ett nytt fönster öppnas. Om du väljer nästa i alternativet "Avancerad redigerare" kan du redigera datatransformeringslogik och uppdatera instruktionerna för taggbearbetning.

Skärmbild som visar avancerad redigerare där du redigerar transformeringslogik.

Rapporten innehåller flera sidor som beskrivs i följande avsnitt.

Översikt – senaste rekommendationerna

Den första sidan visar en sammanfattning av de senaste tillgängliga rekommendationerna, som kan filtreras efter flera perspektiv. Om den här sidan visas tom måste du uppdatera den för att få förra veckans rekommendationer. Om det fortfarande visas tomt efter uppdateringen kan det finnas ett överordnat problem med AOE Automation-runbooks.

Skärmbild som visar de senaste rekommendationerna som ger en översikt över alla dina optimeringsrekommendationer.

Översikt över kostnadsrekommendationer

På sidan Kostnad visas de senaste kostnadsrekommendationerna som genereras av AOE (tillsammans med Azure Advisor). Dessa rekommendationer sorteras efter potentiella månatliga besparingar. För varje rekommendation finns det en länk till en Azure Portal sida med mer information och en passningspoäng som visar hur rekommendationen passar dina miljöegenskaper. För anpassade AOE-rekommendationer är poängen också ett mått på noggrannhet. Ju närmare poängen är 5, desto mer passande/korrekt är rekommendationen.

Skärmbild av sidan Kostnadsöversikt som visar en översikt över dina kostnadsoptimeringsmöjligheter.

Översikt och utforskning av rätt storlek för virtuell dator

På sidan Översikt över rätt storlek på VM får du en övergripande förståelse för Azure Advisors rekommendationer om rätt storlek för VM:ers relativa fördelning. Vi kan snabbt se hur arbetsbelastningens egenskaper stöder de rekommenderade optimala SKU-målen. Om du har virtuella datorer som skickar de prestandaräknare som krävs till Log Analytics får du en tydligare vy över supporten för varje rekommendation. I följande exempel har vi okänd information eftersom en av de virtuella datorerna inte skickade prestandamått till Log Analytics-arbetsytan.

Skärmbild som visar en översikt över rekommendationer för den virtuella datorns rätt storlek.

På sidan Utforskning av rätt storlek för VM kan du filtrera och göra en djupare analys av Azure Advisors rekommendationer för rätt storlek för virtuella datorer ur flera perspektiv.

Andra välarkitekterade pelare

På samma sätt som på sidan Kostnad finns det andra senaste rekommendationer för var och en av de återstående väldefinierade grundpelarna: Hög tillgänglighet (tillförlitlighet), säkerhet, prestanda och driftskvalitet.

Rekommendationsinformation och historik

När en rekommendation väljs på någon av de fem Well-Architected-pelarnas sidor kan du högerklicka på den och detaljgranska rekommendationen. Det finns två tillgängliga alternativ: Rekommendationsinformation och rekommendationshistorik.

Skärmbild som visar en genomgång av en rekommendation.

Alternativet Rekommendationsinformation tar dig till en sida där du kan se all information om den specifika rekommendationen. Du kan gå tillbaka till rekommendationslistan genom att klicka på den övre vänstra pilen (medan du håller CTRL-tangenten nedåt). Sidan Rekommendationshistorik visar hur länge rekommendationen har varit aktiv det senaste året och hur anpassningspoängen har utvecklats.

Skärmbild som visar historik för anpassningspoäng för en specifik rekommendation.


Arbetsböcker

Med AOE:s Log Analytics-arbetsböcker kan du utforska många perspektiv över de data som samlas in varje dag. De omfattar:

  • Kostnadsökande avvikelser
  • Microsoft Entra ID, Azure Resource Manager-principer och tilldelade roller
  • Hur dina resurser distribueras
  • Få insikter om din Användning av Azure-åtaganden (stöder endast EA- och MCA-kunder)

För mer information, se följande för en kort beskrivning av varje arbetsbok.

Rekommendationer

Arbetsboken Rekommendationer är rapporten som ska börja med din AOE-baserade Azure-optimeringsresa. Den rapporterar om optimeringsrekommendationerna som genereras varje vecka av både AOE och Azure Advisor, över de fem grundpelarna i Well Architected Framework – Cost, Operational Excellence, Performance, Reliability och Security.

Skärmbild av fliken Översikt över de senaste rekommendationerna i Azure-optimeringsmotorn.

Skärmbild av fliken Senaste rekommendationer för Azure-optimeringsmotorn Kostnads.

Insikter om åtaganden i Azure

För en fullständig prestandaanalys och inköpssimuleringar för Azure-reservationer och sparplaner har du flera arbetsböcker tillgängliga:

  • Förmånssimulering möjliggör simulering av sparplaner och reservationsåtaganden samt täckning baserat på användningshistorik för virtuella datorer på begäran.
  • Användning av förmåner rapporterar om fördelningen av de olika prismodellernas användning (sparplaner, reservationer, spot och på begäran) och om de besparingar som varje prismodell uppnår jämfört med andra.
  • Reservationspotential rapporterar om användningen av virtuella datorer på begäran och deras potential för reservationsåtaganden, med historisk analys och information om resurser som potentiellt förbrukar dessa reservationsåtaganden.
  • Rapporter om reservationsanvändning beskriver användningen av reservationer och möjliggör aggregering av användning baserat på resurstaggar samt ger djupare insikter om verkliga besparingar (inklusive oavända reservationer).
  • Sparplanernas användning rapporterar om användning av sparplaner och möjliggör aggregering av användning efter resurstaggar samt ger djupare insikter om faktiska besparingar (inklusive oanvända sparplaner).

I det här blogginlägget finns en fullständig beskrivning av varje arbetsbok.

Skärmbild som visar användningsanalys för Azure-fördelar med en jämförelse mellan reservationer och priser på begäran/sparplan.

Kostnader som ökar

Kostnadsökningsarbetsboken rapporterar om avvikelser i användningstillväxt som identifierats i flera perspektiv: prenumeration, mätarkategori, mätarunderkategori, mätarnamn, resursgrupp eller enskilda resurser.

Skärmbild som visar kostnads växande avvikelser och villkor.

Resursinventering

Resursinventeringsarbetsboken rapporterar om fördelningen av de mest relevanta Azure-resurstyperna (främst IaaS) i olika perspektiv, inklusive dess historiska utveckling.

Skärmbild som visar perspektiv för virtuella datorer över tid.

Identiteter och roller

Arbetsboken Identiteter och roller rapporterar om Microsoft Entra-ID-objekt (användare, grupper och program) och deras respektive roller i klientorganisationen och Azure-resurserna. En mer detaljerad analys av arbetsboken finns i det här blogginlägget.

Skärmbild som visar en sammanställning av huvudnamn och roller i Microsoft Entra ID/Azure Resource Manager, med utgångsdatum för tjänstens huvudnamns autentiseringsuppgifter.

Skärmbild som visar privilegierade Microsoft Entra-ID-roller och tilldelningshistorik.

Användning av blockbloblagring

I arbetsboken Block Blob Storage-användning rapporterar vi om fördelningen av blockbloblagringsanvändning över olika typer av lagringskonton, filstruktur, replikeringsalternativ och nivåindelning samt möjliggör simuleringar av besparingar vid övergång från högfrekventa till lågfrekventa nivåer.

Skärmbild som visar analys av blockbloblagringsanvändning med rekommendationer för livscykelhantering.

Principefterlevnad

Arbetsboken för principefterlevnad rapporterar om Azure Policy-efterlevnad i hela klientorganisationen, med ett historiskt perspektiv och även möjligheten att filtrera och gruppera efter resurstaggar.

Skärmbild som visar policyefterlevnadstillståndet med utveckling över tid.


Relaterat innehåll

Relaterade FinOps-funktioner:

Relaterade produkter:

Relaterade lösningar: