Mått och loggar

  • 15 minuter

I den här lektionen lär du dig om mått och loggar och hur du kan övervaka hälsotillståndet, beteendet och prestandan för dina Azure-program, nätverk och infrastruktur genom att samla in dessa två typer av data med Azure Monitor.

Mått

Mått är kvantitativa mått som visar ögonblicksbilder av program- eller resursprestanda. Mått är vanligtvis numeriska värden som du kan mäta över tid.

Mått kan ge dig en förståelse för olika aspekter av ett program eller en resurs, till exempel resursanvändning, svarstider, felfrekvenser och dataflöde. Vanliga exempel på mått är CPU-användning, minnesanvändning, nätverksfördröjning och transaktionshastigheter.

En lista över resursspecifika mått är automatiskt tillgänglig för varje resurstyp i din Azure-prenumeration. Du kan använda Azure Monitor Metrics Explorer för att interaktivt analysera data i din måttdatabas och kartlägga värdena för flera mått över tid.

Om du vill se måtten för alla resurser i Azure-portalen väljer du Mått under Övervakning i det vänstra navigeringsfältet på resursens sida. Välj sedan det mått du behöver i listrutan Mått . Du kan fästa diagrammen på en instrumentpanel för att visa dem med andra visualiseringar.

Följande linjediagram för begäranden visar till exempel summan av begäranden för contoso-web-sales-programmet.

Screenshot of the Monitoring option selected in the Azure portal for a web app, showing chart of requests for the web app.

Azure Monitor kan samla in flera typer av mått, bland annat:

  • Azure-plattformsmått. Azure Monitor börjar samla in måttdata från Azure-resurser så snart de läggs till i en prenumeration. En lista över resursspecifika mått är automatiskt tillgänglig för varje Azure-resurstyp.
  • Anpassade mått. Azure Monitor kan också samla in mått från andra källor, inklusive program och agenter som körs på virtuella datorer. Du kan skicka anpassade mått till Azure Monitor via Azure Monitor-agenten, andra agenter och tillägg eller direkt till Azure Monitor REST API.
  • Prometheus-mått. Azure Monitor-hanterad tjänst för Prometheus samlar in mått från Azure Kubernetes Service (AKS) eller andra Kubernetes-kluster. Prometheus-mått delar vissa egenskaper med plattforms- och anpassade mått, men har olika funktioner för att stödja analys- och aviseringsverktyg med öppen källkod som PromQL och Grafana.

Mått passar bra för realtidsövervakning. Du kan använda mått för att utlösa aviseringar när definierade tröskelvärden nås.

Loggar

Loggar är textposter med händelser, åtgärder och meddelanden som inträffar i en resurs eller ett program. Även om mått är numeriska kan loggarna innehålla följande data:

  • Text: Skrivbara textposter som ger kontext, information och beskrivningar av händelser.
  • Ostrukturerade data: Logga poster i olika format som inte passar in i fördefinierade numeriska värden.
  • Sammanhangsbaserad information: Insikter om kontexten kring en händelse, som är ovärderlig för rotorsaksanalys.

Loggar kan samla in information om fel, varningar, användaråtgärder och ändringar av programtillstånd. Loggar ger detaljerade berättelser om händelser i en viss kontext, vilket gör dem avgörande för felsökning, felsökning och förståelse av händelsesekvenser som leder till problem. Loggar är viktiga för retrospektiv analys av problem, vilket hjälper till att rekonstruera händelsekedjan som ledde fram till ett problem.

Azure Monitor-loggar är en funktion i Azure Monitor som gör att du kan lagra, hantera och analysera logg- och prestandadata från övervakade resurser. Om du vill samla in och analysera alla dina data konfigurerar du en gemensam arbetsyta som kallas log analytics-arbetsyta. Du konfigurerar dina resurser så att de skickar sina data till den arbetsytan.

När du har konfigurerat arbetsytan och börjat logga data kan du använda Azure Monitor-loggar för att utforska och analysera data. Du kan arbeta med loggfrågor och deras resultat interaktivt i Log Analytics-användargränssnittet.

Du kan använda loggfrågor i följande scenarier:

  • Använd en grundläggande fråga för att besvara en vanlig fråga.
  • Utför komplex dataanalys för att identifiera kritiska mönster i dina övervakningsdata.
  • Använd frågor i aviseringsregler för att meddelas proaktivt om problem.
  • Visualisera frågeresultat i en arbetsbok eller instrumentpanel.