Not
Bu sayfaya erişim yetkilendirme gerektiriyor. Oturum açmayı veya dizinleri değiştirmeyi deneyebilirsiniz.
Bu sayfaya erişim yetkilendirme gerektiriyor. Dizinleri değiştirmeyi deneyebilirsiniz.
Bu, Azure Well-Architected Framework Operasyonel Mükemmellik denetim listesi önerisi için geçerlidir:
| OE:07 | Tasarım kararlarını doğrulamak ve gelecekteki iyileştirmelere yol göstermek için iş yükünün altyapısından ve kodundan işletimsel telemetri, ölçüm ve günlükleri yakalayan bir izleme yığını tasarlayın. |
|---|
Gözlemlenebilirlik veya izleme, iş yükü ekibine, ürettiği dış verilere göre sistemin iç durumunu anlama olanağı sağlayan önemli bir operasyonel uygulamadır. İş mantığı ve temel özellikleri uygulayan işlevsel yığının aksine, izleme yığını paralel olarak çalışır. İş yüklerinin gerçek koşullar altında nasıl davrandığını gösteren ölçümleri, günlükleri, izlemeleri ve olayları toplar ve analiz eder.
İzleme yığınının tasarlanması dikkatli bir planlama gerektirir çünkü güvenilirlik, performans, güvenlik ve maliyet gibi çapraz kesme konularına görünürlük sağlar. İyi tasarlanmış bir izleme yığını, erken sorun algılama, etkili olay yanıtı ve bilinçli operasyonel kararlar sağlar. Proaktif yönetim ve sürekli iyileştirmenin temelini oluşturur.
Bu kılavuzda izleme, algılama ve uyarı işlevlerini destekleyen bir izleme yığını tasarlamaya yönelik temel stratejiler açıklanmaktadır. Adım adım işlemler ve playbook'lar da dahil olmak üzere uygulama yönergeleri için yardımcı makaleye bakın: Azure iş yükleri için izleme sistemi oluşturma.
Tanımlar
| Süre | Tanım |
|---|---|
| Telemetri | Günlükler, ölçümler, izlemeler ve olaylar için toplu bir terim. Telemetri, gözlemlenebilirlik için temel sağlar. |
| Günlükler | Sistemde meydana gelen olayları kaydeden sistem kayıtları. Günlükler zaman damgaları ile yapılandırılmış veya serbest biçimli metinler olabilir. Anomalileri algılamak ve araştırmak için kullanışlıdır. |
| Metrics | Sistem performansını açıklayan düzenli aralıklarla toplanan sayısal değerler. Ölçümler, iş yükü performansı ve güvenilirliğindeki eğilimleri belirlemeye yardımcı olur. |
| Gözlemlenebilirlik | Ekiplerin sorunları algılamalarına, performans eğilimlerini izlemelerine ve operasyonel kararlar vermelerine yardımcı olan bir uygulama. |
| Korelasyon Kimlikleri | Dağıtılmış sistemlerdeki işlemlerin uçtan uca izlenmesini sağlamak için birden çok bileşende ilgili olayları izleyen benzersiz tanımlayıcılar. |
| Enstrümantasyon | Telemetriyi yakalamak için uygulamalara ve altyapıya izleme özellikleri ekleme. Toplanan telemetri, günlüğe kaydetme, metrik toplama ve izlemeyi içerir. |
| Sistem durumu modeli | İş ve operasyonel hedefleri yansıtan göstergeleri, KPI'leri ve ölçümleri kullanarak iş yükü durumunu ölçmeye yönelik bir çerçeve. |
| Ana performans göstergeleri (KPI'ler) | bir iş yükünün iş ve operasyonel hedeflere ne kadar etkili bir şekilde ulaştığını gösteren ölçülebilir değerler. KPI'ler telemetri toplama ve çözümleme kılavuzu. |
| Uygulama performansı yönetimi (APM) | Uygulama performansını, kullanılabilirliğini ve kullanıcı deneyimini izlemeye yönelik araçlar ve uygulamalar. APM araçları, önemli ölçümler için gerçek zamanlı ve geçmişe dönük görünürlük sağlar. |
| Traces | Dağıtılmış sistemler aracılığıyla isteklerin yollarını gösteren kayıtlar. İzlemeler, birden çok hizmete yayılan sorunları tanılamaya yardımcı olur. |
Telemetriyi sağlık ve KPI modelleriyle hizalama
Telemetri toplama stratejilerinin bu hedefleri yansıtması için iş yükü sistem durumu göstergelerini, KPI'leri ve performans ölçümlerini tanımlayın. Düzeltici eylemle ilgili kararlar almak için anomalileri algılamak için bu göstergeleri izleyin.
Telemetri verilerini sistem ve kullanıcı akışlarına bağlayın ve bu akışları sistem durumu modelinizde varlık olarak modellenin. Bu yaklaşım, uygulama düzeyindeki sistem durumunu kaynak düzeyindeki sinyallere ve genel iş yükü durumuna bağlar, bu nedenle bir bağımlılıktaki düşüş, iş etkisinin görünür olduğu düzeyde ortaya çıkar.
Yapay zeka fırsatı: Ekipler, KPI'leri ve telemetri verilerini el ile tanımlayarak zaman harcar. Yapay zeka destekli araçlar mimariye, hizmet bağımlılıklarına ve koda göre yaygın olarak kullanılan telemetriyi önerebilir. GitHub Copilot veya Claude Code gibi araçlar da enstrümantasyon eklemeye ve sorgular ya da kod olarak altyapı (IaC) şablonları oluşturmaya yardımcı olabilir. Yapay zeka destekli gözlemlenebilirliğin doğru ve standartlara uygun kalmasını sağlamak için insan gözetimi dahil edin.
İş yükü bileşenlerinden telemetri gönderme
Uygulama, altyapı ve operasyonlardan anlamlı sinyaller yakalayın. Kritik özel durumları yeterli ayrıntıyla günlüğe kaydedin, ancak ayrıntı düzeyinin gürültüyü denetlemek için ayarlanmasına izin verin.
Verilerin sorgulanabilir ve aranabilir olması için yapılandırılmış telemetriyi tercih edin. Tutarlı şemalar kullanın ve kaynak bileşen, zaman damgaları vb. gibi bağlamsal bilgileri ekleyin. Tutarlılık için çabalayın çünkü bu, olayların daha doğru bir şekilde analiz edilmesine ve kullanıcı istekleriyle daha net bir bağıntıya olanak tanır. Bunu başarmak için, bilgilerin sistem genelinde nasıl toplandığını standartlaştıran yapılandırılabilir bir bilgi günlüğü çerçevesi benimseyin.
Ödünleşim: Hata ayıklanabilirliği ve izlenebilirliği geliştirmek için günlüğe kaydetme ayrıntılarını artırın, ancak depolama ve işleme maliyetlerinin daha yüksek olabileceğinin farkında olun. Bu dengeyi yönetmek için geliştirmede ayrıntılı günlük kaydı ve üretimde daha az ayrıntı kullanın ve aşırı günlük kaydı hacmi olmadan uçtan uca işlem görünürlüğünü korumak için bağıntı tanımlayıcılarına güvenin.
Filtrelemeyi basitleştirmek ve uygun erişim denetimlerini zorunlu kılmak için telemetriyi denetim, güvenlik, hata ayıklama ve performans gibi işlemsel kaygılara göre sınıflandırmak için bir yönteme sahip olun. İş yükü verilerinin telemetri verileriyle karışmadığından emin olun. Hassas sistem veya kullanıcı bilgilerini günlüğe kaydetmeden önce temizleyerek, tanılama için yeterli bağlamı koruyun.
Enstrümantasyon uygulamalarının işletim açısından güvenli olduğundan emin olun. Günlüğe kaydetme işlemi, kritik denetim senaryoları dışında iş operasyonlarını engellememesi için gönder-ve-unut biçiminde olmalıdır. Ölçüm araçlarını genişletilebilir ve belirli arka uçlardan bağımsız tutun ve telemetrideki hataların uygulama hatalarına yol açmadığından emin olun.
Enstrümantasyonu yinelemeli bir disiplin olarak ele al. Sistem geliştikçe netlik, ilgi ve performansı korumak için telemetri verilerini düzenli olarak gözden geçirin ve geliştirin.
Uyarı
Uygulama profili oluşturma, çalışan bir uygulamanın CPU, bellek, disk G/Ç ve ağ gibi sistem kaynaklarını nasıl kullandığını analiz etmenin başka bir yolu olabilir. Profil oluşturucu uygulamanıza eklenir (geliştirme sırasında veya üretimde) ve ayrıntılı çalışma zamanı verilerini toplar. İki yaklaşım vardır: tam profil oluşturma veya örnek tabanlı. Tam profil daha hassastır, ancak önemli bir yük ekleyip sistemi yavaşlatabilir. Verilerin her n saniyede bir veya her n istekte olduğu gibi sıklık temelinde toplandığı örnek tabanlı verileri tercih edin. Olaylar sık sık oluyorsa, ek yükü azaltmak için örneklemeyi kullanın. Olaylar nadirse, onları kaçırmamak için daha kapsamlı profil oluşturmayı kullanın.
İş yükü genelinde telemetri toplama
Telemetri sistemleri iki temel toplama modeli kullanır. Çekme modelinde bir bileşen, hedef sistemi sorgulayarak telemetri toplar. Bir itme modelinde, bileşenler verileri dışarı gönderirken telemetri üretir. İş yükünüz için geçerli olan faktörleri temel alan bir model seçin. Örneğin, düzenli anlık görüntüler yeterli mi yoksa gerçek zamanlıya yakın verilere mi ihtiyacınız var? Beklenen telemetri birimi nedir? Veri türü nedir: durum tabanlı veya günlükler, olaylar ve izlemeler?
Birleştirilmiş yaklaşım yaygın olarak kullanılır. Örneğin, izleme aracıları verileri düzenli aralıklarla toplamak ve paylaşılan depolama alanına yazmak için her uygulama örneğinin yanı sıra yerel olarak çalışan bir çekme modeli kullanabilir. Aynı zamanda, uygulama telemetrisi için bir itme modeli kullanabilirsiniz; bu modelde her örnek, olaylar meydana geldikçe günlükleri, izleri ve ölçümleri bir ileti kuyruğuna veya olay akışına gönderir.
Önem derecelerine göre veri aktarımına öncelik ver. Daha az acil veriler toplu olarak aktarılabilir, ancak zamana duyarlı bilgiler hemen gönderilmelidir.
Veri birleştirmeyi standartlaştırma
Telemetri verilerini yerel siloların dışına taşıyın ve kuruluş tarafından zorunlu kılındıysa merkezi bir depoda birleştirin. Çok bölgeli çözümler için önce verileri bölgesel olarak toplayın ve depolayın ve ardından merkezi olarak toplayın. Ancak iş açısından kritik iş yükleri için verilerin otonom olarak depolanmasını öneririz.
Analiz, panolar, uyarılar ve raporlama için verilere erişilebilmesi için tutarlı biçimler ve koleksiyon yöntemleri kullanın. Bileşenlerden manuel olarak veri almaktan kaçının; çünkü bu, ek yüke ve tutarsızlıklara yol açar.
Veri birleştirme hizmetlerini kullanarak:
- Yinelenen verileri kaldırma.
- Bağıntı kimliklerini kullanarak ilgili olayları birleştirin.
- Gereksiz bilgileri filtreleyin.
Risk: Bölgesel ve merkezi veri depolarına sahip olmanın maliyet açısından etkileri olduğunu unutmayın.
Kullanım desenlerine göre depolama ve tutmayı uyarlayın
Öncelikli olarak sorgu gereksinimlerine ve erişim desenlerine göre depolama çözümlerini seçin. Örneğin, uyarı oluşturan verilere hızlı bir şekilde erişilmesi gerekir, bu nedenle sorguları iyileştirmek için hızlı veri depolama alanında tutulmalıdır ve dizine alınmalıdır veya yapılandırılmış olmalıdır.
Farklı veri türlerini, kullanım amaçlarına uygun teknolojilerde depolamak için polyglot persistence kullanın:
- Performans sayaçları için SQL veritabanları
- İzleme günlükleri için Azure İzleyici günlükleri veya Azure Veri Gezgini
- Güvenlik bilgileri için Hadoop Dağıtılmış Dosya Sistemi (HDFS)
Ayrıca, veri depolama alanını ortama göre ayırın. Bu ayrım kritik olmayan ortam verilerinin üretim izlemesini karmaşık hale getirmesini önler.
Verileri nasıl kullanacağınıza göre bekletmeyi planlayın. Kısa vadeli analiz ve hata ayıklama için yüksek çözünürlüklü verileri koruyun ve uzun vadeli eğilimler için daha düşük çözünürlüklü toplamaları koruyun. Eski veya seyrek erişilen verileri daha ucuz depolama alanına taşıyın ve hızlı analiz için son verileri daha hızlı sistemlerde tutun. Bu, performansı maliyetle dengeler. Gereksiz depolama yükü olmadan verilerin gerektiğinde kullanılabilir olması için saklama sürelerini operasyonel gereksinimlere ve uyumluluk gereksinimlerine uyacak şekilde ayarlayın.
İzleme verilerini diğer kritik veriler gibi değerlendirin. Erişim denetimi, geçici silme ve yanlışlıkla yapılan değişikliklere karşı koruma gibi uygun korumayı uygulayın.
Uçtan uca içgörüler için verileri ilişkilendirme
Ölçümlerden, günlüklerden ve izlemelerden gelen telemetri verilerini tüm bileşenler arasında bağlamak için gözlemlenebilirlik tasarlar. Bu tasarım, birden çok katmana yayılan sorunları tanılamanıza yardımcı olan hizmetler arasında işlemlerin dağıtılmış izlemesini sağlar.
Sunu, orta ve veri katmanları aracılığıyla işlemleri izlemek için bağıntı kimliklerini tutarlı bir şekilde kullanın.
Sorun gidermeyi geliştirmek ve sorun algılamayı hızlandırmak için uygulama düzeyinde ve kaynak düzeyinde günlükleri toplama. Düzeyler arasında verileri sorgulamak ve analiz etmek için Azure Log Analytics gibi birleşik bir çözüm düşünün.
Akış durumunu genel iş yükü durumuyla ilişkilendirmek için telemetriyi sistem ve kullanıcı akışlarıyla hizalayın. Bu akışları anlamak, gözlemlenebilirlik stratejinizin hem bileşen düzeyinde hem de uçtan uca sistem davranışını yansıtmasını sağlamanıza yardımcı olur.
Eyleme dönüştürülebilir kararları desteklemek için analiz etme ve görselleştirme
Operasyonel sağlık modelleri ile panolar ve raporlar tasarla. Görselleştirmeler ekiplerin sorunları hızla belirlemesine, eğilimleri anlamasına ve yanıtları önceliklendirmesine olanak sağlamalıdır.
Sistem durumu modeli, telemetri ile işletimsel kararlar arasındaki anlam katmanını sağlar. Metrik tabanlı panolar yerine, iş yükü düzeyindeki sistem durumundan tek tek kaynaklara doğru ayrıntıya inen sistem durumu görünümlerini görselleştirin. Varlık hiyerarşisi genelinde sistem durumunun yerleşik görselleştirmelerinden yararlanmak ve sistem durumu verilerini Grafana gibi araçlara entegre etmek için API erişimi elde etmek üzere Azure İzleyici sistem durumu modellerinden yararlanın.
Özel uygulamalar veya geçici çözümler yerine kanıtlanmış izleme desenlerini ve mimarilerini kullanın. Panoların anlamlı ve eyleme dönüştürülebilir olduğundan emin olun. Analistler, temel alınan verileri keşfetmek için parametreli panoları kullanabilir.
Veritabanı iş yükleri için bulut hizmetlerinin sağladığı yerleşik izleme panolarını değerlendirin. Örneğin, PostgreSQL için Azure Veri Tabanı, Azure İzleyici entegrasyonu aracılığıyla Azure portalında yerleşik Grafana panelleri sunar. Bu panolar, CPU kullanımı, depolama, etkin bağlantılar ve günlük korelasyonu ile sorgu aktarım hızını gösterir, bu da ayrı izleme dağıtımları gereksinimini azaltır.
Anlamlı operasyonel koşullarla ilgili uyarılar tanımlama
Rastgele değerlere değil iş yükü durumuna göre uyarılar ayarlayın. Uyarılar eyleme dönüştürülebilir olmalı ve bağlam sağlamalıdır. Sahipleri, eylemleri ve kapsamı tanımlayan net, hesaplanabilir bir uyarı süreci oluşturun. Kritik sorunların hızla algılanmasını sağlarken gereksiz uyarı yükünü en aza indirmek için, uyarıları uygun ayrıntı ve ayrıntılılık düzeyleriyle yapılandırın.
Birden çok bağıntılı sinyali sistem durumu durumuna toplayan ve ardından yalıtılmış ölçüm eşikleri değil durum geçişleri konusunda uyarı veren bir sistem durumu modeli kullanın.
Geçmiş deneyime ve düzenli testlere göre eşikleri doğrulayın. Hızlı bildirimi etkinleştirmek için uyarı oluşturma verileri için hızlı depolamayı kullanın. İyi tanımlanmış kapsamlar için uyarıları yapılandırın ve gürültüyü en aza indirmek için ayrıntı düzeyini ayarlayın.
Uyarı oluşturma işlemini otomatikleştirin ve uyarıları bilet sistemlerine bağlayın. Bulut platformu hizmet durumunu, kesintileri, bakımı ve önerileri izleyin.
Azure SRE Aracısı gibi yapay zeka destekli operasyon araçları uyarı düzenlerini analiz edebilir ve pod kilitlenme döngüleri veya yükseltilmiş hata oranları gibi yaygın sorunları tanılayabilir. Bu araçlar, önerilen eylemlerden başlayarak ve tanımlı korumalar içinde otomatik yanıtları aşamalı olarak etkinleştirerek yapılandırılabilir özerkliği destekler.
Ölçeklenebilir, dayanıklı telemetri işlem hatları tasarlama
Gözlemlenebilirlik sistemleri performans sorunları veya veri kaybı olmadan yüksek ölçekle başa çıkmalıdır. Yük altında telemetri verilerinin akışını korumak için arabelleğe alma, kuyruğa alma ve ölçeklenebilir veri alma süreçlerini ekleyin.
Aniden artan talepleri işlemek için yüksek ölçekli ortamlar için kuyruklama mekanizmaları kullanın. Önemli verilerin kaybolmasını önlemek için yedeklilik uygulayın. İzleme sistemlerinin iş yükü talepleriyle artmasını sağlamak için tasarım sırasında ölçeklendirmeyi planlayın.
Karmaşık iş yükleri için en az bir kez semantiği olan ileti kuyruklarını kullanın. Yüksek hacimli işlemleri işlemek için birden çok depolama yazma hizmeti çalıştırın. Telemetri işlemeyi dağıtmak ve tek noktalı G/Ç performans sorunlarını önlemek için Azure Event Hubs kullanmayı göz önünde bulundurun.
Sürekli iyileştirmeyi desteklemek için gözlemlenebilirliği kullanma
Gözlemlenebilirliği geri bildirim döngüsü olarak değerlendirin. İş yükü tasarımını, telemetri yakalamayı ve izleme eşiklerini iyileştirmek için üretim verilerini kullanın.
Doğruluğu sağlamak için otomasyon ve insan gözetimlerini dengeleyin. İş yükleri değiştikçe izleme yaklaşımlarını sürekli gözden geçirin ve geliştirin. İyileştirme fırsatlarını belirlemek, mimari kararlarını doğrulamak ve gelecekteki tasarımlara yol göstermek için telemetriyi kullanın.
genel iş yükü testlerine izleme ve uyarı ekleme. operasyonel sorunları tahmin etmek ve kapasiteyi planlamak için eğilimleri analiz etme özelliğini koruyarak işlevleri otomatikleştirin.
Antipattern'lara dikkat edin
Birçok izleme hatası, araç sınırlamaları yerine kötü mimari seçeneklerden kaynakılır.
Sadece belirtileri düzeltmekle kalmaz, kötü modelin neden ortaya çıktığını analiz edin ve temel tasarım zayıflığını giderin. Ardından, net telemetri standartlarını kullanmak, işle uyumlu metriklere yönelmek veya maliyet farkındalığı sağlamak gibi azaltma yöntemlerini uygulayın.
Yardımcı uygulama kılavuzunda şu bölümü okumanızı öneririz: Kötü amaçlı yazılımdan koruma ve bunları önleme.
Azure hizmetleri
Azure İzleyici bulut ve şirket içi ortamlarınızdan izleme verilerini toplamaya, analiz etmeye ve yanıtlamaya yönelik bir izleme çözümüdür.
Azure İzleyici sistem durumu modelleri ölçümleri, günlükleri ve izlemeleri Azure kaynaklar ve bileşenler arasında eyleme dönüştürülebilir sistem durumu durumlarıyla ilişkilendirerek iş yükü durumunu tanımlamanıza, ölçmenize ve görselleştirmenize yardımcı olur.
Log Analytics Azure portalında Log Analytics çalışma alanında bulunan verilerde günlük sorgularını düzenlemek ve çalıştırmak için kullanabileceğiniz bir araçtır.
Birden çok çalışma alanı kullanıyorsanız, en iyi yöntemler için Log Analytics çalışma alanı architecture kılavuzuna bakın.
Application Insights Azure İzleyici uzantısıdır. APM özelliklerini sağlar.
Azure İzleyici Insights belirli Azure teknolojilerine (VM'ler, uygulama hizmetleri ve kapsayıcılar gibi) yönelik gelişmiş analiz araçlarıdır. Bu araçlar Azure İzleyici ve Log Analytics bir parçasıdır.
SAP çözümleri için Azure İzleyici Azure üzerinde çalışan SAP manzaraları için Azure bir izleme aracıdır.
Azure İlkesi kuruluş standartlarını zorunlu kılmanıza ve uygun ölçekte uyumluluğu değerlendirmenize yardımcı olabilir.
Azure Ağ İzleyicisi güvenlik, uyumluluk ve performans sağlamak için ağınızı izleyen, yöneten ve denetleen bir araçtır.
"Bağlantı Sorunlarını Giderme", Ağ İzleyicisi'da bir tanılama aracıdır. Bağlantı sorunlarını araştırmaya yardımcı olmak için isteğe bağlı tanılama ve paket yakalama (PCAP) sağlar.
Bağlantı izleyicisi, Ağ İzleyicisi içinde bir izleme aracıdır. Sürekli yapay testler çalıştırır ve bağlantı ve performans sorunları için gerçek zamanlı uyarılar gönderir.
Traffic analytics, Ağ İzleyicisi'da bir trafik analizi çözümüdür. Trafik dağıtımlarını görselleştirir, en çok konuşanları tanımlar ve bant genişliği kullanım eğilimlerini ortaya çıkarır. Bu özellikler, ağ durumunun birleşik bir görünümünü sağlar.
Sanal ağ akışı günlüklerinde artık ağ telemetrisini kuruluşunuzun SIEM'sine aktaran yerel bir Microsoft Sentinel bağlayıcısı vardır. Bu tümleştirme, akış verilerini kimlik ve uç nokta sinyalleriyle aynı analiz düzlemine getirerek güvenlik araştırmaları sırasında bağıntıyı geliştirir. Veri alımını ölçeklendirirken log hacmini ve analiz maliyetlerini yönetin.
Azure İzleyici günlük uyarıları, geçmiş davranıştan türetilen dinamik eşikleri kullanabilir. Değişen temeller arasında anomali algılamayı ölçeklendirmek için bunları kullanın, ancak mevsimsel desenleri doğrulayın ve yanıtlayanların beklenen eylemi bilmelerini sağlayın.
Azure İşlevleri, özel kurulum olmadan anında sistem durumu görünümleri sağlayan yerleşik Grafana panoları içerir. Başlangıçta görünürlük kazanmayı hızlandırmak için bunları kullanın, ancak yine de SLO temelli uyarılar, gösterge panoları ve operasyon kılavuzları tanımlayın.
Azure Container Apps, yönetilen tümleştirmeler aracılığıyla OpenTelemetry verilerini dış arka uçlara aktarabilir. Telemetri dağılımını genişletmeden önce hedefleri kasıtlı olarak standartlaştırın ve yönlendirme, bekletme ve alma maliyetini idare edin.
İlgili bağlantılar
- Enstrümantasyon kılavuzu
- Güvenilir bir izleme ve uyarı stratejisi tasarlama önerileri
- İzleme ve tehdit algılama önerileri
- Performans verilerini toplama önerileri
Topluluk bağlantıları
- Azure İzleyici Temel Uyarılar (AMBA) müşterilerin ve iş ortaklarının Azure İzleyici benimsenmesi yoluyla gözlemlenebilirlik deneyimlerini geliştirmek için kullanabilecekleri merkezi bir uyarı tanımları deposudur.
Operasyonel Mükemmellik denetim listesi
Öneriler kümesinin tamamına bakın.