Aracılığıyla paylaş

Azure iyileştirme altyapısını özelleştirme

Azure optimizasyon motoru (AOE), maliyet iyileştirme önerileri sağlamak için Azure tüketim ve performans verilerini toplayan, alan ve analiz eden bir Azure Otomasyonu runbook kümesidir. Altyapı esnek ve özelleştirilebilir olacak şekilde tasarlanmıştır ve kuruluşunuzun gereksinimlerine daha iyi uyacak şekilde davranışını ayarlamanıza olanak sağlar. Bu makalede, motorun ayarlarını nasıl özelleştireceğiniz konusunda rehberlik sağlanmaktadır. Eşikleri ayarlamayı, zamanlamaları değiştirmeyi ve motorun kapsamını genişletmeyi içerir.


Motorun kapsamını genişletme

Varsayılan olarak, Azure Otomasyonu Yönetilen Kimliğine yalnızca ilgili abonelik üzerinde Okuyucu rolü atanır. Ancak, yalnızca aynı Okuyucu rolünü diğer aboneliklere ve hatta daha basit bir üst düzey Yönetim Grubuna vererek önerilerinin kapsamını genişletebilirsiniz.

Geliştirilmiş sanal makine (VM) optimum boyut önerileri bağlamında, VM'leriniz birden çok çalışma alanına raporlayabilir. Öneriler kapsamında, AOE'nin kullandığı ana çalışma alanının yanı sıra diğer çalışma alanlarını da eklemeniz gerekiyorsa, değişkene AzureOptimization_RightSizeAdditionalPerfWorkspaces çalışma alanı kimliklerini eklemeniz yeterlidir (çalışma alanlarını yapılandırma konusunda daha fazla ayrıntıya bakın).

Birden çok Entra ID dizininiz varsa (kiracı olarak da bilinir), AOE'nin erişim süresini dağıtıldığı kiracının dışındaki bir kiracıya genişletebilirsiniz. Bunu başarmak için, her birinin artıları ve eksileri olan iki seçeneğiniz vardır:

İkincil kiracıda hizmet sorumlusu Azure Lighthouse dağıtımı
En geniş özellik kapsamını sağlar (aşağıdaki sınırlamalara bakın) Neredeyse eksiksiz bir özellik kapsamı sağlar (aşağıdaki sınırlamalara bakın)
Gizli bilgilere dayanan, daha az güvenli ve yönetilmeyen bir kimlik doğrulama seçeneği kullanır. Motorun yönetilen kimliğini yeniden kullanarak güçlü kimlik doğrulaması sağlar.
İkincil kiracıdaki Log Analytics çalışma alanlarından Performans metriklerini yeniden kullanma desteği, VM doğru boyut önerilerini genişletirken mevcut değildir. Kimlikler ve Roller çalışma kitabının ve Microsoft Entra Kimliğiyle ilgili önerilerin eksiksizliğini etkileyen Microsoft Entra nesneleri için destek içermez. İlke Uyumluluğu çalışma kitabına genel bakış sekmesi ikincil kiracıdan veri getirmez; yalnızca ayrıntılı ilke analizi desteklenir.
Uygulama, bir yardımcı PowerShell betiğinin yürütülmesini temel alır Uygulama, Azure Resource Manager şablonunun dağıtımını temel alır
İkincil kiracının kapsama alanını daha ölçeklenebilir hale getirmek için yalnızca daha üst düzeyde bir kapsamda hizmet sorumlusuna izin verin. Dağıtım, ikincil kiracıdaki abonelik başına yapılır; ölçeklendirmek için Azure İlkesi gerekir
İkincil kiracı için iş zamanlamaları tekrarlandığı için daha az uygun maliyetli. Mevcut iş zamanlamaları ikincil kiracıyı otomatik olarak kapsayacağı için daha uygun maliyetlidir

İkincil kiracıda hizmet kullanıcısı olan çok kiracılı yapı

Motor kapsamını hizmet sorumlusu tabanlı yaklaşımı kullanarak genişletmek için, aşağıdaki önkoşulları sağlamanız gerekir.

  • İkincil kiracıda bir hizmet ilkesi (Uygulama kaydı) ve bir gizli anahtar oluşturun.
  • Azure aboneliklerinde/yönetim gruplarında Okuyucu ve Microsoft Entra ID'de Genel Okuyucu olmak üzere ikincil kiracıdaki hizmet sorumlusuna gerekli izinleri verin.
  • AOE'nin Otomasyon Hesabında bir Otomasyon kimlik bilgisi oluşturun. Hizmet prensip sahibinin istemci kimliğini kullanıcı adı ve gizli anahtarı parola olarak ayarlayın.
  • Register-MultitenantAutomationSchedules.ps1 betiğini (AOE kök klasöründe) AOE'nin dağıtıldığı abonelik bağlamında yürütün. Bu betik, ihracat runbook'larının her biri için yeni iş zamanlamaları oluşturur ve bunları ikincil kiracıyı sorgulamak üzere yapılandırır. Aşağıdaki söz dizimini kullanarak betiği çağırmanız gerekir:
./Register-MultitenantAutomationSchedules.ps1 -AutomationAccountName <AOE automation account> -ResourceGroupName <AOE resource group> -TargetSchedulesSuffix <suffix to append to every new job schedules, e.g., Tenant2> -TargetTenantId <secondary tenant GUID> -TargetTenantCredentialName <name of the Automation credential created in the previous step> [-TargetSchedulesOffsetMinutes <offset in minutes relative to original schedules, defaults to 0>] [-TargetAzureEnvironment <AzureUSGovernment|AzureGermanCloud|AzureCloud>] [-ExcludedRunbooks <An array of runbook names to exclude from the process>] [-IncludedRunbooks <An array of runbook names to include in the process>]

Azure Lighthouse ile çok kiracılı

Azure Lighthouse tabanlı yaklaşımı kullanarak altyapı kapsamını genişletmeniz için aşağıdaki önkoşullardan emin olmanız gerekir:

  • İkincil kiracıda dağıtılacak Azure Resource Manager şablonunu hazırlayın. Başvuru şablonunu depomuzda (lighthouse-template.jsonAOE kök klasöründe bulunan dosya) as-is yeniden kullanabilirsiniz.
  • Şablonu tek bir abonelik için dağıtıyorsanız, yukarıdaki başvuru şablonunu kullanarak ve şablon parametre değerlerini belirterek (ayrı bir parametre dosyası olarak veya doğrudan Azure portalı arabiriminde) burada açıklanan adımları izlemeniz gerekir.
  • Birden çok aboneliğe uygun ölçekte dağıtım yapmanız gerekiyorsa, burada sağlanan yönergeleri izleyerek ve ilke tanım kodunu yukarıdaki başvuru şablonunu izleyecek şekilde ayarlayarak Azure İlkesi'ni kullanabilirsiniz.
  • Dağıtım yaklaşımı ne olursa olsun, sağlamanız gereken şablon parametreleri şunlardır:
    • managedByTenantId - AOE'nin dağıtıldığı kiracının Microsoft Entra kiracı kimliği.
    • principalId - AOE otomasyon hesabı sisteminde yönetilen kimliğin Microsoft Entra nesne kimliği.
    • principalIdDisplayName - AOE otomasyon hesabının adı.

Zamanlamaları ayarlama

Varsayılan olarak, AOE Otomasyonu zamanlamaları için temel süre dağıtım zamanı olarak ayarlanır. İlk dağıtım tamamlandıktan hemen sonra, veri dışa aktarmaları, veri almaları ve öneri çalışma kitapçıkları, motorun varsayılan zamanlamalarına göre çalışır. Örneğin, Pazartesi günü saat 11:00'de AOE dağıtırsanız her Pazartesi saat 14:30'da yeni öneriler alırsınız. Bu zamanlama herhangi bir nedenle gereksinimlerinize uymuyorsa betiği kullanarak Reset-AutomationSchedules.ps1 (AOE kök klasöründe bulunur) size daha uygun bir zamana sıfırlayabilirsiniz. Yalnızca aşağıdaki betiği çağırmanız gerekir. Söz dizimini izleyin ve giriş isteklerini yanıtlayın:

./Reset-AutomationSchedules.ps1 -AutomationAccountName <AOE automation account> -ResourceGroupName <AOE resource group> [-AzureEnvironment <AzureUSGovernment|AzureGermanCloud|AzureCloud>]

Seçtiğiniz temel saat UTC cinsinden olmalı ve önerilerin oluşturulmasını istediğiniz haftanın gününe ve saate göre tanımlanmalıdır. Seçtiğiniz zamandan 3 saat 30 dakika çıkarmalısınız. Bunun nedeni, temel zamanın öneriler oluşturulmadan önce çalışması gereken tüm bağımlı otomasyon runbook'ları için zamanlamaları tanımlamasıdır. Örneğin, önerilerin her Pazartesi saat 08.30'da oluşturulmasını istediğinizi varsayalım; temel saat, pazartesi günü saat 05.00'e düşen bir sonraki takvim tarihidir. Seçtiğiniz tarihin biçimi YYYY-AA-GG SS:dd olmalıdır; örneğin, 2022-01-03 05:00:00.

Betik ayrıca, gerekirse, runbook'ları çalıştırmak istediğiniz Karma Çalışan Grubu'nu girmenizi ister (sonraki alt bölüme bakın).


Karma Çalışanı ile AOE runbook'larını ölçeklendirme

Varsayılan olarak, AOE Otomasyonu runbook'ları Azure Otomasyonu çalışma alanı içinde yürütülür. Otomasyon korumalı alanının bellek sınırları nedeniyle performans sorunlarıyla karşılaşabilirsiniz. Alternatif olarak, AOE'nin güvenliğini sağlamlaştırmak için Depolama Hesabı veya SQL Veritabanı için özel uç noktalar uygulamaya karar verebilirsiniz. Her iki durumda da Karma Çalışanı'ndan runbook'ları yürütmeniz gerekir. Otomasyon Karma Çalışanı uzantısına sahip bir Azure veya şirket içi Sanal Makinedir. AOE runbook'larının yürütme bağlamını değiştirmek için Reset-AutomationSchedules.ps1 betiğini kullanmanız gerekir. Önceki alt bölümdeki betiğin nasıl kullanılacağını görün. Runbook'ların yürütme temel süresini ayarladıktan sonra, runbook'ların çalıştırılmasını istediğiniz Karma Çalışan Grubu adını girin.

Önemli

  • Karma Çalışanı makinesinde gerekli PowerShell modülleri yüklü olmalıdır. Dosyası upgrade-manifest.json gerekli modüllerin listesini içerir.
  • Runbook yürütme bağlamını Karma Çalışanı olarak değiştirdikten sonra, AOE'yi her yükselttiğinizde her zaman DoPartialUpgrade bayrağını kullanmalısınız, aksi takdirde runbook zamanlama ayarlarını kaybeder ve varsayılan sandbox yapılandırmasına geri dönersiniz.
  • Azure, Microsoft Entra Id ve Faturalama Hesabı kapsamlarında kimlik doğrulaması yapmak için kullanılan Yönetilen Kimlik, Azure Otomasyonu tarafından kullanılan kimliktir. Karma Çalışanı makinesinde Yönetilen Kimlik atanmış olsa bile kullanılır (ayrıntılara bakın). Kullanıcı tarafından atanan Yönetilen Kimlikler, Karma Çalışanlar bağlamında yalnızca aşağıdaki durumlarda desteklenir:
    • Otomasyon Hesabının ilişkili yönetilen kimliği yoktur, yani yalnızca Karma Çalışan makinesi Kullanıcı Tarafından Atanan Yönetilen Kimliğe sahip olabilir.
    • Tüm runbook'lar Karma Çalışanı bağlamında çalışır. Bu durumda, Değer olarak Kullanıcı Tarafından Atanan Yönetilen Kimlik İstemci Kimliği ile bir AzureOptimization_UAMIClientID Otomasyon Değişkeni oluşturmanız gerekir.
    • AzureOptimization_AuthenticationOption Otomasyon değişken değeri olarak UserAssignedManagedIdentitygüncelleştirilir.

Eşikleri ayarlama

Danışman maliyet önerileri için, AOE'nin varsayılan yapılandırması yüzde 99'luk dilim VM metrikleri toplulaştırmaları oluşturur, ancak bunları daha az muhafazakâr olacak şekilde ayarlayabilirsiniz. Ayrıca, fit puanını hesaplamak için kullanılan ayarlanabilir ölçüm eşikleri de vardır. Varsayılan eşik değerleri CPU için %30 (kapatma önerileri için %5), bellek için %50 (kapatma için %100) ve ağ bant genişliği (kapatma için 10 Mb/sn) için 750 Mb/sn'dir. Tüm ayarlanabilir yapılandırmalar Azure Otomasyonu değişken olarak kullanılabilir. Sonraki tablodaki bilgiler en uygun yapılandırma değişkenlerini vurgular. Bunlara erişmek için Otomasyon Hesabı Paylaşılan Kaynakları - Değişkenler menü seçeneğine gidin.

Değişken Açıklama
AzureOptimization_AdvisorFilter Maliyet Danışmanı olmayan tüm sütunlar için öneriler almak istemiyorsanız, sütun düzeyi bir filtre (aşağıdaki değerlerden en az biriyle virgülle ayrılmış liste) belirtebilirsiniz: HighAvailability,Security,Performance,OperationalExcellence). Tüm sütunlar için varsayılan ayar yapılır.
AzureOptimization_AuthenticationOption Otomasyon Runbook'ları için varsayılan kimlik doğrulama yöntemidir RunAsAccount. Ancak Azure sanal makinesinde Karma Çalışanı kullanıyorsanız, ManagedIdentity 'e geçiş yapabilirsiniz.
AzureOptimization_ConsumptionOffsetDays Azure Tüketim veri toplama runbook'u, yedi gün önce (varsayılan) gerçekleşen faturalama olayları için her gün sorgular. Daha yakın bir uzaklığı değiştirebilirsiniz, ancak bazı abonelik türlerinin (örneğin MSDN) daha düşük bir değeri desteklemediğini unutmayın.
AzureOptimization_PerfPercentileCpu CPU ölçümleri toplamaları için varsayılan yüzde birlik değer 99'dur. Yüzdelik dilim azaldıkça, VM optimum boyut sığdırma puanı algoritması daha az tutucu bir şekilde ayarlanır.
AzureOptimization_PerfPercentileDisk Disk GÇ/aktarım hızı ölçüm toplamaları için varsayılan yüzde birlik değer 99'dur. Yüzdelik dilim küçüldükçe, VM doğru boyutlandırma puanı algoritması daha az muhafazakar bir şekilde ayarlanır.
AzureOptimization_PerfPercentileMemory Bellek ölçümleri toplamaları için varsayılan yüzde birlik değer 99'dur. Yüzdelik dilim küçüldükçe, VM doğru boyut uyum puanı algoritması daha az muhafazakar bir şekilde ayarlanır.
AzureOptimization_PerfPercentileNetwork Ağ ölçümleri toplamaları için varsayılan yüzde birlik değer 99'dur. Yüzdelik dilim küçüldükçe, VM doğru boyut uygunluk puanı algoritması daha az muhafazakar bir şekilde ayarlanır.
AzureOptimization_PerfPercentileSqlDtu SQL DB DTU ölçümleri için kullanılacak varsayılan yüzde birlik değer. Yüzdelik dilim küçüldükçe, SQL Veritabanı doğru boyutlandırma algoritması daha az muhafazakar hale gelir.
AzureOptimization_PerfThresholdCpuPercentage CPU eşiği (İşlemci Süresi % içinde). Bunun üzerinde, VM'nin doğru boyut sığdırma puanı azalır. Bunun altında Azure Sanal Makine Ölçek Kümesi (ölçek kümesi) doğru boyutta Maliyet önerisi tetikleyicileri vardır.
AzureOptimization_PerfThresholdCpuShutdownPercentage CPU eşiği (İşlemci Süresi % içinde). Bunun üzerinde, VM doğru boyut sığdırma puanı azalır (yalnızca kapatma önerileri).
AzureOptimization_PerfThresholdCpuDegradedMaxPercentage CPU eşiği (İşlemci Süresi % içinde gözlemlenen maksimum değer). Bunun üzerinde, ölçek ayarı doğru boyutlandırma performans önerisini tetikler.
AzureOptimization_PerfThresholdCpuDegradedAvgPercentage CPU eşiği (İşlemci Zamanı % olarak gözlemlenen ortalama). Bunun üzerinde, ölçek ayarı doğru boyutlandırılmış performans önerilerini tetikler.
AzureOptimization_PerfThresholdMemoryPercentage Bellek eşiği (Kullanılan Bellek Yüzdesi cinsinden). Bunun üzerinde, VM'nin doğru boyut sığdırma puanı azalır. Bunun altında, ölçek ayarları doğru boyuttaki maliyet önerilerini devreye sokar.
AzureOptimization_PerfThresholdMemoryShutdownPercentage Bellek eşiği (Kullanılan Bellek Yüzdesi cinsinden). Bunun üstünde, VM doğru boyutlandırma puanı azalır (yalnızca kapatma önerileri doğrultusunda).
AzureOptimization_PerfThresholdMemoryDegradedPercentage Bellek eşiği (Kullanılan Bellek Yüzdesi cinsinden). Bunun üzerinde, ölçeği ayarla uygun boyutlandırma performans önerilerini tetikler.
AzureOptimization_PerfThresholdNetworkMbps Ağ eşiği (Toplam Mb/sn cinsinden). Bunun üzerinde, VM'nin doğru boyut sığdırma puanı azalır.
AzureOptimization_PerfThresholdNetworkShutdownMbps Ağ eşiği (Toplam Mb/sn cinsinden). Bunun üzerinde, VM doğru boyut sığdırma puanı azalır (yalnızca kapatma önerileri).
AzureOptimization_PerfThresholdDtuPercentage DTU kullanım yüzdesi eşiği. Bunun altında, bir SQL Veritabanı örneği az kullanılan olarak kabul edilir.
AzureOptimization_RecommendAdvisorPeriodInDays Log Analytics deposunda Danışman önerilerinin aranma süresi gün cinsindendir; Danışman önerileri haftada bir kez toplandığından varsayılan değer 7'dir.
AzureOptimization_RecommendationAADMaxCredValidityYears Hizmet Sorumlusu kimlik bilgileri/sertifika geçerliliği için en fazla yıl sayısı ; bu aralığın üzerindeki tüm geçerlilikler bir Güvenlik önerisi oluşturur. Varsayılan değer 2'dir.
AzureOptimization_RecommendationAADMinCredValidityDays Hizmet Sorumlusu kimlik bilgisi/sertifikasının süresi dolmadan önce geçmesi gereken en az gün sayısı ; bu aralığın altındaki geçerlilik süresi operasyonel mükemmellik önerisi oluşturur. Varsayılan değer 30'dır.
AzureOptimization_RecommendationLongDeallocatedVmsIntervalDays Bir VM'nin silinmek üzere önerilmeden önce serbest bırakıldığı ardışık gün sayısı (Sanal Makine uzun süre serbest bırakıldı ve diskler hala maliyetlerle karşılanıyor). Varsayılan değer 30'dır.
AzureOptimization_RecommendationVNetSubnetMaxUsedPercentageThreshold Alt ağ IP alanı kullanımı için tolere edilen en yüksek yüzde. Varsayılan değer 80'tir.
AzureOptimization_RecommendationVNetSubnetMinUsedPercentageThreshold Alt ağ IP alanı kullanımı için en düşük yüzde : bu değerin altındaki tüm kullanımlar ilgili alt ağı düşük IP alanı olarak işaretler. Varsayılan değer 5'tir.
AzureOptimization_RecommendationVNetSubnetEmptyMinAgeInDays Bir boş alt ağın işaretlenebilmesi için gereken en düşük gün sayısı, böylece yeni oluşturulan alt ağların işaretlenmesi önlenir. Varsayılan değer 30'dır.
AzureOptimization_RecommendationVNetSubnetUsedPercentageExclusions Alt ağ kullanım yüzdesi önerilerinden dışlanması gereken alt ağ adlarının virgülle ayrılmış, tek tırnak içine alınmış listesi, örneğin, 'gatewaysubnet','azurebastionsubnet'. Varsayılan olarak 'gatewaysubnet' kullanılır.
AzureOptimization_RecommendationRBACAssignmentsPercentageThreshold RBAC atamalarının maksimum yüzdesi kullanım sınırını belirler. Varsayılan değer 80'tir.
AzureOptimization_RecommendationResourceGroupsPerSubPercentageThreshold Abonelik başına Kaynak Grupları sayısının en yüksek yüzdesi kullanımı sınırlar. Varsayılan değer 80'tir.
AzureOptimization_RecommendationRBACSubscriptionsAssignmentsLimit Abonelik başına RBAC atamaları için üst sınır. Şu anda 2000 olarak ayarlanmıştır (belgelendiği gibi).
AzureOptimization_RecommendationRBACMgmtGroupsAssignmentsLimit Yönetim grubu başına RBAC atamaları için üst sınır. Şu anda 500 olarak ayarlanmıştır (belgelendiği gibi).
AzureOptimization_RecommendationResourceGroupsPerSubLimit Abonelik başına Kaynak Grubu sayısı üst sınırı. Şu anda 980 olarak ayarlanmıştır (belgelendiği gibi).
AzureOptimization_RecommendationStorageAcountGrowthThresholdPercentage Veri saklama politikasına sahip olmadığını belirtmek için gereken en düşük depolama hesabı büyüme yüzdesi.
AzureOptimization_RecommendationStorageAcountGrowthMonthlyCostThreshold Depolama alanının bekletme ilkesine sahip olmadığını işaretlemek için gereken en düşük aylık maliyet (EA/MCA para biriminizde).
AzureOptimization_RecommendationStorageAcountGrowthLookbackDays Depolama Hesabı büyümesini analiz etmek için geriye dönük süre (gün cinsinden).
AzureOptimization_ReferenceRegion Kullanılabilir SKU'ların listesini almak için başvuru olarak kullanılan Azure bölgesi (varsayılan olarak westeuropekullanılır).
AzureOptimization_RemediateRightSizeMinFitScore Düzeltme gerçekleşebilmesi için bir VM'nin doğru boyutta önerilmesi gereken en düşük uyumluluk puanı.
AzureOptimization_RemediateRightSizeMinWeeksInARow Düzeltmenin gerçekleşmesi için bir VM'nin doğru boyut önerisinin kesintisiz bir sırada en az birkaç hafta tamamlanması gerekir.
AzureOptimization_RemediateRightSizeTagsFilter Düzeltmenin gerçekleşmesi için bir VM doğru boyut önerisinin sahip olması gereken etiket adı/değer çiftleri. Örnek: [ { "tagName": "a", "tagValue": "b" }, { "tagName": "c", "tagValue": "d" } ]
AzureOptimization_RemediateLongDeallocatedVMsMinFitScore Düzeltme işleminin gerçekleşmesi için uzun süreli serbest bırakılmış bir VM önerisinin en düşük sığdırma puanı olmalıdır.
AzureOptimization_RemediateLongDeallocatedVMsMinWeeksInARow Düzeltmenin gerçekleşmesi için bir satırdaki en az hafta sayısı uzun bir serbest bırakılmış VM önerisinin tamamlanması gerekir.
AzureOptimization_RemediateLongDeallocatedVMsTagsFilter Düzeltmenin gerçekleşmesi için uzun süreli serbest bırakılmış VM tavsiyesinin sahip olması gereken etiket adı ve değer çiftleri. Örnek: [ { "tagName": "a", "tagValue": "b" }, { "tagName": "c", "tagValue": "d" } ]
AzureOptimization_RemediateUnattachedDisksMinFitScore Düzeltmenin gerçekleşmesi için bağlı olmayan disk önerisinin gereken minimum uyumluluk puanı.
AzureOptimization_RemediateUnattachedDisksMinWeeksInARow Düzeltmenin gerçekleşebilmesi için önerinin tamamlanmış olması gereken bağlantısız disklerle ilgili art arda en az hafta sayısıdır.
AzureOptimization_RemediateUnattachedDisksAction Bağlı olmayan disk önerisini düzeltme (Delete veya Downsize) için yapılacak işlem.
AzureOptimization_RemediateUnattachedDisksTagsFilter Düzeltmenin gerçekleşmesi için eklenmemiş bir disk önerisinin etiket adı/değer çiftlerine sahip olması gerekir. Örnek: [ { "tagName": "a", "tagValue": "b" }, { "tagName": "c", "tagValue": "d" } ]
AzureOptimization_RightSizeAdditionalPerfWorkspaces VM ölçümlerinin aranacağı diğer Log Analytics çalışma alanı kimliklerinin virgülle ayrılmış listesi (bkz . Çalışma alanlarını yapılandırma).
AzureOptimization_PerfThresholdDiskIOPSPercentage Disk IOPS kullanım yüzdesi eşiği. Bunun altında, az kullanılan Premium SSD diskler önerisi etkinleştirilir.
AzureOptimization_PerfThresholdDiskMBsPercentage Disk aktarım hızı kullanım yüzdesi eşiği. Bunun altında, az kullanılan Premium SSD diskler önerisi tetiklenir.
AzureOptimization_RecommendationsMaxAgeInDays Bir önerinin SQL veritabanında tutulacağı maksimum yaş (gün cinsinden). Varsayılan: 365.
AzureOptimization_RetailPricesCurrencyCode Rezervasyon perakende fiyatlarını toplamak için kullanılan para birimi kodu (örneğin, EUR, USD vb.).
AzureOptimization_PriceSheetMeterCategories Gereksiz verilerin alımını önlemek için Fiyat listesi filtreleme için kullanılan virgülle ayrılmış ölçüm kategorileri. Varsayılan ayar "Virtual Machines,Storage" olarak belirlenmiştir.
AzureOptimization_ConsumptionScope Tüketim dışarı aktarmalarının kapsamı: Subscription (varsayılan), BillingProfile (yalnızca MCA) veya BillingAccount (MCA için, AOE yönetilen kimliğine Faturalama Hesabı Okuyucusu rolünün eklenmesi gerekir). Ek ayrıntıları görüntüleyin.

İlgili içerik

İlgili ürünler:

İlgili çözümler:

  • Last updated on