共用方式為

使用 Azure Advisor 建議將 Azure Data Explorer 叢集優化

  • 發行項

Azure Advisor 會分析 Azure Data Explorer 叢集組態和使用方式遙測，並提供個人化且可採取動作的建議，以協助您優化叢集。

存取 Azure Advisor 建議

有兩種方式可以存取 Azure Advisor 建議：

檢視 Azure Data Explorer 叢集的 Azure Advisor 建議

  1. 在 Azure 入口網站 中，移至您的 Azure Data Explorer 叢集頁面。

  2. 在左側功能表中的 [ 監視] 底下，選取 [Advisor 建議]。 隨即會針對該叢集開啟建議清單。

    Azure Data Explorer 叢集的 Azure Advisor 建議。

檢視訂用帳戶中所有叢集的 Azure Advisor 建議

  1. 在 Azure 入口網站 中，移至 Advisor 資源。

  2. 在 [ 概觀] 中，選取您想要建議的一或多個訂用帳戶。

  3. 在第二個下拉式清單中選取 [Azure Data Explorer 叢集] 和 [Azure Data Explorer 資料庫]。

    Azure Advisor 資源。

使用 Azure Advisor 建議

有各種 Azure Advisor 建議類型。 使用相關的建議類型來協助您優化叢集。

  1. 在 Advisor 的 [ 建議] 底下，選取 [ 成本 建議的成本]。

    選取建議類型。

  2. 從清單中選取建議。

    選取建議。

  3. 下列視窗包含建議相關的叢集清單。 每個叢集的建議詳細數據都不同，並包含建議的動作。

    具有建議的叢集清單。

建議類型

目前提供成本、效能、可靠性和服務卓越建議。

重要

您實際的每年節省成本可能會有所不同。 呈現的每年節省成本是以「隨用隨付」價格為基礎。 這些潛在的節省不會考慮 Azure 保留的虛擬機實例 (RU) 計費折扣。

成本建議

成本建議適用於可變更以降低成本而不影響效能的叢集。 成本建議包括：

未執行 Azure Data Explorer 叢集

如果叢集處於執行中狀態且沒有內嵌的數據，或在過去五天內執行查詢，則叢集會被視為未使用且正在執行。 在某些情況下，叢集可能會 自動停止。 在下列情況下，叢集不會自動停止，並會顯示建議：

建議停止叢集以降低成本，但仍保留數據。 如果不需要數據，請考慮刪除叢集以增加節省成本。

未使用的已停止 Azure Data Explorer 叢集

如果叢集已停止至少 60 天，則視為未使用，並停止。

建議刪除叢集以降低成本。

警告

已停止的叢集可能仍包含數據。 刪除叢集之前，請先確認不再需要數據。 刪除叢集之後，將無法再存取數據。

將資料總管叢集變更為更具成本效益且效能更佳的 SKU

建議將叢集變更 Data Explorer 為更具成本效益且效能較佳的 SKU，會提供給叢集以非最佳 SKU 運作的叢集。 此更新的 SKU 應該可降低您的成本，並改善整體效能。 我們已計算符合叢集快取需求的必要實例計數，同時確保效能不會受到負面影響。

在建議中，如果尚未啟用，建議您啟用優化自動調整。 優化自動調整將會對叢集的效能執行更深入的分析，並視需要進一步調整叢集。 這會導致額外的成本降低。 優化自動調整建議包含最小和最大實例計數建議。 最大值會設定為建議的 SKU 實例計數。 如果叢集計劃以自然方式成長，建議您手動增加此最大數目。 如果叢集上已設定優化自動調整，在某些情況下，建議增加實例計數上限。

SKU 建議會將叢集目前的區域定義納入考慮，而且如果叢集支持區域，則只會建議至少有兩個區域的目標 SKU。 新增更多計算可用性區域不會產生任何額外成本。

建議程式 SKU 建議每隔幾個小時更新一次。 建議會檢查區域中所選 SKU 的容量可用性。 不過，請務必注意容量可用性是動態的，而且隨著時間而變更。

注意

建議程式 SKU 建議目前不支援具有 虛擬網路 或受控私人端點設定的叢集。

減少 Azure 資料總管資料表的快取

叢集成本優化建議的減少 Azure Data Explorer 數據表快取期間，會針對可降低其數據表快取原則的叢集提供。 這項建議是以過去 30 天內的查詢回溯期間為基礎。 若要查看節省空間的位置，您可以檢視每個資料庫最相關的 5 個資料表，以節省潛在的快取。 只有在叢集可以在快取原則變更后相應縮小或相應減少時，才提供這項建議。 Advisor 會檢查叢集是否「系結數據」，這表示叢集具有低 CPU 和低擷取使用率，但因為叢集無法相應縮小或相應減少的高數據容量。

啟用優化自動調整

啟用優化自動調整時，會提供啟用優化自動調整的建議會減少叢集上的實例計數。 這項建議是以使用模式、快取使用率、擷取使用率和 CPU 為基礎。 若要確定您未超過計劃的預算，請在啟用優化自動調整時新增最大實例計數。

效能建議

效能建議有助於改善 Azure Data Explorer 叢集的效能。 效能建議包括下列各項：

更新 Azure Data Explorer 數據表的快取原則

檢閱 Azure Data Explorer 數據表快取期間原則，以取得較佳效能建議的叢集，該叢集需要不同的回溯期間篩選條件或較大的快取原則。 這項建議是以過去 30 天的查詢回溯期間為基礎。 大部分的查詢會在過去 30 天內執行，而不會在快取中存取的數據，這會增加查詢運行時間。 您可以檢視每個數據庫存取快取外數據的前 5 個數據表，依查詢百分比排序。

您也可以獲得效能建議，以減少快取原則。 如果叢集是數據系結，就可能會發生這種情況。 如果根據快取原則快取的數據大於叢集快取的總大小，叢集會系結數據。 減少數據系結叢集的快取原則將會減少快取遺漏數目，並可能改善效能。

營運卓越建議

營運卓越或「最佳做法」建議是其實作不會立即改善成本或效能，但未來可受益於叢集的建議。 這包括 減少數據表快取原則以符合使用模式。

降低資料表快取原則以符合使用量模式

這項建議著重於根據上個月的實際使用量來更新快取原則，以減少數據表的熱快取。 不同於先前的成本建議，此特定建議適用於實例數目由CPU和擷取負載決定的叢集，而不是儲存在經常性快取中的數據量。 在這種情況下，單獨變更快取原則不足以減少實例數目、進一步優化，例如變更 SKU、減少 CPU 負載，以及啟用自動調整，建議有效率地相應縮小。 這項建議對於根據使用模式的實際查詢回溯比設定的快取原則低的數據表很有用。 不過，減少快取原則並不直接會導致節省成本。 叢集實例數目取決於CPU和擷取負載，而不論儲存在經常性快取中的數據量為何。 因此，從經常性快取中移除數據並不會直接造成叢集相應縮小。

可靠性建議

可靠性建議可協助您確保並改善業務關鍵應用程式的持續性。 可靠性建議包括下列各項：

叢集使用沒有委派的子網

強烈建議使用子網而不委派 'Microsoft.Kusto/clusters' 的虛擬網络叢集。 當您將子網委派給叢集時，允許該服務建立子網的基本網路設定規則，以穩定的方式協助叢集運作其實例。

叢集使用具有無效IP組態的子網

建議提供給其他服務也會使用子網的虛擬網路叢集。 建議從子網中移除所有其他服務，並只將其用於您的叢集。

叢集因為虛擬網路問題而無法安裝或繼續

建議提供給因虛擬網路問題而無法安裝或繼續的叢集。 建議使用 虛擬網路疑難解答指南 來解決問題。

相關內容