本文包含此服務的所有監視參考資訊。
如需您可以針對 Azure 機器學習 收集的數據及其使用方式的詳細資訊，請參閱監視 機器學習。
計量
本節列出針對此服務的所有自動收集平台計量。 這些計量也是 Azure 監視器中支援的所有平台計量全域清單的一部分。
如需計量保留的相關資訊，請參閱 Azure 監視器計量概觀。
這些計量的資源提供者Microsoft.MachineLearningServices/workspaces。
計量類別為 模型、 配額、 資源、 執行和 流量。 配額資訊僅適用於 機器學習 計算。 執行 提供工作區定型執行的相關信息。
Microsoft.MachineLearningServices/workspaces 的支持計量
下表列出 Microsoft.MachineLearningServices/workspaces 資源類型的可用計量。
- 所有資料行可能不存在於每個資料表中。
- 某些資料行可能超出頁面的檢視區域。 選取 [展開資料表] 以檢視所有可用的資料行。
資料表標題
- 類別 - 計量群組或分類。
- 計量 - Azure 入口網站中顯示的計量顯示名稱。
- REST API 中的名稱 - REST API 中所指的計量名稱。
- 單位 - 測量單位。
- 彙總 - 預設彙總類型。 有效值：平均值 (Avg)、最小值 (Min)、最大值 (Max)、總計 (Sum)、計數。
- 維度 - 計量可用的維度。
-
時間精細度 - 取樣計量的間隔。 例如，
PT1M表示計量會每分鐘取樣、每 30 分鐘PT30M、每小時PT1H，以此類推。 - DS 匯出 - 計量是否可透過診斷設定，匯出至 Azure 監視器記錄。 如需匯出計量的資訊，請參閱在 Azure 監視器中建立診斷設定。
類別：代理程式
| 計量 | REST API 中的名稱 | 單位 | 彙總 | 維度 | 時間精細度 | DS 匯出 |
|---|---|---|---|---|---|---|
|
代理程式 此工作區中的 AI 代理程式事件數目 |
Agents |
計數 | 平均值、最大值、最小值、總計 (總和) | EventType |
PT1M | 否 |
|
IndexedFiles 在此工作區中針對檔案搜尋編製索引的檔案數目 |
IndexedFiles |
計數 | 平均值、最大值、最小值、總計 (總和) |
ErrorCode、 、 StatusVectorStoreId |
PT1M | 否 |
|
訊息 此工作區中 AI 代理程式訊息的事件數目 |
Messages |
計數 | 平均值、最大值、最小值、總計 (總和) |
EventType、ThreadId |
PT1M | 否 |
|
執行 此工作區中的 AI 代理程式執行次數 |
Runs |
計數 | 平均值、最大值、最小值、總計 (總和) |
AgentId、 、 RunStatus、 StatusCodeStreamType |
PT1M | 否 |
|
討論串 此工作區中 AI 代理程式線程的事件數目 |
Threads |
計數 | 平均值、最大值、最小值、總計 (總和) | EventType |
PT1M | 否 |
|
代幣 此工作區中 AI 代理程式的令牌計數 |
Tokens |
計數 | 平均值、最大值、最小值、總計 (總和) |
AgentId、TokenType |
PT1M | 否 |
|
ToolCalls 在此工作區中由 AI 代理程式進行的工具呼叫 |
ToolCalls |
計數 | 平均值、最大值、最小值、總計 (總和) |
AgentId、ToolName |
PT1M | 否 |
類別：模型
| 計量 | REST API 中的名稱 | 單位 | 彙總 | 維度 | 時間精細度 | DS 匯出 |
|---|---|---|---|---|---|---|
|
模型部署失敗 此工作區中失敗的模型部署數目 |
Model Deploy Failed |
計數 | 總計（Sum）、平均、最小值、最大值、計數 |
Scenario、StatusCode |
PT1M | 是的 |
|
模型部署已啟動 在此工作區中啟動的模型部署數目 |
Model Deploy Started |
計數 | 總計（Sum）、平均、最小值、最大值、計數 | Scenario |
PT1M | 是的 |
|
模型部署成功 此工作區中成功的模型部署數目 |
Model Deploy Succeeded |
計數 | 總計（Sum）、平均、最小值、最大值、計數 | Scenario |
PT1M | 是的 |
|
模型註冊失敗 此工作區中失敗的模型註冊數目 |
Model Register Failed |
計數 | 總計（Sum）、平均、最小值、最大值、計數 |
Scenario、StatusCode |
PT1M | 是的 |
|
模型快取器成功 此工作區中成功的模型註冊數目 |
Model Register Succeeded |
計數 | 總計（Sum）、平均、最小值、最大值、計數 | Scenario |
PT1M | 是的 |
類別：配額
| 計量 | REST API 中的名稱 | 單位 | 彙總 | 維度 | 時間精細度 | DS 匯出 |
|---|---|---|---|---|---|---|
|
主動核心 使用中核心數目 |
Active Cores |
計數 | 平均值、最大值、最小值、總計 (總和) |
Scenario、ClusterName |
PT1M | 是的 |
|
作用中節點 Acitve 節點數目。 這些是正在主動執行作業的節點。 |
Active Nodes |
計數 | 平均值、最大值、最小值、總計 (總和) |
Scenario、ClusterName |
PT1M | 是的 |
|
閑置核心 閑置核心數目 |
Idle Cores |
計數 | 平均值、最大值、最小值、總計 (總和) |
Scenario、ClusterName |
PT1M | 是的 |
|
閑置節點 閑置節點數目。 閑置節點是未執行任何作業，但可在可用時接受新作業的節點。 |
Idle Nodes |
計數 | 平均值、最大值、最小值、總計 (總和) |
Scenario、ClusterName |
PT1M | 是的 |
|
離開核心 離開核心的數目 |
Leaving Cores |
計數 | 平均值、最大值、最小值、總計 (總和) |
Scenario、ClusterName |
PT1M | 是的 |
|
離開節點 離開節點的數目。 離開節點是剛剛完成處理作業的節點，而且會進入 [閑置] 狀態。 |
Leaving Nodes |
計數 | 平均值、最大值、最小值、總計 (總和) |
Scenario、ClusterName |
PT1M | 是的 |
|
先佔核心 先佔核心數目 |
Preempted Cores |
計數 | 平均值、最大值、最小值、總計 (總和) |
Scenario、ClusterName |
PT1M | 是的 |
|
先佔的節點 先佔節點的數目。 這些節點是從可用節點集區中取走的低優先順序節點。 |
Preempted Nodes |
計數 | 平均值、最大值、最小值、總計 (總和) |
Scenario、ClusterName |
PT1M | 是的 |
|
配額使用率百分比 使用配額的百分比 |
Quota Utilization Percentage |
計數 | 平均值、最大值、最小值、總計 (總和) |
Scenario、 、 ClusterName、 VmFamilyNameVmPriority |
PT1M | 是的 |
|
總核心數 核心總數 |
Total Cores |
計數 | 平均值、最大值、最小值、總計 (總和) |
Scenario、ClusterName |
PT1M | 是的 |
|
節點總數 節點總數。 此總計包含一些作用中節點、閑置節點、無法使用的節點、預先佔用的節點、離開節點 |
Total Nodes |
計數 | 平均值、最大值、最小值、總計 (總和) |
Scenario、ClusterName |
PT1M | 是的 |
|
無法使用的核心 無法使用的核心數目 |
Unusable Cores |
計數 | 平均值、最大值、最小值、總計 (總和) |
Scenario、ClusterName |
PT1M | 是的 |
|
無法使用的節點 無法使用的節點數目。 由於某些無法解決的問題，無法使用的節點無法運作。 Azure 會回收這些節點。 |
Unusable Nodes |
計數 | 平均值、最大值、最小值、總計 (總和) |
Scenario、ClusterName |
PT1M | 是的 |
類別：資源
| 計量 | REST API 中的名稱 | 單位 | 彙總 | 維度 | 時間精細度 | DS 匯出 |
|---|---|---|---|---|---|---|
|
CPU容量毫核 millicores 中 CPU 節點的最大容量。 容量會以一分鐘間隔匯總。 |
CpuCapacityMillicores |
計數 | 平均值、最大值、最小值、總計 (總和) |
RunId、 、 InstanceIdComputeName |
PT1M | 是的 |
|
CpuMemoryCapacityMegabytes CPU 節點的最大記憶體使用率，以 MB 為單位。 使用率會以一分鐘間隔匯總。 |
CpuMemoryCapacityMegabytes |
計數 | 平均值、最大值、最小值、總計 (總和) |
RunId、 、 InstanceIdComputeName |
PT1M | 是的 |
|
CpuMemoryUtilizationMegabytes 以 MB 為單位的 CPU 節點記憶體使用率。 使用率會以一分鐘間隔匯總。 |
CpuMemoryUtilizationMegabytes |
計數 | 平均值、最大值、最小值、總計 (總和) |
RunId、 、 InstanceIdComputeName |
PT1M | 是的 |
|
CpuMemoryUtilizationPercentage CPU 節點的記憶體使用率百分比。 使用率會以一分鐘間隔匯總。 |
CpuMemoryUtilizationPercentage |
計數 | 平均值、最大值、最小值、總計 (總和) |
RunId、 、 InstanceIdComputeName |
PT1M | 是的 |
|
CPU使用率 CPU 節點上使用率的百分比。 使用量會以一分鐘為間隔提供報告。 |
CpuUtilization |
計數 | 平均值、最大值、最小值、總計 (總和) |
Scenario、 、 runId、 NodeIdClusterName |
PT1M | 是的 |
|
CpuUtilizationMillicores 在 millicores 中使用率 CPU 節點。 使用率會以一分鐘間隔匯總。 |
CpuUtilizationMillicores |
計數 | 平均值、最大值、最小值、總計 (總和) |
RunId、 、 InstanceIdComputeName |
PT1M | 是的 |
|
CpuUtilizationPercentage CPU 節點的使用率百分比。 使用率會以一分鐘間隔匯總。 |
CpuUtilizationPercentage |
計數 | 平均值、最大值、最小值、總計 (總和) |
RunId、 、 InstanceIdComputeName |
PT1M | 是的 |
|
DiskAvailMegabytes 可用磁碟空間以 MB 為單位。 計量會以一分鐘間隔匯總。 |
DiskAvailMegabytes |
計數 | 平均值、最大值、最小值、總計 (總和) |
RunId、 、 InstanceIdComputeName |
PT1M | 是的 |
|
DiskReadMegabytes 以 MB 為單位從磁碟讀取的數據。 計量會以一分鐘間隔匯總。 |
DiskReadMegabytes |
計數 | 平均值、最大值、最小值、總計 (總和) |
RunId、 、 InstanceIdComputeName |
PT1M | 是的 |
|
DiskUsedMegabytes 已使用 MB 的磁碟空間。 計量會以一分鐘間隔匯總。 |
DiskUsedMegabytes |
計數 | 平均值、最大值、最小值、總計 (總和) |
RunId、 、 InstanceIdComputeName |
PT1M | 是的 |
|
DiskWriteMegabytes 以 MB 為單位寫入磁碟的數據。 計量會以一分鐘間隔匯總。 |
DiskWriteMegabytes |
計數 | 平均值、最大值、最小值、總計 (總和) |
RunId、 、 InstanceIdComputeName |
PT1M | 是的 |
|
GpuCapacityMilli GPU 在 milli-GPU 中 GPU 裝置的最大容量。 容量會以一分鐘間隔匯總。 |
GpuCapacityMilliGPUs |
計數 | 平均值、最大值、最小值、總計 (總和) |
RunId、 、 InstanceId、 DeviceIdComputeName |
PT1M | 是的 |
|
GpuEnergyJoules GPU 節點上的間隔能源 (焦耳)。 能源會以一分鐘的間隔提供報告。 |
GpuEnergyJoules |
計數 | 平均值、最大值、最小值、總計 (總和) |
Scenario、、runIdrootRunId、InstanceId、、DeviceId、ComputeName |
PT1M | 是的 |
|
GpuMemoryCapacityMegabytes GPU 裝置的最大記憶體容量，以 MB 為單位。 以一分鐘間隔匯總的容量。 |
GpuMemoryCapacityMegabytes |
計數 | 平均值、最大值、最小值、總計 (總和) |
RunId、 、 InstanceId、 DeviceIdComputeName |
PT1M | 是的 |
|
GpuMemoryUtilization GPU 節點上的記憶體使用率百分比。 使用量會以一分鐘為間隔提供報告。 |
GpuMemoryUtilization |
計數 | 平均值、最大值、最小值、總計 (總和) |
Scenario、、 runId、 NodeId、 DeviceId、 ClusterName |
PT1M | 是的 |
|
GpuMemoryUtilizationMegabytes 以 MB 為單位的 GPU 裝置記憶體使用率。 以一分鐘間隔匯總的使用率。 |
GpuMemoryUtilizationMegabytes |
計數 | 平均值、最大值、最小值、總計 (總和) |
RunId、 、 InstanceId、 DeviceIdComputeName |
PT1M | 是的 |
|
GpuMemoryUtilizationPercentage GPU 裝置的記憶體使用率百分比。 以一分鐘間隔匯總的使用率。 |
GpuMemoryUtilizationPercentage |
計數 | 平均值、最大值、最小值、總計 (總和) |
RunId、 、 InstanceId、 DeviceIdComputeName |
PT1M | 是的 |
|
GpuUtilization GPU 節點上使用率的百分比。 使用量會以一分鐘為間隔提供報告。 |
GpuUtilization |
計數 | 平均值、最大值、最小值、總計 (總和) |
Scenario、、 runId、 NodeId、 DeviceId、 ClusterName |
PT1M | 是的 |
|
GpuUtilizationMilli GPU 在 milli-GPU 中使用 GPU 裝置。 使用率會以一分鐘間隔匯總。 |
GpuUtilizationMilliGPUs |
計數 | 平均值、最大值、最小值、總計 (總和) |
RunId、 、 InstanceId、 DeviceIdComputeName |
PT1M | 是的 |
|
GpuUtilizationPercentage GPU 裝置的使用率百分比。 使用率會以一分鐘間隔匯總。 |
GpuUtilizationPercentage |
計數 | 平均值、最大值、最小值、總計 (總和) |
RunId、 、 InstanceId、 DeviceIdComputeName |
PT1M | 是的 |
|
IBReceiveMegabytes 透過 InfiniBand 接收的網路數據以 MB 為單位。 計量會以一分鐘間隔匯總。 |
IBReceiveMegabytes |
計數 | 平均值、最大值、最小值、總計 (總和) |
RunId、 、 InstanceId、 ComputeNameDeviceId |
PT1M | 是的 |
|
IBTransmitMegabytes 透過 InfiniBand 以 MB 為單位傳送的網路數據。 計量會以一分鐘間隔匯總。 |
IBTransmitMegabytes |
計數 | 平均值、最大值、最小值、總計 (總和) |
RunId、 、 InstanceId、 ComputeNameDeviceId |
PT1M | 是的 |
|
NetworkInputMegabytes 以 MB 為單位接收的網路數據。 計量會以一分鐘間隔匯總。 |
NetworkInputMegabytes |
計數 | 平均值、最大值、最小值、總計 (總和) |
RunId、 、 InstanceId、 ComputeNameDeviceId |
PT1M | 是的 |
|
網路輸出MB數 以 MB 為單位傳送的網路數據。 計量會以一分鐘間隔匯總。 |
NetworkOutputMegabytes |
計數 | 平均值、最大值、最小值、總計 (總和) |
RunId、 、 InstanceId、 ComputeNameDeviceId |
PT1M | 是的 |
|
StorageAPIFailureCount Azure Blob 儲存體 API 呼叫失敗計數。 |
StorageAPIFailureCount |
計數 | 平均值、最大值、最小值、總計 (總和) |
RunId、 、 InstanceIdComputeName |
PT1M | 是的 |
|
StorageAPISuccessCount Azure Blob 儲存體 API 呼叫成功計數。 |
StorageAPISuccessCount |
計數 | 平均值、最大值、最小值、總計 (總和) |
RunId、 、 InstanceIdComputeName |
PT1M | 是的 |
類別：執行
| 計量 | REST API 中的名稱 | 單位 | 彙總 | 維度 | 時間精細度 | DS 匯出 |
|---|---|---|---|---|---|---|
|
取消要求的執行 此工作區要求取消的執行次數。 已收到執行取消要求時，就會更新計數。 |
Cancel Requested Runs |
計數 | 總計（Sum）、平均、最小值、最大值、計數 |
Scenario、、RunTypePublishedPipelineId、ComputeType、、PipelineStepType、ExperimentName |
PT1M | 是的 |
|
已取消的執行 取消此工作區的執行次數。 成功取消執行時，會更新計數。 |
Cancelled Runs |
計數 | 總計（Sum）、平均、最小值、最大值、計數 |
Scenario、、RunTypePublishedPipelineId、ComputeType、、PipelineStepType、ExperimentName |
PT1M | 是的 |
|
已完成的執行 此工作區成功完成的執行次數。 執行完成並收集輸出時，就會更新計數。 |
Completed Runs |
計數 | 總計（Sum）、平均、最小值、最大值、計數 |
Scenario、、RunTypePublishedPipelineId、ComputeType、、PipelineStepType、ExperimentName |
PT1M | 是的 |
|
錯誤 此工作區中的執行錯誤數目。 每當執行發生錯誤時，就會更新計數。 |
Errors |
計數 | 總計（Sum）、平均、最小值、最大值、計數 | Scenario |
PT1M | 是的 |
|
失敗的執行 此工作區的執行失敗數目。 執行失敗時會更新計數。 |
Failed Runs |
計數 | 總計（Sum）、平均、最小值、最大值、計數 |
Scenario、、RunTypePublishedPipelineId、ComputeType、、PipelineStepType、ExperimentName |
PT1M | 是的 |
|
完成執行 此工作區進入完成狀態的執行次數。 執行完成但輸出集合仍在進行中時，計數會更新。 |
Finalizing Runs |
計數 | 總計（Sum）、平均、最小值、最大值、計數 |
Scenario、、RunTypePublishedPipelineId、ComputeType、、PipelineStepType、ExperimentName |
PT1M | 是的 |
|
未回應執行 未回應此工作區的執行次數。 執行進入「未響應」狀態時，就會更新計數。 |
Not Responding Runs |
計數 | 總計（Sum）、平均、最小值、最大值、計數 |
Scenario、、RunTypePublishedPipelineId、ComputeType、、PipelineStepType、ExperimentName |
PT1M | 是的 |
|
未啟動的執行 此工作區的 [未啟動] 狀態執行次數。 收到要求以建立執行，但尚未填入執行資訊時，就會更新計數。 |
Not Started Runs |
計數 | 總計（Sum）、平均、最小值、最大值、計數 |
Scenario、、RunTypePublishedPipelineId、ComputeType、、PipelineStepType、ExperimentName |
PT1M | 是的 |
|
準備執行 正在準備此工作區的執行數目。 當執行進入準備狀態時，執行進入準備狀態時，就會更新計數。 |
Preparing Runs |
計數 | 總計（Sum）、平均、最小值、最大值、計數 |
Scenario、、RunTypePublishedPipelineId、ComputeType、、PipelineStepType、ExperimentName |
PT1M | 是的 |
|
布建執行 為此工作區布建的執行次數。 執行等候計算目標建立或布建時，計數會更新。 |
Provisioning Runs |
計數 | 總計（Sum）、平均、最小值、最大值、計數 |
Scenario、、RunTypePublishedPipelineId、ComputeType、、PipelineStepType、ExperimentName |
PT1M | 是的 |
|
已排入佇列的執行 已為此工作區排入佇列的執行數目。 計算目標中排入佇列時，會更新計數。 等候必要的計算節點準備好時，可能會發生此情況。 |
Queued Runs |
計數 | 總計（Sum）、平均、最小值、最大值、計數 |
Scenario、、RunTypePublishedPipelineId、ComputeType、、PipelineStepType、ExperimentName |
PT1M | 是的 |
|
已啟動的執行 為此工作區執行的執行次數。 當執行開始在必要資源上執行時，就會更新計數。 |
Started Runs |
計數 | 總計（Sum）、平均、最小值、最大值、計數 |
Scenario、、RunTypePublishedPipelineId、ComputeType、、PipelineStepType、ExperimentName |
PT1M | 是的 |
|
啟動執行 為此工作區啟動的執行次數。 在建立執行和執行資訊的要求之後，計數會更新，例如執行標識碼已填入 |
Starting Runs |
計數 | 總計（Sum）、平均、最小值、最大值、計數 |
Scenario、、RunTypePublishedPipelineId、ComputeType、、PipelineStepType、ExperimentName |
PT1M | 是的 |
|
警告 此工作區中的執行警告數目。 每當執行遇到警告時，就會更新計數。 |
Warnings |
計數 | 總計（Sum）、平均、最小值、最大值、計數 | Scenario |
PT1M | 是的 |
Microsoft.MachineLearningServices/workspaces/onlineEndpoints 的支持計量
下表列出 Microsoft.MachineLearningServices/workspaces/onlineEndpoints 資源類型的可用計量。
- 所有資料行可能不存在於每個資料表中。
- 某些資料行可能超出頁面的檢視區域。 選取 [展開資料表] 以檢視所有可用的資料行。
資料表標題
- 類別 - 計量群組或分類。
- 計量 - Azure 入口網站中顯示的計量顯示名稱。
- REST API 中的名稱 - REST API 中所指的計量名稱。
- 單位 - 測量單位。
- 彙總 - 預設彙總類型。 有效值：平均值 (Avg)、最小值 (Min)、最大值 (Max)、總計 (Sum)、計數。
- 維度 - 計量可用的維度。
-
時間精細度 - 取樣計量的間隔。 例如，
PT1M表示計量會每分鐘取樣、每 30 分鐘PT30M、每小時PT1H，以此類推。 - DS 匯出 - 計量是否可透過診斷設定，匯出至 Azure 監視器記錄。 如需匯出計量的資訊，請參閱在 Azure 監視器中建立診斷設定。
類別：流量
| 計量 | REST API 中的名稱 | 單位 | 彙總 | 維度 | 時間精細度 | DS 匯出 |
|---|---|---|---|---|---|---|
|
連線作用中 來自用戶端的作用中並行 TCP 連線總數。 |
ConnectionsActive |
計數 | 平均 | <無> | PT1M | 否 |
|
每分鐘資料收集錯誤 每分鐘捨棄的資料收集事件數目。 |
DataCollectionErrorsPerMinute |
計數 | 下限、上限、平均 |
deployment、 、 reasontype |
PT1M | 否 |
|
每分鐘資料收集活動 每分鐘處理的資料收集事件數目。 |
DataCollectionEventsPerMinute |
計數 | 下限、上限、平均 |
deployment、type |
PT1M | 否 |
|
網路位元組 每秒為此端點服務的位元組數。 |
NetworkBytes |
每秒字節數 | 平均 | <無> | PT1M | 否 |
|
每秒的新連線數 從用戶端建立的每秒 TCP 新連線的平均數目。 |
NewConnectionsPerSecond |
每秒計數 | 平均 | <無> | PT1M | 否 |
|
要求延遲 以毫秒表示回應要求所花費的平均完整時間間隔 |
RequestLatency |
毫秒 | 平均 | deployment |
PT1M | 是的 |
|
要求延遲 P50 由在所選時間期間收集之所有要求延遲值彙總的平均 P50 要求延遲 |
RequestLatency_P50 |
毫秒 | 平均 | deployment |
PT1M | 是的 |
|
要求延遲 P90 由在所選時間期間收集之所有要求延遲值彙總的平均 P90 要求延遲 |
RequestLatency_P90 |
毫秒 | 平均 | deployment |
PT1M | 是的 |
|
要求延遲 P95 由在所選時間期間收集之所有要求延遲值彙總的平均 P95 要求延遲 |
RequestLatency_P95 |
毫秒 | 平均 | deployment |
PT1M | 是的 |
|
要求延遲 P99 由在所選時間期間收集之所有要求延遲值彙總的平均 P99 要求延遲 |
RequestLatency_P99 |
毫秒 | 平均 | deployment |
PT1M | 是的 |
|
每分鐘要求 在一分鐘內傳送至線上端點的要求數目 |
RequestsPerMinute |
計數 | 平均 |
deployment、 、 statusCode、 statusCodeClassmodelStatusCode |
PT1M | 否 |
Microsoft.MachineLearningServices/workspaces/onlineEndpoints/deployments 的支持計量
下表列出 Microsoft.MachineLearningServices/workspaces/onlineEndpoints/deployments 資源類型的可用計量。
- 所有資料行可能不存在於每個資料表中。
- 某些資料行可能超出頁面的檢視區域。 選取 [展開資料表] 以檢視所有可用的資料行。
資料表標題
- 類別 - 計量群組或分類。
- 計量 - Azure 入口網站中顯示的計量顯示名稱。
- REST API 中的名稱 - REST API 中所指的計量名稱。
- 單位 - 測量單位。
- 彙總 - 預設彙總類型。 有效值：平均值 (Avg)、最小值 (Min)、最大值 (Max)、總計 (Sum)、計數。
- 維度 - 計量可用的維度。
-
時間精細度 - 取樣計量的間隔。 例如，
PT1M表示計量會每分鐘取樣、每 30 分鐘PT30M、每小時PT1H，以此類推。 - DS 匯出 - 計量是否可透過診斷設定，匯出至 Azure 監視器記錄。 如需匯出計量的資訊，請參閱在 Azure 監視器中建立診斷設定。
類別：資源
| 計量 | REST API 中的名稱 | 單位 | 彙總 | 維度 | 時間精細度 | DS 匯出 |
|---|---|---|---|---|---|---|
|
CPU 記憶體使用率百分比 執行個體上的記憶體使用率百分比。 使用量會以一分鐘為間隔提供報告。 |
CpuMemoryUtilizationPercentage |
百分比 | 下限、上限、平均 | instanceId |
PT1M | 是的 |
|
CPU 使用率百分比 執行個體上的 CPU 使用率百分比。 使用量會以一分鐘為間隔提供報告。 |
CpuUtilizationPercentage |
百分比 | 下限、上限、平均 | instanceId |
PT1M | 是的 |
|
每分鐘資料收集錯誤 每分鐘捨棄的資料收集事件數目。 |
DataCollectionErrorsPerMinute |
計數 | 下限、上限、平均 |
instanceId、 、 reasontype |
PT1M | 否 |
|
每分鐘資料收集活動 每分鐘處理的資料收集事件數目。 |
DataCollectionEventsPerMinute |
計數 | 下限、上限、平均 |
instanceId、type |
PT1M | 否 |
|
部署容量 部署中的執行個體數目。 |
DeploymentCapacity |
計數 | 下限、上限、平均 |
instanceId、State |
PT1M | 否 |
|
磁碟使用率 執行個體上的磁碟使用率百分比。 使用量會以一分鐘為間隔提供報告。 |
DiskUtilization |
百分比 | 下限、上限、平均 |
instanceId、disk |
PT1M | 是的 |
|
以焦耳表示 GPU 能源 GPU 節點上的間隔能源 (焦耳)。 能源會以一分鐘的間隔提供報告。 |
GpuEnergyJoules |
計數 | 下限、上限、平均 | instanceId |
PT1M | 否 |
|
GPU 記憶體使用率百分比 執行個體上的 GPU 記憶體使用率百分比。 使用量會以一分鐘為間隔提供報告。 |
GpuMemoryUtilizationPercentage |
百分比 | 下限、上限、平均 | instanceId |
PT1M | 是的 |
|
GPU 使用率百分比 執行個體上的 GPU 使用率百分比。 使用量會以一分鐘為間隔提供報告。 |
GpuUtilizationPercentage |
百分比 | 下限、上限、平均 | instanceId |
PT1M | 是的 |
類別：流量
| 計量 | REST API 中的名稱 | 單位 | 彙總 | 維度 | 時間精細度 | DS 匯出 |
|---|---|---|---|---|---|---|
|
要求延遲 P50 由在所選時間期間收集之所有要求延遲值彙總的平均 P50 要求延遲 |
RequestLatency_P50 |
毫秒 | 平均 | <無> | PT1M | 是的 |
|
要求延遲 P90 由在所選時間期間收集之所有要求延遲值彙總的平均 P90 要求延遲 |
RequestLatency_P90 |
毫秒 | 平均 | <無> | PT1M | 是的 |
|
要求延遲 P95 由在所選時間期間收集之所有要求延遲值彙總的平均 P95 要求延遲 |
RequestLatency_P95 |
毫秒 | 平均 | <無> | PT1M | 是的 |
|
要求延遲 P99 由在所選時間期間收集之所有要求延遲值彙總的平均 P99 要求延遲 |
RequestLatency_P99 |
毫秒 | 平均 | <無> | PT1M | 是的 |
|
每分鐘要求 在一分鐘內傳送至線上部署的要求數目 |
RequestsPerMinute |
計數 | 平均 | envoy_response_code |
PT1M | 否 |
載入計量維度
如需計量維度是什麼的資訊，請參閱多維度計量。
此服務具有下列與其計量相關聯的維度。
| 維度 | 描述 |
|---|---|
| 叢集名稱 | 計算叢集資源的名稱。 適用於所有配額計量。 |
| Vm 系列名稱 | 叢集所使用的 VM 系列名稱。 可用於配額使用率百分比。 |
| Vm 優先順序 | VM 的優先順序。 可用於配額使用率百分比。 |
| CreatedTime | 僅適用於 CpuUtilization 和 GpuUtilization。 |
| DeviceId | 裝置的標識碼（GPU）。 僅適用於 GpuUtilization。 |
| 節點識別碼 | 執行作業之節點的識別碼。 僅適用於 CpuUtilization 和 GpuUtilization。 |
| RunId（運行識別碼） | 執行/作業的標識碼。 僅適用於 CpuUtilization 和 GpuUtilization。 |
| ComputeType | 執行所使用的計算類型。 僅適用於已完成的執行、失敗的執行和已啟動的執行。 |
| PipelineStepType | 執行中使用的 PipelineStep 類型。 僅適用於已完成的執行、失敗的執行和已啟動的執行。 |
| PublishedPipelineId | 執行中使用的已發佈管線標識碼。 僅適用於已完成的執行、失敗的執行和已啟動的執行。 |
| 執行類型 | 執行的類型。 僅適用於已完成的執行、失敗的執行和已啟動的執行。 |
RunType 維度的有效值為：
| 值 | 描述 |
|---|---|
| 實驗 | 非管線執行。 |
| PipelineRun | 管線執行，這是 StepRun 的父代。 |
| StepRun | 管線步驟的執行。 |
| ReusedStepRun | 針對重複使用先前執行的管線步驟執行。 |
資源記錄
本節列出您可以針對此服務收集的資源記錄類型。 該區段會從 Azure 監視器中支援的所有資源記錄類別類型清單提取。
Microsoft.MachineLearningServices/registries 的支持資源記錄
| 類別 | 類別顯示名稱 | 記錄資料表 | 支援基本記錄計劃 | 支援擷取時間轉換 | 範例查詢 | 匯出的成本 |
|---|---|---|---|---|---|---|
RegistryAssetReadEvent |
登錄資產讀取事件 |
AmlRegistryReadEventsLog Azure ML 登錄讀取事件記錄檔。 它會記錄具有登錄數據存取的讀取作業記錄（數據平面），包括每個存取事件的使用者身分識別、資產名稱和版本。 |
否 | 是的 | 是的 | |
RegistryAssetWriteEvent |
登錄資產寫入事件 |
AmlRegistry寫入事件日誌 Azure ML 登錄寫入事件記錄檔。 它會使用登錄數據存取（數據平面）保留寫入作業的記錄，包括每個存取事件的使用者身分識別、資產名稱和版本。 |
否 | 是的 | 查詢 | 是的 |
Microsoft.MachineLearningServices/workspaces 的支持資源記錄
| 類別 | 類別顯示名稱 | 記錄資料表 | 支援基本記錄計劃 | 支援擷取時間轉換 | 範例查詢 | 匯出的成本 |
|---|---|---|---|---|---|---|
AmlComputeClusterEvent |
阿姆尔計算叢集事件 |
AmlComputeClusterEvent AmlCompute 叢集事件 |
否 | 是的 | 查詢 | 否 |
AmlComputeClusterNodeEvent |
AmlComputeClusterNodeEvent | 否 | 否 | 是的 | ||
AmlComputeCpuGpuUtilization |
AmlComputeCpuGpuUtilization |
Aml計算CpuGpu利用率 Azure 機器學習 服務 CPU 和 GPU 使用率記錄。 |
否 | 是的 | 查詢 | 否 |
AmlComputeJobEvent |
AmlComputeJobEvent |
AmlComputeJobEvent AmlCompute 作業事件 |
否 | 是的 | 查詢 | 否 |
AmlRunStatusChangedEvent |
Aml運行狀態變更事件 |
Aml運行狀態更改事件 Azure 機器學習 服務執行狀態事件記錄。 |
否 | 是的 | 否 | |
ComputeInstanceEvent |
ComputeInstanceEvent |
AmlComputeInstanceEvent 存取 ML Compute 實例時的事件 (讀取/寫入)。 |
否 | 是的 | 是的 | |
DataLabelChangeEvent |
資料標籤變更事件 |
AML數據標籤事件 存取資料標籤或所屬專案時的事件 (讀取、建立或刪除)。 |
否 | 是的 | 是的 | |
DataLabelReadEvent |
DataLabelReadEvent |
AML數據標籤事件 存取資料標籤或所屬專案時的事件 (讀取、建立或刪除)。 |
否 | 是的 | 是的 | |
DataSetChangeEvent |
DataSetChangeEvent |
AmlDataSetEvent 存取已註冊或未註冊 ML 資料存放區時的事件（讀取、建立或刪除）。 |
否 | 是的 | 查詢 | 是的 |
DataSetReadEvent |
DataSetReadEvent |
AmlDataSetEvent 存取已註冊或未註冊 ML 資料存放區時的事件（讀取、建立或刪除）。 |
否 | 是的 | 查詢 | 是的 |
DataStoreChangeEvent |
資料存儲變更事件 |
AmlDataStoreEvent 存取 ML 資料存放區時的事件 (讀取、建立或刪除)。 |
否 | 是的 | 是的 | |
DataStoreReadEvent |
DataStoreReadEvent |
AmlDataStoreEvent 存取 ML 資料存放區時的事件 (讀取、建立或刪除)。 |
否 | 是的 | 是的 | |
DeploymentEventACI |
DeploymentEventACI |
AmlDeploymentEvent 模型部署在 ACI 或 AKS 上發生時的事件。 |
否 | 是的 | 是的 | |
DeploymentEventAKS |
DeploymentEventAKS |
AmlDeploymentEvent 模型部署在 ACI 或 AKS 上發生時的事件。 |
否 | 是的 | 是的 | |
DeploymentReadEvent |
DeploymentReadEvent |
AmlDeploymentEvent 模型部署在 ACI 或 AKS 上發生時的事件。 |
否 | 是的 | 是的 | |
EnvironmentChangeEvent |
EnvironmentChangeEvent |
AmlEnvironmentEvent (部分內容可能是機器或 AI 翻譯) 存取 ML 環境時的事件（讀取、建立或刪除）。 |
否 | 是的 | 查詢 | 是的 |
EnvironmentReadEvent |
EnvironmentReadEvent |
AmlEnvironmentEvent (部分內容可能是機器或 AI 翻譯) 存取 ML 環境時的事件（讀取、建立或刪除）。 |
否 | 是的 | 查詢 | 是的 |
InferencingOperationACI |
InferencingOperationACI |
AmlInferencingEvent AKS 或 ACI 計算類型上推斷或相關作業的事件。 |
否 | 是的 | 是的 | |
InferencingOperationAKS |
InferencingOperationAKS |
AmlInferencingEvent AKS 或 ACI 計算類型上推斷或相關作業的事件。 |
否 | 是的 | 是的 | |
ModelsActionEvent |
ModelsActionEvent |
AmlModelsEvent 存取 ML 模型時的事件 (讀取、建立或刪除)。 將模型和資產封裝成現成建置套件時，就會產生事件。 |
否 | 是的 | 查詢 | 是的 |
ModelsChangeEvent |
ModelsChangeEvent |
AmlModelsEvent 存取 ML 模型時的事件 (讀取、建立或刪除)。 將模型和資產封裝成現成建置套件時，就會產生事件。 |
否 | 是的 | 查詢 | 是的 |
ModelsReadEvent |
ModelsReadEvent |
AmlModelsEvent 存取 ML 模型時的事件 (讀取、建立或刪除)。 將模型和資產封裝成現成建置套件時，就會產生事件。 |
否 | 是的 | 查詢 | 是的 |
PipelineChangeEvent |
管道變更事件 |
AmlPipelineEvent 存取 ML 管線草稿或端點或模組時的事件（讀取、建立或刪除）。 |
否 | 是的 | 是的 | |
PipelineReadEvent |
PipelineReadEvent |
AmlPipelineEvent 存取 ML 管線草稿或端點或模組時的事件（讀取、建立或刪除）。 |
否 | 是的 | 是的 | |
RunEvent |
RunEvent |
AmlRunEvent 存取 ML 實驗時的事件 (讀取、建立或刪除)。 |
否 | 是的 | 是的 | |
RunReadEvent |
RunReadEvent |
AmlRunEvent 存取 ML 實驗時的事件 (讀取、建立或刪除)。 |
否 | 是的 | 是的 |
Microsoft.MachineLearningServices/workspaces/onlineEndpoints 的支持資源記錄
| 類別 | 類別顯示名稱 | 記錄資料表 | 支援基本記錄計劃 | 支援擷取時間轉換 | 範例查詢 | 匯出的成本 |
|---|---|---|---|---|---|---|
AmlOnlineEndpointConsoleLog |
AmlOnlineEndpointConsoleLog |
AmlOnlineEndpointConsoleLog Azure ML 在線端點控制台記錄。 它提供使用者容器的主控台記錄輸出。 |
否 | 是的 | 查詢 | 是的 |
AmlOnlineEndpointEventLog |
AML線上端點事件日誌 |
AmlOnlineEndpointEventLog Azure ML 在線端點事件記錄檔。 它提供推斷伺服器容器生命週期的相關事件記錄。 |
否 | 是的 | 查詢 | 是的 |
AmlOnlineEndpointTrafficLog |
AmlOnlineEndpointTrafficLog（AML線上端點流量日誌） |
AmlOnlineEndpointTrafficLog AzureML（機器學習）在線端點的流量記錄。 數據表可用來檢查要求到在線端點的詳細資訊。 例如，您可以使用它來檢查要求持續時間、要求失敗原因等等。 |
否 | 是的 | 查詢 | 是的 |
Azure 監視器記錄資料表
本節列出與此服務相關的 Azure 監視器記錄資料表，並且該資料表可供 Log Analytics 使用 Kusto 查詢進行查詢。 資料表包含資源記錄資料，而且可能包含更多資料，具體取決於所收集及路由傳送至此的內容。
Machine Learning
Microsoft.MachineLearningServices/workspaces
- AzureActivity
- AMLOnlineEndpointConsoleLog
- AMLOnlineEndpointTrafficLog
- AMLOnlineEndpointEventLog
- AzureMetrics
- AMLComputeClusterEvent
- AMLComputeClusterNodeEvent
- AMLComputeJobEvent
- AMLRunStatusChangedEvent
- AMLComputeCpuGpuUtilization
- AMLComputeInstanceEvent
- AMLDataLabelEvent
- AMLDataSetEvent
- AMLDataStoreEvent
- AMLDeploymentEvent
- AMLEnvironmentEvent
- AMLInferencingEvent
- AMLModelsEvent
- AMLPipelineEvent
- AMLRunEvent
Microsoft.MachineLearningServices/registries
活動記錄檔
連結的資料表會列出此服務活動記錄檔中可記錄的操作。 這些操作是活動記錄中的所有可能資源提供者操作的子集。
如需活動記錄項目結構描述的詳細資訊，請參閱活動記錄結構描述。
下表列出一些與活動記錄中可能建立之 機器學習 相關的作業。 如需Microsoft.MachineLearningServices 作業的完整清單，請參閱 Microsoft.MachineLearningServices 資源提供者作業。
| 作業 | 描述 |
|---|---|
| 建立或更新 機器學習 工作區 | 已建立或更新工作區 |
| CheckComputeNameAvailability | 檢查計算名稱是否已在使用中 |
| 建立或更新計算資源 | 已建立或更新計算資源 |
| 刪除計算資源 | 已刪除計算資源 |
| 列出密碼 | 在作業上列出 機器學習 工作區的秘密 |
記錄結構描述
Azure 機器學習 使用下列架構。
AmlComputeJobEvent 數據表
| 屬性 | 描述 |
|---|---|
| TimeGenerated | 產生記錄項目的時間 |
| 作業名稱 | 與記錄事件相關聯的作業名稱 |
| 類別 | 記錄事件的名稱 |
| JobId | 提交的作業標識碼 |
| ExperimentId | 實驗的標識碼 |
| ExperimentName | 實驗的名稱 |
| CustomerSubscriptionId | 提交實驗和作業的 SubscriptionId |
| 工作空間名稱 | 機器學習工作區的名稱 |
| 集群名稱 | 叢集的名稱 |
| ProvisioningState | 作業提交的狀態 |
| resourceGroupName | 資源群組的名稱 |
| 工作名稱 | 作業的名稱 |
| 叢集識別碼 | 叢集的標識碼 |
| 事件類型 | Job 事件的類型。 例如，JobSubmitted、JobRunning、JobFailed、JobSucceeded。 |
| 執行狀態 | 作業的狀態（執行）。 例如，已排入佇列、執行中、成功、失敗 |
| 錯誤詳情 | 作業錯誤的詳細數據 |
| CreationApiVersion | 用來建立作業的 Api 版本 |
| Cluster資源群組名稱 | 叢集的資源組名 |
| TFWorkerCount | TF 背景工作角色計數 |
| TFParameterServerCount | TF 參數伺服器的計數 |
| 工具類型 | 使用的工具類型 |
| RunInContainer | 旗標，描述作業是否應在容器內執行 |
| 作業錯誤訊息 | 作業錯誤的詳細訊息 |
| 節點識別碼 | 建立作業執行所在之節點的標識碼 |
AmlComputeClusterEvent 數據表
| 屬性 | 描述 |
|---|---|
| TimeGenerated | 產生記錄項目的時間 |
| 作業名稱 | 與記錄事件相關聯的作業名稱 |
| 類別 | 記錄事件的名稱 |
| ProvisioningState | 叢集的布建狀態 |
| 集群名稱 | 叢集的名稱 |
| 集群類型 | 叢集的類型 |
| 建立者 | 建立叢集的使用者 |
| CoreCount | 叢集中的核心計數 |
| VmSize | 叢集的 VM 大小 |
| VmPriority | 叢集專用/LowPriority 內建立之節點的優先順序 |
| ScalingType | 手動/自動調整叢集的類型 |
| 初始節點數量 | 叢集的初始節點計數 |
| MinimumNodeCount | 叢集的節點計數下限 |
| MaximumNodeCount | 叢集的節點計數上限 |
| NodeDeallocationOption | 應如何解除分配節點 |
| 發行者 | 叢集類型的發行者 |
| 供應項目 | 建立叢集的供應專案 |
| Sku | 叢集內建立之節點/VM 的SKU |
| 版本 | 建立節點/VM 時所使用的映像版本 |
| SubnetId | 叢集的 SubnetId |
| AllocationState | 叢集配置狀態 |
| CurrentNodeCount | 叢集目前的節點計數 |
| 目標節點數量 | 相應增加/減少時，叢集的目標節點計數 |
| 事件類型 | 叢集建立期間的事件類型。 |
| NodeIdleTimeSecondsBeforeScaleDown | 在相應減少叢集前幾秒的空閒時間 |
| PreemptedNodeCount | 叢集的先佔節點計數 |
| IsResizeGrow | 指出叢集正在相應增加的旗標 |
| VmFamilyName | 可在叢集內建立之節點的 VM 系列名稱 |
| LeavingNodeCount | 離開叢集的節點計數 |
| 不可用節點數量 | 叢集無法使用的節點計數 |
| 閒置節點數量 | 叢集的閑置節點計數 |
| RunningNodeCount | 執行叢集的節點計數 |
| PreparingNodeCount | 準備叢集的節點計數 |
| QuotaAllocated | 配置配額給叢集 |
| 已用配額 | 叢集的已使用配額 |
| AllocationStateTransitionTime | 將時間從某個狀態轉換到另一個狀態 |
| 叢集錯誤代碼 | 叢集建立或調整期間收到的錯誤碼 |
| CreationApiVersion | 建立叢集時所使用的 API 版本 |
AmlComputeInstanceEvent 數據表
| 屬性 | 描述 |
|---|---|
| 類型 | 記錄事件的名稱 AmlComputeInstanceEvent |
| TimeGenerated | 產生記錄項目的時間 （UTC） |
| 層級 | 事件的嚴重性層級。 必須是其中一個資訊、警告、錯誤或重大。 |
| 結果類型 | 事件的狀態。 一般值包括 Started、In Progress、Succeeded、Failed、Active 和 Resolved。 |
| CorrelationId | GUID，用來在適用時將一組相關事件分組在一起。 |
| 作業名稱 | 與記錄專案相關聯的作業名稱 |
| 身分識別 | 執行作業的使用者或應用程式身分識別。 |
| AadTenantId | 已提交作業的Microsoft Entra 租用戶標識符。 |
| AmlComputeInstanceName | 「與記錄專案相關聯的計算實例名稱。 |
AmlDataLabelEvent 數據表
| 屬性 | 描述 |
|---|---|
| 類型 | 記錄事件的名稱 AmlDataLabelEvent |
| TimeGenerated | 產生記錄項目的時間 （UTC） |
| 層級 | 事件的嚴重性層級。 必須是其中一個資訊、警告、錯誤或重大。 |
| 結果類型 | 事件的狀態。 一般值包括 Started、In Progress、Succeeded、Failed、Active 和 Resolved。 |
| CorrelationId | GUID，用來在適用時將一組相關事件分組在一起。 |
| 作業名稱 | 與記錄專案相關聯的作業名稱 |
| 身分識別 | 執行作業的使用者或應用程式身分識別。 |
| AadTenantId | 已提交作業的Microsoft Entra 租用戶標識符。 |
| AmlProjectId | Azure 機器學習 專案的唯一標識符。 |
| AmlProjectName | Azure 機器學習 項目的名稱。 |
| AmlLabelNames | 為專案建立的標籤類別名稱。 |
| Aml資料存儲名稱 | 儲存項目數據的數據存放區名稱。 |
AmlDataSetEvent 數據表
| 屬性 | 描述 |
|---|---|
| 類型 | 記錄事件的名稱，AmlDataSetEvent |
| TimeGenerated | 產生記錄項目的時間 （UTC） |
| 層級 | 事件的嚴重性層級。 必須是其中一個資訊、警告、錯誤或重大。 |
| 結果類型 | 事件的狀態。 一般值包括 Started、In Progress、Succeeded、Failed、Active 和 Resolved。 |
| AmlWorkspaceId | Azure 機器學習 工作區的 GUID 和唯一標識碼。 |
| 作業名稱 | 與記錄專案相關聯的作業名稱 |
| 身分識別 | 執行作業的使用者或應用程式身分識別。 |
| AadTenantId | 已提交作業的Microsoft Entra 租用戶標識符。 |
| AmlDatasetId | Azure 機器學習 數據集的標識碼。 |
| AmlDatasetName | Azure 機器學習 數據集的名稱。 |
AmlDataStoreEvent 數據表
| 屬性 | 描述 |
|---|---|
| 類型 | 記錄事件的名稱 AmlDataStoreEvent |
| TimeGenerated | 產生記錄項目的時間 （UTC） |
| 層級 | 事件的嚴重性層級。 必須是其中一個資訊、警告、錯誤或重大。 |
| 結果類型 | 事件的狀態。 一般值包括 Started、In Progress、Succeeded、Failed、Active 和 Resolved。 |
| AmlWorkspaceId | Azure 機器學習 工作區的 GUID 和唯一標識碼。 |
| 作業名稱 | 與記錄專案相關聯的作業名稱 |
| 身分識別 | 執行作業的使用者或應用程式身分識別。 |
| AadTenantId | 已提交作業的Microsoft Entra 租用戶標識符。 |
| AmlDatastoreName | Azure 機器學習 資料存放區的名稱。 |
AmlDeploymentEvent 數據表
| 屬性 | 描述 |
|---|---|
| 類型 | 記錄事件的名稱，AmlDeploymentEvent |
| TimeGenerated | 產生記錄項目的時間 （UTC） |
| 層級 | 事件的嚴重性層級。 必須是其中一個資訊、警告、錯誤或重大。 |
| 結果類型 | 事件的狀態。 一般值包括 Started、In Progress、Succeeded、Failed、Active 和 Resolved。 |
| 作業名稱 | 與記錄專案相關聯的作業名稱 |
| 身分識別 | 執行作業的使用者或應用程式身分識別。 |
| AadTenantId | 已提交作業的Microsoft Entra 租用戶標識符。 |
| AmlServiceName | Azure 機器學習 服務的名稱。 |
AmlInferencingEvent 數據表
| 屬性 | 描述 |
|---|---|
| 類型 | 記錄事件的名稱 AmlInferencingEvent |
| TimeGenerated | 產生記錄項目的時間 （UTC） |
| 層級 | 事件的嚴重性層級。 必須是其中一個資訊、警告、錯誤或重大。 |
| 結果類型 | 事件的狀態。 一般值包括 Started、In Progress、Succeeded、Failed、Active 和 Resolved。 |
| 作業名稱 | 與記錄專案相關聯的作業名稱 |
| 身分識別 | 執行作業的使用者或應用程式身分識別。 |
| AadTenantId | 已提交作業的Microsoft Entra 租用戶標識符。 |
| AmlServiceName | Azure 機器學習 服務的名稱。 |
AmlModelsEvent 數據表
| 屬性 | 描述 |
|---|---|
| 類型 | 記錄事件的名稱，AmlModelsEvent |
| TimeGenerated | 產生記錄項目的時間 （UTC） |
| 層級 | 事件的嚴重性層級。 必須是其中一個資訊、警告、錯誤或重大。 |
| 結果類型 | 事件的狀態。 一般值包括 Started、In Progress、Succeeded、Failed、Active 和 Resolved。 |
| 作業名稱 | 與記錄專案相關聯的作業名稱 |
| 身分識別 | 執行作業的使用者或應用程式身分識別。 |
| AadTenantId | 已提交作業的Microsoft Entra 租用戶標識符。 |
| ResultSignature | 事件的 HTTP 狀態代碼。 一般值包括 200、201、202 等。 |
| AmlModelName | Azure 機器學習 模型的名稱。 |
AmlPipelineEvent 數據表
| 屬性 | 描述 |
|---|---|
| 類型 | 記錄事件的名稱，AmlPipelineEvent |
| TimeGenerated | 產生記錄項目的時間 （UTC） |
| 層級 | 事件的嚴重性層級。 必須是其中一個資訊、警告、錯誤或重大。 |
| 結果類型 | 事件的狀態。 一般值包括 Started、In Progress、Succeeded、Failed、Active 和 Resolved。 |
| AmlWorkspaceId | Azure 機器學習 工作區的 GUID 和唯一標識碼。 |
| AmlWorkspaceId | Azure 機器學習 工作區的名稱。 |
| 作業名稱 | 與記錄專案相關聯的作業名稱 |
| 身分識別 | 執行作業的使用者或應用程式身分識別。 |
| AadTenantId | 已提交作業的Microsoft Entra 租用戶標識符。 |
| AmlModuleId | 模組的 GUID 和唯一識別碼。 |
| AmlModelName | Azure 機器學習 模型的名稱。 |
| AmlPipelineId | Azure 機器學習 管線的標識碼。 |
| AmlParentPipelineId | 父 Azure 機器學習 管線的標識碼（在複製的情況下）。 |
| AmlPipelineDraftId | Azure 機器學習 管線草稿的標識碼。 |
| AmlPipelineDraftName | Azure 機器學習 管線草稿的名稱。 |
| AmlPipelineEndpointId | Azure 機器學習 管線端點的標識碼。 |
| Aml管道端點名稱 | Azure 機器學習 管線端點的名稱。 |
AmlRunEvent 數據表
| 屬性 | 描述 |
|---|---|
| 類型 | 記錄事件的名稱，AmlRunEvent |
| TimeGenerated | 產生記錄項目的時間 （UTC） |
| 層級 | 事件的嚴重性層級。 必須是其中一個資訊、警告、錯誤或重大。 |
| 結果類型 | 事件的狀態。 一般值包括 Started、In Progress、Succeeded、Failed、Active 和 Resolved。 |
| 作業名稱 | 與記錄專案相關聯的作業名稱 |
| AmlWorkspaceId | Azure 機器學習 工作區的 GUID 和唯一標識碼。 |
| 身分識別 | 執行作業的使用者或應用程式身分識別。 |
| AadTenantId | 已提交作業的Microsoft Entra 租用戶標識符。 |
| RunId（運行識別碼） | 執行的唯一標識碼。 |
AmlEnvironmentEvent 數據表
| 屬性 | 描述 |
|---|---|
| 類型 | 記錄事件的名稱，AmlEnvironmentEvent |
| TimeGenerated | 產生記錄項目的時間 （UTC） |
| 層級 | 事件的嚴重性層級。 必須是其中一個資訊、警告、錯誤或重大。 |
| 作業名稱 | 與記錄專案相關聯的作業名稱 |
| 身分識別 | 執行作業的使用者或應用程式身分識別。 |
| AadTenantId | 已提交作業的Microsoft Entra 租用戶標識符。 |
| AmlEnvironmentName | Azure 機器學習 環境組態的名稱。 |
| AmlEnvironmentVersion | Azure 機器學習 環境組態版本的名稱。 |
AMLOnlineEndpointTrafficLog 數據表 （預覽）
| 屬性 | 描述 |
|---|---|
| 方法 | 用戶端要求的方法。 |
| 路徑 | 用戶端要求的路徑。 |
| SubscriptionId (訂閱識別碼) | 線上端點的機器學習訂用帳戶識別碼。 |
| AzureMLWorkspaceId | 線上端點的機器學習工作區識別碼。 |
| AzureMLWorkspaceName | 線上端點的機器學習工作區名稱。 |
| 端點名稱 | 線上端點的名稱。 |
| 部署名稱 | 線上部署的名稱。 |
| 通訊協定 | 要求的通訊協定。 |
| 回應代碼 (ResponseCode) | 傳回給客戶端的最終回應碼。 |
| ResponseCodeReason | 傳回給客戶端的最終回應碼原因。 |
| 模型狀態代碼 (ModelStatusCode) | 來自模型的響應狀態代碼。 |
| ModelStatusReason | 來自模型的響應狀態原因。 |
| RequestPayloadSize | 從用戶端收到的位元組總數。 |
| 回應負載大小 | 傳回給用戶端的總位元組數。 |
| 用戶代理 (UserAgent) | 要求的使用者代理程式標頭，包括批註，但截斷為最多 70 個字元。 |
| 請求識別碼X | Azure 機器學習 針對內部追蹤所產生的要求標識碼。 |
| XMSClientRequestId | 用戶端產生的追蹤標識碼。 |
| 總持續時間(毫秒) | 從要求開始時間到最後一個回應位元組傳送回客戶端的時間，以毫秒為單位的持續時間。 如果用戶端中斷連線，持續時間會從開始時間到用戶端中斷連線時間。 |
| RequestDurationMs | 從要求開始時間到從用戶端接收要求最後一個字節的時間，以毫秒為單位的持續時間。 |
| 回應時間毫秒 | 從要求開始時間到從模型讀取第一個回應位元組的時間，以毫秒為單位的持續時間。 |
| RequestThrottlingDelayMs | 要求數據傳輸的延遲以毫秒為單位，因為網路節流。 |
| ResponseThrottlingDelayMs（回應節流延遲毫秒） | 由於網路節流，回應數據傳輸的延遲以毫秒為單位。 |
如需此記錄的詳細資訊，請參閱 監視在線端點。
AMLOnlineEndpointConsoleLog
| 屬性 | 描述 |
|---|---|
| TimeGenerated | 產生記錄檔之時間的UTC時間戳 |
| 作業名稱 | 與記錄檔記錄相關聯的作業 |
| 實例識別碼 | 產生記錄檔記錄之實例的標識碼 |
| 部署名稱 | 與記錄檔記錄相關聯的部署名稱 |
| 容器名稱 | 產生記錄檔的容器名稱 |
| 訊息 | 記錄的內容 |
如需此記錄的詳細資訊，請參閱 監視在線端點。
AMLOnlineEndpointEventLog （預覽）
| 屬性 | 描述 |
|---|---|
| TimeGenerated | 產生記錄檔之時間的UTC時間戳 |
| 作業名稱 | 與記錄檔記錄相關聯的作業 |
| 實例識別碼 | 產生記錄檔記錄之實例的標識碼 |
| 部署名稱 | 與記錄檔記錄相關聯的部署名稱 |
| 名稱 | 事件的名稱 |
| 訊息 | 事件的內容 |
如需此記錄的詳細資訊，請參閱 監視在線端點。
相關內容
- 如需監視 機器學習 的描述，請參閱監視 機器學習。
- 如需監視 Azure 資源的詳細資訊，請參閱使用 Azure 監視器來監視 Azure 資源。