使用計量和維度來分析串流分析的作業效能

若要了解 Azure 串流分析作業的健康情況，請務必了解如何利用作業的計量和維度。您可以使用 Azure 入口網站、Visual Studio Code 串流分析延伸模組或 SDK 來取得您感興趣的計量和維度。

本文示範如何透過 Azure 入口網站，使用串流分析作業計量和維度來分析作業的效能。

串流分析作業效能主要取決於「浮水印延遲」和「待處理輸入事件」兩個計量。若作業的浮水印延遲持續增加，且輸入事件有待處理，則您的作業將無法跟上輸入事件的速率，並及時產生輸出。

讓我們看看幾個範例，以浮水印延遲計量資料作為分析作業效能的起點。

特定分割區的輸入不會增加作業浮水印延遲

如果您的易於平行作業浮水印延遲穩定增加，請移至 [計量]。然後使用下列步驟，來找出根本原因是否為缺少輸入來源的某些分割區中的資料：

由於沒有輸入事件流入此分割區，此分割區的浮水印延遲便會逐漸增加。若作業的延遲傳入容錯時間為數小時，且輸入資料未流入分割區，則該分割區的浮水印延遲預期會持續增加，達該延遲傳入時間為止。

例如，若延遲傳入時間範圍為 6 小時，且輸入資料未流入輸入分割區 1，輸出分割區 1 的浮水印延遲便會增加，直到達 6 小時為止。您可查看輸入來源是否如預期產生資料。

如上述案例所述，當您的易於平行作業有高浮水印延遲時，第一件事就是依分割區識別碼維度分割浮水印延遲計量。然後，您可以識別是否所有分割區皆有高浮水印延遲，或只是其中一些分割區。

在下列範例中，分割區 0 和 1 的浮水印延遲 (大約 20 到 30 秒) 比其他八個分割區更高。其他分割區的浮水印延遲一律穩定為 8 至 10 秒。

讓我們看看所有分割區的輸入資料，計量為「輸入事件」，並以「分割區識別碼」分割：

如範例中所示，分割區 (#0 和 #1) 具有高浮水印延遲，所接收的輸入資料大幅多於其他分割區。我們稱此為資料扭曲。正在處理具有資料扭曲分割區的串流節點，需要耗用比其他節點更多的 CPU 和記憶體資源，如下列螢幕擷取畫面所示。

處理具有較高資料扭曲分割區的串流節點，將會呈現較高的 CPU 和/或串流單位 (SU) 使用率。此使用率會影響作業的效能，並增加浮水印延遲。若要減輕此問題，輸入資料則須更平均重新分割。

您也可以使用實體作業圖表對此問題進行偵錯，請參閱實體作業圖表: 識別不平均的分散式輸入事件 (資料扭曲)。

當某項易於平行作業的浮水印延遲增加，表示此狀況可能不只發生在一或數個分割區，而是所有分割區。如何確認您的作業落在此案例中？

依分割區識別碼分割浮水印延遲計量。例如：
以「分割區識別碼」來分割「輸入事件」計量，確認各分割區的輸入資料是否有資料扭曲。
查看 CPU 和 SU 使用率，確認所有串流節點的使用率是否過高。
若所有串流節點的 CPU 和 SU 使用率很高 (超過 80%)，此作業則可會在每個串流節點內處理大量資料。

您可以藉由檢查輸入事件計量，進一步檢查配置給一個串流節點的分割區數目。使用 [節點名稱] 維度依串流節點識別碼進行篩選，並依資料分割識別碼分割。
上述螢幕擷取畫面顯示，有四個分割區配置給一個佔用大約 90% 到 100% 串流節點資源的串流節點。您可使用類似方法來檢查其餘的串流節點，確認這些節點是否也正在處理來自四個分割區的資料。

您可能會想要減少各串流節點的分割區數目，以便減少各串流節點的輸入資料。若要達到此目的，您可以將 SU 數目加倍，讓每個串流節點處理來自兩個分割區的資料。或者，您可以調整 SU，讓每個串流節點處理來自一個分割區的資料。如需了解 SU 指派與串流節點計數間的關聯性，請參閱了解及調整串流單位。

若已讓一個串流節點處理來自一個分割區的資料，但浮水印延遲仍持續增加，該怎麼辦？將您的輸入重新分割為更多分割區，以減少每個分割區的資料量。如需詳細資料，請參閱使用重新分割來最佳化 Azure 串流分析作業。

您也可以使用實體作業圖表對此問題進行偵錯，請參閱實體作業圖表: 識別多載 CPU 或記憶體的原因。