Informes del motor de optimización de Azure
En este artículo se explican las opciones de informes disponibles en el motor de optimización de Azure (AOE). Incluye informes de Power BI y libros de Log Analytics que visualizan las recomendaciones enriquecidas e información generadas por el AOE.
Informe de recomendaciones de Power BI
AOE incluye un informe de Power BI para visualizar recomendaciones. Para usarlo, primero debe cambiar la conexión del origen de datos a sql Database que implementó con el AOE. En el menú superior de Power BI, seleccione Transformar configuración del origen de datos>
A continuación, seleccione Cambiar origen y cambie a la dirección URL del servidor de SQL Database. Asegúrese de que las reglas del firewall de SQL permiten la conexión y que se puede iniciar sesión con una cuenta profesional o educativa de Microsoft con permisos en la base de datos SQL.
El informe se creó para un escenario en el que tiene una environment etiqueta aplicada a los recursos. Si desea cambiarla o agregar nuevas etiquetas, vuelva a abrir el menú Transformar datos, pero elija la subopción Transformar datos . Se abre una nueva ventana. Si selecciona siguiente en la opción "Editor avanzado", puede editar la lógica de transformación de datos y actualizar las instrucciones de procesamiento de etiquetas.
El informe contiene varias páginas descritas en las secciones siguientes.
Información general: recomendaciones más recientes
En la página inicial se muestra un resumen de las recomendaciones más recientes disponibles, filtrables por varias perspectivas. Si esta página muestra vacía, debe actualizarla para obtener las recomendaciones de la semana pasada. Si sigue apareciendo vacío después de la actualización, es posible que haya algún problema ascendente con los runbooks de Automatización de AOE.
Costo: introducción a las recomendaciones de costos
En la página Costo se muestran las recomendaciones de costo más recientes generadas por AOE (junto con las de Azure Advisor). Estas recomendaciones se ordenan por ahorro mensual potencial. Para cada recomendación, hay un vínculo a una página de Azure Portal con más detalles y una puntuación de ajuste que le indica cómo se ajusta la recomendación a las características del entorno. Para las recomendaciones personalizadas de AOE, la puntuación de ajuste también es una medida de precisión. Cuanto más cerca de una puntuación de 5, más adecuada o precisa será la recomendación.
Información general y exploración del tamaño correcto de la máquina virtual
La página Información general sobre el tamaño correcto de la máquina virtual proporciona una descripción general de las recomendaciones relativas de tamaño correcto de la máquina virtual de Azure Advisor. Podemos ver rápidamente cómo las características de carga de trabajo admiten las SKU de destino recomendadas de tamaño correcto. Si tiene máquinas virtuales que envían los contadores de rendimiento necesarios a Log Analytics, obtendrá una vista más clara de la compatibilidad de cada recomendación. En el ejemplo siguiente, tenemos información desconocida, ya que una de las máquinas virtuales no envió métricas de rendimiento al área de trabajo de Log Analytics.
La página Exploración de tamaño correcto de máquina virtual permite filtrar y realizar un análisis más profundo de las recomendaciones de tamaño correcto de la máquina virtual de Azure Advisor mediante varias perspectivas.
Otros pilares bien diseñados
De forma similar a la página Costo , hay otras páginas de recomendaciones más recientes para cada uno de los pilares bien diseñados restantes: Alta disponibilidad (confiabilidad), Seguridad, Rendimiento y Excelencia operativa.
Detalles e historial de recomendaciones
Cuando se selecciona una recomendación en una de las cinco páginas de pilares bien diseñados, puede hacer clic con el botón derecho en ella y explorar en profundidad la recomendación. Hay dos opciones disponibles: Detalles de la recomendación y Historial de recomendaciones.
La opción Detalles de recomendación le lleva a una página donde puede ver todos los detalles de esa recomendación específica. Para volver a la lista de recomendaciones, haga clic en la flecha superior izquierda (mientras mantiene presionada la tecla CTRL). En la página Historial de recomendaciones se muestra cuánto tiempo estuvo activa esa recomendación durante el último año y cómo evolucionó la puntuación de ajuste.
Libros
Con los libros de Log Analytics de AOE, puede explorar muchas perspectivas sobre los datos que se recopilan todos los días. Incluyen:
- Anomalías de crecimiento de costos
- Identificador de Entra de Microsoft, entidades de seguridad de Azure Resource Manager y roles asignados
- Cómo se distribuyen los recursos
- Obtención de información sobre el uso de los compromisos de Azure (solo admite clientes de EA y MCA)
Para obtener más información, consulte la siguiente información para obtener una breve descripción de cada libro.
Recomendaciones
El libro Recomendaciones es el informe para empezar con el recorrido de optimización de Azure basado en AOE. Informa sobre las recomendaciones de optimización generadas cada semana por AOE y Azure Advisor, en los cinco pilares del marco bien diseñado: costo, excelencia operativa, rendimiento, confiabilidad y seguridad.
Conclusiones de compromisos de Azure
Para obtener un completo análisis de rendimiento de Azure Reservations and Savings Plans y simulaciones de compra, tiene varios libros disponibles:
- Benefits Simulation permite simulaciones de planes de ahorro y reservas de ahorro y cobertura basadas en el historial de uso de máquinas virtuales a petición.
- Beneficios Informes de uso sobre la distribución del uso de los diferentes modelos de precios (Planes de ahorro, Reservas, Spot y A petición) y sobre el ahorro que cada modelo de precios está logrando en comparación con otros.
- Reservas Posibles informes sobre el uso de máquinas virtuales a petición y su potencial para los compromisos de reservas, con análisis históricos y detalles de los recursos que pueden consumir esas reservas.
- Informes de uso de reservas sobre el uso de reservas y permite la agregación de uso por etiquetas de recursos y información más detallada sobre el ahorro real (incluidas las reservas sin usar).
- Informes de uso de planes de ahorro sobre el uso de planes de ahorro y permite la agregación de uso por etiquetas de recursos e información más detallada sobre los ahorros reales (incluidos los planes de ahorro sin usar).
Consulte esta entrada de blog para obtener una descripción completa de cada libro.
Costos crecientes
El libro Costos crecientes informa sobre las anomalías de crecimiento del uso detectadas en varias perspectivas: suscripción, categoría de medidor, subcategoría de medidor, nombre del medidor, grupo de recursos o recursos individuales.
Inventario de recursos
El libro de inventario de recursos informa sobre la distribución de los tipos de recursos de Azure más relevantes (principalmente IaaS) en distintas perspectivas, incluida su evolución histórica.
Identidades y roles
El libro Identidades y roles informa sobre los objetos id. de Entra de Microsoft (usuarios, grupos y aplicaciones) y sus respectivos roles en los recursos de inquilino y Azure. Para obtener un análisis más detallado de este libro, consulte esta entrada de blog.
Uso de Blob Storage en bloques
El libro De uso de Blob Storage en bloques informa sobre la distribución del uso de Block Blob Storage en distintos tipos de cuentas de almacenamiento, estructura de archivos, opciones de replicación y niveles; permite simulaciones de ahorro de niveles de acceso frecuente a esporádico.
Cumplimiento de directivas
El libro cumplimiento de directivas informa sobre el cumplimiento de Azure Policy en todo el inquilino, con una perspectiva histórica y también la capacidad de filtrar y agrupar por etiquetas de recursos.
Contenido relacionado
Funcionalidades relacionadas de FinOps:
Productos relacionados:
Soluciones relacionadas: