Referencia de datos de supervisión de Azure Stream Analytics
Este artículo contiene toda la información de referencia de supervisión de este servicio.
Consulte Supervisión de Azure Stream Analytics para más información sobre los datos que puede recopilar para Azure Stream Analytics y cómo usarlo.
Métricas
En esta sección se indican todas las métricas de la plataforma recopiladas automáticamente para este servicio. Estas métricas también forman parte de la lista global de todas las métricas de plataforma admitidas en Azure Monitor.
Para obtener información sobre la retención de métricas, consulte Información general sobre las métricas de Azure Monitor.
Azure Stream Analytics proporciona un montón de métricas que puede usar para supervisar y solucionar los problemas de rendimiento de las consultas y los trabajos. Puede ver los datos de estas métricas en la página Información general del Azure Portal, en la sección Supervisión.
Si desea comprobar una métrica específica, seleccione Métricas en la sección Supervisión . En la página que aparece, seleccione la métrica.
Métricas admitidas para Microsoft.StreamAnalytics/streamingjobs
En la tabla siguiente se enumeran las métricas disponibles para el tipo de recurso Microsoft.StreamAnalytics/streamingjobs.
- Es posible que todas las columnas no estén presentes en todas las tablas.
- Es posible que algunas columnas estén fuera del área de visualización de la página. Seleccione Expandir tabla para ver todas las columnas disponibles.
Encabezados de tabla
- Categoría: el grupo de métricas o la clasificación.
- Métrica: el nombre para mostrar de la métrica tal como aparece en Azure Portal.
- Nombre en la API REST: el nombre de la métrica por el que se conoce en la API REST.
- Unidad: unidad de medida.
- Agregación: el tipo de agregación predeterminado. Valores válidos: promedio (Avg), mínimo (Min), máximo (Max), total (Sum), recuento.
- Dimensiones - : dimensiones disponibles para la métrica.
- Intervalos de agregación - : intervalos en los que se obtiene una muestra de la métrica. Por ejemplo,
PT1Mindica que la métrica se muestrea cada minuto,PT30Mcada 30 minutos,PT1Hcada hora, etc. - Exportación de DS: indica si la métrica se puede exportar a los registros de Azure Monitor a través de la configuración de diagnóstico. Para obtener más información, consulte Creación de configuración de diagnóstico en Azure Monitor.
| Métrica | Nombre en la API de REST | Unidad | Agregación | Dimensiones | Intervalos de agregación | Exportación de DS |
|---|---|---|---|---|---|---|
| Solicitudes de función con errores Solicitudes de función con errores |
AMLCalloutFailedRequests |
Count | Total (Suma) | LogicalName, PartitionId, , ProcessorInstance, NodeName |
PT1M | Sí |
| Eventos de función Eventos de función |
AMLCalloutInputEvents |
Count | Total (Suma) | LogicalName, PartitionId, , ProcessorInstance, NodeName |
PT1M | Sí |
| Solicitudes de función Solicitudes de función |
AMLCalloutRequests |
Count | Total (Suma) | LogicalName, PartitionId, , ProcessorInstance, NodeName |
PT1M | Sí |
| Errores de conversión de datos Errores de conversión de datos |
ConversionErrors |
Count | Total (Suma) | LogicalName, PartitionId, , ProcessorInstance, NodeName |
PT1M | Sí |
| Errores de deserialización de entrada Errores de deserialización de entrada |
DeserializationError |
Count | Total (Suma) | LogicalName, PartitionId, , ProcessorInstance, NodeName |
PT1M | Sí |
| Eventos fuera de servicio Eventos de fuera de orden |
DroppedOrAdjustedEvents |
Count | Total (Suma) | LogicalName, PartitionId, , ProcessorInstance, NodeName |
PT1M | Sí |
| Primeros eventos de entrada Primeros eventos de entrada |
EarlyInputEvents |
Count | Total (Suma) | LogicalName, PartitionId, , ProcessorInstance, NodeName |
PT1M | Sí |
| Errores en tiempo de ejecución Errores de tiempo de ejecución |
Errors |
Count | Total (Suma) | LogicalName, PartitionId, , ProcessorInstance, NodeName |
PT1M | Sí |
| Bytes del evento de entrada Bytes del evento de entrada |
InputEventBytes |
Bytes | Total (Suma) | LogicalName, PartitionId, , ProcessorInstance, NodeName |
PT1M | Sí |
| Eventos de entrada Eventos de entrada |
InputEvents |
Count | Total (Suma) | LogicalName, PartitionId, , ProcessorInstance, NodeName |
PT1M | Sí |
| Eventos de entrada pendientes Eventos de entrada pendientes |
InputEventsSourcesBacklogged |
Count | Promedio, Máximo, Mínimo | LogicalName, PartitionId, , ProcessorInstance, NodeName |
PT1M | Sí |
| Orígenes de entrada recibidos Orígenes de entrada recibidos |
InputEventsSourcesPerSecond |
Count | Total (Suma) | LogicalName, PartitionId, , ProcessorInstance, NodeName |
PT1M | Sí |
| Eventos de entrada retrasada Eventos de entrada retrasada |
LateInputEvents |
Count | Total (Suma) | LogicalName, PartitionId, , ProcessorInstance, NodeName |
PT1M | Sí |
| Eventos de salida Eventos de salida |
OutputEvents |
Count | Total (Suma) | LogicalName, PartitionId, , ProcessorInstance, NodeName |
PT1M | Sí |
| Retraso de la marca de agua Retraso de la marca de agua |
OutputWatermarkDelaySeconds |
Segundos | Promedio, Máximo, Mínimo | LogicalName, PartitionId, , ProcessorInstance, NodeName |
PT1M | Sí |
| Porcentaje de uso de CPU Porcentaje de uso de CPU |
ProcessCPUUsagePercentage |
Porcentaje | Promedio, Máximo, Mínimo | LogicalName, PartitionId, , ProcessorInstance, NodeName |
PT1M | Sí |
| % de uso de SU (memoria) % de uso de SU (memoria) |
ResourceUtilization |
Porcentaje | Promedio, Máximo, Mínimo | LogicalName, PartitionId, , ProcessorInstance, NodeName |
PT1M | Sí |
Descripciones de métricas
Azure Stream Analytics proporciona las siguientes métricas para supervisar el estado del trabajo.
| Métrica | Definición |
|---|---|
| Eventos de entrada pendientes | Número de eventos de entrada que están pendientes. Un valor distinto de cero para esta métrica implica que su trabajo no puede mantenerse al día con el número de eventos entrantes. Si este valor se aumenta lentamente o sistemáticamente y pasa a ser distinto de cero, debe escalar el trabajo horizontalmente. Para más información, consulte Descripción y ajuste de las unidades de streaming. |
| Errores de conversión de datos | Número de eventos de salida que no se pudieron convertir al esquema de salida previsto. Para quitar eventos que encuentran este escenario, puede cambiar la directiva de error a Quitar. |
| Porcentaje de uso de CPU (versión preliminar) | Porcentaje de CPU que utiliza su trabajo. Aunque este valor sea muy alto (90 % o superior), no debería aumentar el número de SU en función de esta métrica por sí sola. Si aumenta el número de eventos de entrada pendientes o el retraso de la marca de agua, puede usar esta métrica de porcentaje de uso de CPU para determinar si la CPU es el cuello de botella. Esta métrica puede tener picos intermitentes. Se recomienda realizar pruebas de escalado para determinar el límite superior del trabajo después del cual las entradas se retrasan o aumentan los retrasos de marca de agua debido a un cuello de botella de CPU. |
| Primeros eventos de entrada | Eventos cuya marca de tiempo de aplicación es anterior a su hora de llegada por más de cinco minutos. |
| Solicitudes de función con errores | Número de llamadas a la función Azure Machine Learning con error (si corresponde). |
| Eventos de función | Número de eventos enviados a la función Azure Machine Learning (si corresponde). |
| Solicitudes de función | Número de llamadas a la función Azure Machine Learning (si corresponde). |
| Errores de deserialización de entrada | Número de eventos de entrada que no se pudieron deserializar. |
| Bytes del evento de entrada | Cantidad de datos recibidos por el trabajo de Stream Analytics, en bytes. Puede usar esta métrica para validar que los eventos se envían al origen de entrada. |
| Eventos de entrada | Número de registros deserializados de los eventos de entrada. Este recuento no incluye los eventos de entrada que producen errores de deserialización. Stream Analytics puede ingerir los mismos eventos varias veces en escenarios como recuperaciones internas y autocombinaciones. Por lo tanto, se recomienda no esperar que las métricas de los eventos de entrada y los eventos de salida coincidan si el trabajo tiene una consulta de tránsito simple. |
| Orígenes de entrada recibidos | Número de mensajes que recibe el trabajo. Para Azure Event Hubs, un mensaje es un único EventData elemento. Para Azure Blob Storage, un mensaje es un único blob. Tenga en cuenta que se cuentan los orígenes de entrada antes de la deserialización. Si hay errores de deserialización, los orígenes de entrada pueden ser mayores que los eventos de entrada. En caso contrario, los orígenes de entrada pueden ser menor o igual que los eventos de entrada dado que cada mensaje puede contener varios eventos. |
| Eventos de entrada retrasada | Eventos que llegaron más tarde que el período de tolerancia configurada para llegadas tardías. Más información sobre los puntos a tener en cuenta sobre el orden de eventos de Azure Stream Analytics. |
| Eventos desordenados | Número de eventos recibidos fuera de orden que se eliminan o se les asigna una marca de tiempo ajustada, según la Directiva de ordenación de eventos. Esta métrica puede verse afectada por la configuración del ajuste delPeríodo de tolerancia de fuera de servicio. |
| Eventos de salida | Cantidad de datos enviados por el trabajo de Stream Analytics al destino de salida, en número de eventos. |
| Errores en tiempo de ejecución | Número total de errores relacionados con el procesamiento de dudas. Excluye los errores encontrados al ingerir eventos o generar resultados. |
| % de uso de SU (memoria) | Porcentaje de memoria que utiliza su trabajo. Si esta métrica es consistente al 80 % y tanto el retraso de la marca de agua como el número de eventos retrasados aumenta, considere la posibilidad de aumentar las unidades de streaming (SU). Una alta utilización indica que el trabajo está usando casi el máximo de recursos asignados. |
| Retraso de la marca de agua | Retraso máximo de la marca de agua en todas las particiones de todas las salidas del trabajo. |
Dimensiones de métricas
Para obtener más información sobre las dimensiones de métricas, consulte Métricas multidimensionales.
Este servicio tiene las siguientes dimensiones asociadas a sus métricas.
| Dimensión | Definición |
|---|---|
| Nombre lógico | Nombre de entrada o salida de un trabajo de Stream Analytics. |
| Identificador de la partición | Identificador de la partición de datos de entrada de un origen de entrada. Por ejemplo, si el origen de entrada es un centro de eventos, el identificador de partición es el identificador de partición del centro de eventos. Para trabajos perfectamente paralelos, el identificador de partición de la salida es el mismo que en la entrada. |
| Nombre del nodo | El identificador de un nodo de streaming que se aprovisiona cuando se ejecuta el trabajo. Un nodo de streaming representa la cantidad de recursos de proceso y memoria asignados al trabajo. |
Dimensión de Nombre lógico
Nombre lógico es el nombre de entrada o salida de un trabajo de Stream Analytics. Por ejemplo, supongamos que un trabajo de Stream Analytics tiene cuatro entradas y cinco salidas. Verá las cuatro entradas lógicas individuales y cinco salidas lógicas individuales al dividir las métricas relacionadas con la entrada y las relacionadas con la salida en esta dimensión.
La dimensión de Nombre lógico está disponible para filtrar y dividir las métricas siguientes:
- Eventos de entrada pendientes
- Errores de conversión de datos
- Primeros eventos de entrada
- Errores de deserialización de entrada
- Bytes del evento de entrada
- Eventos de entrada
- Origen de entrada recibido
- Eventos de entrada retrasada
- Eventos desordenados
- Eventos de salida
- Retraso de la marca de agua
Dimensión de Nombre del nodo
Un nodo de streaming representa un conjunto de recursos de proceso que se usa para procesar los datos de entrada. Cada seis unidades de streaming (SU) se traducen en un nodo, que el servicio administra automáticamente por su parte. Para más información sobre la relación entre las unidades de streaming y los nodos de streaming, consulte Descripción y ajuste de unidades de streaming.
Nombre del nodo es una dimensión en el nivel de nodo de streaming. Puede ayudarle a explorar en profundidad algunas métricas en el nivel de nodo de streaming específico. Por ejemplo, se pueden dividir las métricas de uso de CPU en el nivel de nodo de streaming comprobando el uso de CPU de un nodo de streaming individual.
La dimensión de Nombre lógico está disponible para filtrar y dividir las métricas siguientes:
- Eventos de entrada pendientes
- Porcentaje de uso de CPU (versión preliminar)
- Eventos de entrada
- Eventos de salida
- % de uso de SU (memoria)
- Retraso de la marca de agua
Dimensión de id. de partición
Cuando los datos de streaming se ingieren en el servicio Azure Stream Analytics para su procesamiento, los datos de entrada se distribuyen a los nodos de streaming según las particiones del origen de entrada. La dimensión de id. de partición es el identificador de la partición de datos de entrada del origen de entrada.
Por ejemplo, si el origen de entrada es un centro de eventos, el identificador de partición es el identificador de partición del centro de eventos. El identificador de partición de la entrada es el mismo que en la salida.
La dimensión de id. de partición está disponible para filtrar y dividir las métricas siguientes:
- Eventos de entrada pendientes
- Errores de conversión de datos
- Primeros eventos de entrada
- Errores de deserialización de entrada
- Bytes del evento de entrada
- Eventos de entrada
- Origen de entrada recibido
- Eventos de entrada retrasada
- Eventos de salida
- Retraso de la marca de agua
Registros del recurso
En esta sección se enumeran los tipos de registros de recursos que se pueden recopilar para este servicio. La sección extrae de la lista de todos los tipos de categorías de registros admitidos en Azure Monitor.
Registros de recursos admitidos para Microsoft.StreamAnalytics/streamingjobs
| Category | Nombre para mostrar de categoría | Tabla de registro | Admite el plan de registro básico | Admite la transformación en tiempo de ingesta | Consultas de ejemplo | Costos para exportar |
|---|---|---|---|---|---|---|
Authoring |
Creación | AzureDiagnostics Registros de varios recursos de Azure. |
No | No | Consultas | No |
Execution |
Ejecución | AzureDiagnostics Registros de varios recursos de Azure. |
No | No | Consultas | No |
Esquema de registros de recurso
Todos los registros se almacenan en formato JSON. Cada entrada tiene los siguientes campos de cadena comunes:
| Nombre | Descripción |
|---|---|
| time | Marca de tiempo (en UTC) del registro. |
| resourceId | Identificador del recurso en el que tuvo lugar la operación, en mayúsculas. Incluye el identificador de suscripción, el grupo de recursos y el nombre del trabajo. Por ejemplo, /SUBSCRIPTIONS/aaaa0a0a-bb1b-cc2c-dd3d-eeeeee4e4e4e/RESOURCEGROUPS/MY-RESOURCE-GROUP/PROVIDERS/MICROSOFT. STREAMANALYTICS/STREAMINGJOBS/MYSTREAMINGJOB. |
| category | La categoría del registro: Ejecución o Creación. |
| operationName | Nombre de la operación que se registra. Por ejemplo, Envío de eventos: error de escritura de salida de SQL en mysqloutput. |
| status | Estado de la operación. Por ejemplo, Erróneo o Correcto. |
| level | Nivel de registro. Por ejemplo, Error, Advertencia o Información. |
| properties | Detalle específico de entrada de registro, serializado como una cadena JSON. Para más información, consulte las siguientes secciones de este artículo. |
Esquema de propiedades de registros de ejecución
Los registros de ejecución contienen información sobre eventos que se produjeron durante la ejecución del trabajo de Stream Analytics. El esquema de propiedades varía en función de si el evento es un error de datos o un evento genérico.
Errores de datos
Cualquier error que se produce mientras el trabajo está procesando datos se puede incluir en esta categoría de registros. Estos registros se crean habitualmente durante las operaciones de lectura, serialización y escritura de datos. Estos registros no incluyen errores de conectividad. Los errores de conectividad se tratan como eventos genéricos. Puede aprender más sobre la causa de los distintos errores de datos de entrada y salida.
| Nombre | Descripción |
|---|---|
| Source | Nombre de la entrada o salida del trabajo donde se produjo el error. |
| Message | Mensaje asociado al error. |
| Tipo | Tipo de error. Por ejemplo, DataConversionError, CsvParserError o ServiceBusPropertyColumnMissingError. |
| data | Contiene datos útiles para localizar con exactitud el origen del error. Sujeto a truncamiento dependiendo del tamaño. |
En función del valor de operationName, los errores de datos tendrán el siguiente esquema:
Los eventos de serialización se producen durante las operaciones de lectura de eventos. Tienen lugar cuando los datos en la entrada no satisfacen el esquema de consulta por una de las siguientes razones:
Los tipos no coinciden durante la serialización/deserialización de eventos: identifica el campo que provoca el error.
No se puede leer un evento, la serialización no es válida: muestra información sobre la ubicación de los datos de entrada donde se produjo el error. Incluye el nombre de blob de la entrada de blob, el desplazamiento y una muestra de los datos.
Los eventos de envío se producen durante las operaciones de escritura. Identifican el evento de transmisión que produjo el error.
Eventos genéricos
Los eventos genéricos incluyen todos los demás.
| Nombre | Descripción |
|---|---|
| Error | (opcional) Información de error. Normalmente, es la información de la excepción, si está disponible. |
| Message | Mensaje de registro. |
| Tipo | Tipo de mensaje. Se asigna a la categorización interna de errores. Por ejemplo, JobValidationError o BlobOutputAdapterInitializationFailure. |
| Id. de correlación | GUID que identifica de manera única la ejecución del trabajo. Todas las entradas de registros de ejecución desde el momento en que se inicia el trabajo hasta que se detiene tienen el mismo valor de Id. de correlación. |
Para obtener referencia, consulte una lista de todos los tipos de categorías de registros de recursos admitidos en Azure Monitor o todos los tipos de categoría de registro de recursos recopilados para Azure Stream Analytics.
Tablas de registros de Azure Monitor
En esta sección, se enumeran todas las tablas de registros de Azure Monitor relacionadas con este servicio y que están disponibles para consulta mediante Log Analytics con consultas de Kusto. Las tablas contienen datos de registro de recursos y, posiblemente, más dependiendo de lo que se recopila y se enrutan a ellos.
Trabajos de Stream Analytics
| Category | Nombre para mostrar de categoría | Tabla de registro | Admite el plan de registro básico | Admite la transformación en tiempo de ingesta | Consultas de ejemplo | Costos para exportar |
|---|---|---|---|---|---|---|
Authoring |
Creación | AzureDiagnostics Registros de varios recursos de Azure. |
No | No | Consultas | No |
Execution |
Ejecución | AzureDiagnostics Registros de varios recursos de Azure. |
No | No | Consultas | No |
Registro de actividad
En la tabla vinculada se enumeran las operaciones que se pueden registrar en el registro de actividad de este servicio. Estas operaciones son un subconjunto de todas las posibles operaciones del proveedor de recursos en el registro de actividad.
Para obtener más información sobre el esquema de las entradas del registro de actividad, consulte Esquema del registro de actividad.