Partager via

Superviser les performances, l’intégrité et l’utilisation d’Azure Data Explorer avec des métriques

  • Article

Les métriques Azure Data Explorer fournissent des indicateurs clés concernant l’intégrité et les performances des ressources du cluster Azure Data Explorer. Utilisez les métriques détaillées dans cet article pour superviser l’utilisation, l’intégrité et les performances du cluster Azure Data Explorer dans votre scénario spécifique en tant que métriques autonomes. Vous pouvez également utiliser des métriques comme base pour les tableaux de bord Azure et les alertes Azure operationnels.

Pour plus d’informations sur Azure Metrics Explorer, consultez Metrics Explorer.

Prérequis

Utiliser des métriques pour superviser vos ressources Azure Data Explorer

  1. Connectez-vous au portail Azure.
  2. Dans le volet gauche de votre cluster Azure Data Explorer, recherchez métriques.
  3. Sélectionnez Métriques pour ouvrir le volet de métriques et commencer l’analyse sur votre cluster. Rechercher et sélectionner des métriques dans le portail Azure.

Utiliser le volet Métriques

Dans le volet Métriques, sélectionnez des métriques spécifiques à suivre, choisissez comment agréger vos données et créez des graphiques de métriques à afficher sur votre tableau de bord.

Les sélecteurs Ressource et Espace de noms de métrique sont présélectionnés pour votre cluster Azure Data Explorer. Les numéros figurant dans l’image suivante correspondent à la liste numérotée ci-dessous. Ils vous guident dans les différentes options de configuration et d’affichage des métriques.

Volet Métriques.

  1. Pour créer un graphique de métriques, sélectionnez le nom de la Métrique et l’agrégation pertinente par métrique. Pour plus d’informations sur les différentes métriques, consultez Métriques Azure Data Explorer prises en charge.
  2. Sélectionnez Ajouter une métrique pour afficher le tracé de plusieurs métriques sur le même graphique.
  3. Sélectionnez + Nouveau graphique pour afficher plusieurs graphiques dans une même vue.
  4. Utilisez le sélecteur de temps pour modifier l’intervalle de temps (par défaut : les dernières 24 heures).
  5. Utilisez Ajouter un filtre et Appliquer la division pour les métriques qui ont des dimensions.
  6. Sélectionnez Épingler au tableau de bord pour ajouter la configuration de votre graphique aux tableaux de bord afin de pouvoir le visualiser à nouveau.
  7. Définissez Nouvelle règle d’alerte pour visualiser vos métriques à l’aide des critères définis. La nouvelle règle d’alerte inclura les dimensions de la ressource, de la métrique, du fractionnement et du filtre cibles de votre graphique. Modifiez ces paramètres dans le volet de création de règle d’alerte.

Métriques Azure Data Explorer prises en charge

Les métriques Azure Data Explorer permettent de mieux comprendre les performances globales et l’utilisation de vos ressources, et fournissent des informations sur des actions spécifiques, telles que l’ingestion ou la requête. Les métriques de cet article ont été regroupées par type d’utilisation.

Les types de métriques sont les suivants :

Pour obtenir la liste alphabétique des métriques d’Azure Monitor pour Azure Data Explorer, consultez Métriques de cluster Azure Data Explorer prises en charge.

Métriques de cluster

Les métriques de cluster assurent le suivi de l’intégrité générale du cluster. Par exemple, l’utilisation et la réactivité des ressources et de l’ingestion.

Mesure Unité Agrégation Description de la métrique Dimensions
Utilisation du cache (déconseillée) Pourcentage Moy, Max, Min Pourcentage de ressources de cache allouées actuellement utilisées par le cluster. Le cache désigne la taille du disque SSD allouée pour l’activité des utilisateurs conformément à la stratégie de cache définie.

Une utilisation moyenne du cache de 80 % ou moins est un état acceptable pour un cluster. Si l’utilisation moyenne du cache est supérieure à 80 %, le cluster doit faire l’objet d’un
scale-up vers un niveau tarifaire optimisé pour le stockage ou d’un
scale-out vers plus d’instances. Vous pouvez également adapter la stratégie de cache à moins de jours dans le cache. Si l’utilisation du cache est supérieure à 100 %, la taille des données à mettre en cache est supérieure à la taille totale du cache sur le cluster.
Cette métrique est déconseillée. Elle est présentée à des fins de compatibilité descendante uniquement. Utilisez plutôt la métrique « Facteur d’utilisation du cache ».		 Aucune
Facteur d’utilisation du cache Pourcentage Moy, Max, Min Pourcentage d’espace disque utilisé dédié au cache chaud dans le cluster.
100 % signifie que l’espace disque affecté aux données chaudes est utilisé de manière optimale. Aucune action n’est nécessaire et le cluster est complètement correct.
Moins de 100 % signifie que l’espace disque affecté pour les données chaudes n’est pas entièrement utilisé.
Plus de 100 % signifie que l’espace disque du cluster n’est pas suffisamment grand pour prendre en charge les données chaudes, comme défini par vos stratégies de mise en cache. Pour garantir que l’espace suffisant est disponible pour toutes les données chaudes, la quantité de données chaudes doit être réduite ou le cluster doit faire l’objet d’un scale-out. Nous vous recommandons d’activer la mise à l’échelle automatique.		 Aucune
UC Pourcentage Moy, Max, Min Pourcentage de ressources de calcul allouées actuellement utilisées par les machines du cluster.

Une utilisation moyenne de l’UC de 80 % ou moins est acceptable pour un cluster. La valeur maximale d’utilisation de l’UC est de 100 %, ce qui signifie qu’il n’existe aucune ressource de calcul supplémentaire pour traiter les données.
Quand les performances d’un cluster ne sont pas satisfaisantes, vérifiez la valeur maximale d’utilisation de l’UC afin de déterminer si des UC spécifiques sont bloquées.		 Aucune
Utilisation de l’ingestion Pourcentage Moy, Max, Min Pourcentage de ressources réelles utilisées pour ingérer les données des ressources totales allouées, dans la stratégie de capacité, pour effectuer l’ingestion. La stratégie de capacité par défaut est la suivante : pas plus de 512 opérations d’ingestion simultanées ou 75 % des ressources de cluster investies dans l’ingestion.

Une utilisation moyenne de l’ingestion de 80 % ou moins est un état acceptable pour un cluster. La valeur maximale de l’utilisation d’ingestion est 100 %, ce qui signifie que toute la capacité d’ingestion de cluster est utilisée et qu’une file d’attente d’ingestion risque d’être créée.		 Aucune
InstanceCount Count Avg Nombre total d’instances.
Keep alive Count Avg Effectue le suivi de la réactivité du cluster.

Un cluster entièrement réactif retourne la valeur 1, et un cluster bloqué ou déconnecté retourne 0.
Nombre total de commandes limitées Count Moy, Max, Min, Somme Nombre de commandes limitées (rejetées) dans le cluster, étant donné que le nombre maximal autorisé de commandes simultanées (parallèles) a été atteint. Aucune
Nombre total d’étendues Count Moy, Max, Min, Somme Nombre total d’étendues de données dans le cluster.

Les modifications de cette métrique peuvent impliquer des modifications massives de structures de données et une charge importante sur le cluster, car la fusion d’étendues de données est une activité gourmande en ressources d’UC.		 Aucune
Latence des abonnés Millisecondes Moy, Max, Min La base de données abonnée synchronise les changements des bases de données leaders. En raison de la synchronisation, il y a un décalage de quelques secondes à quelques minutes au niveau de la disponibilité des données.

Cette métrique mesure la durée du décalage. Le décalage de temps dépend de plusieurs facteurs comme : la taille globale et le débit des données ingérées vers le leader, le nombre de bases de données abonnées, le débit des opérations internes effectuées sur le leader (opérations de fusion/regénération).

Il s’agit d’une métrique au niveau du cluster : les abonnés interceptent les métadonnées de toutes les bases de données qui sont suivies. Cette métrique représente la latence du processus.		 Aucune

Exporter mesures

Les métriques d’exportation permettent d’effectuer le suivi de l’intégrité générale et des performances des opérations d’exportation telles que le retard, les résultats, le nombre d’enregistrements et l’utilisation.

Mesure Unité Agrégation Description de la métrique Dimensions
Exportation continue : Nombre d’enregistrements exportés Count Sum Nombre d’enregistrements exportés dans tous les travaux d’exportation continue. ContinuousExportName
Retard max. pour l’exportation continue Count Max Retard (en minutes) signalé par les travaux d’exportation continue dans le cluster. Aucune
Nombre d’exportations continues en attente Count Max Nombre de travaux d’exportation continue en attente. Ces travaux sont prêts à être exécutés mais attendent dans une file d’attente, probablement en raison d’une capacité insuffisante.
Résultat de l’exportation continue Count Count Échec ou réussite de chaque exécution d’exportation continue. ContinuousExportName
Utilisation de l’exportation Pourcentage Max Capacité d’exportation utilisée, hors de la capacité totale d’exportation dans le cluster (entre 0 et 100). Aucun(e)

Métriques d’ingestion

Les métriques d’ingestion permettent d’effectuer le suivi de l’intégrité générale et des performances des opérations d’ingestion telles que la latence, les résultats et le volume. Pour affiner votre analyse :

  • Appliquer des filtres aux graphiques pour tracer des données partielles par dimensions. Par exemple, explorez l’ingestion dans un Database spécifique.
  • Appliquer un fractionnement à un graphique pour visualiser les données selon différents composants. Ce processus est utile pour analyser les métriques signalées par chaque étape du pipeline d’ingestion, par exemple Blobs received.
Mesure Unité Agrégation Description de la métrique Dimensions
Nombre d’objets blob du lot Count Moy, Max, Min Nombre de sources de données dans un lot terminé pour l’ingestion. Base de données
Durée du lot Secondes Moy, Max, Min Durée de la phase de traitement par lot du flux d’ingestion. Base de données
Taille du lot Octets Moy, Max, Min Taille de données attendue non compressée dans un lot agrégé pour l’ingestion. Base de données
Lots traités Count Sum, Max, Min Nombre de lots terminés pour l’ingestion.
Batching Type : déclencheur du scellement d’un lot.
Pour obtenir la liste complète des types de traitement par lot, consultez Types de traitement par lot.		 Base de données, type de traitement par lot
Objets blob reçus Count Sum, Max, Min Nombre d’objets blob reçus à partir du flux d’entrée par un composant.

Utilisez Appliquer le fractionnement pour analyser chaque composant.		 Base de données, type de composant, nom du composant
Objets blob traités Count Sum, Max, Min Nombre d’objets blob traités par un composant.

Utilisez Appliquer le fractionnement pour analyser chaque composant.		 Base de données, type de composant, nom du composant
Objets blob supprimés Count Sum, Max, Min Nombre d’objets blob supprimés définitivement par un composant. Pour chacun de ces objets blob, une métrique Ingestion result avec un motif d’échec est envoyée.

Utilisez Appliquer le fractionnement pour analyser chaque composant.		 Base de données, type de composant, nom du composant
Latence de découverte Secondes Avg Délai entre la mise en file d’attente des données et la découverte par les connexions de données. Ce délai n’est pas inclus dans les métriques Latence des étapes ni Latence d’ingestion.

La latence de découverte peut augmenter dans les situations suivantes :
  • Lorsque des connexions de données inter-régions sont utilisées.

  • Dans les connexions de données Event Hubs, si le nombre de partitions Event Hubs n’est pas suffisant pour le volume de sortie de données ou si les événements sont répartis de manière inégale entre les partitions.
 Type de composant, nom du composant
Événements reçus Count Sum, Max, Min Nombre d’événements reçus par les connexions de données à partir du flux d’entrée. Type de composant, nom du composant
Événements traités Count Sum, Max, Min Nombre d’événements traités par les connexions de données. Type de composant, nom du composant
Événements supprimés Count Sum, Max, Min Nombre d’événements supprimés définitivement par les connexions de données. Pour chacun de ces événements, une métrique Ingestion result avec un motif d’échec est envoyée. Type de composant, nom du composant
Latence d’ingestion Secondes Moy, Max, Min Latence des données ingérées, à partir du moment où les données ont été reçues dans le cluster jusqu’à ce qu’elles sont prêtes pour la requête. La période de latence d’ingestion varie en fonction du scénario d’ingestion.
Ingestion Kind : Ingestion de streaming ou ingestion mise en file d’attente		 Type d’ingestion
Résultat de l’ingestion Count Sum Nombre total de sources ayant échoué ou réussi à être ingérées.
Status : Réussite pour une l’ingestion réussie ou catégorie d’échec en cas d’échec. Pour obtenir la liste complète des catégories d’échecs possibles, consultez Codes d’erreur d’ingestion dans Azure Data Explorer.
Failure Status Type : Indique si l’échec est permanent ou temporaire. Pour une ingestion réussie, cette dimension est None.

Remarque :
  • Les événements d’ingestion Event Hubs et IoT Hub sont pré-agrégés en un seul objet blob, puis traités comme une source unique à ingérer. Ainsi, les événements préagrégés apparaissent sous forme d’un seul résultat d’ingestion après la préagrégation.

  • Les échecs temporaires font l’objet d’un nombre limité de nouvelles tentatives en interne. Chaque échec temporaire est signalé en tant que résultat d’ingestion temporaire. Ainsi, une même ingestion peut donner lieu à plusieurs résultats d’ingestion.
État, Type d’état d’échec
Volume d’ingestion (en octets) Count Max, Sum Taille totale des données ingérées dans le cluster (en octets) avant la compression. Base de données
Longueur de la file d’attente Count Avg Nombre de messages en attente dans la file d’attente d’entrée d’un composant. Le composant Gestionnaire de traitement par lot comporte un message par objet blob. Le composant Gestionnaire d’ingestion comporte un message par lot. Un lot est une commande d’ingestion unique avec un ou plusieurs objets blob. Type de composant
Message le plus ancien de la file d’attente Secondes Avg Durée en secondes à partir de laquelle le message le plus ancien dans la file d’attente d’entrée d’un composant a été inséré. Type de composant
Taille des données reçues en octets Octets Avg, Sum Taille des données reçues par les connexions de données à partir du flux d’entrée. Type de composant, nom du composant
Latence des étapes Secondes Avg Heure à partir de laquelle un message est accepté par Azure Data Explorer, jusqu’à ce que son contenu soit reçu par un composant d’ingestion pour traitement.

Pour afficher la latence d’ingestion totale, utilisez Appliquer des filtres et sélectionnez Type de composant StorageEngine >.		 Base de données, type de composant

Métriques d’ingestion de streaming

Les métriques d’ingestion de streaming effectuent le suivi des données d’ingestion de streaming ainsi que du taux, de la durée et des résultats de requêtes.

Mesure Unité Agrégation Description de la métrique Dimensions
Taux de données d’ingestion en streaming Count RateRequestsPerSecond Volume total de données ingérées dans le cluster. Aucun(e)
Durée de l’ingestion en streaming Millisecondes Moy, Max, Min Durée totale de toutes les requêtes d’ingestion en diffusion en continu. Aucun(e)
Taux de demandes d’ingestion en streaming Count Count, Moy, Max, Min, Somme Nombre total de demandes d’ingestion de streaming. Aucun(e)
Résultat de l’ingestion en streaming Count Avg Nombre total de demandes d’ingestion de streaming par type de résultat. Résultat

Métriques de requête

Les métriques de performances des requêtes effectuent le suivi de la durée des requêtes et du nombre total de requêtes simultanées ou limitées.

Mesure Unité Agrégation Description de la métrique Dimensions
Durée de la requête Millisecondes Moy, Min, Max, Somme Temps total jusqu’à ce que les résultats de la requête soient reçus (n’inclut pas la latence réseau). QueryStatus
QueryResult Count Count Nombre total de requêtes. QueryStatus
Nombre total de demandes simultanées Count Moy, Max, Min, Somme Nombre de requêtes exécutées en parallèle dans le cluster. Cette métrique est un bon moyen d’estimer la charge sur le cluster. Aucune
Nombre total de demandes limitées Count Moy, Max, Min, Somme Nombre de requêtes limitées (rejetées) dans le cluster. Le nombre maximal de requêtes simultanées (parallèles) autorisées est défini dans la stratégie de limites de taux de demandes. Aucun(e)
Latence de cohérence faible Millisecondes Moy, Max, Min Âge de l’instantané de métadonnées utilisé par les nœuds exécutant le service de cohérence faible. Base de données, nœud

Métriques de vue matérialisée

Mesure Unité Agrégation Description de la métrique Dimensions
MaterializedViewHealth 1, 0 Avg La valeur est 1 si la vue est considérée comme saine, sinon 0. Base de données, MaterializedViewName
MaterializedViewAgeSeconds Secondes Avg L’age de la vue est défini par l’heure actuelle moins la dernière heure d’ingestion traitée par la vue. La métrique est une valeur de temps en secondes (plus la valeur est faible, plus la vue est « saine »). Base de données, MaterializedViewName
MaterializedViewResult 1 Avg La métrique inclut une Result dimension indiquant le résultat du dernier cycle de matérialisation (consultez la métrique MaterializedViewResult pour plus d’informations sur les valeurs possibles). La valeur de la métrique est toujours égale à 1. Base de données, MaterializedViewName, Résultat
MaterializedViewRecordsInDelta Nombre d’enregistrements Avg Nombre d’enregistrements actuellement dans la partie non traitée de la table source. Pour plus d’informations, découvrez comment fonctionnent les vues matérialisées Base de données, MaterializedViewName
MaterializedViewExtentsRebuild Nombre d’étendues Avg Nombre d’étendues qui ont nécessité des mises à jour dans le cycle de matérialisation. Base de données, MaterializedViewName
MaterializedViewDataLoss 1 Max La métrique est déclenchée lorsque les données sources non traitées approchent de la rétention. Indique que la vue matérialisée n’est pas saine. Base de données, MaterializedViewName, Genre

Métriques de partitionnement

Les métriques de partitionnement surveillent le processus de partitionnement des tables avec une stratégie de partitionnement.

Mesure Unité Agrégation Description de la métrique Dimensions
PartitioningPercentage Pourcentage Moy, Min, Max Pourcentage d’enregistrements partitionnés par rapport au nombre total d’enregistrements. Database, Table
PartitioningPercentageHot Pourcentage Moy, Min, Max Pourcentage d’enregistrements partitionnés liés au nombre total d’enregistrements (dans le cache « chaud » uniquement). Database, Table
ProcessedPartitionedRecords Pourcentage Moy, Min, Max, Somme Nombre d’enregistrements partitionnés dans la fenêtre de temps mesurée. Database, Table

Contenu connexe