Rapports du moteur d’optimisation Azure
Cet article explique les options de création de rapports disponibles dans le moteur d’optimisation Azure (AOE). Il inclut des rapports Power BI et des classeurs Log Analytics qui visualisent les recommandations et insights enrichis générés par l’AOE.
Rapport de recommandations Power BI
AOE inclut un rapport Power BI pour visualiser les recommandations. Pour l’utiliser, vous devez d’abord modifier la connexion de source de données à la base de données SQL que vous avez déployée avec l’AOE. Dans le menu supérieur de Power BI, sélectionnez Transformer les paramètres>.
Sélectionnez Ensuite Modifier la source et passez à l’URL de votre serveur de base de données SQL. Vérifiez que vos règles de pare-feu SQL autorisent la connexion, et assurez-vous de vous connecter avec un compte professionnel/scolaire Microsoft disposant d'autorisations sur la base de données SQL.
Le rapport a été créé pour un scénario dans lequel vous avez une environment balise appliquée à vos ressources. Si vous souhaitez le modifier ou ajouter de nouvelles balises, ouvrez à nouveau le menu Transformer les données, mais choisissez maintenant la sous-option Transformer les données . Une nouvelle fenêtre s’ouvre. Si vous sélectionnez suivant dans l’option « Éditeur avancé », vous pouvez modifier la logique de transformation des données et mettre à jour les instructions de traitement des balises.
Le rapport contient plusieurs pages décrites dans les sections suivantes.
Vue d’ensemble - Dernières recommandations
La page initiale affiche un résumé des dernières recommandations disponibles, filtrables par plusieurs perspectives. Si cette page est vide, vous devez l’actualiser pour obtenir les recommandations de la semaine dernière. S’il s’affiche toujours vide après l’actualisation, il peut y avoir un problème en amont avec les runbooks AOE Automation.
Coût - Vue d’ensemble des recommandations sur les coûts
La page Coût affiche les dernières recommandations de coût générées par AOE (avec celles d’Azure Advisor). Ces recommandations sont triées par des économies mensuelles potentielles. Pour chaque recommandation, il existe un lien vers une page Portail Azure avec plus de détails et un score d’ajustement qui vous indique comment la recommandation correspond aux caractéristiques de votre environnement. Pour les recommandations personnalisées AOE, le score d’ajustement est également une mesure de précision. Plus près d’un score de 5, plus la recommandation est adaptée/précise.
Vue d’ensemble et exploration de la taille des machines virtuelles
La page Vue d’ensemble de la taille de la machine virtuelle vous donne une compréhension générale de la distribution relative des recommandations relatives à la taille des machines virtuelles Azure Advisor. Nous pouvons rapidement voir comment les caractéristiques de charge de travail prennent en charge les références SKU cibles recommandées de taille appropriée. Si vous avez des machines virtuelles qui envoient les compteurs de performances requis à Log Analytics, vous obtenez une vue plus claire de la prise en charge de chaque recommandation. Dans l’exemple suivant, nous avons des informations inconnues, car l’une des machines virtuelles n’a pas envoyé de métriques de performances à l’espace de travail Log Analytics.
La page Exploration de taille de machine virtuelle vous permet de filtrer et d’effectuer une analyse plus approfondie des recommandations de taille appropriée des machines virtuelles Azure Advisor en fonction de plusieurs perspectives.
Autres piliers bien construits
À l’instar de la page Coût , il existe d’autres pages de recommandations les plus récentes pour chacun des piliers Bien architectes restants : Haute disponibilité (fiabilité), Sécurité, Performances et Excellence opérationnelle.
Détails et historique des recommandations
Lorsqu’une recommandation est sélectionnée dans l’une des cinq pages de piliers Bien architectes, vous pouvez cliquer dessus avec le bouton droit et explorer la recommandation. Il existe deux options disponibles : Détails des recommandations et historique des recommandations.
L’option Détails de la recommandation vous permet d’accéder à une page dans laquelle vous pouvez afficher tous les détails de cette recommandation spécifique. Vous pouvez revenir à la liste des recommandations en cliquant sur la flèche supérieure gauche (tout en maintenant la touche Ctrl enfoncée). La page Historique des recommandations vous montre combien de temps cette recommandation a été active au cours de la dernière année et comment le score d’ajustement a évolué.
Classeurs
Avec les classeurs Log Analytics d’AOE, vous pouvez explorer de nombreuses perspectives sur les données collectées chaque jour. Notamment :
- Anomalies de croissance des coûts
- ID Microsoft Entra, principaux Azure Resource Manager et rôles attribués
- Distribution de vos ressources
- Obtenir des insights sur l’utilisation de vos engagements Azure (prend en charge uniquement les clients EA et MCA)
Pour plus d’informations, consultez les informations suivantes pour obtenir une brève description de chaque classeur.
Recommandations
Le classeur Recommandations est le rapport pour commencer avec votre parcours d’optimisation Azure basé sur AOE. Il signale les recommandations d’optimisation générées chaque semaine par AOE et Azure Advisor, sur les cinq piliers du Well Architected Framework - Coût, Excellence opérationnelle, Performance, Fiabilité et Sécurité.
Insights sur les engagements Azure
Pour obtenir une analyse complète des performances des réservations et des plans d’épargne Azure et des simulations d’achat, vous disposez de plusieurs classeurs disponibles :
- La simulation d’avantages permet des simulations de plans d’épargne et de réservations d’économies et de couvertures basées sur l’historique d’utilisation des Machines Virtuelles à la demande.
- Rapports d’utilisation des avantages sur la distribution des différents modèles tarifaires (plans d’épargne, réservations, spot et à la demande) et sur les économies réalisées par chaque modèle de tarification par rapport à d’autres.
- Réservations Potentielle rapports sur l’utilisation de Machines Virtuelles à la demande et son potentiel pour les engagements des réservations, avec une analyse historique et des détails des ressources potentiellement consommatrices de ces réservations.
- Les rapports d’utilisation des réservations sur l’utilisation des réservations et permettent l’agrégation de l’utilisation par des balises de ressources et des insights plus approfondis sur les économies réelles (y compris les réservations inutilisées).
- Rapports d’utilisation des plans d’épargne sur l’utilisation des plans d’épargne et permet l’agrégation de l’utilisation par des étiquettes de ressources et des insights plus approfondis sur les économies réelles (y compris les plans d’épargne inutilisés).
Consultez ce billet de blog pour obtenir une description complète de chaque classeur.
Coûts croissants
Le classeur de croissance des coûts signale les anomalies de croissance de l’utilisation détectées dans plusieurs perspectives : abonnement, catégorie de compteur, sous-catégorie de compteur, nom du compteur, groupe de ressources ou ressources individuelles.
Inventaire des ressources
Le classeur d’inventaire des ressources signale la distribution des types de ressources Azure les plus pertinents (principalement IaaS) dans différentes perspectives, y compris son évolution historique.
Identités et rôles
Le classeur Identités et rôles indique les objets Microsoft Entra ID (utilisateurs, groupes et applications) et leurs rôles respectifs dans les ressources client et Azure. Pour une analyse plus détaillée de ce classeur, consultez ce billet de blog.
Utilisation du stockage Blob de blocs
Le classeur d’utilisation du stockage Blob de blocs signale la distribution de l’utilisation du stockage Blob de blocs sur différents types de comptes de stockage, de structure de fichiers, d’options de réplication et de hiérarchisation ; permet des simulations d’économies de hiérarchisation à chaud.
Conformité des stratégies
Le classeur de conformité de stratégie signale la conformité Azure Policy sur l’ensemble du locataire, avec une perspective historique et la possibilité de filtrer et de regrouper par étiquettes de ressources.
Contenu connexe
Fonctionnalités FinOps connexes :
- Ingestion des données
- Création de rapports et analytique
- Optimisation du débit
- Optimisation de la charge de travail
Produits connexes :
Solutions connexes :