Monitoring de la mise à l’échelle automatique

  • 2 minutes

Dans cette unité, nous examinons les concepts du monitoring de la mise à l’échelle automatique.

Surveillance

À l’instar d’autres ressources Azure, les actions de mise à l’échelle automatique d’Azure Spring Apps créent des journaux. Elles peuvent générer deux catégories de journaux :

  • Évaluations de mise à l’échelle automatique : le moteur de mise à l’échelle automatique enregistre des entrées de journal pour chaque évaluation de condition unique chaque fois qu’il effectue une vérification. L’entrée comprend des détails sur les valeurs observées des métriques, les règles évaluées et si l’évaluation a entraîné une action de mise à l’échelle.

  • Actions de mise à l’échelle automatique : le moteur enregistre les événements d’action de mise à l’échelle déclenchés par le service de mise à l’échelle automatique ainsi que les résultats de ces actions (réussite, échec, nombre d’actions de mise à l’échelle observées par le service de mise à l’échelle automatique).

Comprendre les événements de mise à l’échelle automatique

Dans l’écran des paramètres de mise à l’échelle automatique, vous pouvez accéder à l’onglet Historique des exécutions pour voir les actions de mise à l’échelle les plus récentes. L’onglet affiche également l’évolution de Capacité observée dans le temps. Cet onglet présente aussi d’autres détails sur toutes les actions de mise à l’échelle automatique, y compris les opérations telles que la modification et la suppression des paramètres de mise à l’échelle automatique. L’écran Paramètres affiche également le journal d’activité, et vous permet de filtrer les opérations de mise à l’échelle automatique.

Les événements de mise à l’échelle automatique sont enregistrés dans le journal d’activité dans les cas suivants :

  • La mise à l’échelle automatique déclenche une opération de mise à l’échelle.
  • Le service de mise à l’échelle automatique termine une opération de mise à l’échelle avec succès.
  • Le service de mise à l’échelle automatique ne parvient pas à terminer une opération de mise à l’échelle avec succès
  • La mise à l’échelle automatique détecte un bagottement et abandonne la tentative de mise à l’échelle. Vous voyez un type de journal Flapping dans cette situation. Si vous voyez un événement de journal Flapping, cela peut être dû à des seuils trop bas.
  • La mise à l’échelle automatique détecte un bagottement, mais reste en mesure d’effectuer correctement la mise à l’échelle. Vous voyez un type de journal FlappingOccurred dans cette situation. Si vous voyez FlappingOccurred, le moteur de mise à l’échelle automatique a tenté une mise à l’échelle (par exemple, pour passer de quatre instances à deux), mais a déterminé que cette action entraînerait un bagottement. Au lieu de cela, le moteur de mise à l’échelle automatique a effectué une mise à l’échelle avec un nombre différent d’instances (par exemple, en utilisant trois instances au lieu de deux). Comme cette action n’a pas provoqué de bagottement, il a effectué la mise à l’échelle avec ce nombre d’instances.

Suivre la mise à l’échelle automatique de l’application avec Log Analytics

Comme pour tout service Azure Monitor pris en charge, vous pouvez utiliser les Paramètres de diagnostic pour acheminer ces journaux :

  • Vers votre espace de travail Azure Log Analytics en vue d’une analyse détaillée.
  • Vers Azure Event Hubs puis vers des outils non-Azure.
  • Vers votre compte de stockage Azure pour archivage.

Vous pourrez valider les évaluations et actions de mise à l’échelle plus facilement à l’aide de Log Analytics. Dans votre exemple d’application, nous avons routé vos journaux de mise à l’échelle automatique vers les journaux Azure Monitor (Log Analytics) par le biais d’un espace de travail que vous avez créé au moment de la configuration de la mise à l’échelle automatique.

Les données sont extraites d’un espace de travail Log Analytics à l’aide d’une requête de journal, qui est une requête en lecture seule visant à traiter les données et à retourner des résultats. Les requêtes de journal sont écrites en KQL (Langage de requête Kusto), langage de requête également utilisé par Azure Data Explorer.

Notes

Pour plus d’informations sur la syntaxe KQL, consultez l’unité de résumé à la fin de ce module.

Dans l’exercice suivant, vous allez utiliser Log Analytics pour examiner plus en détail les événements de mise à l’échelle automatique.