Bewaking van automatische schaalaanpassing

  • 2 minuten

In deze les kijken we naar bewakingsconcepten voor automatische schaalaanpassing.

Controleren

Net als bij andere Azure-resources maken acties voor automatische schaalaanpassing van Azure Spring Apps logboeken. Er zijn twee categorieën logboeken die kunnen worden gemaakt:

  • Evaluaties van automatische schaalaanpassing: de engine voor automatisch schalen registreert logboekvermeldingen voor elke evaluatie van de voorwaarde telkens wanneer er een controle wordt uitgevoerd. De vermelding bevat details over de waargenomen waarden van de metrische gegevens, de geëvalueerde regels en of de evaluatie heeft geresulteerd in een schaalactie of niet.

  • Acties voor automatisch schalen: de engine registreert actiegebeurtenissen die zijn gestart door de service voor automatisch schalen en de resultaten van deze schaalacties (geslaagd, mislukt en hoeveel schaalaanpassing heeft plaatsgevonden zoals gezien door de service voor automatisch schalen).

Informatie over gebeurtenissen voor automatisch schalen

In het scherm met instellingen voor automatische schaalaanpassing gaat u naar het tabblad Uitvoeringsgeschiedenis om de meest recente schaalacties weer te geven. Op het tabblad wordt ook de wijziging in waargenomen capaciteit in de loop van de tijd weergegeven. Er wordt ook meer informatie weergegeven over alle acties voor automatisch schalen, waaronder bewerkingen zoals het bijwerken en verwijderen van instellingen voor automatische schaalaanpassing. In het scherm Instelling ziet u ook het activiteitenlogboek en kunt u filteren op bewerkingen voor automatisch schalen.

Berichten automatisch schalen naar het activiteitenlogboek als een van de volgende voorwaarden zich voordoet:

  • Problemen met automatisch schalen van een schaalbewerking.
  • De service voor automatisch schalen heeft een schaalactie voltooid.
  • De service voor automatisch schalen kan geen schaalactie uitvoeren.
  • Automatisch schalen detecteert flapping en abort de schaalpoging. U ziet een logboektype Flapping in deze situatie. Als u ziet Flapping, kunt u overwegen of uw drempelwaarden te smal zijn.
  • Automatisch schalen detecteert flapping, maar kan nog steeds worden geschaald. U ziet een logboektype FlappingOccurred in deze situatie. Als u ziet FlappingOccurred, heeft de engine voor automatische schaalaanpassing geprobeerd te schalen (bijvoorbeeld van vier exemplaren tot twee), maar vastgesteld dat deze actie flapping zou veroorzaken. In plaats daarvan schaalt de engine voor automatisch schalen naar een ander aantal exemplaren (bijvoorbeeld met behulp van drie exemplaren in plaats van twee), wat geen flapping meer veroorzaakt, zodat deze wordt geschaald naar dit aantal exemplaren.

De automatische schaalaanpassing van de toepassing bewaken met Log Analytics

Net als bij elke ondersteunde Azure Monitor-service kunt u diagnostische instellingen gebruiken om deze logboeken te routeren:

  • Ga naar uw Azure Log Analytics-werkruimte voor gedetailleerde analyses.
  • Naar Azure Event Hubs en vervolgens naar niet-Azure-hulpprogramma's.
  • Voor archivering naar uw Azure-opslagaccount.

U kunt de evaluaties en schaalacties beter valideren met behulp van Log Analytics. In uw voorbeeldtoepassing hebben we uw logboeken voor automatische schaalaanpassing doorgestuurd naar Azure Monitor-logboeken (Log Analytics) via een werkruimte toen u de instelling voor automatische schaalaanpassing maakte.

Gegevens worden opgehaald uit een Log Analytics-werkruimte met behulp van een logboekquery. Dit is een alleen-lezenaanvraag voor het verwerken van gegevens en het retourneren van resultaten. Logboekquery's worden geschreven in Kusto-querytaal (KQL). Dit is dezelfde querytaal die wordt gebruikt door Azure Data Explorer.

Notitie

Zie de samenvattingseenheid aan het einde van deze module voor meer informatie over de KQL-syntaxis .

In de volgende oefening gebruikt u Log Analytics voor meer informatie over de gebeurtenissen voor automatisch schalen.