Optymalizowanie klastra usługi Azure Data Explorer przy użyciu zaleceń usługi Azure Advisor
Usługa Azure Advisor analizuje konfiguracje klastra usługi Azure Data Explorer i dane telemetryczne użycia oraz oferuje spersonalizowane i umożliwiające podejmowanie działań rekomendacje ułatwiające optymalizowanie klastra.
Uzyskiwanie dostępu do zaleceń usługi Azure Advisor
Istnieją dwa sposoby uzyskiwania dostępu do zaleceń usługi Azure Advisor:
- Wyświetlanie zaleceń dotyczących klastra
- Wyświetlanie zaleceń dotyczących wszystkich klastrów w ramach subskrypcji
Wyświetlanie zaleceń usługi Azure Advisor dla klastra usługi Azure Data Explorer
W witrynie Azure Portal przejdź do strony klastra usługi Azure Data Explorer.
W menu po lewej stronie w obszarze Monitorowanie wybierz pozycję Zalecenia doradcy. Zostanie otwarta lista zaleceń dla tego klastra.
Wyświetlanie zaleceń usługi Azure Advisor dla wszystkich klastrów w ramach subskrypcji
W witrynie Azure Portal przejdź do zasobu Advisor.
W obszarze Przegląd wybierz co najmniej jedną subskrypcję, dla której chcesz uzyskać zalecenia.
Wybierz pozycję Klastry usługi Azure Data Explorer i bazy danych usługi Azure Data Explorer na drugiej liście rozwijanej.
Korzystanie z zaleceń usługi Azure Advisor
Istnieją różne typy rekomendacji usługi Azure Advisor. Użyj odpowiedniego typu rekomendacji, aby ułatwić optymalizację klastra.
W usłudze Advisor w obszarze Zalecenia wybierz pozycję Koszt dla zaleceń dotyczących kosztów.
Wybierz zalecenie z listy.
Poniższe okno zawiera listę klastrów, do których rekomendacja jest odpowiednia. Szczegóły rekomendacji są różne dla każdego klastra i zawierają zalecaną akcję.
Typy rekomendacji
Obecnie są dostępne zalecenia dotyczące kosztów, wydajności, niezawodności i doskonałości usług.
Ważne
Rzeczywiste roczne oszczędności mogą się różnić. Prezentowane roczne oszczędności są oparte na cenach "płatności zgodnie z rzeczywistym użyciem". Te potencjalne oszczędności nie uwzględniają rabatów rozliczeniowych wystąpień zarezerwowanych platformy Azure.
Zalecenia dotyczące kosztów
Zalecenia dotyczące kosztów są dostępne dla klastrów, które można zmienić, aby zmniejszyć koszty bez naruszania wydajności. Zalecenia dotyczące kosztów obejmują:
- Nieużywany uruchomiony klaster usługi Azure Data Explorer
- Nieużywany zatrzymany klaster usługi Azure Data Explorer
- Zmienianie klastrów usługi Data Explorer na bardziej opłacalną i wydajniejszą jednostkę SKU
- Zmniejszanie pamięci podręcznej dla tabel usługi Azure Data Explorer
- Włączanie zoptymalizowanego autoskalowanie
Nieużywany uruchomiony klaster usługi Azure Data Explorer
Klaster jest uznawany za nieużywany i uruchomiony, jeśli jest w stanie uruchomienia i nie pozyskał danych ani nie uruchamiał zapytań w ciągu ostatnich pięciu dni. W niektórych przypadkach klastry mogą zostać automatycznie zatrzymane. W następujących przypadkach klaster nie zostanie automatycznie zatrzymany i zostanie wyświetlone zalecenie:
- Klastry liderów. Aby uzyskać więcej informacji, zobacz obserwowane bazy danych.
- Klastry wdrożone w sieci wirtualnej.
- Klastry, w których jest wyłączone ustawienie Automatycznego zatrzymywania
- Pule usługi Azure Synapse Data Explorer
Zaleca się zatrzymanie klastra w celu obniżenia kosztów, ale nadal zachowywania danych. Jeśli dane nie są potrzebne, rozważ usunięcie klastra, aby zwiększyć oszczędności.
Nieużywany zatrzymany klaster usługi Azure Data Explorer
Klaster jest uznawany za nieużywany i zatrzymany, jeśli został zatrzymany przez co najmniej 60 dni.
Zaleca się usunięcie klastra w celu obniżenia kosztów.
Uwaga
Zatrzymane klastry mogą nadal zawierać dane. Przed usunięciem klastra sprawdź, czy dane nie są już potrzebne. Po usunięciu klastra dane nie będą już dostępne.
Zmiana klastrów Data Explorer na bardziej ekonomiczną i wydajniejszą warstwę cenową
Zalecenie Zmień klastry usługi Data Explorer na bardziej opłacalną i lepszą wydajność jednostki SKU jest podane klastrowi, którego klaster działa w ramach nie optymalnej jednostki SKU. Ta zaktualizowana jednostka SKU powinna zmniejszyć koszty i zwiększyć ogólną wydajność. Obliczyliśmy wymaganą liczbę wystąpień, która spełnia wymagania pamięci podręcznej klastra, zapewniając jednocześnie, że wydajność nie będzie miała negatywnego wpływu.
W ramach zalecenia zalecamy włączenie zoptymalizowanego autoskalowania, jeśli jeszcze nie jest włączone. Zoptymalizowane autoskalowanie przeprowadzi bardziej szczegółową analizę wydajności klastra, a w razie potrzeby przeprowadzi dalszą skalę w klastrze. Spowoduje to dodatkowe obniżenie kosztów. Zalecenia zoptymalizowanego skalowania automatycznego obejmują rekomendację Minimalna i Maksymalna liczba wystąpień. Wartość Maksymalna jest ustawiona na zalecaną liczbę wystąpień jednostki SKU. Jeśli klaster ma plany organicznego rozwoju, zaleca się ręczne zwiększenie tej maksymalnej liczby. Jeśli zoptymalizowane autoskalowanie jest już skonfigurowane w klastrze, w niektórych przypadkach zalecenie może sugerować zwiększenie maksymalnej liczby wystąpień.
Zalecenie jednostki SKU uwzględnia bieżące definicje stref klastra, a jeśli klaster obsługuje strefy, zaleca tylko docelowe jednostki SKU, które mają co najmniej dwie strefy. Dodanie większej liczby stref dostępności obliczeniowej nie wiąże się z żadnymi dodatkowymi kosztami.
Zalecenie jednostki SKU klasyfikatora jest aktualizowane co kilka godzin. Zalecenie sprawdza dostępność pojemności wybranej jednostki SKU w regionie. Należy jednak pamiętać, że dostępność pojemności jest dynamiczna i zmienia się w czasie.
Uwaga
Zalecenie jednostki SKU klasyfikatora nie obsługuje obecnie klastrów z konfiguracją sieci wirtualnej ani zarządzanych prywatnych punktów końcowych.
Zmniejszanie pamięci podręcznej dla tabel usługi Azure Data Explorer
Ograniczenie okresu buforowania tabel usługi Azure Data Explorer dla rekomendacji optymalizacji kosztów klastra jest podane dla klastra , który może zmniejszyć zasady pamięci podręcznej tabeli. To zalecenie jest oparte na okresie wyszukiwania zapytań w ciągu ostatnich 30 dni. Aby sprawdzić, gdzie są możliwe oszczędności, możesz wyświetlić najbardziej odpowiednie 5 tabel na bazę danych w celu uzyskania potencjalnych oszczędności pamięci podręcznej. To zalecenie jest oferowane tylko wtedy, gdy klaster może skalować w poziomie lub skalować w dół po zmianie zasad pamięci podręcznej. Doradca sprawdza, czy klaster jest "ograniczony przez dane", co oznacza, że klaster ma niskie użycie procesora CPU i niskiego wykorzystania pozyskiwania, ale ze względu na wysoką pojemność danych klaster nie może skalować ani skalować w dół.
Włączanie zoptymalizowanego autoskalowanie
Zalecenie włączone Zoptymalizowane autoskalowanie jest podane podczas włączania zoptymalizowanego autoskalowania zmniejszyłoby liczbę wystąpień w klastrze. To zalecenie jest oparte na wzorcach użycia, wykorzystaniu pamięci podręcznej, wykorzystaniu pozyskiwania i procesorze CPU. Aby upewnić się, że nie przekroczysz planowanego budżetu, dodaj maksymalną liczbę wystąpień po włączeniu zoptymalizowanego autoskalowania.
Zalecenia dotyczące wydajności
Zalecenia dotyczące wydajności pomagają zwiększyć wydajność klastrów usługi Azure Data Explorer. Zalecenia dotyczące wydajności obejmują następujące elementy:
- Zmienianie klastrów usługi Data Explorer na bardziej opłacalną i wydajniejszą jednostkę SKU
- Aktualizowanie zasad pamięci podręcznej dla tabel usługi Azure Data Explorer
Aktualizowanie zasad pamięci podręcznej dla tabel usługi Azure Data Explorer
Zapoznaj się z zasadami okresu buforowania tabel usługi Azure Data Explorer, aby uzyskać rekomendacje dotyczące lepszej wydajności dla klastra wymagającego innego filtru czasu okresu wyszukiwania lub większych zasad pamięci podręcznej. To zalecenie jest oparte na okresie wyszukiwania zapytań z ostatnich 30 dni. Większość zapytań jest uruchamiana w ciągu ostatnich 30 dni, do których nie ma dostępu do danych w pamięci podręcznej, co może zwiększyć czas wykonywania zapytania. Możesz wyświetlić 5 pierwszych tabel na bazę danych, które uzyskiwały dostęp do danych poza pamięcią podręczną, uporządkowane według wartości procentowej.
Możesz również uzyskać zalecenie dotyczące wydajności, aby zmniejszyć zasady pamięci podręcznej. Może się tak zdarzyć, jeśli klaster jest powiązany z danymi. Klaster jest powiązany z danymi, jeśli dane do buforowania zgodnie z zasadami buforowania są większe niż całkowity rozmiar pamięci podręcznej klastra. Zmniejszenie zasad pamięci podręcznej dla klastrów powiązanych z danymi zmniejszy liczbę błędów pamięci podręcznej i potencjalnie poprawi wydajność.
Zalecenia dotyczące doskonałości operacyjnej
Zalecenia dotyczące doskonałości operacyjnej lub "najlepszych rozwiązań" są zaleceniami, których wdrożenie nie zwiększa kosztów ani wydajności natychmiast, ale może przynieść korzyści klastrowi w przyszłości. Obejmuje to zmniejszenie zasad pamięci podręcznej tabel w celu dopasowania ich do wzorców użycia.
Ograniczanie zasad pamięci podręcznej tabel w celu dopasowania ich do wzorców użycia
To zalecenie koncentruje się na aktualizowaniu zasad pamięci podręcznej na podstawie rzeczywistego użycia w ciągu ostatniego miesiąca, aby zmniejszyć gorącą pamięć podręczną dla tabeli. W przeciwieństwie do poprzedniego zalecenia dotyczącego kosztów, to szczególne zalecenie dotyczy klastrów, w których liczba wystąpień jest określana przez procesor CPU i obciążenie pozyskiwania, a nie ilość danych przechowywanych w gorącej pamięci podręcznej. W takich przypadkach zmiana samych zasad pamięci podręcznej jest niewystarczająca, aby zmniejszyć liczbę wystąpień, dalsze optymalizacje, takie jak zmiana jednostki SKU, zmniejszenie obciążenia procesora CPU i włączenie automatycznego skalowania są zalecane do wydajnego skalowania w poziomie. To zalecenie może być przydatne w przypadku tabel, w których rzeczywiste wyszukiwanie zwrotne zapytań na podstawie wzorców użycia jest niższe niż skonfigurowane zasady pamięci podręcznej. Jednak zmniejszenie zasad pamięci podręcznej nie doprowadzi bezpośrednio do oszczędności kosztów. Liczba wystąpień klastra zależy od obciążenia procesora CPU i pozyskiwania, niezależnie od ilości danych przechowywanych w gorącej pamięci podręcznej. W związku z tym usunięcie danych z gorącej pamięci podręcznej nie spowoduje bezpośredniego skalowania klastra.
Zalecenia dotyczące niezawodności
Zalecenia dotyczące niezawodności pomagają zapewnić i poprawić ciągłość aplikacji krytycznych dla działania firmy. Zalecenia dotyczące niezawodności obejmują następujące elementy:
- Klaster używa podsieci bez delegowania
- Klaster używa podsieci z nieprawidłową konfiguracją adresu IP
- Nie można zainstalować lub wznowić klastra z powodu problemów z siecią wirtualną
Klaster używa podsieci bez delegowania
Silne zalecenie dotyczy klastra sieci wirtualnej, który używa podsieci bez delegowania dla "Microsoft.Kusto/clusters". Gdy delegujesz podsieć do klastra, możesz zezwolić tej usłudze na ustanowienie podstawowych reguł konfiguracji sieci dla podsieci, co ułatwia klastrowi działanie jego wystąpień w stabilny sposób.
Klaster używa podsieci z nieprawidłową konfiguracją adresu IP
Zalecenie jest przekazywane do klastra sieci wirtualnej, w którym podsieć jest również używana przez inne usługi. Zaleceniem jest usunięcie wszystkich innych usług z podsieci i użycie jej tylko dla klastra.
Nie można zainstalować lub wznowić klastra z powodu problemów z siecią wirtualną
Zalecenie jest podane dla klastra, który nie może zainstalować lub wznowić z powodu problemów z siecią wirtualną. Zaleca się użycie przewodnika rozwiązywania problemów z siecią wirtualną w celu rozwiązania problemu.
Powiązana zawartość
- Zarządzanie skalowaniem w poziomie klastra (skalowanie w poziomie) w usłudze Azure Data Explorer w celu dostosowania się do zmieniającego się zapotrzebowania
- Zarządzanie skalowaniem w pionie klastra (skalowanie w górę) w usłudze Azure Data Explorer w celu dostosowania się do zmieniającego się zapotrzebowania