Monitorowanie pozyskiwania w kolejce za pomocą metryk
W procesie pozyskiwania w kolejce usługa Azure Data Explorer optymalizuje pozyskiwanie danych pod kątem wysokiej przepływności przez dzielenie przychodzących małych fragmentów danych na partie na podstawie konfigurowalnych zasad dzielenia na partie. Zasady przetwarzania wsadowego umożliwiają ustawienie warunków wyzwalacza do uszczelnienia partii (rozmiar danych, liczba obiektów blob lub czas upływu). Te partie są następnie optymalnie pozyskiwane w celu uzyskania szybkich wyników zapytań.
W tym artykule dowiesz się, jak używać metryk do monitorowania pozyskiwania w kolejce do usługi Azure Data Explorer w witrynie Azure Portal.
Etapy dzielenia na partie
Etapy opisane w tej sekcji dotyczą wszystkich pozyskiwania wsadowego. W przypadku usług Azure Event Grid, Azure Event Hubs, Azure IoT Hub i Cosmos DB pozyskiwania danych przed rozpoczęciem pozyskiwania danych połączenie danych pobiera dane ze źródeł zewnętrznych i wykonuje początkową kolejność danych.
Pozyskiwanie w kolejce odbywa się na etapach:
- Menedżer przetwarzania wsadowego nasłuchuje kolejki komunikatów pozyskiwania i przetwarza żądania.
- Menedżer przetwarzania wsadowego optymalizuje przepływność pozyskiwania, przyjmując fragmenty danych przychodzących, które odbierają i wsadowe adresy URL na podstawie zasad dzielenia na partie pozyskiwania danych.
- Menedżer pozyskiwania wysyła polecenia pozyskiwania do aparatu usługi Azure Data Explorer Storage.
- Aparat usługi Azure Data Explorer Storage przechowuje pozyskane dane, udostępniając je do wykonywania zapytań.
Usługa Azure Data Explorer udostępnia zestaw metryk pozyskiwania usługi Azure Monitor, dzięki czemu można monitorować pozyskiwanie danych na wszystkich etapach i składnikach procesu pozyskiwania w kolejce.
Metryki pozyskiwania w usłudze Azure Data Explorer zawierają szczegółowe informacje na temat:
- Wynik pozyskiwania w kolejce.
- Ilość pozyskanych danych.
- Opóźnienie pozyskiwania w kolejce i miejsce jego wystąpienia.
- Sam proces przetwarzania wsadowego.
- W przypadku pozyskiwania z usługi Event Hubs, usługi Event Grid i usługi IoT Hub: liczba odebranych zdarzeń.
W tym artykule dowiesz się, jak używać metryk pozyskiwania w witrynie Azure Portal do monitorowania pozyskiwania w kolejce do usługi Azure Data Explorer.
Wymagania wstępne
- Subskrypcja platformy Azure. Utwórz bezpłatne konto platformy Azure.
- Baza danych i klaster usługi Azure Data Explorer. Utwórz klaster i bazę danych.
- Aktywne pozyskiwanie w kolejce, takie jak Event Hubs, IoT Hub lub Event Grid.
Tworzenie wykresów metryk za pomocą eksploratora metryk usługi Azure Monitor
Poniżej przedstawiono ogólne wyjaśnienie sposobu używania metryk usługi Azure Monitor, które zostaną następnie zaimplementowane w kolejnych sekcjach. Wykonaj następujące kroki, aby utworzyć wykresy metryk za pomocą eksploratora metryk usługi Azure Monitor w witrynie Azure Portal:
Zaloguj się do witryny Azure Portal i przejdź do strony przeglądu klastra usługi Azure Data Explorer.
Wybierz pozycję Metryki na pasku nawigacyjnym po lewej stronie, aby otworzyć okienko metryk.
Otwórz panel selektora czasu w prawym górnym rogu okienka metryk i zmień zakres czasu na czas, który chcesz przeanalizować. W tym artykule analizujemy pozyskiwanie danych w usłudze Azure Data Explorer w ciągu ostatnich 48 godzin.
Wybierz zakres i przestrzeń nazw metryki:
- Zakres to nazwa klastra usługi Azure Data Explorer. W poniższym przykładzie użyjemy klastra o nazwie demo11.
- Przestrzeń nazw metryk powinna być ustawiona na metryki standardowe klastra Kusto. Jest to przestrzeń nazw zawierająca metryki usługi Azure Data Explorer.
Wybierz nazwę metryki i odpowiednią wartość agregacji.
W przypadku niektórych przykładów w tym artykule wybierzemy pozycję Dodaj filtr i Zastosuj podział dla metryk, które mają wymiary. Użyjemy również pozycji Dodaj metrykę , aby wykreślić inne metryki na tym samym wykresie i + Nowy wykres , aby wyświetlić wiele wykresów w jednym widoku.
Za każdym razem, gdy dodasz nową metrykę, powtórzysz kroki cztery i pięć.
Uwaga
Aby dowiedzieć się więcej na temat używania metryk do ogólnego monitorowania usługi Azure Data Explorer i sposobu pracy z okienkiem metryk, zobacz Monitorowanie wydajności, kondycji i użycia usługi Azure Data Explorer za pomocą metryk.
W tym artykule dowiesz się, które metryki mogą służyć do śledzenia pozyskiwania w kolejce i jak używać tych metryk.
Wyświetlanie wyniku pozyskiwania
Metryka Wynik pozyskiwania zawiera informacje o łącznej liczbie źródeł, które zostały pomyślnie pozyskane, oraz te, których nie można pozyskać.
W tym przykładzie użyjemy tej metryki, aby wyświetlić wynik naszych prób pozyskiwania i użyć informacji o stanie, aby ułatwić rozwiązywanie wszelkich nieudanych prób.
- W okienku Metryki w usłudze Azure Monitor wybierz pozycję Dodaj metrykę.
- Wybierz pozycję Wynik pozyskiwania jako wartość Metryka i Sumuj jako wartość Agregacja. Ten wybór pokazuje wyniki pozyskiwania w czasie w jednej linii wykresu.
- Wybierz przycisk Zastosuj dzielenie nad wykresem i wybierz pozycję Stan, aby podzielić wykres według stanu wyników pozyskiwania. Po wybraniu wartości podziału kliknij z dala od selektora podziału, aby go zamknąć.
Teraz informacje o metryce są podzielone według stanu i możemy zobaczyć informacje o stanie wyników pozyskiwania podzielonych na trzy wiersze:
- Niebieski dla pomyślnych operacji pozyskiwania.
- Pomarańczowy dla operacji pozyskiwania, które zakończyły się niepowodzeniem z powodu nie odnalezionej jednostki.
- Purpurowy dla operacji pozyskiwania, które zakończyły się niepowodzeniem z powodu nieprawidłowego żądania.
Podczas przeglądania wykresu wyników pozyskiwania należy wziąć pod uwagę następujące kwestie:
- W przypadku korzystania z centrum zdarzeń lub pozyskiwania centrum IoT w składniku połączenie danych istnieje wstępnie agregacja zdarzeń. Na tym etapie pozyskiwania zdarzenia są traktowane jako pojedyncze źródło do pozyskiwania. W związku z tym kilka zdarzeń jest wyświetlanych jako pojedynczy wynik pozyskiwania po wstępnej agregacji.
- Błędy przejściowe są ponawiane wewnętrznie w ograniczonej liczbie prób. Każdy błąd przejściowy jest zgłaszany jako wynik przejściowego pozyskiwania. Dlatego pojedyncze pozyskiwanie może prowadzić do więcej niż jednego wyniku pozyskiwania.
- Błędy pozyskiwania na wykresie są wyświetlane według kategorii kodu błędu. Aby wyświetlić pełną listę kodów błędów pozyskiwania według kategorii i lepiej zrozumieć możliwą przyczynę błędu, zobacz Kody błędów pozyskiwania w usłudze Azure Data Explorer.
- Aby uzyskać więcej informacji na temat błędu pozyskiwania, możesz ustawić dzienniki diagnostyczne pozyskiwania nieudanych operacji pozyskiwania. Ważne jest jednak, aby wziąć pod uwagę, że generowanie dzienników powoduje utworzenie dodatkowych zasobów, a zatem wzrost COGS (koszt sprzedanych towarów).
Wyświetlanie ilości pozyskanych danych
Przetworzone obiekty blob, odebrane obiekty blob i porzucone metryki obiektów blob zawierają informacje o liczbie przetworzonych, odebranych i porzuconych przez składniki pozyskiwania w ramach etapów pozyskiwania w kolejce.
W tym przykładzie użyjemy tych metryk, aby zobaczyć, ile danych przekazano przez potok pozyskiwania, ile danych odebrano przez składniki pozyskiwania i ile danych zostało porzuconych.
Przetworzone obiekty blob
- W okienku Metryki w usłudze Azure Monitor wybierz pozycję Dodaj metrykę.
- Wybierz pozycję Obiekty blob Przetworzone jako wartość Metryka i Sumuj jako wartość agregacji.
- Wybierz przycisk Zastosuj dzielenie i wybierz pozycję Typ składnika, aby podzielić wykres według różnych składników pozyskiwania.
- Aby skoncentrować się na określonej bazie danych w klastrze, wybierz przycisk Dodaj filtr nad wykresem, a następnie wybierz wartości bazy danych do uwzględnienia podczas kreślenia wykresu. W tym przykładzie filtrujemy obiekty blob wysyłane do bazy danych Usługi GitHub, wybierając pozycję Baza danych jako właściwość,= operator i gitHub na liście rozwijanej Wartości. Po wybraniu wartości filtru kliknij z dala od selektora filtru, aby go zamknąć.
Teraz wykres pokazuje, ile obiektów blob wysłanych do bazy danych GitHub zostało przetworzonych w każdym ze składników pozyskiwania w czasie.
- Zauważ, że w dniu 13 lutego nastąpił spadek liczby obiektów blob, które zostały pozyskane do bazy danych GitHub w czasie. Należy również zauważyć, że liczba obiektów blob przetworzonych w poszczególnych składnikach jest podobna, co oznacza, że w przybliżeniu wszystkie dane przetwarzane w składniku połączenie danych również zostały pomyślnie przetworzone przez składniki Menedżera przetwarzania wsadowego, Menedżera pozyskiwania i aparatu usługi Azure Data Explorer Storage. Te dane są gotowe do wykonywania zapytań.
Odebrane obiekty blob
Aby lepiej zrozumieć relację między liczbą obiektów blob, które zostały odebrane w każdym składniku i liczbą obiektów blob, które zostały pomyślnie przetworzone w każdym składniku, dodamy nowy wykres:
- Wybierz pozycję + Nowy wykres.
- Wybierz te same wartości co powyżej dla pozycji Zakres, Przestrzeń nazw metryk i Agregacja, a następnie wybierz metryki Odebrane obiekty blob.
- Wybierz przycisk Zastosuj dzielenie i wybierz pozycję Typ składnika, aby podzielić metryki Odebrane obiekty blob według typu składnika.
- Wybierz przycisk Dodaj filtr i ustaw te same wartości co wcześniej, aby filtrować tylko obiekty blob wysyłane do bazy danych GitHub.
- Porównując wykresy, zwróć uwagę, że liczba obiektów blob odebranych przez każdy składnik jest ściśle zgodna z liczbą obiektów blob przetworzonych przez każdy składnik. To porównanie wskazuje, że żadne obiekty blob nie zostały usunięte podczas pozyskiwania.
Porzucone obiekty blob
Aby określić, czy podczas pozyskiwania zostały usunięte obiekty blob, należy przeanalizować metryki Porzucone obiekty blob. Ta metryka pokazuje, ile obiektów blob zostało porzuconych podczas pozyskiwania i pomaga wykryć, czy wystąpił problem z przetwarzaniem w określonym składniku pozyskiwania. Dla każdego porzuconego obiektu blob uzyskasz również metryka Wynik pozyskiwania z więcej informacji na temat przyczyny niepowodzenia.
Wyświetlanie opóźnienia pozyskiwania
Metryki Opóźnienie etapu i Opóźnienie odnajdywania monitorują opóźnienie w procesie pozyskiwania i informują, czy w usłudze Azure Data Explorer występują jakieś długie opóźnienia, czy przed nadejściem danych do usługi Azure Data Explorer na potrzeby pozyskiwania.
- Opóźnienie etapu wskazuje przedział czasu od momentu odnalezienia komunikatu przez usługę Azure Data Explorer do momentu odebrania jej zawartości przez składnik pozyskiwania na potrzeby przetwarzania.
- Opóźnienie odnajdywania jest używane w przypadku potoków pozyskiwania z połączeniami danych (takimi jak centrum zdarzeń, centrum IoT i usługa Event Grid). Ta metryka zawiera informacje o przedziale czasu od kolejkowania danych do czasu odnajdywania przez połączenia danych usługi Azure Data Explorer. Ten przedział czasu jest nadrzędny w usłudze Azure Data Explorer, dlatego nie jest uwzględniony w metryce Opóźnienie etapu, która mierzy tylko opóźnienie w usłudze Azure Data Explorer.
Uwaga
Zgodnie z domyślnymi zasadami dzielenia na partie domyślny czas dzielenia na partie wynosi pięć minut. W związku z tym, jeśli partia nie jest zapieczętowana przez inne wyzwalacze, partia zostanie zapieczętowana po pięciu minutach.
Jeśli zobaczysz długie opóźnienie, dopóki dane nie będą gotowe do wysłania zapytania, analizowanie opóźnienia etapu i opóźnienia odnajdywania może pomóc w zrozumieniu, czy długie opóźnienie jest spowodowane długim opóźnieniem w usłudze Azure Data Explorer, czy też jest nadrzędne w usłudze Azure Data Explorer. Gdy opóźnienie znajduje się w samej usłudze Azure Data Explorer, możesz również wykryć określony składnik odpowiedzialny za długie opóźnienie.
Opóźnienie etapu (wersja zapoznawcza)
Najpierw przyjrzyjmy się opóźnieniu etapu pozyskiwania w kolejce. Aby zapoznać się z wyjaśnieniem każdego etapu, zobacz Etapy przetwarzania wsadowego.
- W okienku Metryki w usłudze Azure Monitor wybierz pozycję Dodaj metrykę.
- Wybierz pozycję Opóźnienie etapu jako wartość Metryka i Średnia jako wartość Agregacja .
- Wybierz przycisk Zastosuj dzielenie i wybierz pozycję Typ składnika, aby podzielić wykres według różnych składników pozyskiwania.
- Wybierz przycisk Dodaj filtr i odfiltruj dane wysyłane do bazy danych GitHub. Po wybraniu wartości filtru kliknij z dala od selektora filtru, aby go zamknąć. Teraz wykres przedstawia opóźnienie operacji pozyskiwania wysyłanych do bazy danych Usługi GitHub w każdej ze składników przez pozyskiwanie w czasie:
Na tym wykresie możemy powiedzieć następujące informacje:
- Opóźnienie składnika połączenia danych usługi Event Hubs wynosi około 0 sekund. Ma to sens, ponieważ opóźnienie etapu mierzy opóźnienie tylko wtedy, gdy komunikat zostanie odnaleziony przez usługę Azure Data Explorer.
- Najdłuższy czas procesu pozyskiwania (około 5 minut) trwa od momentu odebrania danych przez składnik Menedżera pozyskiwania w usłudze Batching Manager do momentu odebrania danych przez składnik Menedżera pozyskiwania. W tym przykładzie używamy domyślnych zasad dzielenia na partie dla bazy danych GitHub . Jak wspomniano, limit czasu opóźnienia dla domyślnych zasad dzielenia na partie wynosi 5 minut, więc najprawdopodobniej oznacza to, że prawie wszystkie dane zostały wsadowe według czasu, a większość czasu opóźnienia pozyskiwania w kolejce wynikała z samego dzielenia na partie.
- Opóźnienie aparatu magazynu na wykresie reprezentuje opóźnienie, dopóki dane nie będą przechowywane w a aparatze usługi Azure Data Explorer Storage i są gotowe do wykonywania zapytań. Możesz zobaczyć, że średnie całkowite opóźnienie od czasu odnajdywania danych przez usługę Azure Data Explorer do momentu przygotowania zapytania do 5,2 minuty.
Opóźnienie odnajdywania
Jeśli używasz pozyskiwania danych z połączeniami danych, możesz oszacować opóźnienie nadrzędne w usłudze Azure Data Explorer w czasie, ponieważ długie opóźnienie może również wystąpić, zanim usługa Azure Data Explorer pobierze dane do pozyskiwania. W tym celu można użyć metryki Opóźnienie odnajdywania .
- Wybierz pozycję + Nowy wykres.
- Wybierz pozycję Opóźnienie odnajdywania jako wartość Metryka i Średnia jako wartość Agregacja .
- Wybierz przycisk Zastosuj dzielenie i wybierz pozycję Typ składnika, aby podzielić wykres według różnych typów składników połączenia danych. Po wybraniu wartości podziału kliknij z dala od selektora podziału, aby go zamknąć.
- Widać, że przez większość czasu trwania opóźnienie odnajdywania wynosi blisko 0 sekund, co oznacza, że usługa Azure Data Explorer otrzymała dane tuż po kolejce danych. Najwyższy szczyt około 300 milisekund wynosi około 13 lutego o godzinie 14:00, co oznacza, że w tej chwili klaster usługi Azure Data Explorer otrzymał dane około 300 milisekund po zapisaniu danych.
Omówienie procesu przetwarzania wsadowego
W drugim etapie przepływu pozyskiwania w kolejce składnik Batching Manager optymalizuje przepływność pozyskiwania, wsadując dane odbierane na podstawie zasad pozyskiwania wsadowego.
Poniższy zestaw metryk pomaga zrozumieć, jak dane są wsadowe podczas pozyskiwania:
- Przetworzone partie: liczba partii zakończonych do pozyskiwania.
- Rozmiar partii: szacowany rozmiar nieskompresowanych danych w partii zagregowanej do pozyskiwania.
- Czas trwania partii: czas trwania każdej partii od momentu otwarcia partii do momentu zamknięcia partii.
- Liczba obiektów blob wsadowych: liczba obiektów blob w ukończonej partii na potrzeby pozyskiwania.
Przetworzone partie
Zacznijmy od ogólnego widoku procesu przetwarzania wsadowego, patrząc na metryki przetworzone przez usługi Batches.
- W okienku Metryki w usłudze Azure Monitor wybierz pozycję Dodaj metrykę.
- Wybierz pozycję Partie Przetworzone jako wartość Metryka i Sumujjako wartość Agregacja .
- Wybierz przycisk Zastosuj dzielenie i wybierz pozycję Typ dzielenia wsadowego, aby podzielić wykres na podstawie przyczyny zapieczętowania partii. Aby uzyskać pełną listę typów przetwarzania wsadowego, zobacz Typy wsadowe.
- Wybierz przycisk Dodaj filtr i odfiltruj partie wysyłane do bazy danych GitHub. Po wybraniu wartości filtru kliknij z dala od selektora filtru, aby go zamknąć.
Wykres przedstawia liczbę zapieczętowanych partii z danymi wysyłanymi do bazy danych GitHub w czasie podzieloną przez typ przetwarzania wsadowego.
- Zwróć uwagę, że w czasie istnieją 2–4 partie na jednostkę czasu, a wszystkie partie są zapieczętowane według czasu zgodnie z oszacowaniem w sekcji Opóźnienie etapu, w której można zobaczyć, że przetwarzanie danych wsadowych na podstawie domyślnych zasad dzielenia na partie zajmuje około 5 minut.
Czas trwania, rozmiar i liczba obiektów blob wsadowych
Teraz dokładniej scharakteryzujmy przetworzone partie.
- Wybierz przycisk + Dodaj wykres dla każdego wykresu, aby utworzyć więcej wykresów dla wartości Metryki Czas trwania, Rozmiar partii i Liczba obiektów blob wsadowych.
- Użyj wartości Avg (Średnia ) jako wartości Agregacji .
- Tak jak w poprzednim przykładzie, wybierz przycisk Dodaj filtr i odfiltruj dane wysyłane do bazy danych GitHub .
Na wykresach Czas trwania partii, Rozmiar partii i Liczba obiektów blob wsadowych możemy podsumować pewne szczegółowe informacje:
Średni czas trwania partii wynosi pięć minut (zgodnie z domyślnymi zasadami dzielenia na partie). Należy wziąć to pod uwagę podczas przeglądania całkowitego opóźnienia pozyskiwania.
Na wykresie Rozmiar partii widać, że średni rozmiar partii wynosi około 200–500 MB w czasie. Optymalny rozmiar danych do pozyskiwania to 1 GB nieskompresowanych danych, a ten rozmiar jest również definiowany jako warunek uszczelnienia domyślnie. Ponieważ nie ma 1 GB danych do dzielenia na partie w czasie, nie widzimy żadnych partii zapieczętowanych według rozmiaru.
Średnia liczba obiektów blob w partiach wynosi około 160 obiektów blob w czasie, co zmniejsza się do 60–120 obiektów blob. Na podstawie domyślnych zasad dzielenia na partie partia może zapieczętować, gdy liczba obiektów blob wynosi 1000 obiektów blob. Ponieważ nie docieramy do tej liczby, nie widzimy partii zapieczętowanych według liczby.
Porównywanie zdarzeń odebranych do zdarzeń wysyłanych do pozyskiwania
Podczas stosowania centrum zdarzeń, centrum IoT lub pozyskiwania usługi Event Grid warto porównać liczbę zdarzeń odebranych przez usługę Azure Data Explorer do liczby zdarzeń wysyłanych ze źródła zdarzeń do usługi Azure Data Explorer. Metryki Odebrane zdarzenia, Przetworzone zdarzenia i Zdarzenia porzucone umożliwiają wykonanie tego porównania.
Odebrane zdarzenia
- W okienku Metryki w usłudze Azure Monitor wybierz pozycję Dodaj metrykę.
- Wybierz pozycję Zdarzenia odebrane jako wartość Metryka i Sumujjako wartość agregacji .
- Wybierz przycisk Dodaj filtr nad wykresem i wybierz wartość właściwościNazwa składnika, aby filtrować zdarzenia odebrane przez określone połączenie danych zdefiniowane w klastrze. W tym przykładzie filtrujemy połączenie danych GitHubStreamingEvents . Po wybraniu wartości filtru kliknij z dala od selektora filtru, aby go zamknąć.
Teraz wykres przedstawia liczbę zdarzeń odebranych przez wybrane połączenie danych w czasie:
- Na tym wykresie połączenie danych GitHubStreamingEvents odbiera około 200–500 zdarzeń na jednostkę czasu w czasie.
Zdarzenia przetworzone i porzucone zdarzenia
Aby sprawdzić, czy jakiekolwiek zdarzenia zostały porzucone przez usługę Azure Data Explorer, użyj metryk Przetworzone zdarzenia i Porzucone zdarzenia.
- Na utworzonym wykresie wybierz pozycję Dodaj metryki.
- Wybierz pozycję Zdarzenia Przetworzone jako wartość Metryka i Sumuj jako wartość agregacji.
- Wybierz ponownie pozycję Dodaj metryki i wybierz pozycję Zdarzenia porzucone jako wartość Metryka i Sumujjako wartość agregacji.
Wykres przedstawia teraz liczbę zdarzeń, które zostały odebrane, przetworzone i porzucone przez połączenie danych GitHubStreamingEvents w czasie.
- Prawie wszystkie odebrane zdarzenia zostały pomyślnie przetworzone przez połączenie danych. Istnieje jedno zdarzenie porzucone, które jest zgodne z wynikiem nieudanego pozyskiwania z powodu nieprawidłowego żądania, które widzieliśmy podczas wyświetlania metryki wyniku pozyskiwania.
Porównanie zdarzeń odebranych w usłudze Azure Data Explorer do komunikatów wychodzących z centrum zdarzeń
Możesz również porównać liczbę zdarzeń odebranych do liczby zdarzeń wysłanych z centrum zdarzeń do usługi Azure Data Explorer, porównując metryki Odebrane zdarzenia i Komunikaty wychodzące.
Na wykresie, który został już utworzony dla odebranych zdarzeń, wybierz pozycję Dodaj metryki.
Wybierz pozycję Zakres i w oknie dialogowym Wybierz zakres , wyszukaj i wybierz przestrzeń nazw centrum zdarzeń, która wysyła dane do połączenia danych.
Wybierz Zastosuj
Wybierz pozycję Komunikaty wychodzące jako wartość Metryka i Sumujjako wartość Agregacja .
Kliknij z dala od ustawień, aby uzyskać pełny wykres, który porównuje liczbę zdarzeń przetwarzanych przez połączenie danych usługi Azure Data Explorer z liczbą zdarzeń wysyłanych z centrum zdarzeń.
- Zwróć uwagę, że wszystkie zdarzenia wysłane z centrum zdarzeń zostały pomyślnie przetworzone przez połączenie danych usługi Azure Data Explorer.
- Jeśli masz więcej niż jedno centrum zdarzeń w przestrzeni nazw centrum zdarzeń, należy filtrować metryki Komunikaty wychodzące według wymiaru Nazwa jednostki, aby pobrać tylko dane z żądanego centrum zdarzeń w przestrzeni nazw centrum zdarzeń.
Uwaga
Nie ma możliwości monitorowania komunikatów wychodzących dla grupy odbiorców. Metryka Komunikaty wychodzące zlicza łączną liczbę komunikatów, które zostały zużyte przez wszystkie grupy odbiorców. Jeśli więc masz kilka grup odbiorców w centrum zdarzeń, może zostać wyświetlona większa liczba komunikatów wychodzących niż odebrane zdarzenia.