Övervaka Azure Databricks
Azure Databricks är en snabb, kraftfull Apache Spark– baserad analystjänst som gör det enkelt att snabbt utveckla och distribuera lösningar för stordataanalys och artificiell intelligens (AI). Många användare drar nytta av enkelheten i notebook-filer i sina Azure Databricks-lösningar. För användare som kräver mer robusta databehandlingsalternativ stöder Azure Databricks distribuerad körning av anpassad programkod.
Övervakning är en viktig del av alla lösningar på produktionsnivå, och Azure Databricks erbjuder robusta funktioner för övervakning av anpassade programmått, strömmande frågehändelser och programloggmeddelanden. Azure Databricks kan skicka dessa övervakningsdata till olika loggningstjänster.
Följande artiklar visar hur du skickar övervakningsdata från Azure Databricks till Azure Monitor, plattformen för övervakningsdata för Azure.
- Skicka Azure Databricks-programloggar till Azure Monitor
- Använda instrumentpaneler för att visualisera Azure Databricks-mått
- Felsöka flaskhalsar i prestanda
Kodbiblioteket som medföljer dessa artiklar utökar de grundläggande övervakningsfunktionerna i Azure Databricks för att skicka Spark-mått, händelser och loggningsinformation till Azure Monitor.
Målgruppen för dessa artiklar och det tillhörande kodbiblioteket är Apache Spark- och Azure Databricks-lösningsutvecklare. Koden måste vara inbyggd i JAVA-arkivfiler (JAR) och sedan distribueras till ett Azure Databricks-kluster. Koden är en kombination av Scala- och Java, med en motsvarande uppsättning Maven POM-filer (Project Object Model) för att skapa JAR-utdatafilerna. Förståelse för Java, Scala och Maven rekommenderas som förutsättningar.
Nästa steg
Börja med att skapa kodbiblioteket och distribuera det till ditt Azure Databricks-kluster.