Pochopení Stream Analytics monitorování úloh a postup monitorování dotazů
Úvod: stránka monitorování
Klíčové metriky výkonu Azure Portalch ploch, které se dají použít k monitorování a řešení problémů s výkonem a úlohami. Pokud se chcete podívat na tyto metriky, přejděte k Stream Analytics úlohy, které vás zajímá, zobrazit metriky pro a zobrazit část monitorování na stránce Přehled.
Okno se zobrazí, jak je znázorněno na následujícím obrázku:
Metriky dostupné pro Stream Analytics
| Metric | Definice |
|---|---|
| Nevyřízené události vstupu | Počet nevyřízených vstupních událostí. Nenulová hodnota této metriky znamená, že vaše úloha nebude moci udržovat počet příchozích událostí. Pokud je tato hodnota pomalá nebo stále nenulová, měli byste škálovat svou úlohu. Další informace najdete v tématu pochopení a úpravy jednotek streamování. |
| Chyby převodu dat | Počet výstupních událostí, které nebylo možné převést na očekávané výstupní schéma. Chcete-li odstranit události, které se vyskytnou v tomto scénáři, můžete změnit zásady chyb na možnost drop. |
| Využití procesoru v% (Preview) | Procento využití procesoru vaší úlohou I v případě, že je tato hodnota velmi vysoká (90% nebo vyšší), neměli byste zvýšit počet služby SUs na základě této metriky. Pokud se zvýší počet nevyřízených událostí vstupu nebo zpoždění meze, můžete tuto metriku využití CPU% použít k určení, jestli je procesor kritický. Je možné, že tato metrika má přerušované špičky. Doporučuje se provést testy škálování a určit horní mez úlohy, po jejímž uplynutí se vstupy dostanou do protokolu nebo se zpoždění vodoznaku zvyšuje kvůli kritickým hodnotám procesoru. |
| Události předčasného vstupu | Události, jejichž časové razítko aplikace je dřívější než doba jejich příchodu, o více než 5 minut. |
| Neúspěšné žádosti o funkce | Počet neúspěšných volání funkce Azure Machine Learning (Pokud je k dispozici). |
| Události funkcí | Počet událostí odeslaných do funkce Azure Machine Learning (Pokud je k dispozici). |
| Žádosti o funkce | Počet volání funkce Azure Machine Learning (Pokud je k dispozici). |
| Chyby při deserializaci vstupu | Počet vstupních událostí, které nebylo možné deserializovat. |
| Bajty vstupních událostí | Množství dat přijatých úlohou Stream Analytics v bajtech Tato možnost slouží k ověření, zda jsou události odesílány do vstupního zdroje. |
| Události vstupu | Počet záznamů odkonstruovaných ze vstupních událostí. Tento počet neobsahuje příchozí události, jejichž výsledkem jsou chyby deserializace. Stejné události lze ingestovat Stream Analytics ve scénářích, jako jsou interní obnovy a autojoin. Proto se doporučuje neočekávat vstupní události a metriky výstupních událostí, aby se shodovaly, pokud má vaše úloha jednoduchý dotaz Pass through. |
| Přijaté vstupní zdroje | Počet zpráv přijatých úlohou. V případě centra událostí je zpráva jedním EventDataem. V případě objektu BLOB je zpráva jedním objektem BLOB. Všimněte si, že vstupní zdroje jsou počítány před deserializací. Pokud dojde k chybám deserializace, mohou být vstupní zdroje větší než vstupní události. V opačném případě může být menší nebo rovno vstupním událostem, protože každá zpráva může obsahovat více událostí. |
| Zpožděné vstupní události | Události, které dorazily později než nakonfigurované okno tolerance zpožděného doručení. Přečtěte si další informace o Azure Stream Analyticsch důležitých informací o pořadí událostí . |
| Události mimo pořadí | Počet událostí, které byly přijaty mimo pořadí, které byly buď vyřazeny nebo předány upravenému časovému razítku, na základě zásad řazení událostí. To může být ovlivněno konfigurací nastavení okna mimo pořadí tolerance. |
| Výstupní události | Množství dat zaslaných úlohou Stream Analytics do cíle výstupu v rámci počtu událostí |
| Běhové chyby | Celkový počet chyb souvisejících se zpracováním dotazů (kromě chyb nalezených při ingestování událostí nebo výstupních výsledků) |
| Využití SU% | Procento paměti využívané vaší úlohou. Pokud je využití SU% konzistentně více než 80%, zpoždění vodoznaku roste a počet nevyřízených událostí roste, zvažte zvýšení počtu jednotek streamování. Vysoké využití indikuje, že úloha používá blízko maximálního počtu přidělených prostředků. |
| Zpoždění vodoznaku | Maximální prodleva vodoznaku napříč všemi oddíly všech výstupů v rámci úlohy. |
Pomocí těchto metrik můžete monitorovat výkon Stream Analytics úlohy.
Přizpůsobení monitorování v Azure Portal
V nastavení úprav grafu můžete upravit typ grafu, zobrazené metriky a časový rozsah. Podrobnosti najdete v tématu Postup přizpůsobení monitorování.
Poslední výstup
Další zajímavou datovou bodem pro monitorování vaší úlohy je čas posledního výstupu, který je zobrazený na stránce Přehled. Tentokrát je čas aplikace (tj. čas použití časového razítka z dat události) posledního výstupu úlohy.
Získání pomoci
Pokud potřebujete další pomoc, vyzkoušejte si naši stránku Microsoft Q&Azure Stream Analytics