Share via

Utiliser les recommandations d’Azure Advisor pour optimiser votre cluster Azure Data Explorer

  • Article

Azure Advisor analyse les configurations et la télémétrie d’utilisation d’un cluster Azure Data Explorer, et propose des recommandations personnalisées et exploitables pour vous aider à optimiser votre cluster.

Vous disposez de recommandations d’Azure Advisor

Il existe deux façons d’accéder aux recommandations d’Azure Advisor :

Visualiser les recommandations d’Azure Advisor pour votre cluster Azure Data Explorer

  1. Dans le portail Azure, accédez à la page de votre cluster Azure Data Explorer.

  2. Dans le menu de gauche, sous Supervision, sélectionnez Recommandations du conseiller. Une liste de recommandations s’ouvre pour ce cluster.

    Recommandations d’Azure Advisor pour votre cluster Azure Data Explorer.

Visualiser les recommandations d’Azure Advisor pour tous les clusters de votre abonnement

  1. Dans le portail Azure, accédez à la page Ressource Advisor.

  2. Dans Vue d’ensemble, sélectionnez un ou plusieurs abonnements pour lesquels vous voulez des recommandations.

  3. Sélectionnez Clusters Azure Data Explorer et Bases de données Azure Data Explorer dans la deuxième liste déroulante.

    Ressource Azure Advisor.

Utiliser les recommandations d’Azure Advisor

Il existe plusieurs types de recommandations d’Azure Advisor. Utilisez le type de recommandation approprié pour optimiser votre cluster.

  1. Dans Advisor, sous Recommandations, sélectionnez Coût pour les recommandations relatives au coût.

    Sélectionner un type de recommandation.

  2. Sélectionnez une recommandation dans la liste.

    Sélectionner une recommandation.

  3. La fenêtre suivante contient la liste des clusters pour lesquels la recommandation est pertinente. Les détails de la recommandation sont différents pour chaque cluster et incluent l’action recommandée.

    Liste de clusters avec des recommandations.

Types de recommandation

Les recommandations relatives aux coûts, aux performances, à la fiabilité et à l’excellence du service sont actuellement disponibles.

Important

Vos économies annuelles réelles peuvent varier. Les économies annuelles présentées sont basées sur les tarifs du paiement à l’utilisation. Ces économies potentielles ne prennent pas en compte les remises liées à la facturation des instances de machine virtuelle réservée Azure.

Recommandations en matière de coûts

Les recommandations relatives au coût sont disponibles pour les clusters qui peuvent être modifiés pour réduire les coûts sans compromettre les performances. Les recommandations relatives aux coûts sont les suivantes :

Cluster Azure Data Explorer en cours d’exécution inutilisé

Un cluster est considéré comme inutilisé et en cours d’exécution s’il est à l’état en cours d’exécution et qu’il n’a ni ingéré de données ni de requêtes d’exécution au cours des cinq derniers jours. Dans certains cas, les clusters peuvent être automatiquement arrêtés. Dans les cas suivants, le cluster ne s’arrête pas automatiquement et une recommandation s’affiche :

Il est recommandé d’arrêter le cluster afin de réduire les coûts mais tout en conservant les données. Si les données ne sont pas nécessaires, supprimez le cluster pour optimiser vos économies.

Cluster Azure Data Explorer en arrêté inutilisé

Un cluster est considéré comme inutilisé et arrêté s’il a été arrêté pendant au moins 60 jours.

Il est recommandé de supprimer le cluster afin de réduire les coûts.

Attention

Les clusters arrêtés peuvent quand même contenir des données. Avant de supprimer le cluster, vérifiez que vous n’avez plus besoin des données. Une fois le cluster supprimé, les données ne seront plus accessibles.

Modifier les clusters Data Explorer vers une référence SKU plus économique et plus performante

La recommandation Modifier Data Explorer clusters vers une référence SKU plus économique et plus performante est donnée à un cluster dont le cluster fonctionne sous une référence SKU non optimale. Cette référence SKU mise à jour devrait réduire vos coûts et améliorer les performances globales. Nous avons calculé le nombre de instance requis qui répondent aux exigences de cache de votre cluster, tout en veillant à ce que les performances ne soient pas affectées négativement.

Dans le cadre de la recommandation, nous vous recommandons d’activer la mise à l’échelle automatique optimisée si ce n’est pas encore activé. La mise à l’échelle automatique optimisée effectue une analyse plus approfondie des performances du cluster et, si nécessaire, effectue une mise à l’échelle supplémentaire du cluster. Cela se traduira par des réductions de coûts supplémentaires. Les recommandations de mise à l’échelle automatique optimisée incluent une recommandation Min et Max instance count. La valeur Max est définie sur le nombre de instance de référence SKU recommandé. Si le cluster a des plans de croissance organique, il est recommandé d’augmenter manuellement ce nombre maximal. Si la mise à l’échelle automatique optimisée est déjà configurée sur votre cluster, dans certains cas, la recommandation peut suggérer d’augmenter le nombre maximal de instance.

La recommandation de référence SKU prend en compte les définitions de zones actuelles d’un cluster et, si le cluster prend en charge les zones, recommande uniquement les références SKU cibles qui ont au moins deux zones. L’ajout de zones de disponibilité de calcul supplémentaires n’entraîne pas de coûts supplémentaires.

La recommandation de référence SKU advisor est mise à jour toutes les quelques heures. La recommandation vérifie la disponibilité de la capacité de la référence SKU sélectionnée dans la région. Toutefois, il est important de noter que la disponibilité de la capacité est dynamique et change au fil du temps.

Notes

La recommandation de référence SKU Advisor ne prend actuellement pas en charge les clusters avec des configurations de point de terminaison privé Réseau virtuel ou gérées.

Réduire la période de mise en cache des tables Azure Data Explorer

La recommandation Réduire la période de cache des tables Azure Data Explorer pour l’optimisation des coûts du cluster est donnée pour un cluster qui peut réduire la stratégie de cache de sa table. Cette recommandation est basée sur la période de recherches antérieures des requêtes des 30 derniers jours. Pour voir où des économies sont possibles, vous pouvez afficher les 5 tables les plus pertinentes par base de données pour des économies potentielles de cache. Cette recommandation est proposée seulement si le cluster peut effectuer un scale-in ou un scale-down après une modification de la stratégie de cache. Advisor vérifie si le cluster est « lié par les données », ce qui signifie que le cluster a une faible utilisation du processeur et de l’ingestion, mais qu’en raison d’une capacité de données élevée, le cluster ne peut pas faire l’objet d’un scale-in ou d’un scale-down.

Activer la mise à l’échelle automatique optimisée

La recommandation Activer la mise à l’échelle automatique optimisée est donnée quand l’activation de la mise à l’échelle automatique optimisée peut entraîner la réduction du nombre d’instances sur un cluster. Cette recommandation est basée sur les modèles d’utilisation, l’utilisation du cache, l’utilisation de l’ingestion et le processeur. Pour être sûr de ne pas dépasser votre budget planifié, ajoutez un nombre d’instances maximal quand vous activez la mise à l’échelle automatique optimisée.

Recommandations en matière de performances

Les recommandations liées aux performances permettent d’améliorer les performances de vos clusters Azure Data Explorer. Les recommandations relatives aux performances sont les suivantes :

Mettre à jour la stratégie de cache pour les tables Azure Data Explorer

La recommandation Revoir la stratégie de la période de mise en cache des tables Azure Data Explorer pour de meilleures performances est donnée pour un cluster qui nécessite un autre filtre temporel de recherches antérieures ou une stratégie de cache plus large. Cette recommandation est basée sur la période de recherches antérieures des requêtes des 30 derniers jours. La plupart des requêtes exécutées ces 30 derniers jours ont accédé aux données qui ne sont pas dans le cache, ce qui peut augmenter leur temps d’exécution. Vous pouvez afficher les 5 premières tables par base de données qui ont accédé aux données hors cache, classées en interrogeant le pourcentage.

Vous pouvez également obtenir une recommandation sur les performances pour réduire la stratégie de cache. Cela peut se produire si le cluster est lié par les données. Un cluster est lié par les données si les données à mettre en cache selon la stratégie de mise en cache dépassent la taille totale du cache du cluster. La réduction de la stratégie de cache pour les clusters liés par les données permet de réduire le nombre d’échecs dans le cache et d’améliorer potentiellement les performances.

Recommandations d’excellence opérationnelle

Les recommandations d’excellence opérationnelle ou de « bonnes pratiques » sont des recommandations dont l’implémentation n’améliore pas immédiatement les coûts ou les performances, mais qui peuvent être bénéfiques au cluster à l’avenir. Cela comprend la réduction de la stratégie de cache de table en fonction des modèles d’utilisation.

Réduire la stratégie de cache de table en fonction des modèles d’utilisation

Cette recommandation se concentre sur la mise à jour de la stratégie de cache en fonction de l’utilisation réelle au cours du dernier mois afin de réduire le cache chaud d’une table. Contrairement à la recommandation de coût précédente, cette recommandation particulière s’applique aux clusters où le nombre d’instances est déterminé par le processeur et la charge d’ingestion plutôt que par la quantité de données stockées dans le cache à chaud. Dans ce cas, la modification de la stratégie de cache seule est insuffisante pour réduire le nombre d’instances, et d’autres optimisations telles que la modification de la référence SKU, la réduction de la charge du processeur et l’activation de la mise à l’échelle automatique sont recommandées pour effectuer une mise à l’échelle efficace. Cette recommandation peut être utile pour les tables où la recherche de requête réelle basée sur les modèles d’utilisation est inférieure à la stratégie de cache configurée. Toutefois, la réduction de la stratégie de cache n’entraîne pas directement des économies de coûts. Le nombre d’instances de cluster est déterminé par le processeur et la charge d’ingestion, quelle que soit la quantité de données stockées dans le cache à chaud. Par conséquent, la suppression des données du cache à chaud n’entraîne pas directement la mise à l’échelle du cluster.

Recommandations en matière de fiabilité

Les recommandations de fiabilité vous aident à garantir et à améliorer la continuité de vos applications stratégiques. Les recommandations en matière de fiabilité sont les suivantes :

Le cluster utilise un sous-réseau sans délégation

La recommandation forte est donnée à un cluster de réseau virtuel qui utilise un sous-réseau sans délégation pour « Microsoft.Kusto/clusters ». Lorsque vous délèguez un sous-réseau à un cluster, vous autorisez ce service à établir des règles de configuration réseau de base pour le sous-réseau, ce qui aide le cluster à exploiter ses instances de manière stable.

Le cluster utilise un sous-réseau avec une configuration IP non valide

La recommandation est donnée à un cluster de réseau virtuel où le sous-réseau est également utilisé par d’autres services. Il est recommandé de supprimer tous les autres services du sous-réseau et de les utiliser uniquement pour votre cluster.

Échec de l’installation ou de la reprise du cluster en raison de problèmes de réseau virtuel

La recommandation est donnée à un cluster qui n’a pas pu installer ou reprendre en raison de problèmes de réseau virtuel. Il est recommandé d’utiliser le guide de résolution des problèmes de réseau virtuel pour résoudre le problème.

Contenu connexe