Az Azure Monitor beállítása a Python-alkalmazáshoz

Azure Monitor támogatja a Python-alkalmazások elosztott nyomkövetését, metrikagyűjtését és naplózását.

A Microsoft a Python-alkalmazások adatainak nyomon követésére és exportálására az Opencensus Python SDK-n keresztül támogatott megoldás a Azure Monitor segítségével.

A Pythonhoz készült egyéb telemetriai SZOFTVERDK-k NEM TÁMOGATOTTak, és a Microsoft NEM ajánlott telemetriai megoldásként használni.

Lehet, hogy azt már tudja, hogy az OpenCensus az OpenTelemetry -be konvergáns. Továbbra is javasoljuk azonban az OpenCensus használatát, miközben az OpenTelemetry fokozatosan érlel.

Előfeltételek

  • Azure-előfizetés. Ha még nincs Azure-előfizetése, kezdés előtt hozzon létre egy ingyenes fiókot.
  • Python-telepítés. Ez a cikk a Python 3.7.0-sverzióját használja, bár más verziók valószínűleg kisebb módosításokkal is működnek. Az Opencensus Python SDK csak a Python 2.7-es és 3.4-es vagy további verzióját támogatja.
  • Hozzon létre egy Application Elemzések erőforrást. A rendszer saját eszközkulcsot (ikey) rendel hozzá az erőforráshoz.

Az Opencensus Python SDK bevezetése

Az OpenCensus nyílt forráskódú kódtárak készlete, amely lehetővé teszi az elosztott nyomkövetés, a metrikák és a naplózási telemetria gyűjtését. A gyűjtött telemetria Azure Monitorsegítségével elküldhető az Application Insightsba. Ez a cikk végigvezeti az OpenCensus és a Pythonhoz készült Azure Monitor beállításának folyamatán, hogy a monitorozási adatokat a Azure Monitor.

Az OpenCensus Python SDK és Azure Monitor eszközök

Telepítse az OpenCensus Azure Monitor-t:

python -m pip install opencensus-ext-azure

Megjegyzés

A python -m pip install opencensus-ext-azure parancs feltételezi, hogy beállított egy környezeti változót a PATH Python-telepítéshez. Ha még nem konfigurálta ezt a változót, meg kell adni a pythonos végrehajtható fájl helyének teljes könyvtárát. Az eredmény egy ehhez hasonló parancs: C:\Users\Administrator\AppData\Local\Programs\Python\Python37-32\python.exe -m pip install opencensus-ext-azure .

Az SDK három különböző Azure Monitor használ, hogy különböző típusú telemetriai adatokat küldjön a Azure Monitor. Ezek a nyomkövetés, a metrikák és a naplók. Ezekről a telemetriai típusokról az adatplatform áttekintésében talál további információt. Az alábbi utasításokat követve küldheti el ezeket a telemetriatípusokat a három tippen keresztül.

Telemetriatípus-leképezések

Az OpenCensus által a 2012-ban látható telemetriatípusokra leképezett a Azure Monitor.

A megfigyelhetőség alappillére Telemetria típusa a Azure Monitor Magyarázat
Naplók Nyomkövetések, kivételek, customEvents Naplózási telemetria, kivételtelemetelemetia, esemény-telemetria
Mérőszámok customMetrics, performanceCounters Egyéni metrikák teljesítményszámlálói
Nyomkövetés Kérelmek függőségei Bejövő kérések, kimenő kérelmek

Naplók

  1. Először is hozzunk létre néhány helyi naplóadatot.

    import logging
    
    logger = logging.getLogger(__name__)
    
    def valuePrompt():
        line = input("Enter a value: ")
        logger.warning(line)
    
    def main():
        while True:
            valuePrompt()
    
    if __name__ == "__main__":
        main()
    
  2. A kód folyamatosan kér egy értéket. A rendszer minden bevitt értékhez naplóbejegyzést bocsát ki.

    Enter a value: 24
    24
    Enter a value: 55
    55
    Enter a value: 123
    123
    Enter a value: 90
    90
    
  3. Bár az értékek megadása bemutató célokra hasznos, végső soron a naplóadatokat a Azure Monitor. Adja át a kapcsolati sztringet közvetlenül a kávénak. Azt is megadhatja egy környezeti változóban( APPLICATIONINSIGHTS_CONNECTION_STRING ). Módosítsa az előző lépésben lekért kódot az alábbi mintakód alapján:

    import logging
    from opencensus.ext.azure.log_exporter import AzureLogHandler
    
    logger = logging.getLogger(__name__)
    
    # TODO: replace the all-zero GUID with your instrumentation key.
    logger.addHandler(AzureLogHandler(
        connection_string='InstrumentationKey=00000000-0000-0000-0000-000000000000')
    )
    
    def valuePrompt():
        line = input("Enter a value: ")
        logger.warning(line)
    
    def main():
        while True:
            valuePrompt()
    
    if __name__ == "__main__":
        main()
    
  4. A gyártó naplóadatokat küld a Azure Monitor. Az adatokat a alatt traces találja.

    Megjegyzés

    Ebben a környezetben traces a nem ugyanaz, mint tracing a . Itt a az által használt telemetriatípusra utal, amely a Azure Monitor traces fog AzureLogHandler látni. Az OpenCensus egyik fogalmára hivatkozik, és az elosztott tracing nyomkövetésre vonatkozik.

    Megjegyzés

    A gyökérnaplózó a FIGYELMEZTETÉS szinttel van konfigurálva. Ez azt jelenti, hogy a rendszer figyelmen kívül hagyja a kisebb súlyosságú elküldött naplókat, és nem küldi el azokat a Azure Monitor. További információt a dokumentációban talál.

  5. Az extra kulcsszó argumentumban egyéni tulajdonságokat is hozzáadhat a naplóüzenethez a custom_dimensions használatával. Ezek a tulajdonságok kulcs-érték párokként jelennek meg a customDimensions Azure Monitor.

    Megjegyzés

    Ahhoz, hogy ez a funkció működjön, át kell adni egy szótárt a custom_dimensions mezőnek. Ha bármilyen más típusú argumentumot ad át, a naplózó figyelmen kívül hagyja őket.

    import logging
    
    from opencensus.ext.azure.log_exporter import AzureLogHandler
    
    logger = logging.getLogger(__name__)
    # TODO: replace the all-zero GUID with your instrumentation key.
    logger.addHandler(AzureLogHandler(
        connection_string='InstrumentationKey=00000000-0000-0000-0000-000000000000')
    )
    
    properties = {'custom_dimensions': {'key_1': 'value_1', 'key_2': 'value_2'}}
    
    # Use properties in logging statements
    logger.warning('action', extra=properties)
    

Naplózás konfigurálása Django-alkalmazásokhoz

Explicit módon konfigurálhatja a naplózást az alkalmazáskódban a fenti módon a Django-alkalmazásokhoz, vagy megadhatja a Django naplózási konfigurációjában. Ez a kód a Django-beállítások konfiguráláshoz használt fájlba kerül. A Django-beállítások konfigurálásért lásd: Django-beállítások. A naplózás konfigurálásával kapcsolatos további információkért lásd: Django-naplózás.

LOGGING = {
    "handlers": {
        "azure": {
            "level": "DEBUG",
        "class": "opencensus.ext.azure.log_exporter.AzureLogHandler",
            "instrumentation_key": "<your-ikey-here>",
         },
        "console": {
            "level": "DEBUG",
            "class": "logging.StreamHandler",
            "stream": sys.stdout,
         },
      },
    "loggers": {
        "logger_name": {"handlers": ["azure", "console"]},
    },
}

Győződjön meg arról, hogy a naplózó neve megegyezik a konfigurációban megadott névvel.

import logging

logger = logging.getLogger("logger_name")
logger.warning("this will be tracked")

Kivételek küldése

Az OpenCensus Python nem követi és továbbítja automatikusan a exception telemetriai adatokat. A rendszer kivételekkel küldi el őket AzureLogHandler a Python naplózási kódtárán keresztül. A normál naplózáshoz hasonló módon adhat hozzá egyéni tulajdonságokat.

import logging

from opencensus.ext.azure.log_exporter import AzureLogHandler

logger = logging.getLogger(__name__)
# TODO: replace the all-zero GUID with your instrumentation key.
logger.addHandler(AzureLogHandler(
    connection_string='InstrumentationKey=00000000-0000-0000-0000-000000000000')
)

properties = {'custom_dimensions': {'key_1': 'value_1', 'key_2': 'value_2'}}

# Use properties in exception logs
try:
    result = 1 / 0  # generate a ZeroDivisionError
except Exception:
    logger.exception('Captured an exception.', extra=properties)

Mivel explicit módon kell naplóznunk a kivételeket, a felhasználónak kell naplóznunk a nem kezelt kivételeket. Az OpenCensus nem korlátozza, hogy a felhasználó hogyan szeretné ezt megtenni, ha explicit módon naplóz kivételtelemetelemetiát.

Események küldése

A telemetriát ugyanúgy küldheti el, mint a telemetriát, kivéve customEvent trace a AzureEventHandler használatával.

import logging

from opencensus.ext.azure.log_exporter import AzureEventHandler

logger = logging.getLogger(__name__)
logger.addHandler(AzureEventHandler(connection_string='InstrumentationKey=<your-instrumentation_key-here>'))
logger.setLevel(logging.INFO)
logger.info('Hello, World!')

Mintavételezés

Az OpenCensus mintavételezésére vonatkozó információkért nézze meg a mintavételezést az OpenCensusban.

Napló-összefüggések

A naplók nyomkövetési környezeti adatokkal való gazdagításával kapcsolatos részletekért lásd: OpenCensus Python-naplók integrációja.

Telemetria módosítása

A nyomonott telemetria a telemetriáknak a Azure Monitor való elküldését megelőző módosításával kapcsolatos részletekért lásd: OpenCensus Python telemetriafeldolgozók.

Mérőszámok

Az OpenCensus.stats 4 összesítési metódust támogat, de részleges támogatást nyújt a Azure Monitor:

  • Darabszám: A mérési pontok száma. Az érték kumulatív, csak az újraindításkor növekedhet, és 0-ra állítható vissza.
  • Összeg: A mérési pontok összege. Az érték kumulatív, csak az újraindításkor növekedhet, és 0-ra állítható vissza.
  • LastValue (Utolsó érték): Megtartja az utolsó rögzített értéket, minden mást pedig eldob.
  • Terjesztés: A mérési pontok hisztogram-eloszlása. Ezt a módszert NEM támogatja az Azure-beli a)..

Példa count aggregation (Számösszesítő)

  1. Először is hozzunk létre néhány helyi metrikaadatot. Létrehozunk egy egyszerű metrikát, amely nyomon követi, hogy a felhasználó hányszor választja ki az Enter billentyűt.

    from datetime import datetime
    from opencensus.stats import aggregation as aggregation_module
    from opencensus.stats import measure as measure_module
    from opencensus.stats import stats as stats_module
    from opencensus.stats import view as view_module
    from opencensus.tags import tag_map as tag_map_module
    
    stats = stats_module.stats
    view_manager = stats.view_manager
    stats_recorder = stats.stats_recorder
    
    prompt_measure = measure_module.MeasureInt("prompts",
                                               "number of prompts",
                                               "prompts")
    prompt_view = view_module.View("prompt view",
                                   "number of prompts",
                                   [],
                                   prompt_measure,
                                   aggregation_module.CountAggregation())
    view_manager.register_view(prompt_view)
    mmap = stats_recorder.new_measurement_map()
    tmap = tag_map_module.TagMap()
    
    def prompt():
        input("Press enter.")
        mmap.measure_int_put(prompt_measure, 1)
        mmap.record(tmap)
        metrics = list(mmap.measure_to_view_map.get_metrics(datetime.utcnow()))
        print(metrics[0].time_series[0].points[0])
    
    def main():
        while True:
            prompt()
    
    if __name__ == "__main__":
        main()
    
  2. A kód ismételt futtatása arra kéri, hogy válassza az Enter billentyűt. Létrejön egy metrika, amely nyomon követi, hogy az Enter hány alkalommal van kiválasztva. Minden bejegyzésnél nő az érték, és a metrikák adatai megjelennek a konzolon. Az információk között szerepel az aktuális érték és a metrika frissítésének aktuális időbélyege.

    Press enter.
    Point(value=ValueLong(5), timestamp=2019-10-09 20:58:04.930426)
    Press enter.
    Point(value=ValueLong(6), timestamp=2019-10-09 20:58:06.570167)
    Press enter.
    Point(value=ValueLong(7), timestamp=2019-10-09 20:58:07.138614)
    
  3. Bár az értékek megadása bemutató célokra hasznos, végső soron a metrikaadatokat a Azure Monitor. Adja át a kapcsolati sztringet közvetlenül a kávénak. Azt is megadhatja egy környezeti változóban( APPLICATIONINSIGHTS_CONNECTION_STRING ). Módosítsa az előző lépésben lekért kódot az alábbi mintakód alapján:

    from datetime import datetime
    from opencensus.ext.azure import metrics_exporter
    from opencensus.stats import aggregation as aggregation_module
    from opencensus.stats import measure as measure_module
    from opencensus.stats import stats as stats_module
    from opencensus.stats import view as view_module
    from opencensus.tags import tag_map as tag_map_module
    
    stats = stats_module.stats
    view_manager = stats.view_manager
    stats_recorder = stats.stats_recorder
    
    prompt_measure = measure_module.MeasureInt("prompts",
                                               "number of prompts",
                                               "prompts")
    prompt_view = view_module.View("prompt view",
                                   "number of prompts",
                                   [],
                                   prompt_measure,
                                   aggregation_module.CountAggregation())
    view_manager.register_view(prompt_view)
    mmap = stats_recorder.new_measurement_map()
    tmap = tag_map_module.TagMap()
    
    # TODO: replace the all-zero GUID with your instrumentation key.
    exporter = metrics_exporter.new_metrics_exporter(
        connection_string='InstrumentationKey=00000000-0000-0000-0000-000000000000')
    
    view_manager.register_exporter(exporter)
    
    def prompt():
        input("Press enter.")
        mmap.measure_int_put(prompt_measure, 1)
        mmap.record(tmap)
        metrics = list(mmap.measure_to_view_map.get_metrics(datetime.utcnow()))
        print(metrics[0].time_series[0].points[0])
    
    def main():
        while True:
            prompt()
    
    if __name__ == "__main__":
        main()
    
  4. A gyártó a mérőszámadatokat Azure Monitor küldi a rendszernek. Az alapértelmezett érték 15 másodpercenként. Egyetlen metrikát követünk nyomon, ezért a rendszer minden intervallumban elküldi ezt a metrikaadatokat a benne található értékkel és időbélyeggel együtt. Az érték kumulatív, csak újraindításkor lehet növelni, és 0-ra áll vissza. Az adatokat a alatt találja, de a customMetrics customMetrics valueCount, valueSum, valueMin, valueMax és valueStdDev tulajdonságok nincsenek hatékonyan használva.

Egyéni dimenziók beállítása metrikákban

Az Opencensus Python SDK lehetővé teszi egyéni dimenziók hozzáadását a metrikák telemetriáihoz a használatával, amelyek lényegében kulcs/érték párok tags szótárai.

  1. Szúrja be a használni kívánt címkéket a címketérképbe. A címketérkép az összes használható címke "készleteként" működik.

    ...
    tmap = tag_map_module.TagMap()
    tmap.insert("url", "http://example.com")
    ...
    
  2. Egy adott nézethez adja meg azokat a címkéket, amelyek a nézetben a címkekulccsal rögzíthető View metrikákhoz használhatók.

    ...
    prompt_view = view_module.View("prompt view",
                                "number of prompts",
                                ["url"], # <-- A sequence of tag keys used to specify which tag key/value to use from the tag map
                                prompt_measure,
                                aggregation_module.CountAggregation())
    ...
    
  3. A mérési térképen rögzített címketérképet mindenképpen használja. A által megadott címkekulcsokat a rekordhoz használt View címketérképen kell megadni.

    ...
    mmap = stats_recorder.new_measurement_map()
    mmap.measure_int_put(prompt_measure, 1)
    mmap.record(tmap) # <-- pass the tag map in here
    ...
    
  4. A tábla alatt a használatával kibocsátott összes metrikarekord customMetrics prompt_view egyéni dimenziókkal {"url":"http://example.com"} rendelkezik.

  5. Ha különböző értékeket használó címkéket hoz létre ugyanazokkal a kulcsokkal, hozzon létre hozzájuk új címketérképeket.

    ...
    tmap = tag_map_module.TagMap()
    tmap2 = tag_map_module.TagMap()
    tmap.insert("url", "http://example.com")
    tmap2.insert("url", "https://www.wikipedia.org/wiki/")
    ...
    

Teljesítményszámlálók

Alapértelmezés szerint a metrikák továbbítják a teljesítményszámlálók készletét a Azure Monitor. Ezt úgy tilthatja le, hogy a jelzőt a következőre kapcsolja enable_standard_metrics False a metrika-gyártó konstruktorában: .

...
exporter = metrics_exporter.new_metrics_exporter(
  enable_standard_metrics=False,
  connection_string='InstrumentationKey=<your-instrumentation-key-here>')
...

A rendszer jelenleg a következő teljesítményszámlálókat küldi el:

  • Rendelkezésre álló memória (bájt)
  • Processzor processzorhasználata (százalék)
  • Bejövő kérelmek sebessége (másodpercenként)
  • Bejövő kérés átlagos végrehajtási ideje (ezredmásodperc)
  • Processzorhasználat feldolgozása (százalék)
  • Privát bájtok feldolgozása (bájt)

Ezeket a metrikákat a következőben kell performanceCounters látnia: . További információkért lásd a teljesítményszámlálókat.

Telemetria módosítása

További információ a nyomonott telemetria módosításáról a Azure Monitor-be való küldését megelőzően: OpenCensus Python telemetriafeldolgozók.

Nyomkövetés

Megjegyzés

Az OpenCensus kifejezés tracing az elosztott nyomkövetést jelenti. A AzureExporter és requests a dependency telemetria a Azure Monitor.

  1. Először is hozzunk létre helyileg néhány nyomkövetési adatot. A Python IDLE vagy a választott szerkesztőben adja meg a következő kódot:

    from opencensus.trace.samplers import ProbabilitySampler
    from opencensus.trace.tracer import Tracer
    
    tracer = Tracer(sampler=ProbabilitySampler(1.0))
    
    def valuePrompt():
        with tracer.span(name="test") as span:
            line = input("Enter a value: ")
            print(line)
    
    def main():
        while True:
            valuePrompt()
    
    if __name__ == "__main__":
        main()
    
  2. A kód ismételt futtatása arra kéri, hogy adjon meg egy értéket. Minden bejegyzésnél a rendszer a rendszerhéjba nyomtatja az értéket. Az OpenCensus Python-modul a megfelelő elemét hozza SpanData létre. Az OpenCensus projekt egy nyomkövetést határoz meg a spans faként.

    Enter a value: 4
    4
    [SpanData(name='test', context=SpanContext(trace_id=8aa41bc469f1a705aed1bdb20c342603, span_id=None, trace_options=TraceOptions(enabled=True), tracestate=None), span_id='15ac5123ac1f6847', parent_span_id=None, attributes=BoundedDict({}, maxlen=32), start_time='2019-06-27T18:21:22.805429Z', end_time='2019-06-27T18:21:44.933405Z', child_span_count=0, stack_trace=None, annotations=BoundedList([], maxlen=32), message_events=BoundedList([], maxlen=128), links=BoundedList([], maxlen=32), status=None, same_process_as_parent_span=None, span_kind=0)]
    Enter a value: 25
    25
    [SpanData(name='test', context=SpanContext(trace_id=8aa41bc469f1a705aed1bdb20c342603, span_id=None, trace_options=TraceOptions(enabled=True), tracestate=None), span_id='2e512f846ba342de', parent_span_id=None, attributes=BoundedDict({}, maxlen=32), start_time='2019-06-27T18:21:44.933405Z', end_time='2019-06-27T18:21:46.156787Z', child_span_count=0, stack_trace=None, annotations=BoundedList([], maxlen=32), message_events=BoundedList([], maxlen=128), links=BoundedList([], maxlen=32), status=None, same_process_as_parent_span=None, span_kind=0)]
    Enter a value: 100
    100
    [SpanData(name='test', context=SpanContext(trace_id=8aa41bc469f1a705aed1bdb20c342603, span_id=None, trace_options=TraceOptions(enabled=True), tracestate=None), span_id='f3f9f9ee6db4740a', parent_span_id=None, attributes=BoundedDict({}, maxlen=32), start_time='2019-06-27T18:21:46.157732Z', end_time='2019-06-27T18:21:47.269583Z', child_span_count=0, stack_trace=None, annotations=BoundedList([], maxlen=32), message_events=BoundedList([], maxlen=128), links=BoundedList([], maxlen=32), status=None, same_process_as_parent_span=None, span_kind=0)]
    
  3. Bár az értékek megadása bemutató célokra hasznos, végső soron a SpanData Azure Monitor. Adja át a kapcsolati sztringet közvetlenül a kávénak. Azt is megadhatja egy környezeti változóban( APPLICATIONINSIGHTS_CONNECTION_STRING ). Módosítsa az előző lépésben lekért kódot az alábbi mintakód alapján:

    from opencensus.ext.azure.trace_exporter import AzureExporter
    from opencensus.trace.samplers import ProbabilitySampler
    from opencensus.trace.tracer import Tracer
    
    # TODO: replace the all-zero GUID with your instrumentation key.
    tracer = Tracer(
        exporter=AzureExporter(
            connection_string='InstrumentationKey=00000000-0000-0000-0000-000000000000'),
        sampler=ProbabilitySampler(1.0),
    )
    
    def valuePrompt():
        with tracer.span(name="test") as span:
            line = input("Enter a value: ")
            print(line)
    
    def main():
        while True:
            valuePrompt()
    
    if __name__ == "__main__":
        main()
    
  4. A Python-szkript futtatásakor továbbra is meg kell adnia az értékeket, de csak az érték lesz kiírva a rendszerhéjban. A létrehozott SpanData okat a Azure Monitor. A kibocsátott span-adatokat a következő alatt találja: dependencies . További információ a kimenő kérelmekről: OpenCensus Python-függőségek. A bejövő kérésekkel kapcsolatos további információkért lásd: OpenCensus Python-kérések.

Mintavételezés

Az OpenCensus mintavételezésére vonatkozó információkért nézze meg az OpenCensus mintavételezését.

Nyomkövetési korreláció

A nyomkövetési adatok telemetriai korrelációiról az OpenCensus Python telemetriai korrelációját tartalmazó oldalon található további információ.

Telemetria módosítása

A nyomonott telemetria módosításával kapcsolatos további információkért lásd: OpenCensus Python telemetriaiAzure Monitor.

A Azure Monitor konfigurálása

Mint látható, három különböző Azure Monitor az OpenCensus-t. Mindegyik különböző típusú telemetriát küld a Azure Monitor. Az egyes gyártók által küldött telemetriai adatok típusait az alábbi listában láthatja.

Minden egyes elfogadás elfogadja a konfiguráció ugyanazon argumentumát, és a konstruktorok között van átkútva. Az egyes részleteket itt láthatja:

  • connection_string: Az erőforráshoz való csatlakozáshoz használt Azure Monitor sztring. Elsőbbséget élvez a instrumentation_key felett.
  • enable_standard_metrics: a következő hez AzureMetricsExporter használatos: . Azt jelzi, hogy a gyártó automatikusan küld teljesítményszámláló-metrikákat a Azure Monitor. Az alapértelmezett érték True a .
  • export_interval: Az exportálás gyakoriságának megadására használatos másodpercben.
  • instrumentation_key: Az erőforráshoz való csatlakozáshoz használt Azure Monitor kulcs.
  • logging_sampling_rate: a következő hez AzureLogHandler használatos: . Mintavételi sebességet [0,1.0] biztosít a naplók exportálására. Az alapértelmezett érték 1.0.
  • max_batch_size: Az egyszerre exportált telemetria maximális méretét adja meg.
  • proxies: Egy proxysorozatot ad meg, amely az adatoknak a Azure Monitor. További információ: proxyk.
  • storage_path: A helyi tárolási mappa helyének elérési útja (nincs telemetria). Az opencensus-ext-azure 1.0.3-as verziótól az alapértelmezett elérési út az operációs rendszer ideiglenes könyvtára + opencensus-python + your-ikey . Az 1.0.3-as előtti alapértelmezett elérési út a $USER + .opencensus + .azure + python-file-name .

Hitelesítés (előzetes verzió)

Megjegyzés

A hitelesítési szolgáltatás az opencensus-ext-azure 1.1b0-estől kezdve érhető el

Minden egyes Azure Monitor támogatja a telemetriai hasznos adatok OAuth-hitelesítésen keresztül, az Azure Active Directory (AAD) segítségével történő biztonságos küldését. További információért tekintse meg a hitelesítési dokumentációt.

Adatok megtekintése lekérdezésekkel

Az alkalmazásból küldött telemetriai adatokat a Naplók (Elemzés) lapon tudja megtekinteni.

Képernyőkép az áttekintő panelről, piros mezőben kijelölve a "Naplók (Analytics)" beállítással

Az Active (Aktív) alatti listában:

  • A nyomkövetési telemetriával küldött Azure Monitor bejövő kérések a alatt jelennek requests meg. A kimenő vagy a feldolgozás alatt jelennek meg dependencies a kérelmek.
  • A metrika-Azure Monitor küldött telemetria esetében az elküldött metrikák a alatt jelennek customMetrics meg.
  • A naplónaplók tárolóval együtt küldött Azure Monitor naplók a alatt jelennek traces meg. A kivételek a alatt jelennek exceptions meg.

A lekérdezések és naplók használatával kapcsolatos további információkért lásd: Naplók a Azure Monitor.

További információ a Pythonhoz készült OpenCensusról

Következő lépések

Riasztások

  • Rendelkezésre állási tesztek: Hozzon létre teszteket, hogy megbizonyosodjon róla, oldala látható a weben.
  • Intelligens diagnosztika: Ezek a tesztek automatikusan futnak, a beállításukhoz semmit sem kell tennie. Értesítést kap, ha az alkalmazásában szokatlanul magas a meghiúsult kérelmek száma.
  • Metrikák riasztásai:Riasztások beállítása, amelyek figyelmeztetik, ha egy metrika átlép egy küszöbértéket. Az alkalmazás kódjába beépített egyedi metrikákhoz is állíthat be riasztásokat.