Jenis peringatan Azure Monitor

Artikel ini menjelaskan jenis peringatan Azure Monitor yang dapat Anda buat, dan membantu Anda memahami kapan harus menggunakan setiap jenis peringatan.

Ada empat jenis peringatan:

Memilih jenis peringatan yang tepat

Tabel ini dapat membantu Anda memutuskan kapan harus menggunakan jenis peringatan apa. Untuk informasi yang lebih terperinci tentang harga, lihat halaman harga.

Jenis Pemberitahuan Kapan Digunakan Informasi Harga
Pemberitahuan metrik Peringatan metrik berguna saat Anda ingin diberi tahu tentang data yang memerlukan sedikit atau tanpa manipulasi. Data metrik disimpan dalam sistem yang sudah dihitung sebelumnya, sehingga peringatan metrik lebih murah daripada peringatan log. Jika data yang ingin Anda pantau tersedia dalam data metrik, Anda ingin peringatan metrik. Setiap aturan peringatan metrik dibebankan berdasarkan jumlah rangkaian waktu yang dipantau.
Pemberitahuan log Peringatan log memungkinkan Anda melakukan operasi logika tingkat lanjut pada data. Jika data yang ingin Anda pantau tersedia dalam log, atau memerlukan logika tingkat lanjut, Anda dapat menggunakan fitur KQL yang kuat untuk manipulasi data menggunakan peringatan log. Peringatan log lebih mahal daripada peringatan metrik. Setiap aturan Pemberitahuan Log ditagih berdasarkan interval saat kueri log dievaluasi (evaluasi kueri yang lebih sering menghasilkan biaya yang lebih tinggi). Selain itu, untuk Pemberitahuan Log yang dikonfigurasi untuk pemantauan dalam skala besar, biaya juga akan bergantung pada jumlah seri waktu yang dibuat oleh dimensi yang dihasilkan dari kueri Anda.
Peringatan Log Aktivitas Log aktivitas menyediakan audit semua tindakan yang terjadi pada sumber daya. Gunakan peringatan log aktivitas jika peristiwa tertentu terjadi pada sumber daya, misalnya, hidupkan ulang, matikan, atau pembuatan atau penghapusan sumber daya. Untuk informasi selengkapnya, lihat halaman harga.

Peringatan Metric

Aturan peringatan metrik memantau sumber daya dengan mengevaluasi kondisi pada metrik sumber daya secara berkala. Jika kondisi terpenuhi, peringatan akan diaktifkan. Rangkaian waktu metrik adalah rangkaian nilai metrik yang diambil selama periode waktu tertentu.

Anda dapat membuat aturan menggunakan metrik ini:

Aturan peringatan metrik mencakup fitur-fitur berikut:

Target aturan peringatan metrik dapat berupa:

  • Satu sumber daya, seperti VM. Lihat artikel ini untuk jenis sumber daya yang didukung.
  • Beberapa sumber daya dengan jenis yang sama di wilayah Azure yang sama, seperti grup sumber daya.

Beberapa kondisi

Saat membuat aturan peringatan untuk satu sumber daya, Anda dapat menerapkan beberapa kondisi. Misalnya, Anda dapat membuat aturan peringatan untuk memantau mesin virtual Azure dan memperingatkan saat "Persentase CPU lebih tinggi dari 90%" dan "Panjang antrean lebih dari 300 item". Saat aturan peringatan memiliki beberapa kondisi, peringatan akan diaktifkan saat semua kondisi dalam aturan peringatan benar dan diselesaikan saat setidaknya salah satu kondisi tidak lagi berlaku untuk tiga pemeriksaan berturut-turut.

Mempersempit target menggunakan Dimensi

Dimensi adalah pasangan nilai nama yang berisi data tambahan tentang nilai metrik. Menggunakan dimensi memungkinkan Anda memfilter metrik dan memantau rangkaian waktu tertentu, alih-alih memantau agregat semua nilai dimensi. Misalnya, metrik Transaksi dari akun penyimpanan dapat memiliki dimensi nama API yang berisi nama API yang dipanggil oleh setiap transaksi (misalnya, GetBlob, DeleteBlob, PutPage). Anda dapat memilih untuk mengaktifkan peringatan saat ada sejumlah besar transaksi dalam nama API apa pun (yang merupakan data agregat), atau Anda dapat menggunakan dimensi untuk memecahnya lebih lanjut untuk memperingatkan hanya saat jumlah transaksi tinggi untuk nama API tertentu. Jika Anda menggunakan lebih dari satu dimensi, aturan peringatan metrik dapat memantau beberapa nilai dimensi dari dimensi metrik yang berbeda. Aturan peringatan secara terpisah memantau semua kombinasi nilai dimensi. Lihat artikel ini untuk petunjuk terperinci tentang menggunakan dimensi dalam aturan peringatan metrik.

Membuat peringatan yang berpusat pada sumber daya menggunakan pemisahan menurut dimensi

Untuk memantau kondisi yang sama pada beberapa sumber daya Azure, Anda dapat menggunakan pemisahan menurut dimensi. Memisahkan menurut dimensi memungkinkan Anda membuat peringatan yang berpusat pada sumber daya dalam skala besar untuk langganan atau grup sumber daya. Peringatan dibagi menjadi peringatan terpisah dengan mengelompokkan kombinasi. Pemisahan pada kolom ID sumber daya Azure membuat sumber daya yang ditentukan menjadi target peringatan.

Anda juga dapat memutuskan untuk tidak membagi saat ingin kondisi diterapkan ke beberapa sumber daya dalam cakupan. Misalnya, jika Anda ingin mengaktifkan peringatan jika setidaknya lima mesin dalam cakupan grup sumber daya memiliki penggunaan CPU lebih dari 80%.

Memantau beberapa sumber daya

Anda dapat memantau dalam skala besar dengan menerapkan aturan peringatan metrik yang sama ke beberapa sumber daya dengan jenis yang sama untuk sumber daya yang ada di wilayah Azure yang sama. Pemberitahuan individual dikirim untuk setiap sumber daya yang dipantau.

Metrik platform ini untuk layanan ini di cloud Azure berikut didukung:

Layanan Global Azure Pemerintahan Tiongkok
Mesin virtual* Ya Ya Ya
Database server SQL Ya Ya Ya
Kumpulan elastis server SQL Ya Ya Ya
Kumpulan kapasitas file NetApp Ya Ya Ya
Volume file NetApp Ya Ya Ya
Brankas kunci Ya Ya Ya
Azure Cache untuk Redis Ya Ya Ya
Perangkat Azure Stack Edge Ya Ya Ya
Brankas Layanan Pemulihan Ya Tidak Tidak

Catatan

Metrik platform tidak didukung untuk metrik jaringan mesin virtual (Total Jaringan, Total Jaringan Keluar, Aliran Masuk, Aliran Keluar, Tingkat Pembuatan Maksimum Aliran Masuk, Tingkat Pembuatan Maksimum Aliran Keluar).

Anda dapat menentukan cakupan pemantauan dengan satu aturan peringatan metrik dengan salah satu dari tiga cara. Misalnya, dengan komputer virtual, Anda dapat menentukan cakupan sebagai:

  • daftar komputer virtual (dalam satu wilayah Azure) dalam langganan
  • semua komputer virtual (dalam satu wilayah Azure) dalam satu atau beberapa grup sumber daya dalam langganan
  • semua komputer virtual (dalam satu wilayah Azure) dalam langganan

Ambang dinamis

Ambang dinamis menggunakan pembelajaran mesin tingkat lanjut (ML) untuk:

  • Mempelajari perilaku historis metrik
  • Mengidentifikasi pola dan beradaptasi dengan perubahan metrik dari waktu ke waktu, seperti pola per jam, harian, atau mingguan.
  • Mengenali anomali yang menunjukkan kemungkinan masalah layanan
  • Menghitung ambang yang paling tepat untuk metrik

Pembelajaran Mesin terus menggunakan data baru untuk mempelajari selengkapnya dan membuat ambang lebih akurat. Karena sistem beradaptasi dengan perilaku metrik dari waktu ke waktu, dan peringatan berdasarkan penyimpangan dari polanya, Anda tidak perlu mengetahui ambang "benar" untuk setiap metrik.

Ambang dinamis membantu Anda:

  • Membuat peringatan scalable untuk ratusan seri metrik dengan satu aturan peringatan. Lebih sedikit aturan peringatan menyebabkan lebih sedikit waktu yang harus Anda habiskan untuk membuat dan mengelola aturan peringatan.
  • Membuat aturan tanpa harus mengetahui ambang apa yang akan dikonfigurasi
  • Mengonfigurasi peringatan metrik menggunakan konsep tingkat tinggi tanpa pengetahuan domain yang luas tentang metrik
  • Mencegah ambang yang bising (presisi rendah) atau lebar (pengenalan rendah) yang tidak memiliki pola yang diharapkan
  • Menangani metrik yang bising (seperti CPU atau memori mesin) dan metrik dengan dispersi rendah (seperti ketersediaan dan tingkat kesalahan).

Lihat artikel ini untuk mengetahui instruksi terperinci tentang menggunakan ambang dinamis dalam aturan peringatan metrik.

Peringatan Log

Aturan peringatan log memantau sumber daya dengan menggunakan kueri Analitik Log untuk mengevaluasi log sumber daya pada frekuensi yang ditetapkan. Jika kondisi terpenuhi, peringatan akan diaktifkan. Karena Anda dapat menggunakan kueri Analitik Log, peringatan log memungkinkan Anda melakukan operasi logika tingkat lanjut pada data Anda dan menggunakan fitur KQL yang kuat untuk manipulasi data untuk data log.

Target aturan peringatan log dapat berupa:

  • Satu sumber daya, seperti VM.
  • Beberapa sumber daya dengan jenis yang sama di wilayah Azure yang sama, seperti grup sumber daya. Ini saat ini tersedia untuk jenis sumber daya yang dipilih.
  • Beberapa sumber daya menggunakan kueri lintas sumber daya.

Peringatan log dapat mengukur dua hal yang berbeda, yang dapat digunakan untuk skenario pemantauan yang berbeda:

  • Baris tabel: Jumlah baris yang dikembalikan dapat digunakan untuk bekerja dengan peristiwa seperti log peristiwa Windows, syslog, pengecualian aplikasi.
  • Penghitungan kolom numerik: Penghitungan berdasarkan kolom numerik apa pun dapat digunakan untuk menyertakan sejumlah sumber daya. Misalnya, persentase CPU.

Anda dapat mengonfigurasi apakah peringatan log bersifat stateful atau stateless (saat ini dalam pratinjau).

Catatan

Peringatan log berfungsi paling baik saat Anda mencoba mendeteksi data tertentu dalam log, dibandingkan dengan saat Anda mencoba mendeteksi kurangnya data dalam log. Karena log adalah data semi-terstruktur, log secara inheren lebih laten daripada data metrik pada informasi seperti heartbeat VM. Untuk menghindari kesalahan saat Anda mencoba mendeteksi kurangnya data dalam log, pertimbangkan untuk menggunakan peringatan metrik. Anda dapat mengirim data ke penyimpanan metrik dari log menggunakan pemberitahuan metrik untuk log.

Dimensi dalam aturan peringatan log

Anda dapat menggunakan dimensi saat membuat aturan peringatan log untuk memantau nilai beberapa instans sumber daya dengan satu aturan. Misalnya, Anda dapat memantau penggunaan CPU pada beberapa instans yang menjalankan situs web atau aplikasi Anda. Setiap instans dipantau secara individual pemberitahuan dikirim untuk setiap instans.

Memisahkan menurut dimensi dalam aturan peringatan log

Untuk memantau kondisi yang sama pada beberapa sumber daya Azure, Anda dapat menggunakan pemisahan menurut dimensi. Memisahkan menurut dimensi memungkinkan Anda membuat peringatan yang berpusat pada sumber daya dalam skala besar untuk langganan atau grup sumber daya. Peringatan dibagi menjadi peringatan terpisah dengan mengelompokkan kombinasi menggunakan kolom numerik atau string. Pemisahan pada kolom ID sumber daya Azure membuat sumber daya yang ditentukan menjadi target peringatan. Anda juga dapat memutuskan untuk tidak membagi saat ingin kondisi diterapkan ke beberapa sumber daya dalam cakupan. Misalnya, jika Anda ingin mengaktifkan peringatan jika setidaknya lima mesin dalam cakupan grup sumber daya memiliki penggunaan CPU lebih dari 80%.

Menggunakan API

Kelola aturan baru di ruang kerja Anda menggunakan API ScheduledQueryRules.

Catatan

Log alerts untuk Analitik Log digunakan untuk dikelola menggunakan Log Analytics Alert API lama. Pelajari selengkapnya tentang beralih ke API ScheduledQueryRules saat ini.

Peringatan log pada tagihan Azure Anda

Peringatan Log dicantumkan pada penyedia sumber microsoft.insights/scheduledqueryrules dengan:

  • Catat Pemberitahuan tentang Application Insights yang ditampilkan dengan nama sumber daya yang tepat bersama dengan grup sumber daya dan properti pemberitahuan.
  • Log Alerts di Log Analytics ditampilkan dengan nama sumber daya yang tepat bersama dengan grup resource dan properti pemberitahuan; ketika dibuat menggunakan API ScheduledQueryRules.
  • Log alert yang dibuat dari Log Analytics API warisan tidak dilacak Azure Resources dan tidak memberlakukan nama sumber daya unik. pemberitahuan ini masih dibuat microsoft.insights/scheduledqueryrules sebagai sumber daya tersembunyi, yang memiliki struktur penamaan sumber daya ini<WorkspaceName>|<savedSearchId>|<scheduleId>|<ActionId>. Log Alerts pada API warisan ditampilkan dengan nama sumber daya tersembunyi di atas bersama dengan grup sumber daya dan properti pemberitahuan.

Catatan

Karakter sumber daya yang tidak didukung seperti <, >, %, &, , ?, / diganti dengan _ dalam nama sumber daya tersembunyi dan ini juga akan muncul dalam informasi penagihan.

Pemberitahuan log aktivitas

Peringatan log aktivitas memantau sumber daya dengan memeriksa log aktivitas untuk peristiwa log aktivitas baru yang cocok dengan kondisi yang ditentukan.

Anda mungkin ingin menggunakan peringatan log aktivitas untuk jenis skenario ini:

  • Saat operasi tertentu terjadi pada sumber daya dalam grup sumber daya atau langganan tertentu. Misalnya, Anda mungkin ingin diberi tahu saat:
    • Setiap mesin virtual dalam grup sumber daya produksi dihapus.
    • Peran baru apa pun yang ditetapkan untuk pengguna di langganan Anda.
  • Kejadian kesehatan layanan terjadi. Peristiwa kesehatan layanan mencakup pemberitahuan insiden dan aktivitas pemeliharaan yang berlaku untuk sumber daya dalam langganan Anda.

Anda dapat membuat peringatan log aktivitas pada:

  • Salah satu kategori peristiwa log aktivitas, selain pada peristiwa peringatan.
  • Setiap peristiwa log aktivitas di properti tingkat atas di objek JSON.

Aturan peringatan log aktivitas adalah sumber daya Azure, sehingga dapat dibuat dengan menggunakan templat Azure Resource Manager. Mereka juga dapat dibuat, diperbarui, atau dihapus di portal Microsoft Azure.

Peringatan log aktivitas hanya memantau peristiwa di langganan tempat peringatan dibuat.

Peringatan Deteksi Cerdas

Setelah menyiapkan Application Insights untuk proyek Anda, saat aplikasi Anda menghasilkan jumlah data minimum tertentu, Deteksi Cerdas membutuhkan waktu 24 jam untuk mempelajari perilaku normal aplikasi Anda. Performa aplikasi Anda memiliki pola perilaku yang khas. Beberapa permintaan atau panggilan dependensi akan lebih rentan terhadap kegagalan daripada yang lain dan tingkat kegagalan keseluruhan dapat naik seiring dengan meningkatnya beban. Deteksi Pintar menggunakan pembelajaran mesin untuk menemukan anomali ini. Deteksi Pintar memantau data yang diterima dari aplikasi Anda dan khususnya tingkat kegagalannya. Application Insights secara otomatis memberitahu Anda dalam waktu mendekati real-time jika aplikasi web Anda mengalami kenaikan abnormal dalam tingkat permintaan yang gagal.

Ketika data masuk ke Application Insights dari aplikasi web Anda, Deteksi Pintar akan membandingkan perilaku saat ini dengan pola yang terlihat selama beberapa hari terakhir. Jika ada peningkatan abnormal dalam tingkat kegagalan dibandingkan dengan performa sebelumnya, analisis dipicu. Untuk membantu Anda melakukan triase dan mendiagnosis masalah, analisis karakteristik kegagalan dan data aplikasi terkait disediakan dalam detail pemberitahuan. Terdapat juga tautan ke portal Application Insights untuk diagnosis lebih lanjut. Fitur ini tidak memerlukan pengaturan atau konfigurasi karena menggunakan algoritma pembelajaran mesin untuk memprediksi tingkat kegagalan normal.

Meskipun peringatan metrik memberi tahu Anda mungkin ada masalah, Deteksi Cerdas memulai pekerjaan diagnostik untuk Anda, melakukan banyak analisis yang seharusnya Anda lakukan sendiri. Anda mendapatkan hasil yang dikemas dengan rapi, membantu Anda untuk cepat sampai ke akar masalah.

Deteksi cerdas berfungsi untuk aplikasi web apa pun yang dihosting di cloud atau di server Anda sendiri, yang menghasilkan permintaan aplikasi atau data dependensi.

Langkah berikutnya