Rekomendasi untuk mengumpulkan data performa
Berlaku untuk rekomendasi daftar periksa Efisiensi Performa Azure Well-Architected Framework ini:
| PE:04 | Mengumpulkan data performa. Komponen dan alur beban kerja harus menyediakan metrik dan log otomatis, berkelanjutan, dan bermakna. Kumpulkan data pada tingkat beban kerja yang berbeda, seperti tingkat aplikasi, platform, data, dan sistem operasi. |
|---|
Mengumpulkan data performa adalah proses pengumpulan metrik dan log yang memberikan informasi tentang performa beban kerja. Data ini mencakup nilai numerik, yang dikenal sebagai metrik. Metrik menjelaskan status sistem pada titik waktu tertentu. Ini juga termasuk log yang berisi berbagai jenis data yang diatur ke dalam rekaman.
Dengan mengumpulkan data performa, Anda dapat memantau dan menganalisis performa beban kerja. Anda dapat menggunakan informasi ini untuk mengidentifikasi hambatan performa, memecahkan masalah, mengoptimalkan alokasi sumber daya, dan membuat keputusan berbasis data untuk meningkatkan efisiensi performa beban kerja secara keseluruhan.
Tanpa wawasan berbasis data, Anda mungkin tidak menyadari masalah performa atau peluang yang mendasar untuk pengoptimalan. Hasil potensial termasuk waktu respons yang lebih lambat, throughput yang menurun, peningkatan penggunaan sumber daya, dan pada akhirnya, pengalaman pengguna yang kurang optimal. Selain itu, kurangnya data performa menyulitkan diagnosis dan pemecahan masalah secara tepat waktu, yang menyebabkan waktu henti yang berkepanjangan dan mengurangi produktivitas.
Definisi
| Istilah | Definisi |
|---|---|
| Log aktivitas | Log yang melacak operasi manajemen pada sumber daya, seperti menghapus sumber daya. |
| Log aplikasi | Log yang melacak informasi tentang peristiwa aplikasi, kesalahan, dan aktivitas lainnya, seperti menggunakan kegagalan masuk dan koneksi database. |
| Alat pemantauan performa aplikasi (APM) | Alat yang memantau dan melaporkan performa aplikasi. |
| Instrumentasi kode | Pengambilan metrik performa langsung atau tidak langsung dari perspektif kode aplikasi. Metrik yang diambil mencakup metrik alur, penggunaan sumber daya, dan metrik khusus untuk bahasa atau runtime. |
| Pelacakan terdistribusi | Mengumpulkan dan menghubungkan metrik di seluruh komponen beban kerja terdistribusi. |
| Sink metrik | Tujuan penyimpanan untuk metrik Anda yang menghubungkan data rangkaian waktu untuk analisis. |
| Log platform | Data diagnostik dan audit yang mencakup log sumber daya, log aktivitas, dan log audit. |
| Metrik platform | Nilai numerik yang merekam performa beban kerja pada waktu tertentu. |
| Log sumber daya | Data yang dihasilkan sistem. Ini memberikan informasi tentang status sistem. |
| Kesalahan Rx/Tx | Jumlah kesalahan penerimaan dan kesalahan pengiriman pada antarmuka jaringan. |
| Pengelogan terstruktur | Menentukan format yang bermakna untuk mencatat pesan, biasanya sebagai pasangan kunci-nilai. |
Strategi desain utama
Pengoptimalan performa memerlukan data untuk mengukur performa beban kerja saat ini atau alur terhadap target performanya. Anda perlu mengumpulkan jumlah dan keragaman data yang tepat untuk mengukur performa kode dan infrastruktur terhadap target performa. Pastikan bahwa setiap komponen dan alur dalam beban kerja secara otomatis menghasilkan metrik dan log yang berkelanjutan dan bermakna. Anda perlu sumber data ini dari berbagai tingkat seperti aplikasi, platform, penyimpanan, dan sistem operasi. Pengumpulan data performa yang komprehensif memungkinkan pemahaman holistik tentang performa, memungkinkan identifikasi inefisiensi dan jalan yang tepat untuk perbaikan.
Mempusatkan data performa
Memusatkan metrik dan log performa adalah proses pengumpulan metrik performa dan log dari berbagai sumber dan menyimpannya di lokasi pusat. Buat sink metrik pusat dan sink log pusat. Pemusatan ini memungkinkan akses, analisis, dan pemantauan metrik dan log performa yang mudah di berbagai sistem dan komponen. Dengan memusatkan metrik dan log, Anda mendapatkan visibilitas ke dalam performa beban kerja Anda. Pilih platform atau alat yang sesuai yang dapat menggabungkan dan menyimpan metrik dan log performa beban kerja.
Tradeoff: Memahami biaya pengumpulan metrik dan log. Secara umum, semakin banyak metrik dan log yang Anda kumpulkan, semakin tinggi biayanya.
Data performa segmen
Mengelompokan data performa melibatkan pengorganisasian dan kategorisasi metrik dan log berdasarkan asal, tujuan, atau lingkungannya. Misalnya, Anda harus memisahkan data produksi dari data nonproduksi atau membedakan antara target performa dan metrik bisnis. Mengesegmentasi data membantu mengoptimalkan lingkungan tertentu, memfasilitasi pemecahan masalah, dan membatasi ketidakakuratan dalam pemantauan performa. Dengan mempertahankan perbedaan yang jelas antara jenis data yang berbeda, Anda dapat menangkap, menganalisis, dan menanggapi metrik yang relevan dengan lebih efisien dan lebih selaras dengan kesehatan beban kerja dengan tujuan beban kerja. Untuk menyegmentasi data performa, pertimbangkan rekomendasi berikut:
Pisahkan data produksi dan data nonproduksi. Dengan memisahkan data berdasarkan lingkungan, Anda dapat memastikan pemantauan dan pengoptimalan yang terfokus pada setiap lingkungan. Di lingkungan produksi, Anda dapat mengidentifikasi dan mengatasi masalah performa yang secara langsung memengaruhi pengguna dan operasi bisnis. Di lingkungan nonproduksi, pemisahan data memfasilitasi pemecahan masalah dan penyempurnaan yang efektif selama fase pengujian sebelum Anda menyebarkan ke produksi.
Gunakan satu set data dalam setiap lingkungan. Jangan gunakan satu set data untuk target performa dan sekumpulan data lain untuk pemberitahuan yang terkait dengan target performa. Menggunakan set data yang berbeda menyebabkan pemberitahuan yang tidak akurat yang merusak efektivitas pemantauan performa.
Memisahkan target performa dan metrik bisnis. Tim operasi dan pengembangan menggunakan target performa untuk memantau kesehatan beban kerja dan memenuhi target bisnis. Metrik bisnis terkait dengan tujuan bisnis atau pelaporan pelanggan. Ambil metrik bisnis dalam aliran data terpisah, bahkan jika data tumpang tindih secara langsung. Pemisahan memberi Anda fleksibilitas untuk mengambil data yang tepat dan menganalisis data secara independen.
Menentukan kebijakan retensi
Kebijakan retensi menentukan berapa lama data performa harus disimpan. Menetapkan kebijakan ini membantu mengelola penyimpanan secara efisien dan memastikan hanya data yang diperlukan yang dapat diakses untuk analisis. Kebijakan tersebut mendukung performa yang lebih baik dan memenuhi standar kepatuhan. Anda harus mengonfigurasi kebijakan retensi untuk data log dan metrik untuk memungkinkan pemecahan masalah dan pemantauan yang efektif di semua lingkungan. Misalnya, log dan metrik mungkin perlu disimpan untuk waktu yang lebih lama di lingkungan produksi daripada di lingkungan pengujian. Periode retensi harus sesuai dengan persyaratan dan peraturan kepatuhan organisasi Anda. Tentukan berapa lama untuk menyimpan data untuk tujuan analisis dan audit. Arsipkan data yang tidak Anda perlukan untuk analisis segera.
Mengumpulkan data performa aplikasi
Mengumpulkan data aplikasi melibatkan pemantauan dan analisis metrik performa aplikasi, seperti throughput, latensi, dan waktu penyelesaian, terutama dikumpulkan melalui kode instrumentasi. Data performa aplikasi memberikan wawasan berharga tentang kesehatan dan performa aplikasi. Dengan memantau dan menganalisis data performa, Anda dapat mengidentifikasi dan memecahkan masalah, mengoptimalkan performa aplikasi, dan membuat keputusan berdasarkan informasi untuk aplikasi Anda.
Kode instrumen
Instrumentasi mengacu pada proses penyematan cuplikan kode atau mengintegrasikan alat ke dalam kode aplikasi. Tujuan instrumentasi adalah untuk menangkap data performa saat aplikasi berjalan. Sangat penting untuk mengumpulkan metrik yang menyoroti operasi penting aplikasi. Fokus pada metrik seperti throughput, latensi, dan waktu penyelesaian. Penting untuk membedakan antara operasi terkait bisnis dan operasi yang tidak. Untuk data yang berkaitan dengan operasi bisnis, pastikan metadatanya disusun dengan cara yang memungkinkan pelacakan dan penyimpanan yang berbeda. Alasan utama instrumentasi kode adalah untuk mengumpulkan data tentang cara aplikasi menangani beban kerjanya. Hal ini memberikan manfaat berikut:
Mengidentifikasi hambatan performa: Dengan melacak metrik seperti penggunaan CPU dan penggunaan memori, Anda dapat mengidentifikasi hambatan dan mengoptimalkan kode yang sesuai.
Mengevaluasi perilaku sistem di bawah beban: Anda dapat melihat bagaimana performa aplikasi di bawah beban kerja dan skenario stres yang berbeda. Data ini dapat membantu Anda mengidentifikasi masalah yang terkait dengan skalabilitas, konkurensi, dan penggunaan sumber daya.
Melacak kesehatan dan ketersediaan aplikasi: Karena indikator performa utama dipantau secara real time, Anda bisa mendapatkan peringatan tentang potensi masalah yang memengaruhi performa dan ketersediaan aplikasi.
Meningkatkan pengalaman pengguna: Anda dapat memperoleh wawasan tentang bagaimana pengguna berinteraksi dengan aplikasi. Gunakan informasi ini untuk mengoptimalkan pengalaman pengguna dan mengidentifikasi area untuk peningkatan.
Rencanakan kapasitas dan alokasikan sumber daya: Data performa yang dikumpulkan instrumentasi dapat memberikan wawasan berharga tentang persyaratan sumber daya aplikasi. Informasi ini dapat menginformasikan keputusan Anda tentang kapasitas perencanaan dan mengalokasikan sumber daya.
Saat Anda membuat kode instrumen untuk pemantauan performa, pertimbangkan strategi berikut:
Menggunakan alat APM: Alat APM dapat mengumpulkan dan menganalisis data performa, termasuk metrik, jejak, dan log. Alat APM menawarkan fitur seperti instrumentasi tingkat kode, pelacakan transaksi, dan pembuatan profil performa.
Gunakan kerangka kerja pengelogan dan pelacakan: Kerangka kerja pengelogan dan pelacakan adalah alat atau pustaka yang diintegrasikan pengembang ke dalam aplikasi mereka untuk memfasilitasi pengelogan dan pelacakan. Kerangka kerja ini menyediakan fungsi untuk menghasilkan log, melacak permintaan, dan terkadang bahkan memformat atau mengangkut data yang dihasilkan. Dengan menggabungkan kerangka kerja pengelogan dan pelacakan ke dalam basis kode, pengembang dapat mengambil data yang relevan selama runtime. Data dapat mencakup informasi tentang jalur, I/O, dan performa yang sedang berjalan.
Instrumentasi kustom: Pengembang dapat menambahkan kode kustom untuk mengumpulkan metrik performa yang unik untuk aplikasi dan beban kerja mereka. Instrumentasi kustom dapat mengukur runtime bahasa umum, melacak penggunaan sumber daya, atau menangkap peristiwa tertentu. Tulis instrumentasi kode kustom hanya ketika metrik platform tidak mencukupi. Dalam beberapa situasi, sumber daya platform dapat mengukur perspektif agregat atau bahkan terperinci dari aplikasi Anda. Imbangi pertanyaan apakah akan menduplikasi upaya tersebut dengan menggunakan kode kustom terhadap tradeoff kode berlebih atau dependensi pada fitur platform.
Menangkap waktu transaksi. Menangkap waktu transaksi berkaitan dengan mengukur waktu end-to-end untuk fungsi teknis utama sebagai bagian dari pemantauan performa. Metrik tingkat aplikasi harus mencakup waktu transaksi end-to-end. Waktu transaksi ini harus mencakup fungsi teknis utama seperti kueri database, waktu respons untuk panggilan API eksternal, dan tingkat kegagalan langkah-langkah pemrosesan.
Gunakan standar telemetri. Pertimbangkan untuk menggunakan pustaka instrumentasi alat APM dan alat yang dibangun di sekitar standar telemetri, seperti OpenTelemetry.
Mengaktifkan pelacakan terdistribusi
Pelacakan terdistribusi adalah teknik yang digunakan untuk melacak dan memantau permintaan saat mengalir melalui sistem terdistribusi. Ini memungkinkan Anda untuk melacak jalur permintaan saat berjalan di beberapa layanan dan komponen, memberikan wawasan berharga tentang performa dan efisiensi beban kerja Anda. Pelacakan terdistribusi penting untuk efisiensi performa karena membantu mengidentifikasi hambatan, masalah latensi, dan area untuk pengoptimalan dalam sistem terdistribusi. Anda dapat menentukan di mana penundaan atau inefisiensi terjadi dan mengambil tindakan yang tepat untuk meningkatkan performa dengan memvisualisasikan alur permintaan. Ikuti langkah-langkah berikut untuk mengaktifkan pelacakan terdistribusi:
Mulailah dengan melengkapi aplikasi dan layanan Anda untuk menghasilkan data pelacakan. Gunakan pustaka atau kerangka kerja yang mendukung pelacakan terdistribusi, seperti OpenTelemetry.
Pastikan bahwa informasi pelacakan disebarluaskan di seluruh batas layanan. Anda biasanya harus meneruskan ID pelacakan unik dan informasi kontekstual lainnya dengan setiap permintaan.
Siapkan sistem pengumpulan jejak terpusat. Sistem ini mengumpulkan dan menyimpan data jejak yang dihasilkan oleh aplikasi dan layanan Anda.
Gunakan data pelacakan yang dikumpulkan untuk memvisualisasikan alur permintaan end-to-end dan menganalisis karakteristik performa sistem terdistribusi Anda.
Kumpulkan log aplikasi
Ketika Anda menginstrumentasi kode, salah satu output utama harus berupa log aplikasi. Pengelogan membantu Anda memahami bagaimana aplikasi berjalan di berbagai lingkungan. Log aplikasi merekam kondisi yang menghasilkan peristiwa aplikasi. Kumpulkan log aplikasi di semua lingkungan aplikasi. Entri log yang sesuai di seluruh aplikasi harus menangkap ID korelasi untuk transaksi masing-masing. ID korelasi harus menghubungkan peristiwa log aplikasi di seluruh alur aplikasi penting seperti masuk pengguna. Gunakan korelasi ini untuk menilai kesehatan skenario utama dalam konteks target dan persyaratan nonfungsi.
Anda harus menggunakan pengelogan terstruktur. Pengelogan terstruktur mempercepat penguraian dan analisis log. Ini membuat log lebih mudah untuk mengindeks, mengkueri, dan melaporkan tanpa kompleksitas. Tambahkan dan gunakan pustaka pengelogan terstruktur dalam kode aplikasi Anda. Terkadang entri log dapat membantu Anda menghubungkan data yang tidak dapat Anda korelasikan dengan cara lain.
Mengumpulkan data performa sumber daya
Dengan mengumpulkan data performa sumber daya, Anda dapat memperoleh wawasan tentang kesehatan dan perilaku beban kerja Anda. Data performa sumber daya menyediakan informasi tentang penggunaan sumber daya, yang merupakan kunci untuk perencanaan kapasitas. Data ini juga memberikan wawasan tentang kesehatan beban kerja dan dapat membantu Anda mendeteksi masalah dan memecahkan masalah. Pertimbangkan rekomendasi berikut:
Kumpulkan metrik dan log untuk setiap sumber daya. Setiap layanan Azure memiliki sekumpulan metrik yang unik untuk fungsionalitas sumber daya. Metrik ini membantu Anda memahami kesehatan dan performa sumber daya. Tambahkan pengaturan diagnostik untuk setiap sumber daya untuk mengirim metrik ke lokasi yang dapat diakses tim beban kerja Anda saat mereka membangun pemberitahuan dan dasbor. Data metrik tersedia untuk akses jangka pendek. Untuk akses jangka panjang atau untuk akses dari sistem yang berada di luar Azure Monitor, kirim data metrik ke sink terpadu Anda ke lokasi akses.
Gunakan alat platform. Kumpulkan inspirasi dari solusi pemantauan bawaan dan terintegrasi, seperti Azure Monitor Insights. Alat ini menyederhanakan operasi performa. Pertimbangkan alat platform saat Anda memilih platform dan berinvestasi dalam alat atau pelaporan kustom.
Pantau lalu lintas jaringan. Memantau lalu lintas jaringan berarti melacak dan menganalisis aliran dan pola data saat bergerak melintasi jalur jaringan. Kumpulkan analitik lalu lintas dan pantau lalu lintas yang melintasi batas subnet. Tujuan Anda adalah menganalisis dan mengoptimalkan performa jaringan.
Mengumpulkan database dan data penyimpanan
Banyak database dan sistem penyimpanan menyediakan alat pemantauan mereka sendiri. Alat-alat ini mengumpulkan data performa khusus untuk sistem tersebut. Sistem database dan penyimpanan sering menghasilkan log yang berisi peristiwa dan indikator terkait performa. Kumpulkan data database dan data performa penyimpanan sehingga Anda dapat mengidentifikasi hambatan, mendiagnosis masalah, dan membuat keputusan berdasarkan informasi untuk meningkatkan performa dan keandalan beban kerja Anda secara keseluruhan. Pertimbangkan untuk mengumpulkan jenis data performa berikut:
Throughput: Throughput mengukur jumlah data yang dibaca dari atau ditulis ke sistem penyimpanan selama periode waktu tertentu. Data throughput menunjukkan kemampuan transfer data.
Latensi: Latensi mengukur berapa lama operasi penyimpanan berlangsung. Data latensi menunjukkan respons sistem penyimpanan.
IOPS (operasi I/O per detik): Data tentang jumlah operasi baca atau operasi tulis yang dapat dilakukan sistem penyimpanan dalam hitungan detik. Data IOPS menunjukkan throughput dan responsivitas sistem penyimpanan.
Penggunaan kapasitas: Penggunaan kapasitas adalah jumlah kapasitas penyimpanan yang digunakan dan jumlah yang tersedia. Data penggunaan kapasitas membantu organisasi merencanakan kebutuhan penyimpanan di masa mendatang.
Untuk database, Anda juga harus mengumpulkan metrik khusus database:
Performa kueri: Data tentang waktu eksekusi, penggunaan sumber daya, dan efisiensi kueri database. Kueri database yang lambat atau tidak efisien dapat memperlambat beban kerja secara signifikan. Cari kueri yang lambat dan yang sering berjalan.
Performa transaksi: Data tentang performa transaksi database, seperti durasi transaksi, konkurensi, dan ketidakcocokan kunci.
Performa indeks: Data tentang performa indeks database, seperti fragmentasi indeks, statistik penggunaan, dan pengoptimalan kueri.
Penggunaan sumber daya: Data yang mencakup CPU, memori, ruang disk, I/O, dan bandwidth jaringan.
Metrik koneksi: Metrik yang melacak jumlah koneksi aktif, dibatalkan, dan gagal. Tingkat kegagalan yang tinggi dapat menunjukkan masalah jaringan atau dapat menunjukkan bahwa database mencapai jumlah koneksi maksimumnya.
Tingkat transaksi: Jumlah transaksi yang dijalankan database per detik. Perubahan tingkat transaksi dapat menunjukkan masalah performa.
Tingkat kesalahan: Data yang menunjukkan performa database. Tingkat kesalahan yang tinggi mungkin menunjukkan masalah performa. Mengumpulkan dan menganalisis kesalahan database.
Mengumpulkan data sistem operasi (jika ada)
Solusi platform as a service (PaaS) menghilangkan kebutuhan untuk mengumpulkan data performa sistem operasi. Namun, jika beban kerja Anda berjalan pada komputer virtual (infrastruktur sebagai layanan), Anda perlu mengumpulkan data performa tentang sistem operasi. Anda perlu memahami permintaan pada sistem operasi dan komputer virtual Anda. Sering mengambil sampel penghitung kinerja sistem operasi. Misalnya, Anda dapat mengambil sampel penghitung kinerja setiap menit.
Minimal, kumpulkan data tentang area performa berikut.
| Area performa | Proses atau fungsi |
|---|---|
| CPU | - Penggunaan CPU (mode pengguna atau mode istimewa) - Panjang antrean CPU (jumlah proses yang menunggu waktu CPU) |
| Proses | - Jumlah utas proses - Jumlah handel proses |
| Memori | - Memori yang diterapkan - Memori yang tersedia - Halaman per detik - Menukar penggunaan ruang |
| Disk | - Pembacaan disk - Penulisan disk - Throughput disk - Penggunaan ruang disk |
| Jaringan | - Throughput antarmuka jaringan - Kesalahan Rx/Tx antarmuka jaringan |
Memvalidasi dan menganalisis data
Data performa Anda harus selaras dengan target performa. Data perlu mewakili beban kerja atau performa alur sepenuhnya dan akurat karena berkaitan dengan target performa. Misalnya, waktu respons untuk layanan web memiliki target performa 500 mdtk. Jadikan ini rutin untuk menganalisis data, karena evaluasi yang sering memungkinkan deteksi dini dan mitigasi masalah performa.
Membuat pemberitahuan. Sangat bermanfaat untuk memiliki pemberitahuan yang dapat ditindaklanjuti, memungkinkan identifikasi cepat dan rektifikasi masalah performa. Pemberitahuan ini harus dengan jelas menunjukkan ambang performa yang dilanggar, potensi efek bisnis, dan komponen yang terlibat. Mulailah dengan mengatur pemberitahuan umum dan yang direkomendasikan. Seiring waktu, Anda dapat memodifikasi kriteria ini berdasarkan kebutuhan spesifik Anda. Tujuan utama dari pemberitahuan ini adalah untuk memperkirakan potensi penurunan performa sebelum meningkat menjadi masalah yang signifikan. Jika Anda tidak dapat mengatur pemberitahuan untuk dependensi eksternal, pertimbangkan untuk menyusun metode untuk mengumpulkan pengukuran tidak langsung, seperti durasi panggilan dependensi.
Atur batas pengumpulan data. Tentukan dan tetapkan batas logis pada volume data yang Anda kumpulkan dan durasi retensinya. Telemetri terkadang dapat menghasilkan data dalam jumlah yang luar biasa. Sangat penting untuk fokus pada menangkap hanya indikator performa yang paling penting atau memiliki sistem yang efisien untuk mengekstrak wawasan yang bermakna dari data performa Anda.
Fasilitasi Azure
Memusatkan, mengesegmentasi, dan mempertahankan data performa: Azure Monitor mengumpulkan dan menggabungkan data dari setiap lapisan dan komponen beban kerja Anda di beberapa langganan dan penyewa Azure dan non-Azure. Ini menyimpan data dalam platform data umum untuk dikonsumsi oleh sekumpulan alat umum yang dapat menghubungkan, menganalisis, memvisualisasikan, dan/atau merespons data.
Anda memerlukan setidaknya satu ruang kerja Analitik Log untuk mengaktifkan Log Azure Monitor. Anda dapat menggunakan ruang kerja tunggal untuk semua pengumpulan data Anda. Anda juga dapat membuat beberapa ruang kerja berdasarkan persyaratan untuk menyegmentasi data performa. Ini juga memungkinkan Anda untuk menentukan kebijakan retensi.
Mengumpulkan data performa aplikasi: Application Insights adalah fitur Azure Monitor yang membantu Anda memantau performa dan ketersediaan aplikasi Anda. Ini memberikan wawasan tingkat aplikasi dengan mengumpulkan data telemetri seperti tingkat permintaan, waktu respons, dan detail pengecualian. Anda dapat mengaktifkan Application Insights untuk aplikasi Anda dan mengonfigurasinya untuk mengumpulkan data performa yang diperlukan. Application Insights juga mendukung pelacakan terdistribusi. Mengonfigurasi pelacakan terdistribusi untuk semua alur. Untuk membangun alur transaksi end-to-end, korelasikan peristiwa yang berasal dari komponen atau tingkat aplikasi yang berbeda.
Penghitung kinerja adalah cara yang ampuh untuk memantau performa aplikasi Anda. Azure menyediakan berbagai penghitung kinerja yang dapat Anda gunakan untuk mengumpulkan data tentang penggunaan CPU, penggunaan memori, I/O disk, lalu lintas jaringan, dan banyak lagi. Jika Anda mengonfigurasi aplikasi untuk memancarkan data penghitung kinerja, Azure Monitor mengumpulkan dan menyimpan data untuk analisis.
Mengumpulkan data performa sumber daya: Sebagian besar layanan Azure menghasilkan log dan metrik platform yang menyediakan informasi diagnostik dan audit. Dengan mengaktifkan pengaturan diagnostik, Anda dapat menentukan log dan metrik platform untuk dikumpulkan dan disimpan. Untuk tujuan korelasi, aktifkan diagnostik untuk semua layanan yang didukung lalu kirim log ke tujuan yang sama dengan log aplikasi Anda.
Mengumpulkan database dan data performa penyimpanan: Azure Monitor memungkinkan Anda mengumpulkan data performa untuk database di Azure. Anda dapat mengaktifkan pemantauan untuk Azure SQL Database, Azure Database for MySQL, Azure Database for PostgreSQL, dan layanan database lainnya. Azure Monitor menyediakan metrik dan log untuk memantau performa database, termasuk penggunaan CPU, penggunaan memori, dan performa kueri. Untuk diberi tahu tentang masalah, Anda dapat menyiapkan pemberitahuan berdasarkan ambang performa.
Azure menawarkan rekomendasi performa untuk database, seperti SQL Server di Azure Virtual Machines. Rekomendasi ini membantu Anda mengoptimalkan performa beban kerja database Anda. Mereka termasuk saran untuk mengumpulkan penghitung kinerja, menangkap statistik tunggu, dan mengumpulkan data performa selama jam sibuk.
Azure Storage Analytics memungkinkan Anda mengumpulkan data performa untuk layanan Azure Storage seperti Blob Storage, Table Storage, dan Queue Storage. Anda dapat mengaktifkan pengelogan dan metrik untuk akun penyimpanan Anda untuk memantau indikator performa utama, seperti jumlah operasi baca/tulis, throughput, dan latensi.
Mengumpulkan data performa sistem operasi: Ekstensi Azure Diagnostics memungkinkan Anda mengumpulkan data performa terperinci dari komputer virtual (VM), termasuk CPU, memori, I/O disk, dan lalu lintas jaringan. Data ini dapat dikirim ke Azure Monitor atau layanan penyimpanan lainnya untuk analisis dan pemberitahuan.
Memvalidasi dan menganalisis data performa: Dalam Azure Monitor, Anda dapat menggunakan Log Azure Monitor untuk mengumpulkan, menganalisis, dan memvisualisasikan data log dari aplikasi dan sistem Anda. Anda dapat mengonfigurasi Log Azure Monitor untuk menyerap log dari aplikasi Anda, termasuk log tingkat aplikasi dan log infrastruktur. Dengan menggabungkan log, Anda dapat melakukan lintas kueri dan mendapatkan wawasan tentang performa aplikasi Anda. Untuk informasi selengkapnya, lihat Penghitungan dan opsi biaya Log Azure Monitor dan Harga untuk Azure Monitor.
Di Azure Monitor, Anda dapat menentukan aturan pemberitahuan untuk memantau metrik performa tertentu dan memicu pemberitahuan berdasarkan kondisi yang telah ditentukan sebelumnya. Misalnya, Anda dapat membuat aturan pemberitahuan untuk memberi tahu Anda saat penggunaan CPU melebihi ambang batas tertentu atau ketika waktu respons melampaui batas yang ditentukan. Konfigurasikan aturan pemberitahuan untuk mengirim pemberitahuan ke penerima yang diinginkan.
Saat membuat aturan pemberitahuan, Anda dapat menentukan kriteria yang menentukan kapan pemberitahuan harus dipicu. Anda dapat mengatur ambang batas, metode agregasi, jendela waktu, dan frekuensi evaluasi. Tentukan kriteria berdasarkan persyaratan pemantauan performa Anda. Selain mengirim pemberitahuan, Anda dapat menentukan tindakan yang akan diambil saat pemberitahuan dipicu. Tindakan dapat mencakup pengiriman email, memanggil webhook, atau menjalankan fungsi Azure. Pilih tindakan yang sesuai untuk merespons skenario pemberitahuan tertentu.
Contoh
- Garis besar aplikasi web layanan aplikasi redundan zona dengan ketersediaan tinggi
- Memantau aplikasi layanan mikro di Azure Kubernetes Service (AKS)
- Pemantauan perusahaan dengan Azure Monitor
Tautan terkait
Daftar periksa Efisiensi Performa
Lihat serangkaian rekomendasi lengkap.
Saran dan Komentar
Segera hadir: Sepanjang tahun 2024 kami akan menghentikan penggunaan GitHub Issues sebagai mekanisme umpan balik untuk konten dan menggantinya dengan sistem umpan balik baru. Untuk mengetahui informasi selengkapnya, lihat: https://aka.ms/ContentUserFeedback.
Kirim dan lihat umpan balik untuk