Monitorare Azure Machine Learning

L'articolo illustra:

• Tipi di dati di monitoraggio che è possibile raccogliere per questo servizio.
• Modalità di analisi dei dati.

Nota

Se si ha già familiarità con questo servizio e/o Monitoraggio di Azure e si vuole solo sapere come analizzare i dati di monitoraggio, vedere la sezione Analizza alla fine di questo articolo.

Quando si hanno applicazioni e processi aziendali critici che si basano sulle risorse di Azure, è necessario monitorare e ricevere avvisi per il sistema. Il servizio Monitoraggio di Azure raccoglie e aggrega metriche e log da ogni componente del sistema. Monitoraggio di Azure offre una visualizzazione della disponibilità, delle prestazioni e della resilienza e notifica i problemi. È possibile usare la portale di Azure, PowerShell, l'interfaccia della riga di comando di Azure, l'API REST o le librerie client per configurare e visualizzare i dati di monitoraggio.

• Per altre informazioni su Monitoraggio di Azure, vedere Panoramica di Monitoraggio di Azure.
• Per altre informazioni su come monitorare le risorse di Azure in generale, vedere Monitorare le risorse di Azure con Monitoraggio di Azure.

Nota

Le informazioni contenute in questo documento sono destinate principalmente ad amministratori, perché descrivono il monitoraggio per il servizio Azure Machine Learning e i servizi di Azure associati. Se si è un data scientist o uno sviluppatore e si vuole monitorare le informazioni specifiche per le esecuzioni di training del modello, vedere i documenti seguenti:

• Avviare, monitorare e annullare le esecuzioni di training
• Registrare le metriche per le esecuzioni di training
• Tenere traccia di esperimenti con MLflow

Per monitorare le informazioni generate da modelli distribuiti in endpoint online, vedere Monitorare gli endpoint online.

Informazioni dettagliate

Alcuni servizi in Azure hanno un dashboard di monitoraggio predefinito nel portale di Azure che fornisce un punto di partenza per il monitoraggio del servizio. Questi dashboard sono denominati informazioni dettagliate ed è possibile trovarli nell'hub di Insights di Monitoraggio di Azure nella portale di Azure.

Machine Learning può usare Application Insights per tenere traccia delle metriche e dei log. È possibile inviare metriche e log predefiniti ad Application Insights e usare funzionalità di Application Insights, ad esempio metriche attive, ricerca delle transazioni, errori e prestazioni per un'ulteriore analisi. Per altre informazioni, vedere Monitorare gli endpoint online.

Tipi di risorse

Azure usa il concetto di tipi di risorse e ID per identificare tutti gli elementi in una sottoscrizione. Monitoraggio di Azure organizza in modo analogo i dati di monitoraggio di base in metriche e log in base ai tipi di risorse, detti anche spazi dei nomi. Metriche e log diversi sono disponibili per diversi tipi di risorse. Il servizio potrebbe essere associato a più tipi di risorsa.

I tipi di risorsa fanno anche parte degli ID risorsa per ogni risorsa in esecuzione in Azure. Ad esempio, un tipo di risorsa per una macchina virtuale è Microsoft.Compute/virtualMachines. Per un elenco dei servizi e dei relativi tipi di risorse associati, vedere Provider di risorse.

Per altre informazioni sui tipi di risorse per Machine Learning, vedere Informazioni di riferimento sui dati di monitoraggio di Machine Learning.

Archiviazione di dati

Per Monitoraggio di Azure:

• I dati delle metriche vengono archiviati nel database delle metriche di Monitoraggio di Azure.
• I dati di log vengono archiviati nell'archivio dei log di Monitoraggio di Azure. Log Analytics è uno strumento nella portale di Azure in grado di eseguire query su questo archivio.
• Il log attività di Azure è un archivio separato con la propria interfaccia nella portale di Azure.

Facoltativamente, è possibile instradare i dati delle metriche e dei log attività all'archivio dei log di Monitoraggio di Azure. È quindi possibile usare Log Analytics per eseguire query sui dati e correlarli con altri dati di log.

Molti servizi possono usare le impostazioni di diagnostica per inviare i dati delle metriche e dei log ad altre posizioni di archiviazione all'esterno di Monitoraggio di Azure. Gli esempi includono Archiviazione di Azure, sistemi partner ospitati e sistemi partner non Azure usando Hub eventi.

Per informazioni dettagliate su come Monitoraggio di Azure archivia i dati, vedere Piattaforma dati di Monitoraggio di Azure.

Metriche della piattaforma di Monitoraggio di Azure

Monitoraggio di Azure fornisce metriche della piattaforma per la maggior parte dei servizi. Le metriche sono le seguenti:

• Definito singolarmente per ogni spazio dei nomi.
• Archiviato nel database delle metriche delle serie temporali di Monitoraggio di Azure.
• Leggero e in grado di supportare avvisi quasi in tempo reale.
• Usato per tenere traccia delle prestazioni di una risorsa nel tempo.

Raccolta: Monitoraggio di Azure raccoglie automaticamente le metriche della piattaforma. Non è richiesta alcuna configurazione.

Routing: in genere è anche possibile instradare le metriche della piattaforma ai log di Monitoraggio di Azure/Log Analytics in modo da poterle eseguire query con altri dati di log. Per altre informazioni, vedere l'impostazione di diagnostica Metriche. Per informazioni su come configurare le impostazioni di diagnostica per un servizio, vedere Creare impostazioni di diagnostica in Monitoraggio di Azure.

Per un elenco di tutte le metriche è possibile raccogliere per tutte le risorse in Monitoraggio di Azure, vedere Metriche supportate in Monitoraggio di Azure.

Per un elenco delle metriche disponibili per Machine Learning, vedere Informazioni di riferimento per i dati di monitoraggio di Machine Learning.

Tutte le metriche per Azure Machine Learning si trovano nello spazio dei nomi dell'area di lavoro del servizio Machine Learning.

Log delle risorse di Monitoraggio di Azure

I log delle risorse forniscono informazioni dettagliate sulle operazioni eseguite da una risorsa di Azure. I log vengono generati automaticamente, ma è necessario indirizzarli ai log di Monitoraggio di Azure per salvarli o eseguirne query. I log sono organizzati in categorie. Uno spazio dei nomi specificato potrebbe avere più categorie di log delle risorse.

Raccolta: i log delle risorse non vengono raccolti e archiviati fino a quando non si crea un'impostazione di diagnostica e si instradano i log a una o più posizioni. Quando si crea un'impostazione di diagnostica, si specificano quali categorie di log raccogliere. Esistono diversi modi per creare e gestire le impostazioni di diagnostica, tra cui il portale di Azure, a livello di codice e anche Criteri di Azure.

Routing: l'impostazione predefinita consigliata consiste nel instradare i log delle risorse ai log di Monitoraggio di Azure in modo da poterli eseguire query con altri dati di log. Sono disponibili anche altre località, ad esempio Archiviazione di Azure, Hub eventi di Azure e alcuni partner di monitoraggio Microsoft. Per altre informazioni, vedere Log delle risorse di Azure e destinazioni del log delle risorse.

Per informazioni dettagliate sulla raccolta, l'archiviazione e il routing dei log delle risorse, vedere Impostazioni di diagnostica in Monitoraggio di Azure.

Per un elenco di tutte le categorie di log delle risorse disponibili in Monitoraggio di Azure, vedere Log delle risorse supportate in Monitoraggio di Azure.

Tutti i log delle risorse in Monitoraggio di Azure hanno gli stessi campi di intestazione, seguiti da campi specifici del servizio. Lo schema comune è descritto in Schema dei log delle risorse di Monitoraggio di Azure.

Per le categorie di log delle risorse disponibili, le tabelle di Log Analytics associate e gli schemi dei log per Machine Learning, vedere Informazioni di riferimento sui dati di monitoraggio di Machine Learning.

Finestra Log attività di Azure

Il log attività contiene eventi a livello di sottoscrizione che tengono traccia delle operazioni per ogni risorsa di Azure, come illustrato dall'esterno di tale risorsa; Ad esempio, la creazione di una nuova risorsa o l'avvio di una macchina virtuale.

Raccolta: gli eventi del log attività vengono generati e raccolti automaticamente in un archivio separato per la visualizzazione nella portale di Azure.

Routing: è possibile inviare i dati del log attività ai log di Monitoraggio di Azure in modo da poterli analizzare insieme ad altri dati di log. Sono disponibili anche altre località, ad esempio Archiviazione di Azure, Hub eventi di Azure e alcuni partner di monitoraggio Microsoft. Per altre informazioni su come indirizzare il log attività, vedere Panoramica del log attività di Azure.

Analizzare i dati di monitoraggio

Sono disponibili molti strumenti per l'analisi dei dati di monitoraggio.

Strumenti di Monitoraggio di Azure

Monitoraggio di Azure supporta gli strumenti di base seguenti:

• Esplora metriche, uno strumento nella portale di Azure che consente di visualizzare e analizzare le metriche per le risorse di Azure. Per altre informazioni, vedere Analizzare le metriche con Esplora metriche di Monitoraggio di Azure.

• Log Analytics, uno strumento nella portale di Azure che consente di eseguire query e analizzare i dati di log usando il linguaggio di query Kusto (KQL). Per altre informazioni, vedere Introduzione alle query di log in Monitoraggio di Azure.

• Log attività, che dispone di un'interfaccia utente nel portale di Azure per la visualizzazione e le ricerche di base. Per eseguire analisi più approfondite, è necessario instradare i dati ai log di Monitoraggio di Azure ed eseguire query più complesse in Log Analytics.

Gli strumenti che consentono una visualizzazione più complessa includono:

• Dashboard che consentono di combinare diversi tipi di dati in un singolo riquadro nel portale di Azure.
• Cartelle di lavoro, report personalizzabili che è possibile creare nel portale di Azure. Le cartelle di lavoro possono includere testo, metriche e query di log.
• Grafana, uno strumento open platform che eccelle nei dashboard operativi. È possibile usare Grafana per creare dashboard che includono dati da più origini diverse da Monitoraggio di Azure.
• Power BI, un servizio di analisi aziendale che fornisce visualizzazioni interattive tra varie origini dati. È possibile configurare per Power BI per importare automaticamente i dati di log da Monitoraggio di Azure per sfruttare i vantaggi di queste visualizzazioni.

Strumenti di esportazione di Monitoraggio di Azure

È possibile ottenere dati da Monitoraggio di Azure in altri strumenti usando i metodi seguenti:

• Metriche: usare l'API REST per le metriche per estrarre i dati delle metriche dal database delle metriche di Monitoraggio di Azure. L'API supporta espressioni di filtro per perfezionare i dati recuperati. Per altre informazioni, vedere Informazioni di riferimento sull'API REST di Monitoraggio di Azure.

• Log: usare l'API REST o le librerie client associate.

• Un'altra opzione è l'esportazione dei dati dell'area di lavoro.

Per iniziare a usare l'API REST per Monitoraggio di Azure, vedere Procedura dettagliata per l'API REST di monitoraggio di Azure.

Query Kusto

È possibile analizzare i dati di monitoraggio nell'archivio Log/Log Analytics di Monitoraggio di Azure usando il linguaggio di query Kusto (KQL).

Importante

Quando si seleziona Log dal menu del servizio nel portale, Log Analytics si apre con l'ambito della query impostato sul servizio corrente. Questo ambito significa che le query di log includeranno solo i dati di quel tipo di risorsa. Per eseguire una query che include dati di altri servizi di Azure, selezionare Log dal menu Monitoraggio di Azure. Per i dettagli, vedere Ambito e intervallo di tempo delle query su log in Log Analytics di Monitoraggio di Azure.

Per un elenco delle query comuni per qualsiasi servizio, vedere l'interfaccia query di Log Analytics.

È possibile usare le query seguenti per monitorare le risorse di Machine Learning:

• Ottenere i processi non riusciti negli ultimi cinque giorni:

  AmlComputeJobEvent
  | where TimeGenerated > ago(5d) and EventType == "JobFailed"
  | project  TimeGenerated , ClusterId , EventType , ExecutionState , ToolType
  

• Ottenere record per un nome di processo specifico:

  AmlComputeJobEvent
  | where JobName == "automl_a9940991-dedb-4262-9763-2fd08b79d8fb_setup"
  | project  TimeGenerated , ClusterId , EventType , ExecutionState , ToolType
  

• Ottenere gli eventi degli ultimi cinque giorni per i cluster in cui le dimensioni della macchina virtuale sono Standard_D1_V2:

  AmlComputeClusterEvent
  | where TimeGenerated > ago(4d) and VmSize == "STANDARD_D1_V2"
  | project  ClusterName , InitialNodeCount , MaximumNodeCount , QuotaAllocated , QuotaUtilized
  

• Ottenere le allocazioni dei nodi del cluster negli ultimi otto giorni:

  AmlComputeClusterEvent
  | where TimeGenerated > ago(8d) and TargetNodeCount  > CurrentNodeCount
  | project TimeGenerated, ClusterName, CurrentNodeCount, TargetNodeCount
  

Quando si connettono più aree di lavoro di Machine Learning alla stessa area di lavoro Log Analytics, è possibile eseguire query su tutte le risorse.

• Ottenere il numero di nodi in esecuzione tra aree di lavoro e cluster nell'ultimo giorno:

  AmlComputeClusterEvent
  | where TimeGenerated > ago(1d)
  | summarize avgRunningNodes=avg(TargetNodeCount), maxRunningNodes=max(TargetNodeCount)
           by Workspace=tostring(split(_ResourceId, "/")[8]), ClusterName, ClusterType, VmSize, VmPriority
  

Avvisi

Gli avvisi di Monitoraggio di Azure avvisano in modo proattivo quando vengono rilevate condizioni specifiche nei dati di monitoraggio. Consentono di identificare e risolvere i problemi del sistema prima che gli utenti li notino. Per altre informazioni, vedere Avvisi di Monitoraggio di Azure.

Esistono molte origini di avvisi comuni per le risorse di Azure. Per esempi di avvisi comuni per le risorse di Azure, vedere Query di avviso di log di esempio. Il sito Avvisi di base di Monitoraggio di Azure (AMBA) offre un metodo semi-automatizzato per implementare importanti avvisi, dashboard e linee guida per le metriche della piattaforma. Il sito si applica a un sottoinsieme di servizi di Azure in continua espansione, inclusi tutti i servizi che fanno parte della zona di destinazione di Azure (ALZ).

Lo schema di avviso comune standardizza l'utilizzo delle notifiche di avviso di Monitoraggio di Azure. Per altre informazioni, vedere Schema di avviso comune.

Tipi di avviso:

È possibile creare avvisi su qualsiasi metrica o fonte di dati di log nella piattaforma di dati di Monitoraggio di Azure. Esistono molti tipi diversi di avvisi a seconda dei servizi monitorati e dei dati di monitoraggio raccolti. Diversi tipi di avvisi presentano diversi vantaggi e svantaggi. Per altre informazioni, vedere Scegliere il tipo di avviso di monitoraggio corretto.

L'elenco seguente descrive i tipi di avvisi di Monitoraggio di Azure che è possibile creare:

• Gli avvisi delle metriche valutano le metriche delle risorse a intervalli regolari. Le metriche possono essere metriche della piattaforma, metriche personalizzate, log di Monitoraggio di Azure convertiti in metriche o metriche di Application Insights. Gli avvisi delle metriche possono anche applicare più condizioni e soglie dinamiche.
• Gli avvisi di log consentono agli utenti di usare una query di Log Analytics per valutare i log delle risorse a una frequenza predefinita.
• Gli avvisi del log attività vengono attivati quando si verifica un nuovo evento del log attività che corrisponde alle condizioni definite. Gli avvisi sull'integrità delle risorse e gli avvisi sull'integrità dei servizi sono avvisi di log delle attività che segnalano l'integrità dei servizi e delle risorse.

Alcuni servizi di Azure supportano anche avvisi di rilevamento intelligente, avvisi prometheus o regole di avviso consigliate.

Per alcuni servizi, è possibile monitorare su larga scala applicando la stessa regola di avviso delle metriche a più risorse dello stesso tipo presenti nella stessa area di Azure. Le singole notifiche vengono inviate per ogni risorsa monitorata. Per i servizi e i cloud di Azure supportati, vedere Monitorare più risorse con una regola di avviso.

Nota

Se si crea o si esegue un'applicazione che viene eseguita nel servizio, Application Insights di Monitoraggio di Azure potrebbe offrire più tipi di avvisi.

Regole di avviso di Machine Learning

La tabella seguente elenca le regole di avviso comuni e consigliate per Machine Learning.

Tipo di avviso	Condizione	Descrizione
Model Deploy Failed (Distribuzione di modelli non riuscita)	Tipo di aggregazione: Totale, Operatore: Maggiore di, Valore soglia: 0	Quando una o più distribuzioni di modelli non sono riuscite
Quota Utilization Percentage (Percentuale di utilizzo quota)	Tipo di aggregazione: Media, Operatore: Maggiore di, Valore soglia: 90	Quando la percentuale di utilizzo della quota è maggiore del 90%
Unusable Nodes (Nodi non utilizzabili)	Tipo di aggregazione: Totale, Operatore: Maggiore di, Valore soglia: 0	Quando sono presenti uno o più nodi inutilizzabili

Elementi consigliati di Advisor

Per alcuni servizi, se si verificano condizioni critiche o modifiche imminenti durante le operazioni sulle risorse, viene visualizzato un avviso nella pagina Panoramica del servizio nel portale. È possibile trovare altre informazioni e correzioni consigliate per l'avviso in Raccomandazioni di Advisor in Monitoraggio nel menu a sinistra. Durante le normali operazioni, non vengono visualizzate raccomandazioni di Advisor.

Per altre informazioni su Azure Advisor, vedere Panoramica di Azure Advisor.

Contenuto correlato

• Per informazioni di riferimento sulle metriche, i log e altri valori importanti creati per Machine Learning, vedere Informazioni di riferimento sui dati di monitoraggio di Machine Learning.
• Per informazioni generali sul monitoraggio delle risorse di Azure, vedere Monitoraggio di Azure con Monitoraggio di Azure.
• Per informazioni sull'uso delle quote correlate a Machine Learning, vedere Gestire e richiedere quote per le risorse di Azure.