Log Analytics での Windows および Linux のパフォーマンス データ ソース

Windows および Linux のパフォーマンス カウンターから、ハードウェア コンポーネント、オペレーティング システム、およびアプリケーションのパフォーマンスに関する情報が得られます。 Log Analytics は、長期的な分析とレポートのためにパフォーマンス データを集計することに加えて、ほぼリアルタイム (NRT) 分析のために頻繁な間隔でパフォーマンス カウンターを収集することができます。

パフォーマンス カウンター

パフォーマンス カウンターの構成

パフォーマンス カウンターは、Log Analytics の [設定] の[データ] メニューから構成します。

新しい OMS ワークスペースの Windows または Linux のパフォーマンス カウンターを初めて構成する場合、いくつかの一般的なカウンターをすばやく作成するためのオプションが表示されます。 それぞれのオプションの横には、チェック ボックスが表示されます。 最初に作成するカウンターがオンになっていることを確認し、 [Add the selected performance counters (選択されたパフォーマンス カウンターを追加する)]をクリックします。

Windows パフォーマンス カウンターの構成

収集する新しい Windows パフォーマンス カウンターを追加するには、次の手順を実行します。

  1. <オブジェクト (インスタンス)><カウンター> の形式で、テキスト ボックスにカウンターの名前を入力します。 入力を開始すると、入力内容に一致する一般的なカウンターの一覧が表示されます。 一覧からカウンターを選択するか、または独自の名前を入力することができます。 <オブジェクト><カウンター> を指定して、特定のカウンターのすべてのインスタンスを返すこともできます。
  2. + をクリックするか、または Enter キーを押して、一覧にカウンターを追加します。
  3. カウンターを追加すると、その [サンプルの間隔] には既定値の 10 秒が使用されます。 収集されたパフォーマンス データのストレージ要件を削減する場合は、この値を最大 1800 秒 (30 分) まで高く変更できます。
  4. カウンターの追加を完了したら、画面の上部にある [保存] ボタンをクリックして、構成を保存します。

Linux パフォーマンス カウンターの構成

収集する新しい Linux パフォーマンス カウンターを追加するには、次の手順を実行します。

  1. 既定では、すべての構成変更はすべてのエージェントに自動的にプッシュされます。 Linux エージェントの場合、構成ファイルが Fluentd データ コレクターに送信されます。 各 Linux エージェントでこのファイルを手動で変更する場合、 [Apply below configuration to my Linux machines (Linux コンピューターに以下の構成を適用する)]チェック ボックスをオフにします。
  2. <オブジェクト (インスタンス)><カウンター> の形式で、テキスト ボックスにカウンターの名前を入力します。 入力を開始すると、入力内容に一致する一般的なカウンターの一覧が表示されます。 一覧からカウンターを選択するか、または独自の名前を入力することができます。
  3. + をクリックするか、または Enter キーを押して、オブジェクトのその他のカウンターの一覧にカウンターを追加します。
  4. オブジェクトのすべてのカウンターは、同じ [サンプルの間隔] を使用します。 既定値は 10 秒です。 収集されたパフォーマンス データのストレージ要件を削減したい場合は、1,800 秒 (30 分) を上限としてこの値を増やしてください。
  5. カウンターの追加を完了したら、画面の上部にある [保存] ボタンをクリックして、構成を保存します。

データ収集

Log Analytics は、カウンターがインストールされているすべてのエージェントについて、指定されたサンプル間隔ですべての指定されたパフォーマンス カウンターを収集します。 データは集計されず、生データが、OMS サブスクリプションで指定した期間、すべてのログ検索ビューで利用可能です。

パフォーマンス レコードのプロパティ

パフォーマンス レコードには、 Perf の型と、次の表に示すプロパティがあります。

プロパティ 説明
コンピューター イベントが収集されたコンピューター。
CounterName パフォーマンス カウンターの名前
CounterPath \\<コンピューター>\オブジェクト(インスタンス)\カウンターの形式のカウンターの完全パス。
CounterValue カウンターの数値。
InstanceName イベント インスタンスの名前。 インスタンスがない場合は空白です。
ObjectName パフォーマンス オブジェクトの名前
SourceSystem データが収集されたエージェントの種類。
OpsManager – Windows エージェント、直接接続または SCOM
Linux – すべての Linux エージェント
AzureStorage – Azure 診断
TimeGenerated データがサンプリングされた日付と時刻。

サイズ見積もり

10 秒間隔での特定のカウンターの収集量の大まかな見積もり値は、インスタンスごとに 1 日あたり約 1 MB です。 次の式で、特定のカウンターのストレージ要件を見積もることができます。

1 MB x (number of counters) x (number of agents) x (number of instances)

パフォーマンス レコードでのログ検索

次の表は、パフォーマンス レコードを取得するログ検索のさまざまな例をまとめたものです。

クエリ 説明
Type=Perf すべてのパフォーマンス データ
Type=Perf Computer="MyComputer" 特定のコンピューターからのすべてのパフォーマンス データ
Type=Perf CounterName="Current Disk Queue Length" 特定のカウンターに関するすべてのパフォーマンス データ
Type=Perf (ObjectName=Processor) CounterName="% Processor Time" InstanceName=_Total | measure Avg(Average) as AVGCPU by Computer コンピューター全体の平均 CPU 使用率
Type=Perf (CounterName="% Processor Time") | measure max(Max) by Computer コンピューター全体の最大 CPU 使用率
Type=Perf ObjectName=LogicalDisk CounterName="Current Disk Queue Length" Computer="MyComputerName" | measure Avg(Average) by InstanceName 特定のコンピューターのインスタンス全体における現在のディスク キューの長さの平均
Type=Perf CounterName="DiskTransfers/sec" | measure percentile95(Average) by Computer コンピューター全体のディスク転送数/秒の&95; パーセンタイル
Type=Perf CounterName="% Processor Time" InstanceName="_Total" | measure avg(CounterValue) by Computer Interval 1HOUR 全コンピューターの CPU 使用率の平均値 (1 時間ごと)
Type=Perf Computer="MyComputer" CounterName=%* InstanceName=_Total | measure percentile70(CounterValue) by CounterName Interval 1HOUR 特定のコンピューターの各パーセント (%) カウンターの 70 パーセンタイル (1 時間ごと)
Type=Perf CounterName="% Processor Time" InstanceName="_Total" (Computer="MyComputer") | measure min(CounterValue), avg(CounterValue), percentile75(CounterValue), max(CounterValue) by Computer Interval 1HOUR 特定のコンピューターの CPU 使用率の平均、最小、最大、75 パーセンタイル (1 時間ごと)

パフォーマンス データの表示

パフォーマンス データのログ検索を実行すると、既定で [ログ] ビューが表示されます。 グラフィカルな形式でデータを表示するには、 [メトリック]をクリックします。 詳細なグラフィック表示については、カウンターの横にある + をクリックします。

折りたたまれた [メトリック] ビュー

ログ検索でパフォーマンス データを集計する方法については、「On-demand metric aggregation and visualization in OMS (OMS におけるオンデマンドのメトリック集計と視覚化)」を参照してください。

次のステップ

  • ログ検索 について学習し、データ ソースとソリューションから収集されたデータを分析します。
  • 詳細な視覚化および分析を行うために、収集されたデータを Power BI にエクスポートします。