azdata 및 Grafana 대시보드를 사용하여 빅 데이터 클러스터 모니터링

Important

Microsoft SQL Server 2019 빅 데이터 클러스터 추가 기능이 사용 중지됩니다. SQL Server 2019 빅 데이터 클러스터에 대한 지원은 2025년 2월 28일에 종료됩니다. Software Assurance를 사용하는 SQL Server 2019의 모든 기존 사용자는 플랫폼에서 완전히 지원되며, 소프트웨어는 지원 종료 시점까지 SQL Server 누적 업데이트를 통해 계속 유지 관리됩니다. 자세한 내용은 공지 블로그 게시물 및 Microsoft SQL Server 플랫폼의 빅 데이터 옵션을 참조하세요.

이 문서에서는 SQL Server 빅 데이터 클러스터 내에서 애플리케이션을 모니터링하는 방법을 설명합니다. SQL Server 2019 빅 데이터 클러스터는 모니터링을 위해 Grafana 대시보드를 노출합니다. 이러한 메트릭은 influxDB에 저장됩니다. 이러한 메트릭은 다음 중 하나로 분류됩니다.

• 메트릭 수집, 처리, 집계, 쓰기를 위한 에이전트인 Telegraf에서 수집된 Kubernetes 호스트 관련 메트릭.
• 워크로드 관련 메트릭: SQL Server, Spark, HDFS 관련 메트릭은 SQL Server DMV 메트릭 및 SQL Server 확장 이벤트(XEvents)와 같은 CollectD에서 수집됩니다.

Important

Internet Explorer 브라우저와 이전 Microsoft Edge 브라우저는 Grafana와 호환되지 않습니다. Grafana에서 지원되지 않는 브라우저를 사용하면 오류와 함께 검은색 페이지가 나타납니다. Chromium 기반 Microsoft Edge를 고려하거나 Grafana에 지원되는 브라우저를 검토합니다.

사용 가능한 메트릭

SQL Server 빅 데이터 클러스터 사용할 수 있는 메트릭은 다음과 같습니다.

범주	설명	메트릭
호스팅된 노드 메트릭	Kubernetes 호스트 관련 메트릭	CPU, RAM 사용량, 디스크 IOPS, 부하 평균 등
Pod 및 컨테이너 메트릭	Kubernetes Pod 및 컨테이너 관련 메트릭: Grafana에서는 Pod 또는 특정 컨테이너를 기준으로 해당 메트릭을 필터링할 수 있습니다.	CPU, RAM, 디스크, 네트워크 사용량.
SQL Server 메트릭	SQL Server 관련 메트릭	트랜잭션/초, 일괄 처리 요청/초, 데이터베이스 작업, SQL Server 작업 등: 특히 ContainerAG가 사용하도록 설정된 경우 여기에서 alwaysOn을 모니터링할 수도 있습니다.
Spark 메트릭	Spark 앱 관련 메트릭.	실행기 hdfs 쓰기, JVM GC 시간, JVM 힙 사용량 등
앱 메트릭	SQL Server 빅 데이터 클러스터에 배포된 앱과 관련된 메트릭인 Grafana를 사용하면 특정 앱 및 앱 버전별로 해당 메트릭을 필터링할 수 있습니다.	CPU, RAM 및 HTTP 요청 상태.

필수 조건

• SQL Server 2019 빅 데이터 클러스터
• azdata 명령줄 유틸리티

기능

SQL Server 2019에서는 애플리케이션을 만들고, 삭제, 설명, 초기화, 나열, 실행, 업데이트할 수 있습니다. 다음 표에서는 azdata와 함께 사용할 수 있는 애플리케이션 배포 명령에 대해 설명합니다.

명령	설명
azdata bdc endpoint list	빅 데이터 클러스터의 엔드포인트를 나열합니다.

다음 예제를 사용하여 Grafana 대시보드의 엔드포인트를 나열할 수 있습니다.

azdata bdc endpoint list --endpoint-name metricsui 

출력에서는 클러스터 사용자 이름 및 암호를 사용하여 로그인할 수 있는 엔드포인트를 제공합니다.

nodeMetricsUrl 및 sqlMetricsUrl 값은 Kubernetes 노드 메트릭 및 빅 데이터 클러스터 서비스 메트릭을 모니터링하기 위해 Grafana 대시보드에 연결됩니다.

관련 콘텐츠

• Azure Data Studio를 사용하여 빅 데이터 클러스터 상태 모니터링
• azdata 및 kubectl을 사용하여 빅 데이터 클러스터 모니터링
• Jupyter Notebook 및 Azure Data Studio를 사용하여 빅 데이터 클러스터 모니터링