Azure 串流分析監視數據參考
本文包含此服務的所有監視參考資訊。
如需您可以針對 Azure 串流分析收集的數據,以及如何使用它的詳細資訊,請參閱 監視 Azure 串流分析 。
計量
本節列出針對此服務的所有自動收集平台計量。 這些計量也是 Azure 監視器中支援的所有平台計量全域清單的一部分。
如需計量保留的相關資訊,請參閱 Azure 監視器計量概觀。
Microsoft.StreamAnalytics/streamingjobs 支援的計量
下表列出 Microsoft.StreamAnalytics/streamingjobs 資源類型的可用計量。
- 所有資料行可能不存在於每個資料表中。
- 某些資料行可能超出頁面的檢視區域。 選取 [展開資料表] 以檢視所有可用的資料行。
資料表標題
- 類別 - 計量群組或分類。
- 計量 - Azure 入口網站中顯示的計量顯示名稱。
- REST API 中的名稱 - REST API 中所指的計量名稱。
- 單位 - 測量單位。
- 彙總 - 預設彙總類型。 有效值:平均值 (Avg)、最小值 (Min)、最大值 (Max)、總計 (Sum)、計數。
- 維度 - 計量可用的維度。
- 時間精細度 - 取樣計量的間隔。 例如,
PT1M
表示計量會每分鐘取樣、每 30 分鐘PT30M
、每小時PT1H
,以此類推。 - DS 匯出 - 計量是否可透過診斷設定,匯出至 Azure 監視器記錄。 如需匯出計量的資訊,請參閱在 Azure 監視器中建立診斷設定。
類別 | 計量 | REST API 中的名稱 | 單位 | 彙總 | 維度 | 時間精細度 | DS 匯出 |
---|---|---|---|---|---|---|---|
失敗的函式要求 失敗的函式要求 |
AMLCalloutFailedRequests |
計數 | 總數 | LogicalName 、 、 PartitionId 、 ProcessorInstance NodeName |
PT1M | Yes | |
函式事件 函式事件 |
AMLCalloutInputEvents |
計數 | 總數 | LogicalName 、 、 PartitionId 、 ProcessorInstance NodeName |
PT1M | Yes | |
函式要求 函式要求 |
AMLCalloutRequests |
計數 | 總數 | LogicalName 、 、 PartitionId 、 ProcessorInstance NodeName |
PT1M | Yes | |
資料轉換錯誤 資料轉換錯誤 |
ConversionErrors |
計數 | 總數 | LogicalName 、 、 PartitionId 、 ProcessorInstance NodeName |
PT1M | Yes | |
輸入還原序列化錯誤 輸入還原序列化錯誤 |
DeserializationError |
計數 | 總數 | LogicalName 、 、 PartitionId 、 ProcessorInstance NodeName |
PT1M | Yes | |
順序錯亂的事件 順序錯亂的事件 |
DroppedOrAdjustedEvents |
計數 | 總數 | LogicalName 、 、 PartitionId 、 ProcessorInstance NodeName |
PT1M | Yes | |
早期輸入事件 早期輸入事件 |
EarlyInputEvents |
計數 | 總數 | LogicalName 、 、 PartitionId 、 ProcessorInstance NodeName |
PT1M | Yes | |
執行階段錯誤 執行階段錯誤 |
Errors |
計數 | 總數 | LogicalName 、 、 PartitionId 、 ProcessorInstance NodeName |
PT1M | Yes | |
輸入事件位元組 輸入事件位元組 |
InputEventBytes |
Bytes | 總計 | LogicalName 、 、 PartitionId 、 ProcessorInstance NodeName |
PT1M | Yes | |
輸入事件 輸入事件 |
InputEvents |
計數 | 總數 | LogicalName 、 、 PartitionId 、 ProcessorInstance NodeName |
PT1M | Yes | |
待處理輸入事件數 待處理輸入事件數 |
InputEventsSourcesBacklogged |
計數 | 平均值、最大值、最小值 | LogicalName 、 、 PartitionId 、 ProcessorInstance NodeName |
PT1M | Yes | |
收到的輸入來源數 收到的輸入來源數 |
InputEventsSourcesPerSecond |
計數 | 總數 | LogicalName 、 、 PartitionId 、 ProcessorInstance NodeName |
PT1M | Yes | |
延遲輸入事件 延遲輸入事件 |
LateInputEvents |
計數 | 總數 | LogicalName 、 、 PartitionId 、 ProcessorInstance NodeName |
PT1M | Yes | |
輸出事件 輸出事件 |
OutputEvents |
計數 | 總數 | LogicalName 、 、 PartitionId 、 ProcessorInstance NodeName |
PT1M | Yes | |
浮水印延遲 浮水印延遲 |
OutputWatermarkDelaySeconds |
秒 | 平均值、最大值、最小值 | LogicalName 、 、 PartitionId 、 ProcessorInstance NodeName |
PT1M | Yes | |
CPU 使用率百分比 CPU 使用率百分比 |
ProcessCPUUsagePercentage |
Percent | 平均值、最大值、最小值 | LogicalName 、 、 PartitionId 、 ProcessorInstance NodeName |
PT1M | Yes | |
SU (記憶體) 使用率百分比 SU (記憶體) 使用率百分比 |
ResourceUtilization |
Percent | 平均值、最大值、最小值 | LogicalName 、 、 PartitionId 、 ProcessorInstance NodeName |
PT1M | Yes |
計量描述
Azure 串流分析提供下列計量,供您監視作業的健康情況。
計量 | 定義 |
---|---|
待處理輸入事件數 | 待處理的輸入事件數目。 此計量的非零值表示您的作業無法跟上內送事件數量。 如果此值緩慢增加或始終不為零,則您應該擴增您的作業。 若要深入了解,請參閱瞭解和調整串流單位。 |
資料轉換錯誤 | 無法轉換為預期輸出結構描述的輸出事件數目。 若要卸除遇到此案例的事件,您可以將錯誤原則變更為 [卸除]。 |
CPU 使用率百分比 (預覽) | 作業所使用的 CPU 百分比。 即使此值很高 (90% 或以上),您也不應該單獨根據此計量來增加 SU 數量。 如果待處理輸入事件或浮水印延遲數目增加,您可以使用此計量來判斷 CPU 是否面臨瓶頸。 此計量可能有間歇性尖峰。 建議您進行調整測試,以判斷作業的上限,超過該上限時會積壓輸入,或浮水印延遲會因為 CPU 瓶頸而增加。 |
早期輸入事件 | 應用程序時間戳記早於其抵達時間超過 5 分鐘的事件。 |
失敗的函式要求 | 失敗的 Azure Machine Learning 函式呼叫次數 (如果有的話)。 |
函式事件 | 傳送給 Azure Machine Learning 函式的事件數目 (如果有的話)。 |
函式要求 | 對 Azure Machine Learning 函式發出的呼叫次數 (如果有的話)。 |
輸入還原序列化錯誤 | 無法還原序列化的輸入事件數目。 |
輸入事件位元組 | 串流分析作業所收到的資料量 (以位元組為單位)。 您可使用此計量來驗證傳送到輸入來源的事件。 |
輸入事件 | 從輸入事件還原序列化的記錄數目。 此計數不包括導致還原序列化錯誤的傳入事件。 串流分析可以在內部復原和自我聯結等案例中多次擷取相同的事件。 如果您的作業有簡單的傳遞查詢,請勿預期 [輸入事件] 和 [輸出事件] 計量會進行比對。 |
收到的輸入來源數 | 作業接收的訊息數目。 對於Azure 事件中樞,訊息是單一 EventData 項目。 對於 Azure Blob 儲存體而言,訊息是單一 Blob。 請注意,輸入來源會在還原序列化之前計數。 如果有還原序列化錯誤,輸入來源可能會大於輸入事件。 否則,輸入來源可能小於或等於輸入事件,因為每則訊息都可以包含多個事件。 |
延遲輸入事件 | 比針對延遲傳入所設定的容錯時間範圍晚抵達的事件。 深入了解 Azure 串流分析事件的順序考量。 |
順序錯亂事件 | 所收到順序錯亂的事件數目,這些事件會根據事件順序原則,予以捨棄或指定調整後的時間戳記。 [順序錯亂容錯時間範圍] 設定的組態可能會影響此計量。 |
輸出事件 | 串流分析作業傳送到輸出目標的資料量 (以事件數為單位)。 |
執行階段錯誤 | 與查詢處理相關的錯誤總數。 這會排除擷取事件或輸出結果時發現的錯誤。 |
SU (記憶體) 使用率百分比 | 作業所使用的記憶體百分比。 如果此計量持續超過 80%,浮水印延遲就會增加,且待處理事件的數目也會增加,請考慮增加串流單位 (SU)。 高使用率表示作業使用接近配置資源的上限。 |
浮水印延遲 | 作業中所有輸出分割區的浮水印延遲上限。 |
載入計量維度
如需計量維度是什麼的資訊,請參閱多維度計量。
此服務具有與其計量相關聯的下列維度。
- 邏輯名稱:Azure 串流分析作業的輸入或輸出名稱。
- 數據分割標識碼:來自輸入來源的輸入數據分割標識碼。
- 節點名稱:作業執行時所布建之串流節點的標識碼。
如需詳細資訊,請參閱 Azure 串流分析計量的維度。
資源記錄
本節列出您可以針對此服務收集的資源記錄類型。 該區段會從 Azure 監視器中支援的所有資源記錄類別類型清單提取。
Microsoft.StreamAnalytics/streamingjobs 支援的資源記錄
類別 | 類別顯示名稱 | 記錄資料表 | 支援基本記錄計劃 | 支援擷取時間轉換 | 範例查詢 | 匯出的成本 |
---|---|---|---|---|---|---|
Authoring |
編寫 | AzureDiagnostics 來自多個 Azure 資源的記錄。 |
No | No | 查詢 | No |
Execution |
執行 | AzureDiagnostics 來自多個 Azure 資源的記錄。 |
No | No | 查詢 | No |
如需數據錯誤和事件的資源記錄架構和屬性,請參閱 資源記錄架構。
Azure 監視器記錄資料表
本節列出與這項服務相關的 Azure 監視器記錄數據表,這些數據表可供 Log Analytics 使用 Kusto 查詢進行查詢。 數據表包含資源記錄數據,而且可能更多數據取決於所收集的內容並路由傳送至它們。
串流分析作業
microsoft.streamanalytics/streamingjobs
活動記錄檔
連結的資料表會列出此服務活動記錄檔中可記錄的操作。 這些操作是活動記錄中的所有可能資源提供者操作的子集。
如需活動記錄項目結構描述的詳細資訊,請參閱活動記錄結構描述。