Referenz zu Azure Stream Analytics-Überwachungsdaten
Dieser Artikel enthält alle Referenzinformationen zur Überwachung dieses Dienstes.
Details zu den Daten, die Sie für Azure Stream Analytics sammeln können, und deren Verwendung finden Sie unter "Überwachen von Azure Stream Analytics ".
Metriken
In diesem Abschnitt werden alle automatisch erfassten Plattformmetriken für diesen Dienst aufgeführt. Diese Metriken sind auch Teil der globalen Liste aller in Azure Monitor unterstützten Plattformmetriken.
Informationen zur Aufbewahrung von Metriken finden Sie unter Überblick über Metriken in Azure Monitor.
In Azure Stream Analytics werden viele Metriken angezeigt, die Sie zum Überwachen der Leistung Ihrer Abfragen und Aufträge sowie für die Problembehandlung verwenden können. Sie können Daten aus diesen Metriken auf der Seite Übersicht des Azure-Portal im Abschnitt Überwachung anzeigen.
Wenn Sie eine bestimmte Metrik überprüfen möchten, wählen Sie im Abschnitt Überwachung die Option Metriken aus. Wählen Sie auf der angezeigten Seite die gewünschte Metrik aus.
Unterstützte Metriken für Microsoft.StreamAnalytics/streamingjobs
In der folgenden Tabelle sind die Metriken aufgeführt, die für den Ressourcentyp "Microsoft.StreamAnalytics/streamingjobs" verfügbar sind.
- Möglicherweise sind nicht alle Spalten in jeder Tabelle vorhanden.
- Einige Spalten können über den Anzeigebereich der Seite hinausgehen. Wählen Sie Tabelle erweitern aus, um alle verfügbaren Spalten anzuzeigen.
Tabellenüberschriften
- Kategorie – Die Metrikgruppe oder -klassifizierung.
- Metrik – Der Anzeigename der Metrik, wie er im Azure-Portal angezeigt wird.
- Name in REST-API: Der Metrikname im REST-API
- Einheit – Abrechnungseinheit.
- Aggregation – Der Standard-Aggregationstyp. Gültige Werte: Mittelwert (Avg), Minimum (Min), Maximum (Max), Gesamt (Sum), Anzahl
- Dimensionen - Für die Metrik verfügbare Dimensionen.
- Aggregationsintervall - Intervalle, in denen die Metrik gesampelt wird.
PT1Mbedeutet zum Beispiel, dass die Metrik jede Minute abgerufen wird,PT30Malle 30 Minuten,PT1Hjede Stunde usw. - DS-Export – Gibt an, ob die Metrik über Diagnose-Einstellungen in Azure Monitor-Protokolle exportiert werden kann. Informationen zum Exportieren von Metriken finden Sie unter Diagnoseeinstellungen in Azure Monitor erstellen.
| Kategorie | Metrik | Name in der REST-API | Einheit | Aggregation | Dimensionen | Aggregationsintervalle | DS-Export |
|---|---|---|---|---|---|---|---|
| Fehlerhafte Funktionsanforderungen Fehlerhafte Funktionsanforderungen |
AMLCalloutFailedRequests |
Anzahl | Gesamt (Summe) | LogicalName, , PartitionIdProcessorInstanceNodeName |
PT1M | Ja | |
| Funktionsereignisse Funktionsereignisse |
AMLCalloutInputEvents |
Anzahl | Gesamt (Summe) | LogicalName, , PartitionIdProcessorInstanceNodeName |
PT1M | Ja | |
| Funktionsanforderungen Funktionsanforderungen |
AMLCalloutRequests |
Anzahl | Gesamt (Summe) | LogicalName, , PartitionIdProcessorInstanceNodeName |
PT1M | Ja | |
| Konvertierungsfehler Konvertierungsfehler |
ConversionErrors |
Anzahl | Gesamt (Summe) | LogicalName, , PartitionIdProcessorInstanceNodeName |
PT1M | Ja | |
| Eingabedeserialisierungsfehler Eingabefehler bei Deserialisierung |
DeserializationError |
Anzahl | Gesamt (Summe) | LogicalName, , PartitionIdProcessorInstanceNodeName |
PT1M | Ja | |
| Ereignisse mit falscher Reihenfolge Ereignisse für falsche Reihenfolge |
DroppedOrAdjustedEvents |
Anzahl | Gesamt (Summe) | LogicalName, , PartitionIdProcessorInstanceNodeName |
PT1M | Ja | |
| Frühe Eingabeereignisse Frühe Eingabeereignisse |
EarlyInputEvents |
Anzahl | Gesamt (Summe) | LogicalName, , PartitionIdProcessorInstanceNodeName |
PT1M | Ja | |
| Laufzeitfehler Laufzeitfehler |
Errors |
Anzahl | Gesamt (Summe) | LogicalName, , PartitionIdProcessorInstanceNodeName |
PT1M | Ja | |
| Eingabeereignisbytes Eingabeereignisbytes |
InputEventBytes |
Byte | Gesamt (Summe) | LogicalName, , PartitionIdProcessorInstanceNodeName |
PT1M | Ja | |
| Eingabeereignisse Eingabeereignisse |
InputEvents |
Anzahl | Gesamt (Summe) | LogicalName, , PartitionIdProcessorInstanceNodeName |
PT1M | Ja | |
| Eingabeereignisse im Rückstand Eingabeereignisse im Rückstand |
InputEventsSourcesBacklogged |
Anzahl | Mittelwert, Maximum, Minimum | LogicalName, , PartitionIdProcessorInstanceNodeName |
PT1M | Ja | |
| Empfangene Eingabequellen Empfangene Eingabequellen |
InputEventsSourcesPerSecond |
Anzahl | Gesamt (Summe) | LogicalName, , PartitionIdProcessorInstanceNodeName |
PT1M | Ja | |
| Ereignisse bei verspäteter Eingabe Ereignisse bei verspäteter Eingabe |
LateInputEvents |
Anzahl | Gesamt (Summe) | LogicalName, , PartitionIdProcessorInstanceNodeName |
PT1M | Ja | |
| Ausgabeereignisse Ausgabeereignisse |
OutputEvents |
Anzahl | Gesamt (Summe) | LogicalName, , PartitionIdProcessorInstanceNodeName |
PT1M | Ja | |
| Wasserzeichenverzögerung Wasserzeichenverzögerung |
OutputWatermarkDelaySeconds |
Sekunden | Mittelwert, Maximum, Minimum | LogicalName, , PartitionIdProcessorInstanceNodeName |
PT1M | Ja | |
| CPU-Auslastung in Prozent CPU-Auslastung in Prozent |
ProcessCPUUsagePercentage |
Percent | Mittelwert, Maximum, Minimum | LogicalName, , PartitionIdProcessorInstanceNodeName |
PT1M | Ja | |
| SU (Speicher) % Auslastung SU (Speicher) % Auslastung |
ResourceUtilization |
Percent | Mittelwert, Maximum, Minimum | LogicalName, , PartitionIdProcessorInstanceNodeName |
PT1M | Ja |
Metrikbeschreibungen
Azure Stream Analytics stellt die folgenden Metriken bereit, um die Integrität Ihres Auftrags zu überwachen.
| Metrik | Definition |
|---|---|
| Eingabeereignisse im Rückstand | Anzahl der Eingabeereignisse, die im Rückstand sind. Ein Wert ungleich Null für diese Metrik bedeutet, dass Ihr Auftrag nicht mit der Anzahl der eingehenden Ereignisse Schritt halten kann. Wenn dieser Wert langsam ansteigt oder konstant ungleich Null ist, sollten Sie Ihren Auftrag aufskalieren. Weitere Informationen finden Sie unter Verstehen und Anpassen von Streamingeinheiten. |
| Konvertierungsfehler | Anzahl der Ausgabeereignisse, die nicht in das erwartete Ausgabeschema konvertiert werden konnten. Zum Verwerfen von Ereignissen, für die dieses Szenario auftritt, können Sie die Fehlerrichtlinie in Verwerfen ändern. |
| CPU-Auslastung in Prozent (Vorschau) | CPU-Auslastung Ihres Auftrags in Prozent. Selbst wenn dieser Wert sehr hoch ist (90 Prozent oder höher), sollten Sie die Anzahl der SUs nicht allein aufgrund dieser Metrik erhöhen. Wenn die Anzahl der Eingabeereignisse im Rückstand oder die Wasserzeichenverzögerung zunimmt, können Sie diese Metrik verwenden, um festzustellen, ob die CPU der Engpass ist. Bei dieser Metrik treten möglicherweise zeitweilig Spitzen auf. Es wird empfohlen, Skalierungstests durchzuführen, um die Obergrenze Ihres Auftrags zu bestimmen, nach der Eingaben in Rückstand geraten können oder Wasserzeichenverzögerungen aufgrund von CPU-Engpässen zunehmen. |
| Frühe Eingabeereignisse | Ereignisse, deren Anwendungszeitstempel mehr als fünf Minuten vor dem Zeitpunkt ihres Eintreffens liegt |
| Fehlerhafte Funktionsanforderungen | Anzahl der fehlerhaften Aufrufe an die Azure Machine Learning-Funktion (falls vorhanden) |
| Funktionsereignisse | Anzahl der an die Azure Machine Learning-Funktion gesendeten Ereignisse (falls vorhanden) |
| Funktionsanforderungen | Anzahl der Aufrufe an die Azure Machine Learning-Funktion (falls vorhanden) |
| Eingabefehler bei Deserialisierung | Anzahl der Eingabeereignisse, die nicht deserialisiert werden konnten. |
| Eingabeereignisbytes | Vom Stream Analytics-Auftrag erhaltene Datenmenge in Byte. Sie können diese Metrik verwenden, um sicherzustellen, dass Ereignisse an die Eingabequelle gesendet werden. |
| Eingabeereignisse | Anzahl der Datensätze, die aus den Eingabeereignissen deserialisiert wurden. Diese Anzahl umfasst nicht eingehende Ereignisse, die zu Deserialisierungsfehlern führen. Stream Analytics kann die gleichen Ereignisse mehrmals in Szenarios wie internen Wiederherstellungen und Selbstverknüpfungen erfassen. Erwarten Sie keine Übereinstimmungen der Metriken für Eingabeereignisse und Ausgabeereignisse, wenn Ihr Auftrag eine einfache Pass-Through-Abfrage enthält. |
| Empfangene Eingabequellen | Anzahl der Nachrichten, die der Auftrag empfängt. Für Azure Event Hubs besteht eine Nachricht aus einem einzelnen EventData-Element. Für Azure Blob Storage besteht eine Nachricht aus einem einzelnen Blob. Beachten Sie, dass die Eingabequellen vor der Deserialisierung gezählt werden. Bei Deserialisierungsfehlern können die Eingabequellen größer sein als die Eingabeereignisse. Andernfalls können Eingabequellen kleiner als oder gleich den Eingabeereignissen sein, da jede Nachricht mehrere Ereignisse enthalten kann. |
| Ereignisse bei verspäteter Eingabe | Ereignisse, die später als das konfigurierte Toleranzfenster für Eingangsverzögerung eingetroffen sind. Weitere Informationen finden Sie unter Überlegungen zur Ereignisreihenfolge in Azure Stream Analytics. |
| Ereignisse mit falscher Reihenfolge | Anzahl der Ereignisse, die in falscher Reihenfolge empfangen und anhand der Richtlinie für die Ereignissortierung entweder verworfen oder mit einem angepassten Zeitstempel versehen wurden. Diese Metrik kann von der Konfiguration der Einstellung Toleranzfenster für Fehlordnung beeinflusst werden. |
| Ausgabeereignisse | Vom Stream Analytics-Auftrag an das Ausgabeziel gesendete Datenmenge, ausgedrückt in der Anzahl von Ereignissen. |
| Laufzeitfehler | Gesamtzahl der Fehler im Zusammenhang mit der Abfrageverarbeitung. Ausgenommen sind Fehler, die beim Untersuchen von Ereignissen oder beim Ausgeben von Ergebnissen ermittelt werden. |
| SU (Speicher) % Auslastung | Arbeitsspeicherauslastung Ihres Auftrags in Prozent. Wenn diese Metrik konstant mehr als 80 Prozent beträgt, die Wasserzeichenverzögerung steigt und die Anzahl der Ereignisse im Rückstand zunimmt, ziehen Sie eine Erhöhung der Streamingeinheiten (Streaming Units, SUs) in Erwägung. Eine hohe Auslastung deutet darauf hin, dass der Auftrag fast die Höchstzahl der bereitgestellten Ressourcen verwendet. |
| Wasserzeichenverzögerung | Maximale Wasserzeichenverzögerung für alle Partitionen aller Ausgaben im Auftrag. |
Metrikdimensionen
Informationen darüber, was metrische Dimensionen sind, finden Sie unter Mehrdimensionale Metriken.
Bei diesem Dienst gelten die folgenden Dimensionen für die zugehörigen Metriken.
| Dimension | Definition |
|---|---|
| Logischer Name | Der Eingabe- oder Ausgabename für einen Stream Analytics-Auftrag. |
| Partitions-ID | Die ID der Eingabedatenpartition aus einer Eingabequelle. Wenn z. B. die Eingabequelle ein Event Hub ist, ist die Partitions-ID die Partitions-ID des Event Hubs. Bei hochgradig parallelen Aufträgen ist die Partitions-ID in der Ausgabe dieselbe wie in der Eingabe. |
| Node Name (Knotenname) | Der Bezeichner eines Streamingknotens, der bereitgestellt wird, wenn Ihr Auftrag ausgeführt wird. Ein Streamingknoten stellt die Menge an Compute- und Arbeitsspeicherressourcen dar, die Ihrem Auftrag zugewiesen sind. |
Dimension „Logischer Name“
Logischer Name ist der Eingabe- oder Ausgabename für einen Stream Analytics-Auftrag. Nehmen wir z. B. an, dass ein Stream Analytics-Auftrag vier Eingaben und fünf Ausgaben hat. Sie sehen die vier einzelnen logischen Eingaben und fünf einzelnen logischen Ausgaben, wenn Sie eingabe- und ausgabebezogene Metriken nach dieser Dimension aufteilen.
Die Dimension Logischer Name ist für die Filterung und Aufteilung der folgenden Metriken verfügbar:
- Eingabeereignisse im Rückstand
- Konvertierungsfehler
- Frühe Eingabeereignisse
- Eingabefehler bei Deserialisierung
- Eingabeereignisbytes
- Eingabeereignisse
- Empfangene Eingabequelle
- Ereignisse bei verspäteter Eingabe
- Ereignisse mit falscher Reihenfolge
- Ausgabeereignisse
- Wasserzeichenverzögerung
Dimension „Knotenname“
Ein Streamingknoten stellt eine Reihe von Computeressourcen dar, die verwendet werden, um Ihre Eingabedaten zu verarbeiten. Je sechs Streamingeinheiten (Streaming Unit, SU) entsprechen einem Knoten, den der Dienst automatisch in Ihrem Namen verwaltet. Weitere Informationen über die Beziehung zwischen Streamingeinheiten und Streamingknoten finden Sie unter Verstehen und Anpassen von Streamingeinheiten.
Knotenname ist eine Dimension auf der Streamingknotenebene. Er kann Ihnen helfen, bestimmte Metriken bis auf die Streamingknotenebene aufzuschlüsseln. Sie können z. B. die Metrik CPU-Auslastung in Prozent nach Streamingknotenebene aufteilen, um die CPU-Auslastung eines einzelnen Streamingknotens zu überprüfen.
Die Dimension Knotenname ist für die Filterung und Aufteilung der folgenden Metriken verfügbar:
- Eingabeereignisse im Rückstand
- CPU-Auslastung in Prozent (Vorschau)
- Eingabeereignisse
- Ausgabeereignisse
- SU (Speicher) % Auslastung
- Wasserzeichenverzögerung
Dimension „Partitions-ID“
Wenn Streamingdaten zur Verarbeitung im Azure Stream Analytics-Dienst erfasst werden, erfolgt die Verteilung der Eingabedaten auf die Streamingknoten entsprechend den Partitionen in der Eingabequelle. Die Dimension Partitions-ID ist die ID der Partition der Eingabedaten aus der Eingabequelle.
Wenn z. B. die Eingabequelle ein Event Hub ist, ist die Partitions-ID die Partitions-ID des Event Hubs. Die Partitions-ID in der Eingabe ist die gleiche wie in der Ausgabe.
Die Dimension Partitions-ID ist für die Filterung und Aufteilung der folgenden Metriken verfügbar:
- Eingabeereignisse im Rückstand
- Konvertierungsfehler
- Frühe Eingabeereignisse
- Eingabefehler bei Deserialisierung
- Eingabeereignisbytes
- Eingabeereignisse
- Empfangene Eingabequelle
- Ereignisse bei verspäteter Eingabe
- Ausgabeereignisse
- Wasserzeichenverzögerung
Ressourcenprotokolle
In diesem Abschnitt werden die Ressourcenprotokolltypen aufgeführt, die für diesen Service erfasst werden können. Der Abschnitt wird aus der Liste aller in Azure Monitor unterstützten Kategorietypen für Ressourcenprotokolle gezogen.
Unterstützte Ressourcenprotokolle für Microsoft.StreamAnalytics/streamingjobs
| Kategorie | Anzeigename der Kategorie | Protokolltabelle | Unterstützt grundlegenden Protokollplan | Unterstützt die Erfassungszeittransformation | Beispielabfragen | Exportkosten |
|---|---|---|---|---|---|---|
Authoring |
Erstellen | AzureDiagnostics Protokolle aus mehreren Azure-Ressourcen. |
No | No | Abfragen | No |
Execution |
Ausführung | AzureDiagnostics Protokolle aus mehreren Azure-Ressourcen. |
No | No | Abfragen | No |
Ressourcenprotokollschema
Alle Protokolle werden im JSON-Format gespeichert. Jeder Eintrag enthält folgende allgemeine Zeichenfolgenfelder:
| Name | Beschreibung |
|---|---|
| time | Zeitstempel (UTC) des Protokolls. |
| resourceId | ID der Ressource, über die der Vorgang stattfand, in Großbuchstaben. Beinhaltet die Abonnement-ID, die Ressourcengruppe und den Auftragsnamen. Beispiel: /SUBSCRIPTIONS/aaaa0a0a-bb1b-cc2c-dd3d-eeeee4e4e4e/RESOURCEGROUPS/MY-RESOURCE-GROUP/PROVIDERS/MICROSOFT. STREAMANALYTICS/STREAMINGJOBS/MYSTREAMINGJOBS. |
| category | Protokollkategorie: Ausführung oder Erstellung. |
| operationName | Der Name des protokollierten Vorgangs. Beispielsweise Ereignisse senden: Fehler beim Schreiben der SQL-Ausgabe nach mysqloutput. |
| status | Der Status des Vorgangs. Beispiele: Fehlgeschlagen oder Erfolgreich. |
| level | Protokollebene. Beispiele: Fehler, Warnung oder Information. |
| properties | Spezifisches Detail des Protokolleintrags; als JSON-Zeichenfolge serialisiert. Weitere Informationen finden Sie in den folgenden Abschnitten dieses Artikels. |
Eigenschaftsschema der Ausführungsprotokolle
Ausführungsprotokolle enthalten Informationen zu Ereignissen, die während der Ausführung des Stream Analytics-Auftrags aufgetreten sind. Das Schema der Eigenschaften variiert abhängig davon, ob das Ereignis ein Datenfehler oder ein generisches Ereignis ist.
Datenfehler
Alle Fehler, die auftreten, während der Auftrag Daten in dieser Kategorie von Protokollen verarbeitet. Diese Protokolle werden am häufigsten bei Lese-, Serialisierungs- und Schreibvorgängen von Daten erstellt. Diese Protokolle enthalten keine Verbindungsfehler. Verbindungsfehler werden als generische Ereignisse behandelt. Weitere Informationen zu den Gründen für verschiedene Fehler bei der Ein- und Ausgabe von Daten finden Sie im Artikel Datenfehler in Azure Stream Analytics.
| Name | BESCHREIBUNG |
|---|---|
| `Source` | Name der Auftragseingabe oder -ausgabe, bei der der Fehler aufgetreten ist. |
| `Message` | Mit dem Fehler verknüpfte Meldung. |
| type | Fehlertyp. Beispiele: DataConversionError, CsvParserError oder ServiceBusPropertyColumnMissingError. |
| Daten | Enthält Daten, die hilfreich sind, um die Ursache des Fehlers genau zu lokalisieren. Unterliegt je nach Größe Kürzungen. |
Je nach dem Wert für operationName entsprechen Datenfehler folgendem Schema:
Die Serialisierung von Ereignissen tritt bei Lesevorgängen von Ereignissen auf. Sie treten auf, wenn die Daten bei der Eingabe aus einem der folgenden Gründen nicht das Abfrageschema erfüllen:
Typenkonflikt bei der Serialisierung/Deserialisierung von Ereignissen: Identifiziert das Feld, das den Fehler verursacht.
Ein Ereignis kann nicht gelesen werden; ungültige Serialisierung: Enthält Informationen über die Stelle in den Eingabedaten, an der der Fehler aufgetreten ist. Enthält den Blobnamen für die Eingabe mit formlosen Objekten, Offset und eine Stichprobe der Daten.
Das Senden von Ereignissen tritt bei Schreibvorgängen auf. Diese identifizieren das Streamingereignis, das den Fehler verursacht hat.
Generische Ereignisse
Generische Ereignisse verarbeiten alles andere.
| Name | BESCHREIBUNG |
|---|---|
| Fehler | (optional) Fehlerinformationen. In der Regel sind dies die Ausnahmeinformationen, sofern diese verfügbar sind. |
| `Message` | Protokollmeldung. |
| type | Meldungstyp. Wird der internen Kategorisierung von Fehlern zugeordnet. Beispiele: JobValidationError oder BlobOutputAdapterInitializationFailure. |
| Korrelations-ID | GUID, die die Auftragsausführung eindeutig identifiziert. Alle Ausführungsprotokolleinträge ab dem Zeitpunkt, an dem der Auftrag gestartet wird, bis zum Beenden des Auftrags weisen denselben Wert für Korrelations-ID auf. |
Als Referenz können Sie eine Liste aller in Azure Monitor unterstützten Kategorietypen von Ressourcenprotokollen oder aller für Azure Stream Analytics erfassten Kategorietypen von Ressourcenprotokollen einsehen.
Tabellen in Azure Monitor-Protokollen
Dieser Abschnitt bezieht sich die für diesen Service relevanten Azure-Monitor-Protokolltabellen, die für die Abfrage durch Protokollanalyse mit Kusto-Abfragen zur Verfügung stehen. Diese Tabellen enthalten Ressourcenprotokolldaten und möglicherweise mehr, je nachdem, was erfasst und an sie weitergeleitet wird.
Stream Analytics-Aufträge
| Kategorie | Anzeigename der Kategorie | Protokolltabelle | Unterstützt grundlegenden Protokollplan | Unterstützt die Erfassungszeittransformation | Beispielabfragen | Exportkosten |
|---|---|---|---|---|---|---|
Authoring |
Erstellen | AzureDiagnostics Protokolle aus mehreren Azure-Ressourcen. |
No | No | Abfragen | No |
Execution |
Ausführung | AzureDiagnostics Protokolle aus mehreren Azure-Ressourcen. |
No | No | Abfragen | No |
Aktivitätsprotokoll
In der verknüpften Tabelle sind die Vorgänge aufgeführt, die im Aktivitätsprotokoll für diesen Dienst aufgezeichnet werden können. Diese Operationen sind eine Teilmenge aller möglichen Ressourcenanbietervorgänge im Aktivitätsprotokoll.
Weitere Informationen zum Schema von Aktivitätsprotokolleinträgen finden Sie unter Ereignisschema des Azure-Aktivitätsprotokolls.