Veritabanı performansını izlemek ve sorunlarını gidermek için yapay zeka kullanan Akıllı İçgörüler (önizleme)

Şunlar için geçerlidir: Azure SQL Veritabanı Azure SQL Yönetilen Örneği

Azure SQL Veritabanı ve Azure SQL Yönetilen Örneği'daki Akıllı İçgörüler, veritabanınızın performansında neler olduğunu size bildirir.

Akıllı İçgörüler yapay zeka aracılığıyla veritabanı kullanımını sürekli izlemek ve kesintiye neden olup performansı düşüren olayları algılamak için yerleşik zekayı kullanır. Algılandıktan sonra, sorunların akıllı bir değerlendirmesiyle SQLInsights adlı bir Intelligent Insights kaynak günlüğü (Azure İzleyici SQL Insights (önizleme) ile ilgisiz) oluşturan ayrıntılı bir analiz gerçekleştirilir. Bu değerlendirme, veritabanı performans sorununun kök neden analizinden ve mümkün olduğunda performans geliştirmeleri için önerilerden oluşur.

Akıllı İçgörüler sizin için ne yapabilir?

Intelligent Insights, Azure yerleşik zekasının aşağıdaki değeri sağlayan benzersiz bir özelliğidir:

• Öngörülebilir izleme
• Özel performans içgörüleri
• Veritabanı performansı düşüşünün erken algılanması
• Algılanan sorunların kök neden analizi
• Performans iyileştirme önerileri
• Yüz binlerce veritabanında ölçeği genişletme özelliği
• DevOps kaynaklarına ve toplam sahip olma maliyetine olumlu etki

Intelligent Insights nasıl çalışır?

Intelligent Insights, son bir saatteki veritabanı iş yükünü son yedi günlük temel iş yüküyle karşılaştırarak veritabanı performansını analiz eder. Veritabanı iş yükü, en çok yinelenen ve en büyük sorgular gibi veritabanı performansı açısından en önemli olduğu belirlenen sorgulardan oluşur. Her veritabanı yapısına, verilerine, kullanımına ve uygulamasına göre benzersiz olduğundan, oluşturulan her iş yükü temeli bu iş yüküne özgü ve benzersizdir. İş yükü temellerinden bağımsız olarak Intelligent Insights ayrıca mutlak işletimsel eşikleri izler ve aşırı bekleme süreleriyle ilgili sorunları, kritik özel durumları ve performansı etkileyebilecek sorgu parametreleştirmeleriyle ilgili sorunları algılar.

Yapay zeka kullanılarak gözlemlenen birden çok ölçümden performans düşüşü sorunu algılandıktan sonra analiz gerçekleştirilir. Veritabanınızda neler olduğuna ilişkin akıllı bir içgörüyle bir tanılama günlüğü oluşturulur. Intelligent Insights, veritabanı performans sorununu ilk görünümünden çözüme kadar izlemeyi kolaylaştırır. Algılanan her sorun, ilk sorun algılama ve performans geliştirme doğrulamasından tamamlanmasına kadar yaşam döngüsü boyunca izlenir.

Veritabanı performans sorunlarını ölçmek ve algılamak için kullanılan ölçümler sorgu süresini, zaman aşımı isteklerini, aşırı bekleme sürelerini ve hatalı istekleri temel alır. Ölçümler hakkında daha fazla bilgi için bkz . Algılama ölçümleri.

Tanımlanan veritabanı performans düşüşleri, aşağıdaki özelliklerden oluşan akıllı girişlerle Intelligent Insights SQLInsights günlüğüne kaydedilir:

Akıllı İçgörüler, veritabanı performans sorunlarını bulma ve giderme konusunda öne çıkıyor. Veritabanı performansı sorunlarını gidermek için Intelligent Insights'ı kullanmak için bkz . Intelligent Insights ile ilgili performans sorunlarını giderme.

Akıllı İçgörüler seçenekleri

Akıllı İçgörüler seçenekleri şunlardır:

Intelligent Insights günlüğünün dışarı aktarmasını yapılandırma

Intelligent Insights'ın çıkışı analiz için çeşitli hedeflerden birine akışla aktarılabilir:

• Log Analytics çalışma alanına akışla aktarılan çıkış, Azure portalının kullanıcı arabirimi aracılığıyla içgörüleri görüntülemek için Azure SQL Analytics ile kullanılabilir. Bu tümleşik Azure çözümüdür ve içgörüleri görüntülemenin en tipik yoludur.
• Azure Event Hubs'a akışı yapılan çıkış, özel izleme ve uyarı senaryolarının geliştirilmesi için kullanılabilir
• Azure Depolama'ya akışı yapılan çıkış, özel raporlama, uzun süreli veri arşivleme vb. için özel uygulama geliştirme için kullanılabilir.

Tüketim için Azure SQL Analytics, Azure Event Hubs, Azure Depolama veya üçüncü taraf ürünlerinin tümleştirilmesi, önce veritabanının Tanılama ayarları sayfasında Akıllı İçgörüler günlüğünün ("SQLInsights" günlüğü) etkinleştirilmesi ve ardından Akıllı İçgörüler günlük verilerinin bu hedeflerden birine akışla aktarılacak şekilde yapılandırılması yoluyla gerçekleştirilir.

Akıllı İçgörüler günlüğünü etkinleştirme ve ölçüm ve kaynak günlüğü verilerini tüketen bir ürüne akışla aktarılacak şekilde yapılandırma hakkında daha fazla bilgi için bkz . Ölçümler ve tanılama günlüğü.

Azure SQL Analytics ile ayarlama

Azure SQL Analytics çözümü, Intelligent Insights kaynak günlüğü verilerini kullanarak veritabanı performansıyla ilgili grafik kullanıcı arabirimi, raporlama ve uyarı özellikleri sağlar.

Marketten Azure portalı panonuza Azure SQL Analytics ekleme ve çalışma alanı oluşturma için bkz. Azure SQL Analytics'i yapılandırma

Azure SQL Analytics ile Intelligent Insights'ı kullanmak için, Önceki adımda oluşturduğunuz Azure SQL Analytics çalışma alanına akışla aktarılacak Akıllı İçgörüler günlük verilerini yapılandırın, bkz . Ölçümler ve tanılama günlüğü.

Aşağıdaki örnekte Azure SQL Analytics aracılığıyla görüntülenen Akıllı İçgörüler gösterilmektedir:

Event Hubs ile ayarlama

Event Hubs ile Intelligent Insights'ı kullanmak için Intelligent Insights günlük verilerini Event Hubs'a akışla aktarılacak şekilde yapılandırın. Bkz . Ölçümler ve tanılama günlüğü ve Azure tanılama günlüklerini Event Hubs'a akışla aktarma.

Özel izleme ve uyarı ayarlamak için Event Hubs'ı kullanmak için bkz . Event Hubs'ta ölçümler ve tanılama günlükleriyle ne yapmalı?

Azure Depolama ile ayarlama

Akıllı İçgörüler'i Depolama ile kullanmak için Akıllı İçgörüler günlük verilerini Depolama'ya akışla aktarılacak şekilde yapılandırın. Bkz . Ölçümler ve tanılama günlüğü ve Azure Depolama'ya akışla aktarma.

Intelligent Insights günlüğünün özel tümleştirmeleri

Intelligent Insights'ı üçüncü taraf araçlarla kullanmak veya özel uyarı ve izleme geliştirmesi için bkz . Intelligent Insights veritabanı performans tanılama günlüğünü kullanma.

Algılama ölçümleri

Akıllı İçgörüler oluşturan algılama modelleri için kullanılan ölçümler izlemeyi temel alır:

• Sorgu süresi
• Zaman aşımı istekleri
• Aşırı bekleme süresi
• Hatalı istekler

Sorgu süresi ve zaman aşımı istekleri, veritabanı iş yükü performansıyla ilgili sorunları algılamada birincil model olarak kullanılır. İş yükünde neler olduğunu doğrudan ölçtükleri için kullanılırlar. İş yükü performansı düşüşüyle ilgili tüm olası durumları algılamak için, iş yükü performansını etkileyen sorunları belirtmek için ek modeller olarak aşırı bekleme süresi ve hataya neden olan istekler kullanılır.

Sistem, normal ve olağan dışı veritabanı performans eşiklerini dinamik olarak belirlemek için iş yükündeki değişiklikleri ve veritabanına yapılan sorgu isteklerinin sayısındaki değişiklikleri otomatik olarak dikkate alır.

Tüm ölçümler, algılanan her performans sorununu kategorilere ayıran bilimsel olarak türetilmiş bir veri modeli aracılığıyla çeşitli ilişkilerde birlikte değerlendirilir. Akıllı içgörüler aracılığıyla sağlanan bilgiler şunları içerir:

• Algılanan performans sorununun ayrıntıları.
• Algılanan sorunun kök neden analizi.
• İzlenen veritabanının performansını mümkün olduğunca iyileştirmeye yönelik öneriler.

Sorgu süresi

Sorgu süresi düşüşü modeli, tek tek sorguları analiz eder ve performans temeline kıyasla bir sorguyu derlemek ve yürütmek için gereken süredeki artışı algılar.

Yerleşik zeka, sorgu derleme veya sorgu yürütme süresinde iş yükü performansını etkileyen önemli bir artış algılarsa, bu sorgular sorgu süresi performans düşüşü sorunları olarak işaretlenir.

Intelligent Insights tanılama günlüğü, performansı düşürülen sorgunun sorgu karması çıkışını oluşturur. Sorgu karması, performans düşüşüyle sorgu derleme veya yürütme süresi artışıyla ilgili olup olmadığını gösterir ve bu da sorgu süresi süresini artırır.

Zaman aşımı istekleri

Zaman aşımı isteklerinde düşüş modeli tek tek sorguları analiz eder ve sorgu yürütme düzeyinde zaman aşımlarındaki artışları ve veritabanı düzeyinde performans temeli dönemine göre genel istek zaman aşımlarını algılar.

Bazı sorgular yürütme aşamasına ulaşmadan önce bile zaman aşımına uğradı. Durdurulan çalışanlar ve yapılan istekler arasında yerleşik zeka ölçüleri ve yürütme aşamasına ulaşıp ulaşmadıklarına bakılmaksızın veritabanına ulaşan tüm sorguları analiz eder.

Yürütülen sorgular için zaman aşımlarının sayısı veya durdurulan istek çalışanlarının sayısı sistem tarafından yönetilen eşiği aştıktan sonra, akıllı içgörülerle bir tanılama günlüğü doldurulur.

Oluşturulan içgörüler zaman aşımına uğradı isteklerinin sayısını ve zaman aşımına uğradı sorguların sayısını içerir. Performans düşüşünün göstergesi yürütme aşamasında zaman aşımı artışıyla ilgilidir veya genel veritabanı düzeyi sağlanır. Zaman aşımlarındaki artış veritabanı performansı açısından önemli olarak kabul edildiğinde, bu sorgular zaman aşımı performans düşüşü sorunları olarak işaretlenir.

Aşırı bekleme süreleri

Aşırı bekleme süresi modeli tek tek veritabanı sorgularını izler. Sistem tarafından yönetilen mutlak eşikleri geçen olağan dışı yüksek sorgu bekleme istatistiklerini algılar. Sorgu Deposu Bekleme İstatistikleri (sys.query_store_wait_stats) kullanılarak aşağıdaki sorguda aşırı bekleme süresi ölçümleri gözlemlenir:

• Kaynak sınırlarına ulaşma
• Elastik havuz kaynak sınırlarına ulaşma
• Aşırı sayıda çalışan veya oturum iş parçacığı
• Aşırı veritabanı kilitleme
• Bellek baskısı
• Diğer bekleme istatistikleri

Kaynak sınırlarına veya elastik havuz kaynak sınırlarına ulaşmak, abonelikteki veya elastik havuzdaki kullanılabilir kaynakların tüketiminin mutlak eşikleri aştığını belirtir. Bu istatistikler iş yükü performansında düşüş olduğunu gösterir. Aşırı sayıda çalışan veya oturum iş parçacığı, çalışan iş parçacığı veya oturum sayısının mutlak eşikleri aşarak başlattığı bir koşulu belirtir. Bu istatistikler iş yükü performansında düşüş olduğunu gösterir.

Aşırı veritabanı kilitleme, veritabanındaki kilit sayısının mutlak eşikleri aştığını belirten bir koşuldur. Bu istatistik, bir iş yükü performansı düşüşü olduğunu gösterir. Bellek baskısı, bellek izni isteyen iş parçacığı sayısının mutlak eşiği aşmış olduğu bir koşuldur. Bu istatistik, bir iş yükü performansı düşüşü olduğunu gösterir.

Diğer bekleme istatistikleri algılaması, Sorgu Deposu Bekleme İstatistikleri aracılığıyla ölçülen çeşitli ölçümlerin mutlak eşiği geçtiği bir koşulu belirtir. Bu istatistikler iş yükü performansında düşüş olduğunu gösterir.

Kullanılabilir verilere bağlı olarak, aşırı bekleme süreleri algılandıktan sonra Intelligent Insights tanılama günlüğü, etkilenen ve etkilenen sorguların karmalarının performansta düşüşünü, sorguların yürütmede beklemesine neden olan ölçümlerin ayrıntılarını ve ölçülen bekleme süresini görüntüler.

Hatalı istekler

Hataya neden olan istek düşüşü modeli, tek tek sorguları izler ve temel döneme kıyasla hatalı olan sorgu sayısında artış olduğunu algılar. Bu model, yerleşik zeka tarafından yönetilen mutlak eşikleri aşan kritik özel durumları da izler. Sistem, veritabanına yapılan sorgu isteklerinin sayısını otomatik olarak dikkate alır ve izlenen dönemdeki tüm iş yükü değişikliklerini hesaplar.

Yapılan isteklerin genel sayısına göre hatalı isteklerdeki ölçülen artış iş yükü performansı açısından önemli kabul edildiğinde, etkilenen sorgular hatalı istek performansı düşüşü sorunları olarak işaretlenir.

Intelligent Insights günlüğü, hatalı isteklerin sayısını oluşturur. Performans düşüşünün hatalı isteklerdeki artışla mı yoksa izlenen kritik özel durum eşiğini ve performans düşüşünün ölçülen süresini aşmayla mı ilgili olduğunu gösterir.

İzlenen kritik özel durumlardan herhangi biri sistem tarafından yönetilen mutlak eşikleri geçerse, kritik özel durum ayrıntılarıyla akıllı bir içgörü oluşturulur.

Sonraki adımlar

• SQL Analytics kullanarak veritabanlarını izlemeyi öğrenin.
• Akıllı İçgörülerle ilgili performans sorunlarını gidermeyi öğrenin.