Hướng dẫn monitoring alerts using python - giám sát cảnh báo bằng python

Chuyển đến nội dung chính

Trình duyệt này không còn được hỗ trợ nữa.

Hãy nâng cấp lên Microsoft Edge để tận dụng các tính năng mới nhất, bản cập nhật bảo mật và hỗ trợ kỹ thuật.

Thiết lập cảnh báo cho các công việc phân tích luồng Azure

  • Bài viết
  • 15/07/2022
  • 2 Phú

Trong bài viết nào

Điều quan trọng là giám sát công việc phân tích luồng Azure của bạn để đảm bảo công việc đang chạy liên tục mà không có bất kỳ vấn đề nào. Bài viết này mô tả cách thiết lập cảnh báo cho các tình huống phổ biến cần được theo dõi.

Bạn có thể xác định các quy tắc về số liệu từ dữ liệu nhật ký hoạt động thông qua cổng thông tin, cũng như lập trình.

Thiết lập cảnh báo trong cổng thông tin Azure

Được cảnh báo khi một công việc dừng lại bất ngờ

Ví dụ sau đây cho thấy cách thiết lập cảnh báo khi công việc của bạn đi vào trạng thái thất bại. Cảnh báo này được khuyến nghị cho tất cả các công việc.

  1. Trong cổng thông tin Azure, hãy mở công việc phân tích luồng mà bạn muốn tạo cảnh báo cho.

  2. Trên trang công việc, điều hướng đến phần giám sát.Job page, navigate to the Monitoring section.

  3. Chọn số liệu, và sau đó là quy tắc cảnh báo mới.Metrics, and then New alert rule.

    Hướng dẫn monitoring alerts using python - giám sát cảnh báo bằng python

  4. Tên công việc phân tích luồng của bạn sẽ tự động xuất hiện trong tài nguyên. Nhấp vào Thêm điều kiện và chọn tất cả các hoạt động quản trị trong cấu hình logic tín hiệu.RESOURCE. Click Add condition, and select All Administrative operations under Configure signal logic.

    Hướng dẫn monitoring alerts using python - giám sát cảnh báo bằng python

  5. Trong cấu hình logic tín hiệu, thay đổi mức sự kiện thành tất cả và thay đổi trạng thái thành không thành công. Để lại sự kiện được bắt đầu bởi Blank và chọn xong.Configure signal logic, change Event Level to All and change Status to Failed. Leave Event initiated by blank and select Done.

    Hướng dẫn monitoring alerts using python - giám sát cảnh báo bằng python

  6. Chọn một nhóm hành động hiện có hoặc tạo một nhóm mới. Trong ví dụ này, một nhóm hành động mới có tên TidashboardgroupActions đã được tạo bằng một hành động email gửi email cho người dùng với vai trò Trình quản lý tài nguyên Azure.TIDashboardGroupActions was created with an Emails action that sends an email to users with the Owner Azure Resource Manager Role.

    Hướng dẫn monitoring alerts using python - giám sát cảnh báo bằng python

  7. Mỗi nhóm tài nguyên, điều kiện và hành động nên có một mục nhập. Lưu ý rằng để các cảnh báo bắn, các điều kiện được xác định cần phải được đáp ứng. Ví dụ: bạn có thể đo giá trị trung bình của số liệu trong 15 phút qua, cứ sau 5 phút.RESOURCE, CONDITION, and ACTION GROUPS should each have an entry. Note that in order for the alerts to fire, the conditions defined need to be met. For example, you can measure a metric's average value of over the last 15 minutes, every 5 minutes.

    Hướng dẫn monitoring alerts using python - giám sát cảnh báo bằng python

    Thêm một tên quy tắc cảnh báo, mô tả và nhóm tài nguyên của bạn vào các chi tiết cảnh báo và nhấp vào Tạo quy tắc cảnh báo để tạo quy tắc cho công việc phân tích luồng của bạn.Alert rule name, Description, and your Resource Group to the ALERT DETAILS and click Create alert rule to create the rule for your Stream Analytics job.

    Hướng dẫn monitoring alerts using python - giám sát cảnh báo bằng python

Bước tiếp theo

  • Quy mô công việc phân tích luồng Azure
  • Tài liệu tham khảo ngôn ngữ truy vấn phân tích luồng Azure

Phản HồI

Gửi và xem ý kiến ​​ph

Giữ tổ chức với các bộ sưu tập lưu và phân loại nội dung dựa trên sở thích của bạn. Save and categorize content based on your preferences.

Trang này mô tả cách giám sát và nhận thông báo từ độ trễ nâng cao trong Công cụ ứng dụng Google.

Độ trễ cao cho các ứng dụng động cơ ứng dụng có thể xảy ra vì nhiều lý do. Ví dụ, ứng dụng không có mã được tối ưu hóa, không có đủ tài nguyên, có các máy bận, v.v. Hướng dẫn này tập trung vào độ trễ được tạo ra bởi APP Engine bất kể lý do.

Điều quan trọng là phải hiểu rằng độ trễ cao thường có thể dẫn đến lỗi 5xx. Do đó, phát hiện nhanh chóng độ trễ cao có thể giúp bạn hành động kịp thời và do đó giải quyết các lỗi ứng dụng.

Thiết lập giám sát và cảnh báo

Giám sát

Nếu bạn muốn tạo một biểu đồ tùy chỉnh để theo dõi độ trễ phản hồi của ứng dụng, hãy sử dụng Trình khám phá theo dõi đám mây> Metrics để xây dựng biểu đồ của riêng bạn.Cloud Monitoring > Metrics Explorer to build your own graph.

Truy cập trang Explorer Metrics

Trong loại tài nguyên, chọn ứng dụng GAE và chọn độ trễ phản hồi trong bộ lọc số liệu. Nếu bạn có một dịch vụ cụ thể để kiểm tra, bạn cũng có thể sử dụng các bộ lọc để lọc theo mô -đun cụ thể để xem biểu đồ độ trễ phản hồi.Resource Type, select GAE Application and select Response latency in the Metric filter. If you have a specific service to check, you can also use Filters to filter by the specific module to see the response latency chart.

Hướng dẫn monitoring alerts using python - giám sát cảnh báo bằng python

Bây giờ bạn đã thiết lập biểu đồ tùy chỉnh của mình, chúng ta hãy xem phần tiếp theo và tìm hiểu cách thiết lập thông báo cho độ trễ trong một số giây nhất định.

Cảnh báo

Để tạo chính sách cảnh báo, hãy làm như sau:

  1. Thiết lập thông báo, tạo chính sách cảnh báo trong giám sát đám mây> cảnh báo và nhấp vào + Tạo chính sách.Cloud Monitoring > Alerting and click on + CREATE POLICY.
  2. Thêm một điều kiện vào cảnh báo của bạn bằng cách nhấp vào Thêm điều kiện.ADD CONDITION.

    Chuyển đến trang cảnh báo

  3. Chọn ứng dụng GAE làm mục tiêu:

Ví dụ: nếu bạn muốn nhận thông báo về độ trễ phản hồi, chẳng hạn như thời gian ứng dụng ứng dụng ứng dụng của bạn để trả lời, hãy chọn độ trễ phản hồi.

Hướng dẫn monitoring alerts using python - giám sát cảnh báo bằng python

Bạn cũng có thể chọn ID mô -đun nếu phù hợp và thêm ngưỡng và kênh thông báo. Xem quản lý các kênh thông báo để biết hướng dẫn.

Sau khi bạn đã hoàn thành việc tạo chính sách, bạn sẽ thấy chính sách trong một danh sách trong trang cảnh báo. Nhấp vào Chính sách đã tạo để xem chi tiết, như được hiển thị trong hình ảnh sau:

Hướng dẫn monitoring alerts using python - giám sát cảnh báo bằng python

Xin chúc mừng, bạn vừa tạo chính sách độ trễ động cơ ứng dụng đầu tiên của bạn! Sau khi bạn tạo chính sách của mình, ứng dụng sẽ gửi cảnh báo đến kênh đã chọn nếu phát hiện sự cố.

Gỡ lỗi độ trễ

Kiểm tra bảng điều khiển độ trễ của động cơ ứng dụng

Nói chung, khi bạn muốn xem độ trễ của các ứng dụng động cơ ứng dụng, hãy truy cập APP Engine> Bảng điều khiển và chọn biểu đồ độ trễ.App Engine > Dashboard and select the Latency graph.

Chuyển đến bảng điều khiển công cụ ứng dụng

Trong biểu đồ độ trễ, bạn có thể khoan vào dữ liệu bằng cách lọc các biểu đồ theo dịch vụ, phiên bản và khoảng thời gian.

Hướng dẫn monitoring alerts using python - giám sát cảnh báo bằng python

Trong hình ảnh trước, hãy chú ý cách độ trễ ứng dụng thay đổi từ vài mili giây đến gần 25 giây.

Hiểu về độ trễ của ứng dụng

Để hiểu bây giờ một yêu cầu cụ thể đã mất bao lâu, hãy truy cập:

  • Đăng nhập đám mây để xem nhật ký yêu cầu và nhật ký ứng dụng.
  • Dấu vết đám mây để theo dõi cách yêu cầu tuyên truyền.

Đăng nhập đám mây

Trong đăng nhập đám mây, bạn có thể tìm thấy hai loại nhật ký, nhật ký yêu cầu và nhật ký ứng dụng. Nhật ký yêu cầu được tự động viết bởi công cụ ứng dụng cho mỗi yêu cầu cho ứng dụng của bạn và chứa phương thức HTTP, mã phản hồi, v.v. Nhật ký ứng dụng là những bản mà bạn viết cho ứng dụng của mình.

Để xem nhật ký yêu cầu hoặc nhật ký ứng dụng, hãy xem Nhật ký xem.

Hướng dẫn monitoring alerts using python - giám sát cảnh báo bằng python

Dấu vết đám mây

Dấu vết đám mây rất hữu ích để hiểu cách các yêu cầu tuyên truyền thông qua ứng dụng của bạn. Bạn có thể kiểm tra thông tin độ trễ chi tiết cho một yêu cầu duy nhất hoặc xem độ trễ tổng hợp cho toàn bộ ứng dụng của bạn.

Để xem chi tiết dấu vết trong Dấu vết đám mây, bạn có thể theo dõi chi tiết theo dõi. Trong danh sách dấu vết, như được hiển thị trong hình ảnh sau, bạn có thể sử dụng các bộ lọc để lọc theo dịch vụ và phiên bản động cơ ứng dụng cụ thể của bạn.

Hướng dẫn monitoring alerts using python - giám sát cảnh báo bằng python

Trừ khi có ghi chú khác, nội dung của trang này được cấp phép theo giấy phép Creative Commons Attribution 4.0 và các mẫu mã được cấp phép theo giấy phép Apache 2.0. Để biết chi tiết, xem chính sách trang web của nhà phát triển Google. Java là nhãn hiệu đã đăng ký của Oracle và/hoặc các chi nhánh của nó.

Cập nhật lần cuối 2022-11-04 UTC.

. "Nhãn": "Thông tin không chính xác hoặc mã mẫu"}, {"type": "ngón tay cái xuống", "id": "thiếu thông tin sai lệch", "nhãn": "thiếu thông tin/mẫu tôi cần" ". Dễ dàng hiểu "}, {" type ":" ngón tay cái "," id ":" solvedMyProbol "," nhãn ":" đã giải quyết vấn đề của tôi "}, {" type ":" ngón tay cái "," id " : "Khác", "Nhãn": "Khác"}]]