Spiegazione dell'aggregazione e della visualizzazione delle metriche di Monitoraggio di Azure

Questo articolo illustra l'aggregazione delle metriche nel database Serie temporale che supporta le metriche della piattaforma di Monitoraggio di Azure e le metriche personalizzate. L'articolo si applica anche alle metriche standard di Application Insights.

Queste informazioni in questo articolo sono complesse e vengono fornite per coloro che vogliono approfondire il sistema delle metriche. Non è necessario comprenderlo per usare in modo efficace le metriche di Monitoraggio di Azure.

Panoramica e termini

Quando si aggiunge una metrica a un grafico, Esplora metriche pre-seleziona automaticamente l'aggregazione predefinita. L'impostazione predefinita ha senso negli scenari di base, ma è possibile usare aggregazioni diverse per ottenere altre informazioni dettagliate sulla metrica. Per visualizzare aggregazioni diverse in un grafico è necessario comprendere il modo in cui Esplora metriche li gestisce.

Definiamo prima di tutto alcuni termini:

• Valore metrico: un singolo valore di misurazione raccolto per una risorsa specifica.
• Database Serie temporale : un database ottimizzato per l'archiviazione e il recupero di punti dati contenenti tutti un valore e un timestamp corrispondente.
• Periodo di tempo: un periodo di tempo generico.
• Intervallo di tempo: un periodo di tempo tra la raccolta di due valori delle metriche.
• Intervallo di tempo: un periodo di tempo visualizzato in un grafico. Il valore predefinito tipico è 24 ore. Sono disponibili solo intervalli specifici.
• Granularità temporale o intervallo di tempo : periodo di tempo usato per aggregare i valori insieme per consentire la visualizzazione in un grafico. Sono disponibili solo intervalli specifici. Il minimo corrente è 1 minuto. Il valore di granularità temporale deve essere inferiore all'intervallo di tempo selezionato per essere utile. In caso contrario, viene visualizzato un solo valore per l'intero grafico.
• Tipo di aggregazione: tipo di statistica calcolato da più valori di metrica.
• Aggregazione: processo di acquisizione di più valori di input e quindi uso di tali valori per produrre un singolo valore di output tramite le regole definite dal tipo di aggregazione. Ad esempio, accettando una media di più valori.

Riepilogo del processo

Le metriche sono una serie di valori archiviati con un timestamp. In Azure la maggior parte delle metriche viene archiviata nel database time series delle metriche di Azure. Quando si traccia un grafico, i valori delle metriche selezionate vengono recuperati dal database e quindi aggregati separatamente in base alla granularità del tempo scelta (nota anche come intervallo di tempo). È possibile selezionare le dimensioni della granularità temporale usando la selezione ora di Esplora metriche. Se non si effettua una selezione esplicita, la granularità temporale viene selezionata automaticamente in base all'intervallo di tempo attualmente selezionato. Dopo aver selezionato, i valori delle metriche acquisiti durante ogni intervallo di granularità temporale vengono aggregati e inseriti nel grafico, ovvero un punto dati per intervallo.

Tipi di aggregazione

In Esplora metriche sono disponibili cinque tipi di aggregazione di base. Esplora metriche nasconde le aggregazioni irrilevanti e non può essere usata per una determinata metrica.

• Somma: somma di tutti i valori acquisiti durante l'intervallo di aggregazione. Talvolta definita aggregazione Totale.
• Conteggio: numero di misurazioni acquisite durante l'intervallo di aggregazione. Il conteggio non osserva il valore della misura, ma solo il numero di record.
• Media: media dei valori delle metriche acquisiti durante l'intervallo di aggregazione. Per la maggior parte delle metriche, questo valore è Sum/Count.
• Min: valore più piccolo acquisito durante l'intervallo di aggregazione.
• Max: valore più grande acquisito durante l'intervallo di aggregazione.

Si supponga, ad esempio, che un grafico mostri la metrica Totale rete in uscita per una macchina virtuale usando l'aggregazione SUM nell'intervallo di tempo di 24 ore. L'intervallo di tempo e la granularità possono essere modificati dall'alto a destra del grafico, come illustrato nello screenshot seguente.

Per la granularità temporale = 30 minuti e l'intervallo di tempo = 24 ore:

• Il grafico viene disegnato da 48 punti dati. Ovvero 24 ore x 2 punti dati all'ora (60 minuti/30 minuti) aggregati di punti dati di 1 minuto.
• Il grafico a linee connette 48 punti nell'area del tracciato grafico.
• Ogni punto dati rappresenta la somma di tutti i byte di rete inviati durante ogni periodo di tempo di 30 minuti pertinente.

Fare clic sulle immagini in questa sezione per visualizzare le versioni più grandi.

Se si passa la granularità temporale a 15 minuti, il grafico viene disegnato da 96 punti dati aggregati. Ovvero, 60min/15min = 4 punti dati all'ora x 24 ore.

Per la granularità temporale di 5 minuti, si ottiene 24 x (60/5) = 288 punti.

Per la granularità temporale di 1 minuto (il più piccolo possibile nel grafico), si ottiene 24 x 60/1 = 1440 punti.

I grafici hanno un aspetto diverso per queste sommazioni, come illustrato negli screenshot precedenti. Si noti che questa macchina virtuale ha numerosi output in un piccolo periodo di tempo rispetto al resto dell'intervallo di tempo.

La granularità temporale consente di regolare il rapporto "segnale-rumore" in un grafico. Le aggregazioni più elevate rimuovono il rumore e smussano i picchi. Si notino le variazioni nel grafico inferiore di 1 minuto e come si uniformano man mano che si passa a valori di granularità più elevati.

Questo comportamento di smoothing è importante quando si inviano questi dati ad altri sistemi, ad esempio avvisi. In genere, in genere non si desidera ricevere avvisi da picchi brevi nel tempo di CPU oltre il 90%. Ma se la CPU rimane al 90% per 5 minuti, questo è probabilmente importante. Se si configura una regola di avviso sulla CPU (o su qualsiasi metrica), la granularità del tempo può ridurre il numero di falsi avvisi ricevuti.

È importante stabilire ciò che è "normale" per il carico di lavoro per sapere qual è l'intervallo di tempo migliore. Questo è uno dei vantaggi degli avvisi dinamici, che è un argomento diverso non trattato qui.

Come il sistema raccoglie le metriche

La raccolta dei dati varia in base alla metrica.

Frequenza raccolta misurazioni

Esistono due tipi di periodi di raccolta.

• Regolare: la metrica viene raccolta a un intervallo di tempo coerente che non varia.

• Basato sull'attività: la metrica viene raccolta in base a quando si verifica una transazione di un determinato tipo. Ogni transazione ha una voce di metrica e un timestamp. Non vengono raccolti a intervalli regolari, quindi esiste un numero variabile di record in un determinato periodo di tempo.

Granularità

La granularità minima del tempo è di 1 minuto, ma il sistema sottostante può acquisire i dati più velocemente a seconda della metrica. Ad esempio, la percentuale di CPU per una macchina virtuale di Azure viene acquisita a intervalli di tempo di 15 secondi. Poiché gli errori HTTP vengono rilevati come transazioni, possono superare facilmente più di un minuto. Altre metriche, ad esempio l'archiviazione SQL, vengono acquisite a intervalli di tempo di ogni 20 minuti. Questa scelta spetta al singolo provider di risorse e al tipo. La maggior parte dei tentativi di fornire l'intervallo di tempo più piccolo possibile.

Dimensioni, suddivisione e filtro

Le metriche vengono acquisite per ogni singola risorsa. Tuttavia, il livello in cui le metriche vengono raccolte, archiviate e in grado di essere tracciate può variare. Questo livello è rappresentato da altre metriche disponibili nelle dimensioni delle metriche. Ogni singolo provider di risorse ottiene per definire il modo in cui vengono dettagliati i dati raccolti. Monitoraggio di Azure definisce solo la modalità di presentazione e archiviazione di tali dettagli.

Quando si crea un grafico di una metrica in Esplora metriche, è possibile "dividere" il grafico in base a una dimensione. La suddivisione di un grafico significa che si stanno esaminando i dati sottostanti per ottenere maggiori dettagli e visualizzare i dati grafici o filtrati in Esplora metriche.

Ad esempio, Microsoft.ApiManagement/service ha Posizione come dimensione per molte metriche.

• La capacità è una di queste metriche. La dimensione Posizione implica che il sistema sottostante archivia un record di metrica per la capacità di ogni posizione, anziché solo uno per la quantità di aggregazione. È quindi possibile recuperare o suddividere tali informazioni in un grafico delle metriche.

• Esaminando la Durata complessiva delle richieste del gateway, sono presenti 2 dimensioni Posizione e Nome host, per segnalare di nuovo la posizione di una durata e il nome host da cui proviene.

• Una delle metriche più flessibili, Richieste, ha 7 dimensioni diverse.

Per informazioni dettagliate su ogni metrica e sulle dimensioni disponibili, vedere l'articolo Metriche supportate di Monitoraggio di Azure. Inoltre, la documentazione per ogni provider di risorse e tipo può fornire informazioni aggiuntive sulle dimensioni e sulle misure.

È possibile usare la suddivisione e il filtro insieme per esaminare un problema. Di seguito è riportato un esempio di immagine che mostra i byte medi di scrittura del disco per un gruppo di macchine virtuali in un gruppo di risorse. È disponibile un rollup di tutte le macchine virtuali con questa metrica, ma è possibile esaminare quali sono i picchi intorno alle 6:00. Sono la stessa macchina? Quanti computer sono coinvolti?

Fare clic sulle immagini in questa sezione per visualizzare le versioni più grandi.

Quando si applica la suddivisione, è possibile visualizzare i dati sottostanti, ma si tratta di un po' di confusione. Si scopre che nel grafico precedente sono presenti 20 macchine virtuali. In questo caso, è stato usato il mouse per passare il puntatore del mouse sopra il picco di grandi dimensioni alle 6:00 che indica che CH-DCVM11 è la causa. Tuttavia, è difficile visualizzare il resto dei dati associati a tale macchina virtuale a causa di altre macchine virtuali che ingombrano il grafico.

L'uso del filtro consente di pulire il grafico per vedere cosa sta realmente accadendo. È possibile controllare o deselezionare le macchine virtuali da visualizzare. Si notino le linee tratteggiate. Queste sono menzionate in una sezione successiva.

Per altre informazioni su come visualizzare i dati di divisione delle dimensioni in un grafico esplora metriche, vedere Funzionalità avanzate di Esplora metriche- filtri e suddivisione.

Valori NULL e zero

Quando il sistema prevede i dati delle metriche da una risorsa ma non lo riceve, registra un valore NULL. NULL è diverso da un valore zero, che diventa importante nel calcolo delle aggregazioni e del grafico. I valori NULL non vengono conteggiati come misurazioni valide.

I valori NULL vengono visualizzati in modo diverso in grafici diversi. I grafici a dispersione ignorano la visualizzazione di un punto nel grafico. I grafici a barre ignorano la visualizzazione della barra. Nei grafici a linee, NULL può essere visualizzato come linee punteggiate o tratteggiate come quelle visualizzate nello screenshot nella sezione precedente. Quando si calcolano le medie che includono valori NULL, sono presenti meno punti dati da cui prendere la media. Questo comportamento può talvolta comportare un calo imprevisto dei valori in un grafico, anche se inferiore a se il valore è stato convertito in zero e usato come punto dati valido.

Le metriche personalizzate usano sempre valori NULL quando non vengono ricevuti dati. Con le metriche della piattaforma, ogni provider di risorse decide se usare zeri o valori NULL in base a ciò che ha più senso per una determinata metrica.

Gli avvisi di Monitoraggio di Azure usano i valori scritti dal provider di risorse nel database delle metriche, quindi è importante sapere in che modo il provider di risorse gestisce i valori nulli visualizzando prima i dati.

Funzionamento dell'aggregazione

I grafici delle metriche nel sistema precedente mostrano diversi tipi di dati aggregati. Il sistema preaggrega i dati in modo che i grafici richiesti possano visualizzare più rapidamente senza molti calcoli ripetuti.

In questo esempio:

• Viene raccolta una metrica transazionale fittizia denominata Errori HTTP
• Server è una dimensione per la metrica Errori HTTP.
• Sono disponibili 3 server: Server A, B e C.

Per semplificare la spiegazione, iniziamo solo con il tipo di aggregazione SUM.

Aggregazione da sotto minuti a 1 minuto

I primi dati delle metriche non elaborati vengono raccolti e archiviati nel database delle metriche di Monitoraggio di Azure. In questo caso, ogni server dispone di record delle transazioni archiviati con un timestamp perché Server è una dimensione. Dato che il periodo di tempo più piccolo che è possibile visualizzare come cliente è di 1 minuto, tali timestamp vengono prima aggregati in valori di metrica di 1 minuto per ogni singolo server. Il processo di aggregazione per il server B è illustrato nell'immagine seguente. I server A e C vengono eseguiti nello stesso modo e hanno dati diversi.

I valori aggregati di 1 minuto risultanti vengono archiviati come nuove voci nel database delle metriche in modo che possano essere raccolti per calcoli successivi.

Aggregazione delle dimensioni

I calcoli di 1 minuto vengono quindi compressi per dimensione e archiviati di nuovo come singoli record. In questo caso, tutti i dati di tutti i singoli server vengono aggregati in una metrica di intervallo di 1 minuto e archiviati nel database delle metriche per l'uso nelle aggregazioni successive.

Per maggiore chiarezza, nella tabella seguente viene illustrato il metodo di aggregazione.

In precedenza è illustrata una sola dimensione, ma questo stesso processo di aggregazione e archiviazione si verifica per tutte le dimensioni supportate da una metrica.

• Raccogliere i valori in un set aggregato di 1 minuto in base a tale dimensione. Archiviare tali valori.
• Comprimere la dimensione in una somma aggregata di 1 minuto. Archiviare tali valori.

Verrà ora introdotta un'altra dimensione di errori HTTP denominata NetworkAdapter. Si supponga di avere un numero variabile di schede per server.

• Il server A ha 1 adattatore
• Il server B dispone di 2 schede
• Il server C dispone di 3 schede

Raccoglieremo i dati per le transazioni seguenti separatamente. Verranno contrassegnati con:

• Ora
• Valore .
• Il server da cui proviene la transazione
• Adattatore da cui proviene la transazione

Ognuno di questi flussi secondari verrà quindi aggregato in valori di serie temporali di 1 minuto e archiviati nel database delle metriche di Monitoraggio di Azure:

• Server A, adapter 1
• Server B, adapter 1
• Server B, adapter 2
• Server C, adapter 1
• Server C, adapter 2
• Server C, Adapter 3

Inoltre, vengono archiviate anche le aggregazioni compresse seguenti:

• Server A, Adapter 1 (perché non c'è nulla da comprimere, verrà archiviato di nuovo)
• Server B, adapter 1+2
• Server C, adapter 1+2+3
• Server ALL, Adapters ALL

Ciò mostra che le metriche con un numero elevato di dimensioni hanno un numero maggiore di aggregazioni. Non è importante conoscere tutte le permutazioni, ma solo comprendere il ragionamento. Il sistema vuole avere sia i singoli dati che i dati aggregati archiviati per il recupero rapido per l'accesso in qualsiasi grafico. Il sistema seleziona l'aggregazione archiviata più rilevante o i dati non elaborati sottostanti a seconda di ciò che si sceglie di visualizzare.

Aggregazione senza dimensioni

Poiché questa metrica ha una dimensione Server, è possibile accedere ai dati sottostanti per il server A, B e C sopra tramite suddivisione e filtro, come illustrato in precedenza in questo articolo. Se la metrica non ha Server come dimensione, il cliente può accedere solo alle somme aggregate di 1 minuto visualizzate in nero nel diagramma. Ovvero, i valori di 3, 6, 6, 9 e così via. Il sistema non eseguirà anche il lavoro sottostante per aggregare valori suddivisi che non li userebbe mai in Esplora metriche o inviarli tramite l'API REST delle metriche.

Visualizzazione delle granularità temporali superiori a 1 minuto

Se si richiedono metriche con una granularità maggiore, il sistema usa le somme aggregate di 1 minuto per calcolare le somme per le granularità temporali più elevate. Di seguito, le linee tratteggiate mostrano il metodo di somma per le granularità di tempo di 2 minuti e 5 minuti. Anche in questo caso, viene visualizzato solo il tipo di aggregazione SUM per semplicità.

Per la granularità di 2 minuti.

Per una granularità di 5 minuti.

Il sistema usa i dati aggregati archiviati che offrono prestazioni ottimali.

Di seguito è riportato il diagramma più ampio del processo di aggregazione di 1 minuto, con alcune delle frecce lasciate per migliorare la leggibilità.

Esempio più complesso

Di seguito è riportato un esempio più ampio che usa i valori per una metrica fittizia denominata Tempo di risposta HTTP in millisecondi. Qui introduciamo altri livelli di complessità.

1. Viene mostrata l'aggregazione per Sum, Count, Min e Max e il calcolo per Average.
2. Vengono mostrati i valori NULL e il modo in cui influiscono sui calcoli.

Si consideri l'esempio seguente. Le caselle e le frecce mostrano esempi di come vengono aggregati e calcolati i valori.

Lo stesso processo di preaggregazione di 1 minuto descritto nella sezione precedente si verifica per Sum, Count, Minimum e Maximum. Tuttavia, La media non è preaggregata. Viene ricalcolato usando dati aggregati per evitare errori di calcolo.

Prendere in considerazione il minuto 6 per l'aggregazione di 1 minuto come evidenziato in precedenza. Questo minuto è il punto in cui il server B è andato offline e ha interrotto i dati dei report, forse a causa di un riavvio.

Dal minuto 6 precedente, i tipi di aggregazione calcolati di 1 minuto sono:

Il colore del testo rosso indica i valori che potrebbero essere considerati fuori dall'intervallo normale e mostra come si propagano (o non riescono) man mano che la granularità del tempo sale. Si noti che Min e Max indicano che sono presenti anomalie sottostanti mentre Media e Somme perdono tali informazioni man mano che la granularità temporale diventa più grande.

È anche possibile notare che gli NUL forniscono un calcolo migliore della media rispetto a se invece sono stati usati zeri.

Passaggi successivi

• Analizzare le metriche con Esplora metriche di Monitoraggio di Azure