我们很高兴地宣布:Windows Azure Storage Analytics发布了。这个特性为开发人员和操作人员提供了跟踪、分析和调试Windows Azure存储(Blob、表和队列)使用状况的能力。你可以使用此数据来分析存储的使用情况来改善应用程序和Windows Azure 存储访问模式的设计。分析数据包括:
- 日志
- 指标
- 提供Blob、表和队列关键容量和请求统计的汇总信息
日志
该特性为你的存储账户提供所有已执行请求的追踪信息,成为称作$logs的一个特殊容器中的块 blob。Blob中的每个日志条目对应一个服务请求并包含一些信息,例如请求ID、请求URL、请求的http状态、请求者账户名称、服务器延迟、E2E延迟、请求的源IP地址等等。
该数据现在让你能够更进一步地分析你的请求。让你可以进行以下类型的分析:
- 应用程序从给定范围内的IP地址里监测到了多少匿名请求?
- 哪一个容器被访问得最频繁?
- 一个特定的SAS URL被访问多少次以及如何访问?
- 谁发出删除容器的请求?
- 对于一个缓慢的请求——哪个环节最消耗时间?
- 出现了一个网络错误,请求到达服务器了吗?
指标
为存储账户提供Blob、表和队列关键指标的汇总信息。指标可以被分为以下几类:
- 请求信息:提供每小时请求数量的合计、平均服务器端延迟、平均E2E滞后时间、平均带宽、成功请求总数和失败请求总数以及更多信息。这些请求数是以整个服务为单位提供的,与此同时也为单个小时内请求的API次数提供了API级别的数据。这对Blob、表和队列服务都是可用的。
- 容量信息:每天统计服务消耗的空间、容器的数量和服务中所存储对象的数量。注意,目前只在Windows Azure Blob服务中可用。
所有分析日志和指标数据都存储在你的用户账户中,并通过常规的Blob 和表 REST API访问。可以通过Windows Azure中运行的服务来访问日志和指标,也可以直接通过互联网从任意的能发送和接收HTTP/HTTPS请求的应用程序来访问它们。你可以通过调用REST API在单个服务级别打开或关闭这个功能来选择存储日志数据或指标数据。一旦功能启用,Windows
Azure Storage在存储账户里存储分析数据。日志数据作为Windows Azure Blobs存储在特殊的blob容器中,指标数据存储在Windows Azure Tables里的特殊表中。为了便于管理这些数据,我们提供了设置保持策略的功能,它将自动清理分析blob和表数据。
请参阅下面的链接来了解详细信息:
Windows Azure Storage 团队
本文翻译自:http://blogs.msdn.com/b/windowsazure/archive/2011/08/03/announcing-windows-azure-storage-analytics.aspx
分享到:
相关推荐
#Azure 存储分析查看器 Azure 存储分析是一项非常有用的功能。 它可以帮助隔离和调试与存储相关的问题。 但是,指标和日志对用户来说不太可读。 Azure 存储分析查看器是一个强大的工具,可以让分析数据更容易获取和...
Azure Data Lake Storage gen2容器存储数据Lake层的数据 Azure Databricks清理和转换数据 Azure Synapse Analytics存储演示数据 Azure CosmosDB存储元数据 凭据和访问管理已配置就绪 此设计基于Microsoft的一种解决...
By the end of the book, you’ll know how to handle scale for both data storage and analytics, how Apache Spark can be leveraged to handle scalability, and how R and Python can be used for analytic ...
请从上面的链接下载Azure Storage Explorer和ADLCopy工具 Azure数据湖分析 练习1:示例脚本 让我们开始创建一个Azure Data Lake Analytics帐户 创建一个帐户 登录到Azure门户。 单击新建>数据+分析>数据湖分析。 ...
Azure Blob Storage, MapReduce Job Framework and Job Execution Pipeline Doing big data analytics with MapReduce, writing your MapReduce programs in your choice of .NET programming language such as C# ...
Analytics ,它允许我们将数据存储在Azure Table Storage 中,同时计算 10 秒窗口内的平均读数值。 Azure 流分析的另一个输出是将数据发送到Azure 事件中心,它充当数据接收器。 Azure 事件中心允许以低延迟进行高速...
Azure-Certification-DP-201:Azure数据工程师之路第二部分:DP-201-设计Azure数据解决方案
Azure冠军 Azure对于ITPro / Devops工程师 土耳其语: 1. Review of Azure Portals a. Azure portal design b. Creating custom dashboards c. Azure Management Roles ç. Azure portal authorization 2. ...
产品azure,aspnet,azure应用程序见解,azure应用服务,azure blob存储,azure存储帐户,azure-sql,azure-cache-for-redis,azure数据库,azure-web-app,天蓝色日志分析,天蓝色nat网关,天蓝色虚拟机,vs代码...
链接: Azure Stream Analytics documentation. 进入portal -> Create a resource -> Stream Analytics job然后起个名字啥的基本操作还有Storage Account那里就不废话了。 然后进入你的Stream Analytics job,设置...
Azure开发人员研讨会 Azure云非常庞大(这就是为什么他们将其称为云!),而庞大的服务目录可能乍一看令人生畏。 不一定是! 了解的基于浏览器的UI 使用内置的,随时可用的继续旅程 探索从和到在各种平台上部署以...
Chapter 5 Storage Chapter 6 Setting Up in AWS Chapter 7 Setting Up in GCP Chapter 8 Setting Up in Azure Chapter 9 Standing Up a Cluster Chapter 10 High Availability Chapter 11 Relational Data with ...
New in this second edition is coverage of SQL Server 2016 Internals, including In-Memory OLTP, columnstore enhancements, Operational Analytics support, Query Store, JSON, temporal tables, stretch ...
它可以从批处理数据源(例如Hadoop HDFS,Amazon S3,Azure ADLS,Google Cloud Storage)以及流数据源(例如Apache Kafka)中提取。 Pinot由LinkedIn和Uber的工程师打造,旨在无上限地扩展和扩展。 根据群集的...
transparently and securely to Microsoft Azure by using the Stretch Database (Stretch DB) feature. Chapter 7, Temporal Tables, introduces support for system-versioned temporal tables based on the SQL:...