Funkcja Intelligent Insights używająca sztucznej inteligencji do monitorowania wydajności bazy danych i rozwiązywania problemów (wersja zapoznawcza)

Dotyczy: Azure SQL Database Azure SQL Managed Instance

Usługa Intelligent Insights w usłudze Azure SQL Database i Azure SQL Managed Instance informuje o tym, co dzieje się z wydajnością bazy danych.

Funkcja Intelligent Insights używa wbudowanej inteligencji do ciągłego monitorowania użycia bazy danych za pomocą sztucznej inteligencji i wykrywania zdarzeń powodujących pogorszenie wydajności. Po wykryciu szczegółowa analiza jest wykonywana, która generuje dziennik zasobów usługi Intelligent Insights o nazwie SQLInsights (niezwiązany z usługą Azure Monitor SQL Insights (wersja zapoznawcza)) z inteligentną oceną problemów. Ta ocena składa się z analizy głównej przyczyny problemu z wydajnością bazy danych i, jeśli to możliwe, zaleceń dotyczących poprawy wydajności.

Intelligent Insights to unikatowa funkcja wbudowanej analizy platformy Azure, która zapewnia następującą wartość:

• Aktywne monitorowanie
• Dostosowane szczegółowe informacje o wydajności
• Wczesne wykrywanie obniżenia wydajności bazy danych
• Analiza głównej przyczyny wykrytych problemów
• Zalecenia dotyczące poprawy wydajności
• Skalowanie w poziomie możliwości na setki tysięcy baz danych
• Pozytywny wpływ na zasoby metodyki DevOps i całkowity koszt posiadania

Usługa Intelligent Insights analizuje wydajność bazy danych, porównując obciążenie bazy danych z ostatniej godziny z obciążeniem z ostatnich siedmiu dni punktu odniesienia. Obciążenie bazy danych składa się z zapytań określanych jako najważniejsze dla wydajności bazy danych, takich jak najbardziej powtarzające się i największe zapytania. Ponieważ każda baza danych jest unikatowa na podstawie struktury, danych, użycia i aplikacji, każdy wygenerowany punkt odniesienia obciążenia jest specyficzny i unikatowy dla tego obciążenia. Intelligent Insights, niezależnie od punktu odniesienia obciążenia, monitoruje również bezwzględne progi operacyjne i wykrywa problemy z nadmiernym czasem oczekiwania, krytycznymi wyjątkami i problemami z parametryzacji zapytań, które mogą mieć wpływ na wydajność.

Po wykryciu problemu z obniżeniem wydajności z wielu obserwowanych metryk przy użyciu sztucznej inteligencji jest wykonywana analiza. Dziennik diagnostyczny jest generowany przy użyciu inteligentnego wglądu w to, co dzieje się z bazą danych. Usługa Intelligent Insights ułatwia śledzenie problemu z wydajnością bazy danych od pierwszego wyglądu do momentu rozwiązania. Każdy wykryty problem jest śledzony przez jego cykl życia od początkowego wykrywania problemów i weryfikacji poprawy wydajności do jego ukończenia.

Metryki używane do mierzenia i wykrywania problemów z wydajnością bazy danych są oparte na czasie trwania zapytania, żądaniach przekroczenia limitu czasu, nadmiernym czasie oczekiwania i błędach żądań. Aby uzyskać więcej informacji na temat metryk, zobacz Metryki wykrywania.

Zidentyfikowane spadki wydajności bazy danych są rejestrowane w dzienniku usługi SQLInsights usługi Intelligent Insights z inteligentnymi wpisami, które składają się z następujących właściwości:

Usługa Intelligent Insights świeci w odnajdywanie i rozwiązywanie problemów z wydajnością bazy danych. Aby użyć funkcji Intelligent Insights do rozwiązywania problemów z wydajnością bazy danych, zobacz Rozwiązywanie problemów z wydajnością w usłudze Intelligent Insights.

Dostępne są opcje inteligentnego wglądu w szczegółowe informacje:

Dane wyjściowe funkcji Intelligent Insights można przesyłać strumieniowo do jednego z kilku miejsc docelowych do analizy:

• Dane wyjściowe przesyłane strumieniowo do obszaru roboczego usługi Log Analytics mogą być używane z usługą Azure SQL Analytics do wyświetlania szczegółowych informacji za pośrednictwem interfejsu użytkownika Azure Portal. Jest to zintegrowane rozwiązanie platformy Azure i najbardziej typowy sposób wyświetlania szczegółowych informacji.
• Dane wyjściowe przesyłane strumieniowo do Azure Event Hubs mogą służyć do tworzenia niestandardowych scenariuszy monitorowania i alertów
• Dane wyjściowe przesyłane strumieniowo do usługi Azure Storage mogą być używane do tworzenia niestandardowych aplikacji na potrzeby raportowania niestandardowego, długoterminowego archiwizowania danych itd.

Integracja Azure SQL Analytics, Azure Event Hubs, Azure Storage lub produktów innych firm do użycia jest wykonywana za pomocą pierwszego włączenia rejestrowania usługi Intelligent Insights (dziennika "SQLInsights") na stronie ustawień diagnostycznych bazy danych, a następnie konfigurowania danych dziennika usługi Intelligent Insights, które mają być przesyłane strumieniowo do jednego z tych miejsc docelowych.

Aby uzyskać więcej informacji na temat włączania rejestrowania usługi Intelligent Insights i konfigurowania danych metryk i dzienników zasobów, które mają być przesyłane strumieniowo do używanego produktu, zobacz Metryki i rejestrowanie diagnostyczne.

rozwiązanie Azure SQL Analytics zapewnia graficzny interfejs użytkownika, funkcje raportowania i zgłaszania alertów dotyczące wydajności bazy danych przy użyciu danych dziennika zasobów usługi Intelligent Insights.

Dodawanie usługi Azure SQL Analytics do pulpitu nawigacyjnego Azure Portal z witryny Marketplace i tworzenie obszaru roboczego można znaleźć w temacie Configure Azure SQL Analytics (Konfigurowanie usługi Azure SQL Analytics)

Aby używać usługi Intelligent Insights z usługą Azure SQL Analytics, skonfiguruj dane dziennika usługi Intelligent Insights, które mają być przesyłane strumieniowo do obszaru roboczego usługi Azure SQL Analytics utworzonego w poprzednim kroku, zobacz Rejestrowanie metryk i diagnostyki.

W poniższym przykładzie przedstawiono usługę Intelligent Insights przeglądaną za pośrednictwem usługi Azure SQL Analytics:

Aby korzystać z funkcji Intelligent Insights z usługą Event Hubs, skonfiguruj dane dziennika usługi Intelligent Insights do przesyłania strumieniowego do usługi Event Hubs, zobacz Metryki i rejestrowanie diagnostyczne oraz przesyłanie strumieniowe dzienników diagnostycznych platformy Azure do usługi Event Hubs.

Aby skonfigurować niestandardowe monitorowanie i alerty za pomocą usługi Event Hubs, zobacz Co zrobić z metrykami i dziennikami diagnostycznymi w usłudze Event Hubs.

Aby korzystać z funkcji Intelligent Insights z usługą Storage, skonfiguruj dane dziennika intelligent insights, które mają być przesyłane strumieniowo do magazynu, zobacz Metryki i rejestrowanie diagnostyczne oraz przesyłanie strumieniowe do usługi Azure Storage.

Aby użyć funkcji Intelligent Insights z narzędziami innych firm lub do tworzenia niestandardowych alertów i monitorowania, zobacz Korzystanie z dziennika diagnostyki wydajności bazy danych intelligent Insights.

Metryki używane do wykrywania modeli generujących usługę Intelligent Insights są oparte na monitorowaniu:

• Czas trwania zapytania
• Żądania przekroczenia limitu czasu
• Nadmierny czas oczekiwania
• Błędy żądań

Żądania czasu trwania zapytań i limitu czasu są używane jako podstawowe modele w wykrywaniu problemów z wydajnością obciążenia bazy danych. Są one używane, ponieważ bezpośrednio mierzą to, co dzieje się z obciążeniem. Aby wykryć wszystkie możliwe przypadki obniżenia wydajności obciążenia, nadmierne czas oczekiwania i błędnie wychodzące żądania są używane jako dodatkowe modele, aby wskazać problemy wpływające na wydajność obciążenia.

System automatycznie uwzględnia zmiany obciążenia i zmiany liczby żądań zapytań wysyłanych do bazy danych w celu dynamicznego określania normalnych i nieaktualnych progów wydajności bazy danych.

Wszystkie metryki są uwzględniane razem w różnych relacjach za pośrednictwem naukowo pochodnego modelu danych, który kategoryzuje każdy wykryty problem z wydajnością. Informacje udostępniane za pośrednictwem inteligentnych szczegółowych informacji obejmują:

• Szczegóły wykrytego problemu z wydajnością.
• Wykryto główną analizę przyczyny problemu.
• Zalecenia dotyczące zwiększania wydajności monitorowanej bazy danych, jeśli to możliwe.

Model degradacji czasu trwania zapytania analizuje poszczególne zapytania i wykrywa wzrost czasu potrzebny na skompilowanie i wykonanie zapytania w porównaniu z punktem odniesienia wydajności.

Jeśli wbudowana inteligencja wykryje znaczny wzrost czasu kompilowania zapytań lub wykonywania zapytań, który wpływa na wydajność obciążenia, te zapytania są oflagowane jako problemy z obniżeniem wydajności czasu trwania zapytania.

Dziennik diagnostyczny usługi Intelligent Insights generuje skrót zapytania zapytania obniżonej wydajności. Skrót zapytania wskazuje, czy spadek wydajności był związany ze wzrostem czasu kompilowania zapytania lub wykonywania, co zwiększa czas trwania zapytania.

Model degradacji żądań przekroczenia limitu czasu analizuje poszczególne zapytania i wykrywa wzrost limitu czasu na poziomie wykonywania zapytania oraz ogólne limity czasu żądania na poziomie bazy danych w porównaniu z okresem odniesienia wydajności.

Niektóre zapytania mogą przekraczać limit czasu jeszcze przed osiągnięciem etapu wykonywania. Za pomocą przerwanych procesów roboczych i żądań wykonanych, wbudowanych miar analizy i analizuje wszystkie zapytania, które dotarły do bazy danych, czy dotarły do etapu wykonywania, czy nie.

Po przekroczeniu limitu czasu wykonanych zapytań lub liczbie przerwanych procesów roboczych żądań przekracza próg zarządzany przez system, dziennik diagnostyczny jest wypełniany inteligentnymi szczegółowymi informacjami.

Wygenerowane szczegółowe informacje zawierają liczbę żądań przekroczenia limitu czasu i liczbę zapytań limitu czasu. Wskazanie obniżenia wydajności jest związane ze wzrostem limitu czasu na etapie wykonywania lub zapewniany jest ogólny poziom bazy danych. Gdy wzrost limitu czasu jest uznawany za znaczący dla wydajności bazy danych, te zapytania są oflagowane jako problemy z obniżeniem wydajności przekroczenia limitu czasu.

Model nadmiernego czasu oczekiwania monitoruje poszczególne zapytania bazy danych. Wykrywa niezwykle wysokie statystyki oczekiwania zapytań, które przekroczyły progi bezwzględne zarządzane przez system. Obserwowane są następujące metryki dotyczące nadmiernego czasu oczekiwania przy użyciu statystyk oczekiwania magazynu zapytań (sys.query_store_wait_stats):

• Osiąganie limitów zasobów
• Osiąganie limitów zasobów puli elastycznej
• Nadmierna liczba wątków procesu roboczego lub sesji
• Nadmierne blokowanie bazy danych
• Wykorzystanie pamięci
• Inne statystyki oczekiwania

Osiągnięcie limitów zasobów lub limitów zasobów elastycznej puli oznacza, że użycie dostępnych zasobów w subskrypcji lub w puli elastycznej przekroczyło progi bezwzględne. Te statystyki wskazują na obniżenie wydajności obciążenia. Nadmierna liczba wątków procesu roboczego lub sesji oznacza warunek, w którym liczba wątków roboczych lub sesji zainicjowanych przekroczyła progi bezwzględne. Te statystyki wskazują na obniżenie wydajności obciążenia.

Nadmierne blokowanie bazy danych oznacza warunek, w którym liczba blokad w bazie danych przekroczyła progi bezwzględne. Ta statystyka wskazuje spadek wydajności obciążenia. Ciśnienie pamięci to warunek, w którym liczba wątków żądających pamięci przekracza próg bezwzględny. Ta statystyka wskazuje spadek wydajności obciążenia.

Inne wykrywanie statystyk oczekiwania wskazuje warunek, w którym różne metryki mierzone przez statystyki oczekiwania magazynu zapytań przekroczyły próg bezwzględny. Te statystyki wskazują na obniżenie wydajności obciążenia.

Po wykryciu nadmiernego czasu oczekiwania, w zależności od dostępnych danych, dziennik diagnostyczny usługi Intelligent Insights generuje skróty wpływających i dotkniętych zapytań obniżonej wydajności, szczegóły metryk, które powodują oczekiwanie zapytań w czasie wykonywania i mierzony czas oczekiwania.

Błąd model degradacji żądań monitoruje poszczególne zapytania i wykrywa wzrost liczby zapytań, które wystąpiły w porównaniu z okresem odniesienia. Ten model monitoruje również wyjątki krytyczne, które przekroczyły bezwzględne progi zarządzane przez wbudowaną inteligencję. System automatycznie uwzględnia liczbę żądań zapytań wysyłanych do bazy danych i odpowiada za wszelkie zmiany obciążenia w monitorowanym okresie.

Gdy mierzony wzrost liczby błędów żądań względem ogólnej liczby wykonanych żądań jest uznawany za znaczący dla wydajności obciążenia, zapytania, których dotyczy problem, są oflagowane, ponieważ błędy żądają obniżenia wydajności.

Dziennik Intelligent Insights generuje liczbę błędów żądań. Wskazuje, czy spadek wydajności był związany ze wzrostem błędów żądań, czy przekroczeniem monitorowanego progu wyjątku krytycznego i mierzonym czasem obniżenia wydajności.

Jeśli którykolwiek z monitorowanych wyjątków krytycznych przekracza bezwzględne progi zarządzane przez system, inteligentna analiza jest generowana z krytycznymi szczegółami wyjątków.

• Dowiedz się, jak monitorować bazy danych przy użyciu usługi SQL Analytics.
• Dowiedz się, jak rozwiązywać problemy z wydajnością w usłudze Intelligent Insights.