Utiliser les recommandations d’Azure Advisor pour optimiser votre cluster Azure Data Explorer

Azure Advisor analyse les configurations de cluster Azure Data Explorer et les données de télémétrie d’utilisation, et propose des recommandations personnalisées et exploitables pour vous aider à optimiser votre cluster.

Accéder aux recommandations d’Azure Advisor

Il existe deux façons d’accéder aux recommandations d’Azure Advisor :

• Consulter les recommandations pour votre cluster
• Consulter les recommandations pour tous les clusters de votre abonnement

Visualiser les recommandations d’Azure Advisor pour votre cluster Azure Data Explorer

1. Dans le portail Azure, accédez à la page de votre cluster Azure Data Explorer.

2. Dans le menu de gauche, sous Surveillance, sélectionnez recommandations Advisor. Une liste de recommandations s’ouvre pour ce cluster.

   

Visualiser les recommandations d’Azure Advisor pour tous les clusters de votre abonnement

1. Dans le portail Azure, accédez à la page Ressource Advisor.

2. Dans Vue d’ensemble, sélectionnez un ou plusieurs abonnements pour obtenir des recommandations.

3. Sélectionnez les clusters Azure Data Explorer et les bases de données Azure Data Explorer dans la deuxième liste déroulante.

   

Utiliser les recommandations d'Azure Advisor

Azure Advisor propose différents types de recommandations. Utilisez le type approprié pour optimiser votre cluster.

1. Dans Advisor, sous Recommandations, sélectionnez Coût pour afficher les recommandations relatives aux coûts.

   

2. Sélectionnez une recommandation dans la liste.

   

3. La fenêtre affiche une liste de clusters pertinents pour la recommandation. Les détails des recommandations varient pour chaque cluster et incluent l’action recommandée.

   

Types de recommandation

Les recommandations relatives aux coûts, aux performances, à la fiabilité et à l’excellence des services sont disponibles.

Recommandations en matière de coûts

Les recommandations de coût sont destinées aux clusters qui peuvent être modifiés pour réduire les coûts sans compromettre les performances. Les recommandations relatives aux coûts sont les suivantes :

• Cluster Azure Data Explorer en cours d’exécution inutilisé
• Cluster Azure Data Explorer en arrêté inutilisé
• Modifier les clusters De l’Explorateur de données en une référence SKU plus rentable et plus performante
• Réduire le cache pour les tables Azure Data Explorer
• Activer la mise à l’échelle automatique optimisée

Cluster Azure Data Explorer en cours d’exécution inutilisé

Un cluster est considéré comme inutilisé et en cours d’exécution s’il est en cours d’exécution et n’a ni données ingérées ni requêtes d’exécution au cours des cinq derniers jours. Dans certains cas, les clusters peuvent être automatiquement arrêtés. Dans les cas suivants, le cluster ne s’arrête pas automatiquement et une recommandation s’affiche :

• Clusters leader. Pour plus d’informations, consultez Bases de données follower.
• Clusters déployés sur un réseau virtuel.
• Clusters où le paramètre d’arrêt automatique est désactivé

La recommandation consiste à arrêter le cluster pour réduire les coûts tout en préservant les données. Si les données ne sont pas nécessaires, supprimez le cluster pour optimiser vos économies.

Cluster Azure Data Explorer en arrêté inutilisé

Un cluster est considéré comme inutilisé et arrêté s’il a été arrêté pendant au moins 60 jours.

Il est recommandé de supprimer le cluster afin de réduire les coûts.

Modifier les clusters Data Explorer vers une référence SKU plus économique et plus performante

La recommandation Change Data Explorer clusters vers une référence SKU plus rentable et plus performante est pour un cluster fonctionnant sous une référence SKU non optimale. Cette référence SKU mise à jour doit réduire vos coûts et améliorer les performances globales. Nous avons calculé le nombre d’instances requis qui répond aux exigences du cache de votre cluster, tout en veillant à ce que les performances ne soient pas affectées négativement.

Dans le cadre de la recommandation, nous vous recommandons d’activer la mise à l’échelle automatique optimisée si elle n’est pas encore activée. La mise à l’échelle automatique optimisée effectue une analyse plus approfondie des performances du cluster et, si nécessaire, augmente la mise à l’échelle du cluster. Cela entraîne des réductions de coûts supplémentaires. Les recommandations de mise à l’échelle automatique optimisée incluent des recommandations minimales et maximales sur le nombre d’instances. La valeur max est définie sur le nombre d’instances de référence SKU recommandé. Si le cluster a des plans de croissance organique, il est recommandé d’augmenter manuellement ce nombre maximal. Si la mise à l’échelle automatique optimisée est déjà configurée sur votre cluster, dans certains cas, la recommandation peut suggérer d’augmenter le nombre maximal d’instances.

La recommandation de référence SKU prend en compte les définitions de zones actuelles d’un cluster et, si le cluster prend en charge les zones, il recommande uniquement les références SKU cibles qui ont au moins deux zones. L’ajout de zones de disponibilité de calcul supplémentaires n’entraîne pas de coûts supplémentaires.

La recommandation de référence SKU Advisor est mise à jour toutes les quelques heures. La recommandation vérifie la disponibilité de la capacité de la référence SKU sélectionnée dans la région. Toutefois, il est important de noter que la disponibilité de la capacité est dynamique et change au fil du temps.

Réduire la période de mise en cache des tables Azure Data Explorer

La recommandation Réduire la période de cache des tables Azure Data Explorer pour l’optimisation des coûts du cluster est donnée pour un cluster qui peut réduire la stratégie de cache de sa table. Cette recommandation est basée sur la période de recherches antérieures des requêtes des 30 derniers jours. Pour voir où les économies sont possibles, vous pouvez afficher les cinq tables les plus pertinentes par base de données pour réaliser des économies potentielles de cache. Cette recommandation est proposée seulement si le cluster peut effectuer un scale-in ou un scale-down après une modification de la stratégie de cache. Advisor vérifie si le cluster est « limité par les données », ce qui signifie que le cluster a une faible utilisation du processeur et une faible utilisation de l’ingestion, mais en raison d’une capacité de données élevée, le cluster ne peut pas être mis à l’échelle ni effectuer un scale-down.

Activer la mise à l’échelle automatique optimisée

La recommandation Activer la mise à l’échelle automatique optimisée est donnée quand l’activation de la mise à l’échelle automatique optimisée peut entraîner la réduction du nombre d’instances sur un cluster. Cette recommandation est basée sur les modèles d’utilisation, l’utilisation du cache, l’utilisation de l’ingestion et le processeur. Pour être sûr de ne pas dépasser votre budget planifié, ajoutez un nombre d’instances maximal quand vous activez la mise à l’échelle automatique optimisée.

Recommandations en matière de performances

Les recommandations de performances améliorent les performances de vos clusters Azure Data Explorer. Les recommandations relatives aux performances sont les suivantes :

• Modifier les clusters De l’Explorateur de données en une référence SKU plus rentable et plus performante
• Mettre à jour la stratégie de cache pour les tables Azure Data Explorer

Mettre à jour la stratégie de cache pour les tables Azure Data Explorer

La recommandation Revoir la stratégie de la période de mise en cache des tables Azure Data Explorer pour de meilleures performances est donnée pour un cluster qui nécessite un autre filtre temporel de recherches antérieures ou une stratégie de cache plus large. Cette recommandation est basée sur la période de recherches antérieures des requêtes des 30 derniers jours. La plupart des requêtes exécutées ces 30 derniers jours ont accédé aux données qui ne sont pas dans le cache, ce qui peut augmenter leur temps d’exécution. Vous pouvez afficher les cinq premières tables par base de données qui ont accédé aux données hors cache, classées en interrogeant le pourcentage.

Vous pouvez également obtenir une recommandation sur les performances pour réduire la stratégie de cache. Cela peut se produire si le cluster est lié par les données. Un cluster est lié par les données si les données à mettre en cache selon la stratégie de mise en cache dépassent la taille totale du cache du cluster. La réduction de la stratégie de cache pour les clusters liés aux données réduit le nombre d’absences de cache et améliore potentiellement les performances.

Recommandations d’excellence opérationnelle

Les recommandations d’excellence opérationnelle ou de « bonnes pratiques » sont des recommandations dont l’implémentation n’améliore pas immédiatement les coûts ou les performances, mais qui peuvent bénéficier du cluster à l’avenir. Cela comprend la réduction de la stratégie de cache de table en fonction des modèles d’utilisation.

Réduire la stratégie de cache de table en fonction des modèles d’utilisation

Cette recommandation se concentre sur la mise à jour de la stratégie de cache en fonction de l’utilisation réelle au cours du mois dernier afin de réduire le cache chaud d’une table. Contrairement à la recommandation de coût précédente, cette recommandation particulière s’applique aux clusters où le nombre d’instances est déterminé par le processeur et la charge d’ingestion plutôt que la quantité de données stockées dans le cache chaud. Dans ce cas, la modification de la stratégie de cache seule est insuffisante pour réduire le nombre d’instances, d’autres optimisations telles que la modification de la référence SKU, la réduction de la charge du processeur et l’activation de la mise à l’échelle automatique sont recommandées pour effectuer une mise à l’échelle efficace. Cette recommandation peut être utile pour les tables où la recherche de requête réelle en fonction des modèles d’utilisation est inférieure à la stratégie de cache configurée. Toutefois, la réduction de la stratégie de cache n’entraîne pas directement des économies. Le nombre d’instances de cluster est déterminé par le processeur et la charge d’ingestion, quelle que soit la quantité de données stockées dans le cache chaud. Par conséquent, la suppression des données du cache chaud n’entraîne pas directement la mise à l’échelle du cluster.

Recommandations en matière de fiabilité

Les recommandations de fiabilité vous aident à garantir et à améliorer la continuité de vos applications critiques pour l’entreprise.

Les recommandations en matière de fiabilité sont les suivantes :

• Le cluster utilise un sous-réseau sans délégation
• Le cluster utilise un sous-réseau avec une configuration IP non valide

Le cluster utilise un sous-réseau sans délégation

Cette recommandation concerne un cluster de réseau virtuel qui utilise un sous-réseau sans délégation pour « Microsoft.Kusto/clusters ». Lorsque vous délèguez un sous-réseau à un cluster, vous autorisez ce service à établir des règles de configuration réseau de base pour le sous-réseau, ce qui permet au cluster d’exploiter ses instances de manière stable.

Le cluster utilise un sous-réseau avec une configuration IP non valide

La recommandation est donnée à un cluster de réseau virtuel où le sous-réseau est également utilisé par d’autres services. La recommandation est de supprimer tous les autres services du sous-réseau et de l’utiliser uniquement pour votre cluster.

Contenu connexe

• Gérer la mise à l’échelle horizontale du cluster (scale-out) dans Azure Data Explorer pour répondre à la demande changeante
• Gérez la mise à l’échelle verticale du cluster (scale-up) dans Azure Data Explorer pour répondre à la demande changeante.