Azure Machine Learning de surveillance

Modifier en ligne

Azure Machine Learning est un service cloud permettant de créer, de déployer et de gérer des modèles d'apprentissage automatique. Instana utilise le capteur « Azure Machine Learning » pour surveiller le service « Azure Machine Learning ». Instana surveille de manière exhaustive le service Azure Machine Learning en offrant une visibilité de bout en bout sur votre environnement.

Remarque : une fois l 'agent hôte « Instana » installé, le capteur « Azure Machine Learning » est automatiquement installé et activé. Vous pouvez consulter les indicateurs d'infrastructure liés à l' Azure Machine Learning e dans l'interface utilisateur d' Instana. Pour plus d'informations sur les autres services pris en charge par l' Azure, consultez la documentation disponible à l'adresse Azure.

Configuration du capteur « Azure Machine Learning »

Modifier en ligne

Pour configurer le capteur « Azure Machine Learning », procédez comme suit :

Activez l'abonnement « Azure » sur Instana. Mettez à jour le fichier de configuration de l'agent <agentinstall_dir>/etc/instana/configuration.yaml comme illustré dans l'exemple suivant:
```
com.instana.plugin.azure:
  enabled: true
  subscription: "[Your-Subscription-Id]"
  tenant: "[Your-Tenant-Id]"
  principals:
    - id: "[Your-Service-Principal-Account-Id]"
      secret: "[Your-Service-Principal-Secret]"
```
Pour plus d'informations sur l'installation de l'agent Azure , voir Installation.

Vérifiez si le capteur « Azure Machine Learning » est activé dans le fichier de configuration de l'agent. Vous pouvez également configurer des balises et des groupes de ressources comme décrit dans la section Filtrage des services en définissant des balises et des groupes de ressources .

com.instana.plugin.azure.machinelearning:
  enabled: true # Valid values: true, false. Enabled (true) by default
  include_tags: # Comma separated list of tags in key:value format (e.g. env:prod,env:staging)
  exclude_tags: # Comma separated list of tags in key:value format (e.g. env:dev,env:test)
  include_resource_groups: # Comma separated list of resource groups (e.g. rg_prod,rg_staging)
  exclude_resource_groups: # Comma separated list of resource groups (e.g. rg_dev,rg_test)

Désactivation du capteur « Azure Machine Learning »

Modifier en ligne

Pour désactiver le capteur « Azure Machine Learning », modifiez le fichier de configuration <agentinstall_dir>/etc/instana/configuration.yaml de l'agent comme indiqué dans l'exemple suivant :

com.instana.plugin.azure.machinelearning:
  enabled: false

Filtrer les services en définissant des balises et des groupes de ressources

Modifier en ligne

Pour définir plusieurs balises et groupes de ressources, séparez-les par des virgules. Définissez les balises sous la forme d'une paire clé-valeur séparée par un signe deux-points (:).

Vous pouvez définir plusieurs balises et groupes de ressources dans le fichier configuration.yaml . Utilisez des virgules pour séparer plusieurs balises ou groupes de ressources. Si vous définissez une balise ou un groupe de ressources dans les deux listes (inclusion et exclusion), la liste d'exclusion a une priorité plus élevée. Si vous souhaitez inclure tous les services sans filtrage, évitez de définir une configuration.

Pour définir des balises pour la liste d'inclusion, mettez à jour le fichier configuration.yaml comme illustré dans l'exemple suivant:

com.instana.plugin.azure.machinelearning:
  include_tags: # Comma separated list of tags in key:value format (e.g. env:prod,env:staging)

Pour définir des balises pour la liste d'exclusion, mettez à jour le fichier configuration.yaml comme illustré dans l'exemple suivant:
```
com.instana.plugin.azure.machinelearning:
  exclude_tags: # Comma separated list of tags in key:value format (e.g. env:dev,env:test)
```
Pour définir des groupes de ressources pour la liste d'inclusion, mettez à jour le fichier configuration.yaml comme illustré dans l'exemple suivant:
```
com.instana.plugin.azure.machinelearning:
  include_resource_groups: # Comma separated list of resource groups (e.g. rg_prod,rg_staging)
```
Pour définir des groupes de ressources pour la liste d'exclusion, mettez à jour le fichier configuration.yaml comme illustré dans l'exemple suivant:
```
com.instana.plugin.azure.machinelearning:
  exclude_resource_groups: # Comma separated list of resource groups (e.g. rg_dev,rg_test)
```

Remarque : lorsque vous définissez des filtres pour le service Azure Machine Learning, ceux-ci ont priorité sur le filtre commun à tous les services Azure. Pour plus d'informations, consultez la section Configuration.

Affichage des mesures

Modifier en ligne

Pour afficher les métriques, procédez comme suit:

Dans le menu de navigation de l'interface utilisateur d' Instana, cliquez sur Infrastructure.
Cliquez sur un hôte surveillé.

Vous pouvez voir un tableau de bord hôte avec toutes les métriques collectées et les processus surveillés.

Les métriques sont extraites toutes les minutes, ce qui correspond à la résolution fournie par Azure pour la surveillance de ces services.

Données de configuration de l'espace de travail d'apprentissage automatique

Modifier en ligne


Détails de l'espace de nom	Description
Nom	Nom de l'espace de travail d' Azure Machine Learning
Groupe de ressources	Nom du groupe de ressources dans lequel se trouve l'espace de travail
Emplacement	Emplacement de la ressource
ID abonnement	Identificateur d'abonnement Azure
createdAt	Horodatage de la création de la ressource (UTC)

Espace de travail dédié à l'apprentissage automatique et aux indicateurs de performance

Modifier en ligne


Métrique	Nom	Unité	Agrégation	Description
Utilisation des processeurs
Nombre	CpuUtilizationPercentage	Nombre	Moyenne	Moyenne du pourcentage d'utilisation d'un noeud d'UC en une minute
Nombre	GpuUtilizationPercentage	Nombre	Moyenne	Moyenne du pourcentage d'utilisation d'un noeud de processeur graphique en une minute
Noeuds
Nombre	Noeuds actifs	Nombre	Moyenne	Noeuds qui exécutent activement un travail dans un délai d'une minute
Nombre	Nombre total de noeuds	Nombre	Moyenne	Moyenne de la somme des noeuds actifs, des noeuds inactifs, des noeuds inutilisables, des noeuds prémétriés et des noeuds de départ sur une période d'une minute
Cœurs
Nombre	Coeur actif	Nombre	Moyenne	Moyenne du nombre de coeurs actifs en une minute
Nombre	Nombre total de coeurs	Nombre	Moyenne	Moyenne du nombre total de coeurs en une minute
Exécutions
Nombre	Exécutions démarrées	Nombre	Total	Nombre total d'exécutions en cours pour cet espace de travail en une minute
Nombre	Exécutions terminées	Nombre	Total	Nombre total d'exécutions réussies pour cet espace de travail en une minute
Nombre	Exécutions annulées	Nombre	Total	Nombre total d'exécutions annulées pour cet espace de travail en une minute
Nombre	Erreurs	Nombre	Total	Nombre total d'erreurs d'exécution dans cet espace de travail en une minute
Nombre	Exécutions ayant échoué	Nombre	Total	Nombre total d'exécutions ayant échoué pour cet espace de travail en une minute
Disque
Nombre	DiskUsedMegabytes	Nombre	Moyenne	Utilisation moyenne de l'espace disque en mégaoctets par minute
Nombre	DiskReadMegabytes	Nombre	Moyenne	Moyenne des données lues à partir du disque en mégaoctets par minute
Nombre	DiskWriteMegabytes	Nombre	Moyenne	Moyenne des données écrites sur le disque en mégaoctets par minute