Azure Application Insights 是一個應用程式遙測工具,可以幫助開發者輕鬆的深入了解應用程式和資源的運作,運作的過程中會將收集到的遙測資料紀錄在 Azure 雲端平台中,我們可以簡單的從 Azure 平台搜尋過去發生的事件,也可以透過 Azure Log Analytics 這一套功能強大的視覺效果與分析工具,協助開發者或 IT 管理員輕易地掌握所記錄的遙測資訊。

搜尋

在 Application Insights 介面上的搜尋頁籤中,我們可以在搜尋欄位中輸入關鍵字進行查詢,或者透過上方工具列的設定篩選條件,找出符合條件的遙測資料,在大部分的情況下,這樣能夠滿足基本的資料搜尋需求。

在 Application Insights 中搜尋

分析

但如果所收集到的資料來自多個應用程式,或是遙測資料有自定義的欄位或事件時,基本的搜尋功能可能就無法滿足我們的需求了,Azure Log Analytics 就是另一個分析工具的利器。

在 Application Insights 上方的工具列中,有個分析按鈕,點擊他會轉到 Azure Log Analytics 平台,並開啟該 Application Insights 資源。

Azure Application Insights 在

這時你可以直接開新分頁,會新增一個查詢該 Application Insights 資源的查詢介面。

在 Azure Log Analytics 平台中開新分頁

版面左側是該 Application Insights 資源的事件類型,如果有玩過資料庫的開發者,你可以把它比你做資料庫中資料表,每個資料表中有各自的資料欄位。

右方上下視窗分別是輸入查詢語法及查詢結果。

Azure Log Analytics 介面

分析語法

Azure Log Analytics 的查詢語法和 SQL 的觀念是一樣的,以下舉幾個例子做說明,同時你也可以連到 Azure Log Analytics Playground 玩玩看:

  • 查詢資料表中指定欄位的資料,並用時間做排序

    -- SQL 語法
    SELECT name, resultCode FROM dependencies
    ORDER BY timestamp asc
    
    // Log Analytics 語法
    dependencies
    | project name, resultCode
    | order by timestamp asc nulls last
    
  • 指定欄位起始字串,並且使用日期區間來過濾資料

    SELECT * FROM dependencies
    WHERE timestamp
    BETWEEN '2016-10-01' AND '2016-11-01'
    
    dependencies
    | where type startswith "Azure"
    | where timestamp > datetime(2018-07-01)
        and timestamp <= datetime(2018-07-31)
    
  • 分別對兩個資料表做時間過濾,再將兩者做聯集

SELECT * FROM dependencies WHERE timestamp > ...
UNION
SELECT * FROM exceptions WHERE timestamp > ...
dependencies
| where timestamp > ago(1d)
| union (exceptions | where timestamp > ago(1d))

透過以上的例子,可以看出 Azure Log Analytics 的查詢語法和我們常用的資料庫查詢語言 SQL 的使用思維是接近的,透過 | 符號將條件串聯,並提供更多語意清出的方法(例如 ago() 方法),讓我們可以更容易表達出我們想要查詢的條件。

更多關於 SQL 查詢語法轉換成 Azure Log Analytics 的查詢語法範例,請參考 SQL to Analytics language cheat sheet 這份檔案

如果有到 Azure Log Analytics Playground 跟著玩玩看,會發現這個平台提供了優秀的智慧提示,會預測你接下來可能會想打那些條件指令。

結語

Application Insights 收集了數量龐大,維度多元的遙測資料,如何將這些數據轉換成有價值的資訊,是一個需要花時間研究的議題,搭配 Azure Log Analytics 強大的查詢工具,能讓我們更輕鬆的在茫茫數據海中找到,有價值的數據,進而回饋給我們作為監控、預測或開發更高品質的程式。


參考資料:


Poy Chang

Trial and Error