Regler för datainsamling (DCRs) i Azure Monitor.

Regler för datainsamling (DCR) är en del av en ETL-liknande datainsamlingsprocess (Extract, transform, and load) som förbättrar äldre datainsamlingsmetoder för Azure Monitor. Den här processen använder en gemensam datainmatningsstrategi för alla datakällor och en standardmetod för konfiguration som är mer hanterbar och skalbar än tidigare insamlingsmetoder.

Specifika fördelar med DCR-baserad datainsamling är:

• Konsekvent metod för konfiguration av olika datakällor.
• Möjlighet att använda en transformering för att filtrera eller ändra inkommande data innan den skickas till ett mål.
• Skalbara konfigurationsalternativ som stöder infrastruktur som kod och DevOps-processer.
• Alternativet att använda Azure Monitor-pipelinen i din egen miljö för att möjliggöra avancerad skalbarhet, flerskiktade nätverkskonfigurationer och periodisk uppkoppling.

Visa DCRer

Datainsamlingsregler (DCR) lagras i Azure så att de kan distribueras och hanteras centralt som alla andra Azure-resurser. De ger ett konsekvent och centraliserat sätt att definiera och anpassa olika scenarier för datainsamling.

Visa alla datainsamlingsregler i din prenumeration från alternativet Datainsamlingsregler på menyn Övervaka i Azure-portalen. Oavsett vilken metod som används för att skapa DCR och information om själva DCR visas alla DCR:er i prenumerationen på den här skärmen.

Ersatta metoder för äldre datainsamling

DCR-insamlingsprocessen har antingen ersatts eller håller på att ersätta andra datainsamlingsmetoder i Azure Monitor. I följande tabell visas de äldre metoderna med sina DCR-baserade ersättningar. Andra datainsamlingsmetoder i Azure Monitor förväntas också ersättas av DCR:er i framtiden.

Datainsamlingsprocess

Datainsamlingsprocessen som stöds av DCR:er ger en gemensam bearbetningssökväg för inkommande data. Varje datainsamlingsscenario definieras i en DCR. DCR innehåller instruktioner för hur Azure Monitor ska bearbeta de data som tas emot. Beroende på scenariot anger DCR alla eller några av följande:

• Data som ska samlas in och skickas till Azure Monitor.
• Schema för inkommande data.
• Transformeringar som ska tillämpas på data innan de lagras.
• Mål där data ska skickas.

Använda en DCR

Det finns två grundläggande sätt att specificera DCR för ett särskilt datainsamlingsscenario, som beskrivs i de följande avsnitten. Varje scenario stöder en av dessa metoder, men inte båda.

Regelassociationer för datainsamling (DCRA)

Datainsamlingsregelassociationer (DCRA) används för att associera en DCR med en övervakad resurs. Det här är en många-till-många-relation, där:

• en enskild DCR kan associeras med flera resurser.
• en enskild resurs kan associeras med upp till 30 DCR.

På så sätt kan du utveckla en strategi för att upprätthålla din övervakning över uppsättningar med resurser med olika krav.

Följande diagram illustrerar till exempel datainsamling för Azure Monitor-agenten (AMA) som körs på en virtuell dator. När agenten är installerad ansluter den till Azure Monitor för att hämta alla DCR:er som är associerade med den. I det här scenariot anger DCR:erna händelser och prestandadata att samla in. Agenten använder den informationen för att avgöra vilka data som ska samlas in från datorn och skickas till Azure Monitor. När data har levererats körs alla transformeringar som anges i DCR för att filtrera och ändra data och skickar sedan data till den angivna arbetsytan och tabellen.

Direkt inmatning

Med direkt inmatning anges en viss DCR för att bearbeta inkommande data. Följande diagram illustrerar till exempel data från ett anpassat program med hjälp av API för logginmatning. Varje API-anrop anger den DCR som bearbetar dess data. DCR förstår strukturen för inkommande data, innehåller en transformering som säkerställer att data är i måltabellens format och anger en arbetsyta och tabell för att skicka transformerade data.

Transformeringar

Transformeringar är KQL-frågor som ingår i en DCR som körs mot varje post som tas emot. De gör att du kan ändra inkommande data innan de lagras i Azure Monitor eller skickas till ett annat mål. Du kan filtrera onödiga data för att minska dina inmatningskostnader, ta bort känsliga data som inte ska sparas på Log Analytics-arbetsytan eller formatera data för att säkerställa att de matchar schemat för målet. Transformeringar möjliggör också avancerade scenarier som att skicka data till flera mål eller berika data med ytterligare information.

Azure Monitor-pipeline

Azure Monitor-pipelinen utökar datainsamlingsprocessen till ditt eget datacenter. Det möjliggör insamling och routning av telemetridata i stor skala innan de levereras till molnet.

Specifika användningsfall för Azure Monitor-pipelinen är:

• Skalbarhet. Pipelinen kan hantera stora mängder data från övervakade resurser som kan begränsas av andra insamlingsmetoder, till exempel Azure Monitor-agenten.
• Periodisk anslutning. Vissa miljöer kan ha otillförlitlig anslutning till molnet eller ha långa oväntade perioder utan anslutning. Pipeline kan lagra cache lokalt och synkronisera med molnet när anslutningen återställs.
• Skiktat nätverk. I vissa miljöer segmenteras nätverket och data kan inte skickas direkt till molnet. Pipelinen kan användas för att samla in data från övervakade resurser utan molnåtkomst och hantera anslutningen till Azure Monitor i molnet.

DCR-regioner

Datainsamlingsregler är tillgängliga i alla offentliga regioner där Log Analytics-arbetsytor och Azure Government- och Kina-moln stöds. Luftgapade moln stöds ännu inte. En DCR skapas och lagras i en viss region och säkerhetskopieras till den kopplade regionen inom samma geografiska område. Tjänsten distribueras till alla tre tillgänglighetszonerna i regionen. Därför är det en zonredundant tjänst som ytterligare ökar tillgängligheten.

Enkel regions datalagring är en förhandsversionsfunktion som gör det möjligt att lagra kunddata i en enda region och är för närvarande endast tillgänglig i regionen Sydostasien (Singapore) inom Asien och Stillahavsområdets georegion samt i regionen Södra Brasilien (delstaten São Paulo) inom Brasiliens georegion. Residens för en region är aktiverat som standard i dessa regioner.

Nästa steg

Mer information om hur du arbetar med DCR finns i:

• Regelstruktur för datainsamling för en beskrivning av JSON-strukturen för domänkontrollanter och de olika element som används för olika arbetsflöden.
• Exempel på regler för datainsamling (DCR) för dcr-exempel för olika scenarier för datainsamling.
• Skapa och redigera regler för datainsamling (DCR) i Azure Monitor för olika metoder för att skapa DCR:er för olika datainsamlingsscenarier.
• Azure Monitor-tjänstbegränsningar för gränser som gäller för varje domänkontrollant.