Introduzione al monitoraggio di BigQuery

Il monitoraggio e il logging sono fondamentali per l'esecuzione di applicazioni affidabili nel cloud. I carichi di lavoro BigQuery non fanno eccezione, soprattutto se distribuiscono volumi elevati o sono mission critical. Questo documento fornisce una panoramica generale dei dati di monitoraggio disponibili per BigQuery.

Le origini di monitoraggio e logging possono variare in base alla frequenza di campionamento o aggregazione. Ad esempio, i dati dello schema di informazioni potrebbero essere disponibili a un livello di granularità superiore rispetto ai dati delle metriche di Cloud Monitoring.

Di conseguenza, i grafici di metriche con granularità inferiore potrebbero sembrare diversi dalle statistiche paragonabili dello schema di informazioni. L'aggregazione tenderà ad appianare le discrepanze. Quando progetti una soluzione di monitoraggio, valuta il tempo di risposta alla richiesta, la precisione e l'accuratezza delle metriche rispetto ai tuoi requisiti.

Metriche

Le metriche sono valori numerici raccolti a intervalli regolari e resi disponibili per l'analisi. Puoi utilizzare le metriche per:

  • Crea grafici e dashboard.
  • Attiva avvisi per condizioni o situazioni che richiedono l'intervento umano.
  • Analizzare il rendimento storico.

Nel caso di BigQuery, le metriche disponibili includono il numero di job in esecuzione, quanti byte sono stati analizzati durante una query e la distribuzione dei tempi delle query. Le metriche per una query diventano disponibili solo dopo l'esito positivo della query e il report può richiedere fino a sette minuti. Le metriche per le query non riuscite non vengono segnalate. Per un elenco completo delle metriche disponibili, incluse frequenze di campionamento, visibilità e limitazioni, consulta bigquery in Metriche di Google Cloud.

Utilizza Cloud Monitoring per visualizzare le metriche BigQuery e creare grafici e avvisi. Ogni metrica ha un tipo di risorsa (bigquery_dataset, bigquery_project o global) e un insieme di etichette. Utilizza queste informazioni per creare query in Monitoring Query Language (MQL). Puoi raggruppare o filtrare ogni metrica utilizzando le etichette.

Ad esempio, per rappresentare su grafico il numero di query interattive in corso, utilizza la seguente istruzione MQL, che filtra in base a priority uguale a interactive:

fetch global
| metric 'bigquery.googleapis.com/query/count'
| filter metric.priority = 'interactive'

L'esempio successivo restituisce il numero di job di caricamento in corso, raggruppati in intervalli di 10 minuti:

fetch bigquery_project
| metric 'bigquery.googleapis.com/job/num_in_flight'
| filter metric.job_type = 'load'
| group_by 10m

Per ulteriori informazioni, consulta Creazione di grafici e avvisi per BigQuery.

Log

I log sono record di testo generati in risposta a determinati eventi o azioni. BigQuery crea voci di log per azioni come la creazione o l'eliminazione di una tabella, l'acquisto di slot o l'esecuzione di un job di caricamento. Per ulteriori informazioni sul logging in Google Cloud, consulta Cloud Logging.

Un log è una raccolta di sola aggiunta di voci di log. Ad esempio, puoi scrivere le tue voci di log in un log denominato projects/PROJECT_ID/logs/my-test-log. Molti servizi Google Cloud, tra cui BigQuery, creano un tipo di log chiamato audit log. Questi log registrano:

  • Attività amministrative, ad esempio la creazione o la modifica delle risorse.
  • Accesso ai dati, ad esempio la lettura dei dati forniti dagli utenti da una risorsa.
  • Eventi di sistema generati dai sistemi Google anziché dalle azioni degli utenti.

Gli audit log sono scritti in formato JSON strutturato. Il tipo di dati di base per le voci di log di Google Cloud è la struttura LogEntry. Questa struttura contiene il nome del log, la risorsa che ha generato la voce di log, il timestamp (UTC) e altre informazioni di base.

I dettagli dell'evento registrato sono contenuti in un campo secondario chiamato campo payload. Per gli audit log, il campo del payload è denominato protoPayload. Il valore di questo campo è una struttura AuditLog, indicata dal valore del campo protoPayload.@type, che è impostato su type.googleapis.com/google.cloud.audit.AuditLog.

Per le operazioni su set di dati, tabelle e job, BigQuery scrive attualmente audit log in due formati diversi, sebbene entrambi condividano il tipo di base AuditLog.

Nel formato precedente:

  • Il campo resource.type è bigquery_resource.
  • I dettagli sull'operazione vengono scritti nel campo protoPayload.serviceData. Il valore di questo campo è una struttura AuditData.

Nel formato più recente:

  • Il campo resource.type è bigquery_project o bigquery_dataset. La risorsa bigquery_project contiene voci di log relative ai job, mentre la risorsa bigquery_dataset contiene voci di log relative all'archiviazione.
  • I dettagli dell'operazione vengono scritti nel campo protoPayload.metadata. Il valore di questo campo è una struttura BigQueryAuditMetadata.

Ti consigliamo di utilizzare i log nel formato più recente. Per ulteriori informazioni, consulta la guida alla migrazione degli audit log.

Ecco un esempio abbreviato di una voce di log che mostra un'operazione non riuscita:

{
  "protoPayload": {
    "@type": "type.googleapis.com/google.cloud.audit.AuditLog",
    "status": {
      "code": 5,
      "message": "Not found: Dataset my-project:my-dataset was not found in location US"
    },
    "authenticationInfo": { ... },
    "requestMetadata":  { ... },
    "serviceName": "bigquery.googleapis.com",
    "methodName": "google.cloud.bigquery.v2.JobService.InsertJob",
    "metadata": {
  },
  "resource": {
    "type": "bigquery_project",
    "labels": { .. },
  },
  "severity": "ERROR",
  "logName": "projects/my-project/logs/cloudaudit.googleapis.com%2Fdata_access",
  ...
}

Per le operazioni sulle prenotazioni BigQuery, protoPayload è una struttura AuditLog e i campi protoPayload.request e protoPayload.response contengono ulteriori informazioni. Puoi trovare le definizioni dei campi nell'API BigQuery Reservation. Per ulteriori informazioni, consulta Monitorare le prenotazioni di BigQuery.

INFORMATION_SCHEMA visualizzazioni

Le viste INFORMATION_SCHEMA sono un'altra fonte di insight in BigQuery, che puoi utilizzare insieme a metriche e log.

Queste viste contengono metadati su job, set di dati, tabelle e altre entità BigQuery. Ad esempio, puoi ottenere metadati in tempo reale relativi ai job BigQuery eseguiti in un determinato periodo di tempo, quindi raggruppare o filtrare i risultati per progetto, utente, tabelle a cui viene fatto riferimento e altre dimensioni.

Puoi utilizzare queste informazioni per eseguire analisi più dettagliate sui tuoi carichi di lavoro BigQuery e rispondere a domande come:

  • Qual è l'utilizzo medio degli slot per tutte le query negli ultimi 7 giorni per un determinato progetto?
  • Quali utenti hanno inviato un job di caricamento batch per un determinato progetto?
  • Quali errori di streaming si sono verificati negli ultimi 30 minuti, raggruppati per codice di errore?

In particolare, esamina i metadati dei job, i metadati dei flussi di dati e i metadati delle prenotazioni per ottenere insight sulle prestazioni dei carichi di lavoro BigQuery.

Puoi trovare query INFORMATION_SCHEMA di esempio su GitHub che mostrano l'utilizzo di slot e prenotazione di un'organizzazione, l'esecuzione dei job e gli errori dei job. Ad esempio, la seguente query fornisce un elenco di query in attesa o attualmente in esecuzione. Queste query sono ordinate in base al periodo di tempo dalla loro creazione nella regione us:

SELECT
    creation_time,
    project_id,
    user_email,
    job_id,
    job_type,
    priority,
    state,
    TIMESTAMP_DIFF(CURRENT_TIMESTAMP(), start_time,second) as running_time_sec
 FROM
   `region-us`.INFORMATION_SCHEMA.JOBS_BY_PROJECT
 WHERE
    creation_time BETWEEN TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 1 DAY) AND CURRENT_TIMESTAMP()
    AND state != "DONE"
ORDER BY
    running_time_sec DESC

Per ulteriori informazioni, consulta Risolvere i problemi relativi al rendimento di BigQuery con queste dashboard.

Se hai prenotazioni di slot, oltre a scrivere una query personalizzata puoi utilizzare i grafici delle risorse di amministrazione BigQuery per visualizzare grafici che mostrano l'utilizzo degli slot, la contemporaneità dei job e il tempo di esecuzione dei job. Per ulteriori informazioni, consulta Introduzione ai grafici delle risorse di amministrazione di BigQuery (anteprima).

Passaggi successivi