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 il tuo ha volumi elevati o è mission critical. Questo documento fornisce una panoramica Panoramica dei dati di monitoraggio disponibili per BigQuery.
Le sorgenti di monitoraggio e logging possono variare in base alla frequenza di campionamento o e aggregazione. Ad esempio, i dati dello schema delle informazioni potrebbero essere disponibili a un livello di granularità superiore rispetto ai dati delle metriche di monitoraggio del cloud.
Di conseguenza, i grafici delle metriche con granularità più bassa potrebbero sembrare divergenti da statistiche comparabili degli schemi di informazioni. L'aggregazione tenderà a uniformare a eliminare le discrepanze. Quando progetti una soluzione di monitoraggio, valuta il tempo di risposta alle richieste, la precisione e l'accuratezza delle metriche rispetto i 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.
- Attivare avvisi per condizioni o situazioni che richiedono l'intervento umano.
- Analizza 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
dei tempi di query. Le metriche solo per una query
diventano disponibili dopo l'esito positivo della query e la loro
segnalato. Le metriche relative alle query non riuscite non vengono segnalate. Per un elenco completo
le metriche disponibili, tra cui frequenze di campionamento, visibilità e limiti, consulta
bigquery
in meno
Metriche di Google Cloud:
Utilizza Cloud Monitoring per visualizzare le metriche di 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 un grafico il numero di query interattive in volo, utilizza la
seguente istruzione MQL, che filtra per priority
uguale a interactive
:
fetch global
| metric 'bigquery.googleapis.com/query/count'
| filter metric.priority = 'interactive'
L'esempio seguente recupera il numero di job di caricamento in esecuzione, 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 Creare grafici e avvisi per BigQuery.
Log
I log sono record di testo generati in risposta a particolari 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 su come eseguire il logging in Google Cloud, consulta Cloud Logging.
Un log è una raccolta di voci di log di sola aggiunta. Ad esempio, potresti 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, come la creazione o la modifica delle risorse.
- Accesso ai dati, ad esempio la lettura di dati forniti dall'utente 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 sono
Struttura di LogEntry
. Questa
struttura contiene il nome del log, la risorsa che ha generato la voce
del log, il timestamp (UTC) e altre informazioni di base.
I dettagli dell'evento registrato sono contenuti in un campo secondario chiamato payload
. Per i log di controllo, il campo del payload è denominato protoPayload
. Il valore di questo campo è una struttura AuditLog
, indicata dal valore del campo protoPayload.@type
, impostato su type.googleapis.com/google.cloud.audit.AuditLog
.
Attualmente BigQuery per le operazioni su set di dati, tabelle e job
scrive gli audit log in due formati diversi, sebbene entrambi condividano il valore AuditLog
tipo di base.
Nel formato precedente:
- Il campo
resource.type
èbigquery_resource
. - I dettagli dell'operazione vengono scritti in
protoPayload.serviceData
. Il valore di questo campo è una strutturaAuditData
.
Nel formato più recente:
- Il campo
resource.type
èbigquery_project
obigquery_dataset
. La risorsabigquery_project
contiene voci di log relative ai job, mentre la risorsabigquery_dataset
contiene voci di log relative allo spazio di archiviazione. - I dettagli dell'operazione vengono scritti nel campo
protoPayload.metadata
. Il valore di questo campo è unBigQueryAuditMetadata
alla struttura del centro di costo.
Ti consigliamo di utilizzare i log nel formato più recente. Per ulteriori informazioni, vedi 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 maggiori informazioni
le informazioni, vedi
Monitoraggio delle prenotazioni BigQuery.
INFORMATION_SCHEMA
visualizzazioni
Le viste INFORMATION_SCHEMA
sono un'altra fonte di approfondimenti 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 su quali job BigQuery sono stati eseguiti in un determinato periodo di tempo quindi raggruppa o filtra i risultati per progetto, utente, tabelle di riferimento e dimensioni.
Puoi utilizzare queste informazioni per eseguire analisi più dettagliate sul tuo carichi di lavoro BigQuery e rispondi 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 flussi di dati si sono verificati negli ultimi 30 minuti, raggruppati per codice di errore?
In particolare, esamina i metadati delle offerte di lavoro, 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 prenotazioni, l'esecuzione dei job e
gli errori dei job di un'organizzazione. Ad esempio, la seguente query fornisce un elenco
in attesa o in esecuzione. Queste query vengono ordinate
per il periodo di tempo trascorso 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 di prestazioni di BigQuery con queste dashboard.
Se hai prenotazioni di slot, oltre a scrivere la tua query, puoi usare i grafici delle risorse di amministrazione di BigQuery per vedere i grafici utilizzo degli slot display, contemporaneità dei job e tempo di esecuzione del job. Per ulteriori informazioni, vedi Introduzione ai grafici delle risorse di amministrazione di BigQuery (anteprima).
Passaggi successivi
- Scopri come monitorare l'utilizzo delle risorse e i job.
- Scopri come creare grafici e avvisi per BigQuery.
- Scopri come monitorare l'utilizzo dei job di caricamento.