Azure 日志中自定义指标的时间序列分解和绘图

Question

在学习 Azure 日志处理时，我开始通过 AppInsight 将简单的队列计数记录为指标。目前我以一种相当简单的方式处理它们并在同一张图中显示它们。

简单查询如

customMetrics
| where cloud_RoleName == "abc" and name endswith "_ApproximateMessagesCount"
| summarize avg(valueSum) by name, bin(timestamp, 30s)
| render timechart;

然后我想我可以尝试预测这些计数并将预测与计数一起绘制。所以我去阅读文档并找到了一个时间序列分解的例子，如 https://docs.microsoft.com/en-us/azure/data-explorer/anomaly-detection#time-series-decomposition-model 所述。完美！

所以我将查询稍微修改为

let min_t = startofday(now());
let max_t = endofday(now());
let dt = 1h;
let horizon=24h;
customMetrics
| where cloud_RoleName == "abc" and name endswith "_ApproximateMessagesCount"
| make-series queueCount=avg(valueSum) on timestamp from min_t to max_t step dt by name
| extend forecast = series_decompose_forecast(queueCount, toint(horizon/dt))
| render timechart with(title="abc", ysplit=panels)

唉！有几个问题我不太明白：

如何显示实际计数图和预测计数图。
如何在每条“游泳线”上拆分图表，每条游泳线都具有随时间推移的实际计数以及预测？在这个例子中，ysplit=panels 似乎实现了这一点，但也许它不像多图那样工作？

我可能还误解了 make-series 和 extend 的功能。我的意思是，我看到一个图表，我可以从中确定计数，然后图表很快变为零，可能是因为预测是这样。因此，实际上 queueCount 显示在 y axis 上（而所有图表都在同一条泳道上）。

报告队列计数的测试代码很简单

string queueName = $"{queueName}_ApproximateMessagesCount";
int queueLength = <someValue>;
TelemetryClient.TrackMetric(new MetricTelemetry
{
    Name = queueName,
    Sum = queueLength,
    Count = 1,
    Timestamp = DateTime.UtcNow
});

Answer 1

如果您在 table 中同时拥有实际计数和预测，那么“渲染时间表”会同时显示两者。注意需要在make-series.

到max_t+horizon

let min_t = datetime(2017-01-05);
let max_t = datetime(2017-02-03 22:00);
let dt = 2h;
let horizon=7d;
demo_make_series2
| make-series num=avg(num) on TimeStamp from min_t to max_t+horizon step dt by sid 
| where sid == 'TS1'   //  select a single time series just to get cleaner visualization
| extend forecast = series_decompose_forecast(num, toint(horizon/dt))
| render timechart

ysplit=panels 仅适用于 KE（Kusto Explorer，桌面应用程序）
不明白你最后一个问题。制作系列并扩展。请澄清。

Azure 日志中自定义指标的时间序列分解和绘图

Time series decomposition and graphing from custom metrics in Azure Logs

azure

azure-application-insights

azure-log-analytics

kql