Azure Machine Learning 모니터링 통합

New Relic의 통합 에는 Azure Machine Learning 데이터를 New Relic에 보고하기 위한 통합이 포함됩니다. 이 문서에서는 이 통합을 활성화하는 방법과 보고할 수 있는 데이터에 대해 설명합니다.

통합 활성화

통합을 활성화하려면 표준 절차에 따라 New Relic에서 Azure 서비스 를 활성화합니다.

구성 및 폴링

구성 옵션 을 사용하여 폴링 빈도를 변경하고 데이터를 필터링할 수 있습니다.

Azure Machine Learning 통합에 대한 기본 폴링 정보:

New Relic 폴링 간격: 5분

데이터 찾기 및 사용

통합 데이터를 찾으려면 one.newrelic.com > All capabilities > Infrastructure > Azure 으로 이동하여 통합을 선택하세요.

다음 이벤트 유형 을 사용 하여 데이터를 쿼리하고 탐색할 수 있습니다.

실재	이벤트 유형	공급자
작업 공간	`AzureMachineLearningWorkspaceSample`	`AzureMachineLearningWorkspace`

데이터 사용 방법에 대한 자세한 내용은 통합 데이터 이해 및 사용 을 참조하십시오.

측정항목 데이터

이 통합은 Workspace에 대한 Azure Machine Learning 데이터를 수집합니다.

기계 학습 작업 공간 데이터

미터법	유닛	설명
`completedRuns`	세다	이 작업 공간에 대해 성공적으로 완료된 실행 수
`startedRuns`	세다	이 작업 공간에 대해 시작된 실행 수
`failedRuns`	세다	이 작업 공간에서 실패한 실행 횟수
`modelRegisterSucceeded`	세다	이 작업 공간에서 성공한 모델 등록 수
`modelRegisterFailed`	세다	이 작업 공간에서 실패한 모델 등록 수
`modelDeployStarted`	세다	이 작업 공간에서 시작된 모델 배포 수
`modelDeploySucceeded`	세다	이 작업 공간에서 성공한 모델 배포 수
`modelDeployFailed`	세다	이 작업 공간에서 실패한 모델 배포 수
`totalNodes`	세다	총 노드 수입니다. 이 합계에는 일부 활성 노드, 유휴 노드, 사용할 수 없는 노드, 선점된 노드, 떠나는 노드가 포함됩니다.
`activeNodes`	세다	활성 노드의 수입니다. 작업을 활발하게 실행 중인 노드입니다.
`idleNodes`	세다	유휴 노드의 수입니다. 유휴 노드는 작업을 실행하지 않지만 사용 가능한 경우 새 작업을 수락할 수 있는 노드입니다.
`unusableNodes`	세다	사용할 수 없는 노드의 수입니다. 사용할 수 없는 노드는 해결할 수 없는 문제로 인해 작동하지 않습니다. Azure는 이러한 노드를 재활용합니다.
`preemptedNodes`	세다	선점된 노드의 수입니다. 이러한 노드는 사용 가능한 노드 풀에서 제거된 우선 순위가 낮은 노드입니다.
`leavingNodes`	세다	떠나는 노드의 수. 떠나는 노드는 작업 처리를 막 마친 노드이며 유휴 상태가 됩니다.
`totalCores`	세다	총 코어 수
`activeCores`	세다	활성 코어 수
`idleCores`	세다	유휴 코어 수
`unusableCores`	세다	사용할 수 없는 코어 수
`preemptedCores`	세다	선점된 코어 수
`leavingCores`	세다	이탈 코어 수
`quotaUtilizationPercent`	퍼센트	사용된 할당량 비율
`cpuUtilizationPercent`	퍼센트	CPU 사용률
`gpuUtilizationPercent`	퍼센트	GPU 활용도