Nano Hash - криптовалюты, майнинг, программирование

Настройка диагностики концентратора событий Azure для ошибок пользователей

Я запускаю настройку, в которой задание Stream Analytics считывается из концентратора событий Azure. Концентратор событий содержится в пространстве имен, и специально для SA создана группа потребителей.

Недавно я заметил User Error в показателях Event Hub. введите здесь описание изображения

Пространство имен концентратора событий настроено для отправки всех журналов в OMS:

  • АрхивЖурналы
  • Операционные журналы
  • AutoScaleLogs
  • КафкаКоординаторЖурналы
  • EventHubVNetConnectionEvent
  • CustomerManagedKeyUserLogs
  • KafkaUserErrorLogs

Но, похоже, это не относится к этому конкретному случаю, поскольку я не могу найти эту ошибку в Log Analytics Workspace (например, выполнив search "UserError" за последние 24 часа).

Поиск в документах тоже бесполезен. Ближайшее, что я нашел, было в .NET SDK для Azure:

Namespace: Microsoft.Azure.EventHubs
Assembly: Microsoft.Azure.EventHubs.dll
UserError Identifies the exception as a user error and user needs to take an action to address the failure.

Но это тоже не очень полезно, поскольку даже не указывает, является ли пользователь отправителем или получателем сообщения.

Что такое UserError в этом случае и как определить, что происходит на самом деле?

azure azure-stream-analytics azure-log-analytics azure-eventhub
06.12.2019

Ответы:


1

Ошибки пользователя обычно возникают из-за ошибок в клиентском приложении, например,

Ошибки пользователей в концентраторе событий и служебной шине возникают по схожим причинам. Вы можете обратиться к Показатель ошибок пользователя очереди сообщений служебной шины Azure

06.12.2019
  • Спасибо, это отвечает на первую часть вопроса, а именно, что такое UserError в данном случае. Но есть ли способ выяснить, какова основная причина этой ошибки на стороне получателя (в этом случае это задание Stream Analytics)? Или даже идентифицировать отказавший приемник (если их несколько). Регистрирует ли концентратор событий (или служебная шина в целом) такую ​​информацию? 10.12.2019
  • Сервер будет показывать только ошибки пользователя. В клиентском приложении появится подробное исключение. В вашем случае клиент выполняет задание потоковой аналитики, вы можете проверить журнал активности задания потоковой аналитики. Если в журнале активности задания потоковой аналитики ошибок не обнаружено, обратитесь в службу поддержки Microsoft. 10.12.2019
    • Новые материалы
    Кластеризация: более глубокий взгляд
    Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
    Как написать эффективное резюме
    Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
    Частный метод Python: улучшение инкапсуляции и безопасности
    Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
    Как я автоматизирую тестирование с помощью Jest
    Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
    Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
    Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
    Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
    В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
    Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
    В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..