Nano Hash - криптовалюты, майнинг, программирование

Данные базы данных Azure cosmos (SQL API) в Grafana

Я пытаюсь подключить источник данных подключаемого модуля Azure Data explorer в grafana, но у нас нет настройки кластера для моего приложения Azure, и я не могу указать URL-адрес кластера в этом подключаемом модуле. Я пробовал простой плагин JSON, но для него требуется URL-адрес http, а URL-адрес нашего портала Azure - https.

Есть ли у нас какие-либо альтернативные плагины или какой-либо другой способ доступа к API SQL данных Azure cosmos db в grafana?

Спасибо за вашу помощь!

С уважением, Шриниваса

grafana azure-cosmosdb
15.09.2020

Ответы:


1

Шрини. Существует вариант использования Grafana для Azure и для Azure Cosmos DB, но только через подключаемый модуль Azure Monitor для просмотра данных временных рядов вашей службы Azure. Grafana не может использоваться в качестве клиента для Azure SQL API, если я правильно понимаю ваш вопрос.

См. Раздел Развертывание Grafana для производства развертывания в Azure

02.10.2020
  • да. Спасибо, Майк. 05.10.2020
    • 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..