Arquitetura de monitoramento: Azure Monitor, Log Analytics, Pastas de Trabalho, insights e Data Explorer
Projete coleta de pilha completa, topologia de workspaces, acesso, custos, visualização, alertas, insights de recursos e análise de telemetria em escala.
Tempo de estudo sugerido: 78 minutos • Nível intermediário • Reescrita autoral completa com resumo conciso de cada tópico
Por João Ricardo Dutra••Conteúdo autoral completo
1. O monitoramento deve cobrir toda a pilha do aplicativo
Uma arquitetura de nuvem não se torna observável apenas porque cada recurso oferece um painel. O design precisa correlacionar infraestrutura, serviços de plataforma, comportamento do aplicativo, disponibilidade e experiência do usuário para detectar degradações antes que se tornem indisponibilidades prolongadas.
No cenário da Tailwind Traders, cargas e migram após incidentes demorados para identificar e corrigir. O estado desejado é o monitoramento contínuo de pilha completa, com insights úteis, alertas proativos e análise de métricas e da plataforma.
Resumo do tópico
O monitoramento de pilha completa conecta integridade, desempenho, disponibilidade e experiência do usuário para reduzir os tempos de detecção e recuperação.
2. O é a plataforma comum de dados de observabilidade
O recebe telemetria de aplicativos, sistemas operacionais, recursos do , assinaturas, locatários e fontes personalizadas. A plataforma compartilhada permite analisar vários recursos com um conjunto comum de consultas, visualizações, alertas e automações.
O centraliza telemetria heterogênea e a disponibiliza para análise, visualização, alertas e integrações.
Resumo do tópico
O oferece uma plataforma única para coletar e analisar telemetria das camadas de aplicativo e infraestrutura.
3. e Métricas respondem a perguntas diferentes
Os dois componentes primários do .
Componente
Modelo de dados
Melhor aplicação
do
Registros organizados em tabelas
Investigação complexa, correlação, filtros, junções, agregações e histórico
Métricas do
Valores numéricos de série temporal coletados em intervalos
Integridade quase em tempo real, tendências, painéis, limites e resposta rápida
Um mesmo incidente costuma exigir os dois. A métrica revela que a latência ultrapassou um limite; os explicam qual solicitação, dependência, identidade ou configuração contribuiu para o problema.
Resumo do tópico
As métricas mostram rapidamente que o comportamento mudou; os fornecem o contexto para explicar por quê.
4. Organize as fontes pelas camadas do aplicativo e da plataforma
A camada superior representa o aplicativo e suas transações de negócio. Abaixo ficam sistema operacional convidado, recurso do , assinatura e plano de controle do locatário. Colete telemetria suficiente em cada camada para ligar o sintoma percebido pelo usuário à causa técnica, sem ingerir dados indiscriminadamente.
Resumo do tópico
O modelo em camadas liga sintomas do aplicativo a eventos do sistema operacional, recurso, assinatura e locatário.
5. Regras de coleta de dados tornam a explícita e reutilizável
As regras de coleta de dados (DCRs) definem o que coletar, como filtrar ou transformar e para onde enviar. Elas são criadas centralmente e vinculadas aos recursos por associações de regra de coleta de dados, separando a política de coleta da configuração individual das máquinas.
O pode implantar e associar DCRs em escala para reduzir desvio de configuração em máquinas virtuais do e máquinas híbridas.
A DCR é o contrato governado entre fontes, transformações e destinos de telemetria.
Resumo do tópico
As DCRs centralizam seleção, transformação, roteamento e atribuição de fontes para governar a telemetria em escala.
6. O Agente do coleta dados do sistema e das cargas
Eventos do Windows, inclusive os produzidos por ferramentas como Sysmon.
Contadores de desempenho do sistema operacional e das cargas.
Mensagens Syslog de sistemas e serviços Linux.
do IIS lidos no disco local de máquinas Windows.
Arquivos personalizados de texto e cujo esquema da tabela de destino é definido na DCR.
Resumo do tópico
O Agente do usa DCRs para coletar eventos Windows, Syslog, IIS, desempenho e arquivos personalizados em um gerenciado.
7. A KQL transforma registros em evidência operacional
A KQL (Linguagem de Consulta Kusto) consulta as tabelas dos do . Filtros restringem eventos, agregações resumem comportamentos, junções correlacionam fontes e operadores de série temporal revelam tendências e anomalias. As consultas são somente leitura e alimentam investigações, Pastas de Trabalho e alertas de .
Resumo do tópico
A KQL converte registros coletados em correlações, tendências, anomalias, relatórios e condições de alerta.
8. Alertas exigem detecção, processamento e encaminhamento
Regras de alerta avaliam ou Métricas e criam um alerta quando uma condição ocorre. Regras de alerta recomendadas oferecem pontos de partida mantidos pela Microsoft. Grupos de ações definem notificações e automações; regras de processamento de alertas encaminham, suprimem ou modificam alertas em escala.
Um design completo separa a lógica de detecção do processamento em escala e dos destinos de resposta.
Resumo do tópico
Alertas confiáveis combinam sinal significativo, condição avaliada, processamento escalável e destino de resposta responsável.
9. O Explorador de Métricas apoia investigações interativas
O Explorador de Métricas permite selecionar métricas, dimensões, agregações e intervalos de tempo. Ele ajuda a investigar picos de utilização, padrões de acesso, comportamento de cargas e janelas de incidente antes de transformar uma descoberta em painel ou alerta permanente.
Resumo do tópico
O Explorador de Métricas conecta valores de série temporal a uma decisão validada de monitoramento ou alerta.
10. Um do Analytics é contêiner e limite de governança
Os do armazenam registros em um do Analytics. Esse recurso do funciona como limite administrativo, localização geográfica e contêiner agregador. Cada adicional deve atender a uma necessidade clara de acesso, conformidade, residência ou operação.
Resumo do tópico
O determina onde os residem, como são administrados e qual limite de governança se aplica.
11. Tabelas do preservam esquemas específicos das fontes
Os dados são organizados em tabelas com propriedades e esquemas associados ao produtor. A maioria das fontes grava em tabelas próprias. Isso mantém a KQL previsível, enquanto transformações de DCR e tabelas personalizadas normalizam telemetria selecionada quando necessário.
Resumo do tópico
Tabelas organizam os dados por produtor e esquema sem reduzir toda a telemetria a uma estrutura única.
12. Custos incluem , compromisso, limite, retenção e arquivo
Um pode usar pagamento conforme o uso ou camada de compromisso com capacidade diária fixa. O limite diário é uma proteção possível, mas não pode eliminar silenciosamente evidências críticas. A retenção interativa varia de 30 a 730 dias, e registros antigos podem seguir para arquivo de menor custo.
O custo deve acompanhar o valor do dado: colete campos necessários, remova ruído antes da quando adequado, defina retenção por tabela e requisito e acompanhe tendências de volume.
Resumo do tópico
Otimize custos com coleta deliberada, camada de preço, limites seguros, retenção por tabela e arquivo, sem sacrificar evidências essenciais.
13. O do restringe consulta e administração dos
O controle de acesso baseado em função do concede somente as permissões de monitoramento necessárias. Um central ainda pode diferenciar o acesso conforme o modelo operacional, principalmente quando as consultas respeitam o escopo de recursos administrado por cada equipe.
Resumo do tópico
centralizado não implica visibilidade universal: o do preserva o privilégio mínimo.
14. dedicados atendem a requisitos especializados
físicos gerenciados pela Microsoft são o padrão. Um dedicado é indicado para criptografia com chave gerenciada pelo cliente, Customer Lockbox ou volume de sustentado muito alto. A escolha altera capacidade e custo e precisa de justificativa arquitetural.
Resumo do tópico
Use dedicado para requisitos explícitos de criptografia, acesso de suporte ou sustentada, não como topologia padrão.
15. Divida workspaces somente por um limite arquitetural real
A soberania ou a conformidade exige que dados sejam armazenados em regiões específicas.
A proximidade regional evita custos de transferência de dados de saída.
Departamentos exigem isolamento estrito e não precisam de correlação consolidada.
dedicado ou outra capacidade de nível de cria um limite efetivo.
Escala de armazenamento, isoladamente, não justifica a divisão: um pode crescer para petabytes.
Resumo do tópico
Residência, transferência, isolamento e capacidades especiais podem justificar vários workspaces; escala bruta geralmente não.
16. O modelo centralizado favorece correlação e operação simples
No modelo hub-and-spoke, uma equipe administra o central e os recursos participantes enviam a ele. Pesquisa e correlação entre recursos ficam simples, enquanto controle de acesso e exigem governança central disciplinada.
A topologia equilibra análise unificada, isolamento organizacional e complexidade administrativa.
Resumo do tópico
A centralização simplifica busca, correlação e gerenciamento; a equipe de plataforma deve governar acesso e volume.
17. Modelos descentralizado e híbrido ampliam isolamento e complexidade
No modelo descentralizado, cada equipe mantém seu no grupo de recursos que controla. A segurança acompanha a propriedade, mas investigações abrangentes ficam difíceis. O híbrido combina workspaces centrais e locais e frequentemente adiciona custo duplicado, lacunas de cobertura e evidências de conformidade complexas.
Resumo do tópico
A descentralização isola a propriedade; o híbrido precisa justificar duplicação de dados, custo e complexidade de auditoria.
18. Os contextos de e recurso atendem a públicos diferentes
Modos de acesso aos .
Modo
Escopo da consulta
Usuário típico
Contexto do
Todos os dados autorizados nas tabelas do
Operações centrais, segurança e investigação entre recursos
Contexto do recurso
Registros ligados ao recurso, grupo de recursos ou assinatura selecionado
Equipes de carga limitadas pelo do no recurso
Um pode oferecer visão operacional global e acessos por recurso com privilégio mínimo.
Resumo do tópico
O contexto do permite correlação ampla; o contexto do recurso aplica ao escopo selecionado.
19. Não fragmente workspaces apenas para acomodar crescimento
Os do são um serviço de alta escala. O pode crescer para petabytes; portanto, o crescimento deve ser tratado primeiro com governança de coleta, planos de tabela, retenção e capacidade, e não com proliferação arbitrária.
Resumo do tópico
A escala é administrada pelo design de e ciclo de vida dos dados, sem exigir divisão automática do .
20. A recomendação comum é um central governado
Quando residência e isolamento não exigem separação, um na assinatura de TI cria uma base gerenciável. Recursos, soluções, baseado em , insights de VM, aplicativos e infraestrutura de apoio enviam telemetria diretamente para ele.
Consultas em contexto de recurso e preservam os limites das equipes, enquanto o time central mantém a visão consolidada.
Resumo do tópico
Um central com acesso por recurso costuma equilibrar gerenciamento, correlação e privilégio mínimo.
21. Pastas de Trabalho do criam relatórios interativos
As Pastas de Trabalho do são um recurso do que combina texto, parâmetros, consultas de , métricas e componentes visuais em uma tela flexível no portal do . Elas consultam várias fontes e mesclam resultados em uma experiência operacional interativa.
As Pastas de Trabalho transformam fontes distintas em uma superfície única de investigação e relatório.
Resumo do tópico
As Pastas de Trabalho oferecem uma camada flexível de relatório interativo sobre várias fontes de monitoramento.
22. Pastas de Trabalho apoiam exploração, causa raiz e playbooks
Explorar uso do aplicativo e padrões de desempenho ainda desconhecidos.
Localizar máquinas virtuais com CPU alta ou pouca memória.
Cruzar dados de vários recursos para revelar dependências.
Documentar a investigação de um incidente com dados vivos e explicações.
Criar operacional com verificações repetíveis.
Publicar relatórios visuais avançados no portal do .
Resumo do tópico
Pastas de Trabalho são valiosas quando contexto, interação, explicação e dados vivos devem coexistir.
23. Insights do oferecem experiências específicas por recurso
Os insights são experiências de monitoramento selecionadas para aplicativos e serviços específicos. Eles combinam e métricas, aplicam análise do domínio e apresentam disponibilidade, desempenho, uso, capacidade, falhas, dependências e integridade sem exigir que cada equipe crie o primeiro painel do zero.
Resumo do tópico
Insights reúnem , Métricas e conhecimento do serviço em experiências focadas por tipo de recurso.
24. Escolha o insight correspondente ao serviço monitorado
Exemplos de insights do .
Insight
Valor principal
APM, comportamento do aplicativo, disponibilidade, falhas, dependências e experiência do usuário
Insights de contêiner
Desempenho de e cargas Kubernetes no
Insights de rede
Integridade, métricas, topologia e pesquisa de dependências de rede
Insights de grupo de recursos
Triagem com contexto de integridade e desempenho do grupo
Insights de VM
Máquinas Windows e Linux, conjuntos de dimensionamento, processos, desempenho e dependências
Insights do
Desempenho, falhas, capacidade e integridade operacional
Insights do
Solicitações, desempenho, falhas e latência dos cofres
Insights do do
Desempenho, capacidade e disponibilidade das contas de armazenamento
Cada insight acrescenta a visão do serviço e permanece ligado a e Métricas do .
Resumo do tópico
Insights de aplicativo, computação, rede, banco, segurança e armazenamento expõem os sinais mais relevantes de cada domínio.
25. Combine insights e Pastas de Trabalho em uma narrativa operacional
Insights aceleram o diagnóstico do recurso; Pastas de Trabalho combinam essa evidência com outras fontes. Juntos, podem seguir uma transação ruim do até dependência, VM, caminho de rede e conta de armazenamento, registrando a sequência como .
Resumo do tópico
Insights fornecem evidência focada; Pastas de Trabalho montam uma investigação reutilizável entre recursos.
26. O analisa grande volume quase em tempo real
O é uma plataforma rápida e altamente escalável para , telemetria, eventos, rastreamentos e séries temporais. Ele oferece , armazenamento, gerenciamento, consulta KQL e visualização de dados estruturados, semiestruturados e não estruturados provenientes de sites, aplicativos, e outras fontes.
Resumo do tópico
O permite explorar grandes fluxos de telemetria diversa quase em tempo real.
27. Use , e Data Explorer em conjunto
Uma arquitetura empresarial híbrida recebe em e lote do , ambiente local e outras nuvens. O oferece monitoramento operacional e alertas nativos. O acrescenta SIEM e SOAR sobre o Analytics. O fornece um repositório flexível para padrões ou retenção além das experiências prontas.
Os serviços se complementam em operações, segurança e análise flexível de alta escala.
Resumo do tópico
Combine Monitor para operações, Sentinel para segurança e Data Explorer para análise flexível de alta escala.
28. O Data Explorer atende a cenários avançados e personalizados
Analisar rastreamentos de aplicativo ou telemetria sem experiência pronta no Monitor ou Sentinel.
Criar painéis quase em tempo real, reconhecimento de padrões e análise de séries temporais.
Aplicar controle de acesso baseado em função granular.
Usar detecção de anomalias, previsão e machine learning.
Reter grandes volumes de por longos períodos com custo controlado.
Centralizar diferentes tipos de para análise avançada.
Resumo do tópico
O Data Explorer se destaca quando volume, variedade, análise personalizada, velocidade ou retenção superam experiências prontas.
29. Integrações de machine learning ampliam a análise
O integra-se ao e ao . A equipe pode treinar um modelo externamente, exportá-lo para pontuar dados no Data Explorer e aplicá-lo a telemetria recebida para anomalias, classificação ou previsão.
Resumo do tópico
Serviços externos treinam modelos e o os aplica em escala à telemetria operacional.
30. Aplique a arquitetura à avaliação da Tailwind Traders
Decisões da avaliação e justificativas.
Requisito
Melhor design
Justificativa
Todos os em um local, administração simples e correlação entre recursos
centralizado do Analytics
Uma equipe obtém pesquisa e correlação unificadas
Histórico de atividade de usuários no locatário
de auditoria do
Registram atividades de diretório e administração de identidades
Experiência e comportamento do usuário em aplicativos externos
APM revela solicitações, disponibilidade, uso, falhas e dependências
Resumo do tópico
A avaliação associa operação central a um , atividade do locatário aos de auditoria do Entra e experiência externa ao .
31. Monte uma estratégia de monitoramento em camadas
Inventarie serviços de negócio, recursos, dependências e responsáveis.
Defina sinais de , Métricas, atividade, auditoria, aplicativo e segurança por cenário crítico.
Governe coleta com DCRs, associações, Agente do e .
Escolha limites de por residência e acesso, não por escala de armazenamento.
Padronize preço, retenção, arquivo, , consultas, alertas e resposta.
Use insights para diagnóstico, Pastas de Trabalho para narrativas e Data Explorer para análise avançada.
Teste alertas e playbooks e refine continuamente coleta e limites.
Resumo do tópico
A estratégia completa conecta coleta, armazenamento, acesso, análise, visualização, alerta, resposta, custo e melhoria contínua.
32. Continue o estudo com pesquisa orientada
Compare monitoramento centralizado e descentralizado para uma organização concreta, relacione soluções de auditoria às evidências exigidas e elabore alertas conforme o Well-Architected . Valide limites, preços, regiões e requisitos atuais.
