【Azure Policy】借助 Azure Resource Graph 查询策略分配、符合性状态以及策略定义

简介: 本文介绍如何通过Azure Resource Graph使用KQL查询,批量导出Azure Policy的策略分配、不合规资源统计及策略定义详情,弥补门户无直接导出功能的不足,助力合规分析与治理优化。

问题描述

在 Azure 平台中,当使用Azure Policy配置了非常多的策略定义时,想快速了解这些策略对资源创建的影响和限制,并批量导出策略的方法。Azure Policy 门户确没有直接的导出功能,所以只好借助 Azure Resource Graph 查询策略分配、符合性状态以及策略定义的详细信息,实现导出的目的。


 

问题解答

Azure Policy 本身不提供批量导出按钮,但可以通过 Azure Resource Graph Explorer 编写 KQL 查询,获取策略相关数据并导出为 CSV 文件。

本文中提供了三类核心查询语句,分别用于 策略分配信息、不合规资源统计 和 策略定义详情。这些查询不仅能帮助快速定位策略影响,还能支持后续合规性分析和治理优化。

 

查询语句一:获取所有已分配策略(Policy Assignments)

KQL 语句

policyresources
| where type == "microsoft.authorization/policyassignments"
| project 
    assignmentName = name, 
    scope = tostring(properties.scope),  // 分配范围(订阅/资源组)
    policyDefinitionId = tostring(properties.policyDefinitionId), // 关联的策略定义ID
    displayName = tostring(properties.displayName),
    enforcementMode = tostring(properties.enforcementMode),// 执行模式(Enabled/Disabled)
    assignedBy = tostring(properties.metadata.assignedBy),  // 分配操作人
    createdBy = tostring(properties.metadata.createdBy)     // 创建者(服务主体/用户ID)
| order by scope asc


介绍

该查询用于列出当前 Azure 环境中所有已分配的策略,包括策略名称、分配范围(订阅或资源组)、关联的策略定义 ID、显示名称、执行模式(Enabled/Disabled)、分配人和创建者信息。

通过这些字段,管理员可以快速了解策略的应用范围和责任人,便于后续治理和审计。

查询结果可导出为 CSV 文件,支持进一步分析或归档。

 

查询语句二:统计不合规资源数量

KQL 语句


policyresources
| where type == "microsoft.policyinsights/policystates"
| where properties.complianceState == "NonCompliant"  
| summarize blockedCount=count() by 
    policyDefinitionName = tostring(properties.policyDefinitionName), 
    resourceType = tostring(properties.resourceType)
| order by blockedCount desc


介绍

该查询用于统计所有处于“不合规”状态的资源数量,并按策略名称和资源类型分组排序。

管理员可以快速识别哪些策略导致最多的合规性问题,帮助优先处理高影响策略。通过 blockedCount 字段,可以量化策略的影响范围,结合资源类型信息,制定针对性的整改计划。

此查询非常适合用于合规性报告和治理优化。

 

查询语句三:获取策略定义详情

KQL 语句

policyresources
| where type == "microsoft.authorization/policydefinitions"  // 筛选策略定义资源类型
| extend 
    policyDefinitionId = id, 
    displayName = tostring(properties.displayName),  // 策略显示名称
    description = tostring(properties.description),  // 策略描述
    effectType = tostring(properties.policyRule.then.effect)  // 策略效果(deny/audit| project 
    properties,
    name,  
    policyDefinitionId,
    displayName,
    description,
    effectType,  
    category = tostring(properties.metadata.category)  
| order by category asc

 

介绍

该查询用于获取策略定义的详细信息,包括策略 ID、显示名称、描述、策略效果(如 deny、audit)以及分类。

通过这些信息,管理员可以全面了解策略的功能和用途,便于策略优化和分类管理。结合 category 字段,可以按策略类别进行排序,快速定位特定类型的策略(如安全、网络、合规)。

此查询适用于策略库维护和治理策略审查场景

 

参考资料

使用 Azure 门户运行 Resource Graph 查询 : https://learn.microsoft.com/azure/governance/resource-graph/first-query-portal

Azure Resource Graph sample queries for Azure Policy : https://learn.microsoft.com/azure/governance/policy/samples/resource-graph-samples

Azure Policy 文档 : https://learn.microsoft.com/azure/governance/policy/



当在复杂的环境中面临问题,格物之道需:浊而静之徐清,安以动之徐生。 云中,恰是如此!

相关文章
|
6月前
|
机器学习/深度学习 数据采集 自然语言处理
基于深度学习+NLP豆瓣电影数据爬虫可视化推荐系统
本研究构建基于深度学习与NLP的豆瓣电影数据系统,融合LSTM、BERT与CNN技术,实现高效爬取、情感分析、个性化推荐与动态可视化,提升影视数据分析效率与推荐精准度,推动产业智能化升级。
|
人工智能 自然语言处理 自动驾驶
什么是人工智能
一、什么是人工智能 人工智能(Artificial Intelligence,简称AI)是指通过模拟人类智能思维和行为的方式,使机器能够像人类一样感知、理解、推理、学习和决策的一种技术和应用领域。它可以让计算机系统具有自主学习、自主决策、自主执行任务的能力,从而实现自动化、智能化的目标。常见的人工智能应用包括语音识别、图像识别、自然语言处理、机器翻译、智能推荐、自动驾驶等。 二、人工智能具有以下几个特点 1. 学习能力:人工智能系统可以通过学习从大量的数据中提取模式和规律,并根据学习到的知识和经验不断优化自身的性能。 2. 推理能力:人工智能系统可以根据已有的知识和规则进行推理,从而做出合理的
2695 0
|
7月前
|
人工智能 前端开发 算法
大厂CIO独家分享:AI如何重塑开发者未来十年
在 AI 时代,若你还在紧盯代码量、执着于全栈工程师的招聘,或者仅凭技术贡献率来评判价值,执着于业务提效的比例而忽略产研价值,你很可能已经被所谓的“常识”困住了脚步。
4575 91
大厂CIO独家分享:AI如何重塑开发者未来十年
|
3月前
|
缓存 监控 数据可视化
实战指南:通过API高效获取全球股票数据分析
本文为量化交易者提供StockTV API实战指南:涵盖美股/日股数据获取、实时行情查询、多周期K线调用、技术指标计算及可视化(mplfinance),并详解WebSocket实时推送、缓存优化与容错机制,助你高效构建金融分析系统。(239字)
|
6月前
|
Linux 数据安全/隐私保护 Windows
CentOS-6.3-x86_64-minimal 安装教程详细步骤新手入门指南(附安装包)
准备2G以上U盘及ISO刻录工具,下载CentOS 6.3 minimal版镜像,使用Rufus或dd写入U盘。将U盘插入目标电脑,通过BIOS选择U盘启动,进入安装界面后按提示选择语言、键盘布局,自动分区并设置主机名、网络及时区,配置root密码后开始安装。安装完成后重启,拔出U盘,以root账号登录系统,即可使用命令行进行操作。
727 157
|
6月前
|
关系型数据库 MySQL 数据库
基于python的电子商城购物系统
本研究基于Flask与Vue.js构建前后端分离的电商管理系统,结合MySQL实现高效数据管理。系统具备商品管理、订单处理、用户交互等功能,提升运营效率与用户体验,具有良好的扩展性与维护性,助力电商企业应对激烈市场竞争,推动智能化发展。
|
6月前
|
自然语言处理 供应链 监控
电商RPA怎么选?从痛点到落地,这款LLM+RPA产品帮你全搞定
双11订单暴增、客服瘫痪、错单频发?电商“人海战术”已成增长枷锁。RPA技术正破解效率困局:自动处理订单、7×24小时智能客服、多平台数据同步、财务自动化核账。本文拆解电商RPA核心价值,揭秘LLM+RPA如何实现“所说即所得”,并推荐真正适配电商的智能助手——实在Agent,助企业降本提效,迈向自动化运营新时代。
757 110
|
12月前
|
开发框架 监控 .NET
【Azure Cloud Service】基于 Azure Cloud Services(外延支持)的应用迁移至 Azure Service Fabric 的过程中问题讨论
本文探讨了将基于 Azure Cloud Services 的应用迁移到 Azure Service Fabric 时的三个关键问题:代码层面的影响评估、HTTPS 终结点配置以及日志记录机制迁移。针对代码迁移,需调整配置方式、更新资源包依赖并优化代码结构以适应微服务架构;HTTPS 配置则涉及证书管理与端口绑定;日志记录建议采用 Application Insights 或自定义写入 Azure Storage 的方式。文章提供了详细步骤与官方文档参考,助力顺利迁移。
172 27
|
12月前
|
XML 安全 API
【Azure APIM】API Management的Policy是否支持 SAML assertion?
本文探讨了API Management是否支持通过策略(如validate-jwt)验证SAML assertion的问题。结论是API Management目前不支持SAML assertion验证,因其为XML-based token,而validate-jwt仅适用于JWT tokens。文章进一步介绍了SAML(安全断言标记语言)的基本原理、Assertion的组成及用途,包括单点登录(SSO)、跨组织身份验证、云服务集成和安全性增强等方面,帮助读者深入了解SAML的工作机制及其应用场景。
170 25

热门文章

最新文章