【Application Insights】采样率对Function App日志收集的影响和解决方法

简介: Azure Functions日志在Application Insights中缺失,主因是默认启用的采样功能(每秒限采20项遥测)。可通过`host.json`配置`excludedTypes`排除Request/Exception等关键类型,或查询`RetainedPercentage`确认采样状态。

问题描述

在使用Application Insights来收集日志中,发现Function App的执行记录中缺少了日志。但这个Function确确实实的执行了。

那么,会是什么情况导致了Applicaiton Insights中收集日志信息不完善呢?

 

问题解答

根本原因是Application Insights默认启用了采样率(Sampling功能,在Function App中,默认每一秒最多采集20项日志数据。

Application Insights 具有采样功能,可以防止在峰值负载时为已完成的执行生成过多的遥测数据。

当传入执行的速率超过指定的阈值时,Application Insights 开始随机忽略某些传入执行。

每秒执行的最大次数的默认设置为 20

( 参考文档: https://docs.azure.cn/zh-cn/azure-functions/configure-monitoring?tabs=v2#configure-sampling )

 

当知道有采样率功能后,那么:

  • 如何来判断真实的情况呢?
  • 是否真的是采样率导致了日志数据的不完整呢?

具体的检查方法是:在Application Insights 的门户上,进入Logs 页面,执行如下语句来查看采样百分比:

union requests,dependencies,pageViews,browserTimings,exceptions,traces
| where timestamp > ago(1d)
| summarize RetainedPercentage = 100/avg(itemCount) by bin(timestamp, 1h), itemType

(RetainedPercentage < 100 则表示该类型的数据在统计周期中,执行了采样,日志数据收集并不完整)


实际效果图

RetainedPercentage 的解释:

RetainedPercentage 含义
= 100 未采样,数据完整
< 100 该时间窗口内发生了采样,数据不完整。比如第一个红圈中, Trace只收集了50%的数据, Exception 只收集了68.72%的数据

itemCount 的解释:

  • 采样(Sampling):SDK 在客户端按比例随机丢弃部分遥测数据,仅上报代表性的样本。
  • itemCount:每一条上报的遥测记录都会带这个字段,表示「这条样本背后实际代表了多少条原始记录」。
  • itemCount == 1:未采样,1 条记录就是 1 次真实调用;
  • itemCount == 10:采样了,这一条记录其实代表了 10 次原始调用(其余 9 次被丢弃)。
  • 聚合统计时(如 count()sum())需要按 itemCount 加权,否则数字会偏低。

 

解决方法

是的,可以避免采样情况的发生。

对于Request和Exception等关键的日志数据,需要100%收集,就可以修改Function App的 host.json 配置来实现。

{
  "version": "2.0",
  "logging": {
    "applicationInsights": {
      "samplingSettings": {
        "isEnabled": true,
        "maxTelemetryItemsPerSecond": 20,
        "excludedTypes": "Request;Exception"
      }
    }
  }
}


要点说明:

  • isEnabled: true 保留对 traces / dependencies 等高频数据的采样,控制成本;
  • excludedTypes 用分号分隔,可选值包括 Request / Exception / Trace / Dependency / PageView / Event
  • 也可以通过 maxTelemetryItemsPerSecond 调整阈值,而不是一刀切关掉。


操作截图:

 

 

参考资料

配置采样 : https://docs.azure.cn/zh-cn/azure-functions/configure-monitoring?tabs=v2#configure-sampling

了解采样是否正在进行中 : https://learn.microsoft.com/zh-cn/previous-versions/azure/azure-monitor/app/sampling-classic-api#knowing-whether-sampling-is-in-operation

itemCount 属性值介绍:https://learn.microsoft.com/zh-cn/previous-versions/azure/azure-monitor/app/classic-api?tabs=dotnet%2Cnet#requests-in-log-analytics


 


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
|
1天前
|
人工智能 编解码 安全
一站式AI视频翻译的技术架构:ASR→NMT→TTS→字幕压制的全链路设计
本文提出一套可落地的AI视频翻译系统架构,强调构建稳定、可追踪的数据管线而非简单串联模型。全链路分为输入、ASR、说话人分离、NMT、TTS、后处理和任务编排7层,以带时间轴/角色/状态的segment为核心数据结构,确保时间轴精准、声音不串、成品直发,专为出海、课程本地化与短剧翻译等场景优化。
|
1天前
|
人工智能 自然语言处理 数据挖掘
一人公司办公必备
一人公司办公必备,是任务拆解+AI协同+智能体辅助+知识沉淀+工作流复用的个人系统。告别单点工具堆砌,聚焦流程化、可复用、能进化的高效办公范式。
42 2
|
1天前
|
人工智能 文字识别 数据挖掘
Claude Code 这16个官方Skill,用了半年我总结出最值得装的7个
腾讯《2026年AI人才报告》指出AI编程提效50%,引发测试质量防线之忧;JetBrains与亚马逊加速AI融入工程核心。Claude Code Skills由此成为关键——它非简单提示词,而是含指令、脚本、资源的可自动调用模块,让AI从“聊天助手”升级为“生产力工具”。
|
1天前
|
Java 编译器 Windows
jdk-11.0.16.1_windows使用步骤详解(附JDK 11环境变量配置与验证教程)
`jdk-11.0.16.1_windows.zip` 是 JDK 11.0.16.1 的 Windows 官方压缩版。本文详解安装步骤:下载解压(路径禁用中文/空格)、配置 JAVA_HOME 与 Path 环境变量,并通过 `java -version` 验证成功。操作清晰,零基础可快速上手。(239字)
|
1天前
|
人工智能 知识图谱
图解人工智能的数学基础(概率论)
本内容系统讲解概率论与数理统计核心知识:从随机事件、古典/几何概型、条件概率、贝叶斯公式,到一维随机变量及其分布(离散型/连续型)、数字特征(期望、方差、协方差、相关系数),再到大数定律、中心极限定理及卡方/t/F分布,最后涵盖最大似然估计方法。理论结合水果店、掷骰子等生活实例,图文并茂,深入浅出。
36 2
|
1天前
|
安全 Android开发 数据安全/隐私保护
App Inventor iOS App编译全流程:7步搞定苹果签名上架
App Inventor 编译 iOS 应用需7步:下载CSR、创建证书、注册App ID、添加设备、生成配置文件、上传构建、安装/上架。流程复杂,依赖Apple开发者账号(99美元/年)、证书签名与iTools安装,且仅限绑定设备测试。鸿蒙编译更简免费,安卓仍最便捷。
34 3
|
1天前
|
SQL 前端开发 测试技术
OpenAI 工程师使用 Codex 的 7 个场景
OpenAI内部深度应用Codex提升工程效能:用于代码理解、重构迁移、性能优化、补全测试、加速开发、专注提效及方案探索七大场景,并总结出Ask先行、环境配置、结构化提示等最佳实践,赋能工程师高效完成可验证、可评审的工程任务。
|
1天前
|
数据采集 人工智能 JSON
基于浏览器请求录制与AI代码生成的E2E接口自动化测试实践
以阿里云DataWorks为例,介绍如何通过浏览器录制插件捕获真实请求数据,结合AI编程工具自动生成接口封装与测试用例,解决复杂平台产品自动化测试中接口多、参数杂、数据流深的核心难题。
|
1天前
|
人工智能 运维 Cloud Native
其他活动 | PPT合集下载
云原生讲师大会分享材料
59 5
|
1天前
|
人工智能 自然语言处理 测试技术
人工智能时代,程序员一定要收藏的3个零门槛AI工具
本文直击AI时代开发者生存法则:不是AI取代人,而是善用AI者淘汰守旧者。详解Cursor、Postman AI、GitHub Copilot三大零门槛工具如何重构编码、调试与测试流程,并强调从提示词习惯到反馈闭环的工作流升级——技术不难,转身才关键。