Google 云存储和 Azure 数据资源管理器集成

输入和输出集成概述

Google Cloud Storage 插件从指定的 Google Cloud Storage 存储桶收集指标，从而提供对存储使用情况和性能的洞察。

Azure 数据资源管理器插件允许与 Azure 数据资源管理器集成指标收集，使用户能够有效地分析和查询其遥测数据。 通过此插件，用户可以配置摄取设置以满足其需求，并利用 Azure 强大的分析功能。

集成详细信息

Google 云存储

Google Cloud Storage Telegraf 插件能够从指定的 Google Cloud Storage 存储桶收集指标。 随着组织越来越依赖云存储解决方案进行数据管理，监控这些资源的性能和利用率的能力变得至关重要。 此插件对于跟踪存储的使用方式、了解数据模式以及确保运营效率特别有用。 通过与 Google Cloud Storage API 集成，它允许用户从其云环境中收集洞察，并将指标直接馈送到监控系统以进行进一步分析。 该插件支持各种配置选项，使用户能够根据其特定需求自定义数据收集过程。

Azure 数据资源管理器

Azure 数据资源管理器插件允许用户将从各种 Telegraf 输入插件收集的指标、日志和时间序列数据写入 Azure 数据资源管理器、Azure Synapse 和 Fabric 中的实时分析。 此集成充当桥梁，允许应用程序和服务有效地监控其性能指标或日志。 Azure 数据资源管理器针对对大量不同数据类型进行分析进行了优化，使其成为云环境中实时分析和监控解决方案的绝佳选择。 该插件使用户能够根据其要求配置指标摄取，动态定义表架构，并设置各种摄取方法，同时保留数据库操作所需的角色和权限的灵活性。 这支持利用云服务的现代应用程序的可扩展且安全的监控设置。

配置

Google 云存储

[[inputs.google_cloud_storage]]
  bucket = "my-bucket"
  # key_prefix = "my-bucket"
  offset_key = "offset_key"
  objects_per_iteration = 10
  data_format = "influx"
  # credentials_file = "path/to/my/creds.json"

Azure 数据资源管理器

[[outputs.azure_data_explorer]]
  ## The URI property of the Azure Data Explorer resource on Azure
  ## ex: endpoint_url = https://myadxresource.australiasoutheast.kusto.windows.net
  endpoint_url = ""

  ## The Azure Data Explorer database that the metrics will be ingested into.
  ## The plugin will NOT generate this database automatically, it's expected that this database already exists before ingestion.
  ## ex: "exampledatabase"
  database = ""

  ## Timeout for Azure Data Explorer operations
  # timeout = "20s"

  ## Type of metrics grouping used when pushing to Azure Data Explorer.
  ## Default is "TablePerMetric" for one table per different metric.
  ## For more information, please check the plugin README.
  # metrics_grouping_type = "TablePerMetric"

  ## Name of the single table to store all the metrics (Only needed if metrics_grouping_type is "SingleTable").
  # table_name = ""

  ## Creates tables and relevant mapping if set to true(default).
  ## Skips table and mapping creation if set to false, this is useful for running Telegraf with the lowest possible permissions i.e. table ingestor role.
  # create_tables = true

  ##  Ingestion method to use.
  ##  Available options are
  ##    - managed  --  streaming ingestion with fallback to batched ingestion or the "queued" method below
  ##    - queued   --  queue up metrics data and process sequentially
  # ingestion_type = "queued"

输入和输出集成示例

Google 云存储

1. 自动备份监控：利用 Google Cloud Storage 插件定期监控存储在云存储桶中的备份文件的状态。 通过配置插件以跟踪文件指标，组织可以自动发出警报，以防备份大小偏离预期模式，从而确保数据保护流程正常运行，并及时解决任何异常情况。

2. 成本优化洞察：将此插件集成到成本管理工具中，以分析云存储的使用模式。 通过收集有关文件大小和访问频率的指标，团队可以优化其存储解决方案，并就数据保留策略做出明智的决策，从而可能降低不必要的存储成本并改进资源分配。

3. 合规与审计：使用此插件生成有助于验证存储在 Google Cloud Storage 中的数据是否符合合规性的指标。 通过提供有关数据访问和存储使用情况的详细洞察，组织可以确保遵守法规要求，从而有助于审计并符合数据治理的最佳实践。

4. 性能基准测试：部署此插件以对 Google Cloud Storage 中的数据检索和存储操作的性能进行基准测试。 通过随时间推移分析指标，团队可以识别性能瓶颈或效率低下问题，从而优化依赖云存储服务的应用程序和基础设施。

Azure 数据资源管理器

1. 实时监控仪表板：通过使用此插件将来自各种服务的指标集成到 Azure 数据资源管理器中，组织可以构建反映实时性能指标的综合仪表板。 这使团队能够主动响应性能问题并优化系统运行状况，而不会延误。

2. 集中日志管理：利用 Azure 数据资源管理器来整合来自多个应用程序和服务的日志。 通过利用此插件，组织可以简化其日志分析流程，从而更轻松地搜索、筛选和从随时间累积的历史数据中获取洞察。

3. 数据驱动的警报系统：通过基于通过此插件发送的指标配置警报来增强监控功能。 组织可以设置阈值并自动执行事件响应，从而显着减少停机时间并提高关键操作的可靠性。

4. 机器学习模型训练：通过利用发送到 Azure 数据资源管理器的数据，组织可以执行大规模分析并准备数据以馈送到机器学习模型中。 此插件能够构建随后可用于预测分析的数据，从而提高决策能力。

反馈

感谢您成为我们社区的一份子！ 如果您有任何一般性反馈或在这些页面上发现任何错误，我们欢迎并鼓励您提出意见。 请在 InfluxDB 社区 Slack 中提交您的反馈。