使用 Python 自动查询 Azure Monitor 日志与指标

解决云端运维手动查询低效的问题：通过集成 Azure Monitor Query SDK，实现通过 Python 脚本自动提取 Log Analytics 日志和资源指标，支持数据分析与自动化告警。

为什么需要这个技能

在管理 Azure 云资源时，通过 Azure 门户界面手动运行 KQL (Kusto Query Language) 查询虽然直观，但在处理大规模数据分析、定期生成运维报告或构建自定义监控面板时效率低下。

通过该 SDK，开发者可以将复杂的 Kusto 查询逻辑集成到 Python 工作流中。这意味着你可以将查询结果直接转换为 Pandas DataFrame 进行深度分析，或者利用异步客户端在短时间内并发请求大量指标数据，从而将监控从“手动巡检”升级为“自动化分析”。

适用场景

• 自动化运维报告：每天定时提取 AppRequests 错误率并发送至团队邮件。
• 性能趋势分析：将 CPU 和网络 IO 指标导出到 Dataframe，进行时间序列预测。
• 故障快速定位：编写脚本快速筛选出过去一小时内 DurationMs > 1000ms 的慢请求。
• 多资源批量监控：利用批处理查询（Batch Query）同时检查多个工作区的运行状态。

核心工作流

1. 环境准备与认证

安装 SDK 并配置必要的环境变量（工作区 ID 和资源 URI），使用 DefaultAzureCredential 实现无缝认证。

pip install azure-monitor-query

from azure.identity import DefaultAzureCredential
credential = DefaultAzureCredential()

2. 日志查询 (LogsQueryClient)

编写 KQL 语句，通过 query_workspace 获取结果。若结果集较大，可通过 LogsQueryStatus 处理部分返回结果。

from azure.monitor.query import LogsQueryClient
from datetime import timedelta

client = LogsQueryClient(credential)
query = "AppRequests | where TimeGenerated > ago(1h) | summarize count() by ResultCode"

response = client.query_workspace(
    workspace_id="你的workspace-id",
    query=query,
    timespan=timedelta(hours=1)
)

3. 指标查询 (MetricsQueryClient)

针对特定资源 URI 查询性能指标，支持定义聚合方式（平均值、最大值等）和维度过滤。

from azure.monitor.query import MetricsQueryClient

metrics_client = MetricsQueryClient(credential)
response = metrics_client.query_resource(
    resource_uri="你的resource-uri",
    metric_names=["Percentage CPU"],
    timespan=timedelta(hours=1),
    granularity=timedelta(minutes=5)
)

下载和安装

下载 azure-monitor-query-py 中文版 Skill ZIP

解压后将目录放入你的 AI 工具 skills 文件夹，重启工具后即可使用。具体路径参考内附的 USAGE.zh.md。

你可能还需要

暂无推荐