Een retailplatform draait op een Azure Virtual Machine Scale Set (VMSS) voor de API-tier, een App Service voor de web-frontend en Azure SQL Database. Je moet het volgende doen: 1) Waarschuwen wanneer het gemiddelde CPU-gebruik van de VMSS gedurende 5 minuten meer dan 80% bedraagt (on-call op de hoogte stellen via SMS) en wanneer het gedurende 5 minuten meer dan 95% bedraagt (SRE oproepen via PagerDuty). 2) App Service- en SQL-diagnoselogboeken streamen naar een Log Analytics-werkruimte en deze 365 dagen archiveren naar Azure Storage. 3) Een waarschuwing activeren wanneer de App Service-logboeken meer dan 10 keer in 5 minuten 'OrderTimeoutException' bevatten. Wat moet je implementeren?

De correcte optie voldoet aan alle vereisten. Twee afzonderlijke metrische waarschuwingsregels voor de VMSS CPU met verschillende drempelwaarden en actiegroepen (SMS en PagerDuty) zijn de juiste aanpak voor de CPU-waarschuwingen. Diagnostische instellingen zijn de standaardmethode om logboeken en metrieken van App Service en Azure SQL naar zowel Log Analytics (voor analyse en waarschuwingen) als een Storage-account (voor archivering) te sturen. Een geplande Log Analytics-querywaarschuwing is de juiste manier om te zoeken naar specifieke tekst ('OrderTimeoutException') in logboeken en een waarschuwing te activeren op basis van het aantal voorkomens binnen een tijdsvenster. De andere opties zijn onjuist omdat: Cross-subscription dynamische waarschuwingen en Activity Log-diagnostiek/waarschuwingen zijn niet geschikt voor deze specifieke logboekvereisten. Autoscale is voor schalen, niet primair voor meldingen, en Azure Policy is niet de primaire methode voor het configureren van diagnostiek voor dit doel. Smart Alerts en het alleen streamen naar Event Hubs voldoen niet aan de archiverings- en directe waarschuwingsvereisten. Actieregels wijzigen de ernst, maar creëren geen afzonderlijke waarschuwingen, en Azure Defender for Cloud is niet de juiste tool voor het verzamelen van diagnostiek en het configureren van dit type logboekwaarschuwing.