LLI Wiki — My Digital Knowledge Base

Dashboards Grafana pour Azure SQL et Azure Batch

Concevoir un wallboard, choisir la source Azure Monitor et le workspace Log Analytics, et versionner les dashboards en JSON dans Git.

Un DBA moderne ne se contente plus de lancer des requêtes à la main : il veut voir l'état de sa flotte d'un coup d'œil, sur un écran mural, et retrouver ce même état dans un dépôt Git. Voici comment je construis des dashboards Grafana pour Azure SQL (pools élastiques, bases) et Azure Batch (tâches, jobs), et les règles qui m'évitent de perdre une journée sur un panneau « No data ».

Architecture

Les métriques et journaux Azure partent vers un espace de travail Log Analytics (paramètres de diagnostic). Grafana les lit avec la source de données Azure Monitor, en mode « Logs », et les dashboards sont exportés en JSON vers Git.

flowchart LR
    A["Azure SQL : pools et bases"] --> C["Paramètres de diagnostic"]
    B["Azure Batch : tâches et jobs"] --> C
    C --> D["Log Analytics (workspaces)"]
    D --> E["Grafana : source Azure Monitor"]
    E --> F["Wallboard (écran mural)"]
    E --> G["Dashboards de détail"]
    G --> H["Export JSON"]
    H --> I["Dépôt Git"]

Choisir la bonne paire source de données + workspace

Piège numéro un : une requête valide renvoie zéro ligne si la source de données ou le workspace ne correspondent pas au domaine surveillé. Chez moi, les métriques SQL et les journaux Batch ne sont pas dans le même workspace, donc pas dans la même source Azure Monitor. Ma règle : pour un nouveau panneau, je copie le datasource.uid et la liste azureLogAnalytics.resources d'un dashboard qui fonctionne déjà dans le même domaine, au lieu de les deviner.

Concevoir un wallboard

Un wallboard est regardé à trois mètres, pas lu à 50 cm.

Pour les flottes de milliers de bases, un state-timeline ou un heatmap avec une ligne par base est inutilisable : chaque ligne fait une fraction de pixel. Je pivote alors le temps en colonnes fixes (les 24 heures de la journée) et j'affiche une table colorée : elle défile, donc le nombre de lignes n'est plus un budget de rendu. J'écris les 24 colonnes explicitement avec maxif plutôt que evaluate pivot(), car pivot() ne crée pas la colonne d'un créneau vide et décale les overrides.

AzureMetrics
| where $__timeFilter(TimeGenerated)
| where ResourceProvider == "MICROSOFT.SQL" and MetricName == "cpu_percent"
| where ResourceId contains "/ELASTICPOOLS/"
| summarize CpuMax = max(Maximum) by bin(TimeGenerated, $__interval), Pool = Resource
| order by TimeGenerated asc

Le order by TimeGenerated asc final n'est pas cosmétique : sans temps monotone, la source de données renvoie un format « long » que le panneau ne sait pas dessiner.

Côté Batch, la même logique s'applique : compter les tâches par résultat et par job à partir du journal de service. Les noms de colonnes dépendent des catégories activées, donc je les protège avec column_ifexists et je vérifie dans mon workspace.

AzureDiagnostics
| where $__timeFilter(TimeGenerated)
| where ResourceProvider == "MICROSOFT.BATCH"
| extend Job = tostring(column_ifexists("jobId_s", "")), Result = tostring(column_ifexists("executionInfo_result_s", ""))
| summarize Success = countif(Result == "Success"), Failed = countif(Result == "Failure") by Job

Conventions pour des dashboards en JSON dans Git

Règle Pourquoi
Fichier nommé <slug>__<uid>.json, un dossier par dossier Grafana on retrouve le dashboard sans ouvrir le fichier
Export via GET /api/dashboards/uid/<uid>, on garde l'objet dashboard format stable, diff lisible
Un fichier .kql par panneau ou par dashboard, à côté la requête se relit et se révise sans JSON échappé
Tout texte visible en anglais (titres, légendes, noms de colonnes) une seule langue pour toute l'équipe
Aucun secret : les jetons de compte de service restent hors du dépôt le JSON contient des UID de sources, jamais de secret
Message de commit explicite à chaque mise à jour l'historique Grafana et Git racontent la même chose

Le flux : on modifie dans Grafana, on exporte, on met à jour le .kql, on commit les deux.

Retour d'expérience

Mastodon LLIMastodon SocialFosstodon