Python的Microsoft Azure Monitor查询客户端库

导航

验证详情

这些详情已经由PyPI验证
维护者
Avatar for azure-sdk from gravatar.com azure-sdk Avatar for microsoft from gravatar.com microsoft

未验证详情

这些详情尚未由PyPI验证
项目链接
元数据
  • 许可证：MIT许可证 (MIT许可证)
  • 作者： 微软公司
  • 标签 azure, azure sdk
  • 需求： Python >=3.8
分类

项目描述

Python的Azure Monitor查询客户端库

Azure Monitor查询客户端库用于针对Azure Monitor的两个数据平台执行只读查询

  • 日志 - 从受监控的资源收集和组织日志和性能数据。来自不同来源的数据，如Azure服务的平台日志、虚拟机代理的日志和性能数据，以及应用的用量和性能数据可以合并到一个Azure日志分析工作区中。可以使用Kusto查询语言一起分析不同的数据类型。
  • 指标 - 将监控资源的数值数据收集到时间序列数据库中。指标是定期收集的数值，描述了在特定时间点的系统的一些方面。指标轻量且能够支持接近实时的场景，因此对警报和快速问题检测很有用。

资源

入门

先决条件

安装包

使用pip安装Azure Monitor Query Python客户端库

pip install azure-monitor-query

创建客户端

查询日志或指标需要认证的客户端。库包含客户端的同步和异步形式。要认证，创建一个令牌凭证的实例。在创建LogsQueryClient、MetricsQueryClient或MetricsClient时使用该实例。以下示例使用azure-identity包中的DefaultAzureCredential。

同步客户端

以下示例创建日志和指标查询的同步客户端

from azure.identity import DefaultAzureCredential
from azure.monitor.query import LogsQueryClient, MetricsQueryClient, MetricsClient

credential = DefaultAzureCredential()
logs_query_client = LogsQueryClient(credential)
metrics_query_client = MetricsQueryClient(credential)
metrics_client = MetricsClient("https://<regional endpoint>", credential)

异步客户端

查询客户端API的异步形式位于以.aio后缀的命名空间中。例如

from azure.identity.aio import DefaultAzureCredential
from azure.monitor.query.aio import LogsQueryClient, MetricsQueryClient, MetricsClient

credential = DefaultAzureCredential()
async_logs_query_client = LogsQueryClient(credential)
async_metrics_query_client = MetricsQueryClient(credential)
async_metrics_client = MetricsClient("https://<regional endpoint>", credential)

为Azure主权云配置客户端

默认情况下，所有客户端都配置为使用Azure公共云。要使用主权云，在使用LogsQueryClient或MetricsQueryClient时提供正确的endpoint参数。对于MetricsClient，提供正确的audience参数。例如

from azure.identity import AzureAuthorityHosts, DefaultAzureCredential
from azure.monitor.query import LogsQueryClient, MetricsQueryClient, MetricsClient

# Authority can also be set via the AZURE_AUTHORITY_HOST environment variable.
credential = DefaultAzureCredential(authority=AzureAuthorityHosts.AZURE_GOVERNMENT)

logs_query_client = LogsQueryClient(credential, endpoint="https://api.loganalytics.us/v1")
metrics_query_client = MetricsQueryClient(credential, endpoint="https://management.usgovcloudapi.net")
metrics_client = MetricsClient(
    "https://usgovvirginia.metrics.monitor.azure.us", credential, audience="https://metrics.monitor.azure.us"
)

注意：目前，MetricsQueryClient使用Azure资源管理器（ARM）端点查询指标。您需要云的相应管理端点来使用此客户端。此详细信息可能在未来发生变化。

执行查询

有关日志和指标查询的示例，请参阅示例部分。

关键概念

日志查询速率限制和节流

当请求速率过高时，日志分析服务会应用节流。还应用了限制，例如返回的最大行数。有关更多信息，请参阅查询API。

如果您正在执行批处理日志查询，节流请求会返回一个LogsQueryError对象。该对象的code值为ThrottledError。

指标数据结构

每组指标值具有以下特征的时间序列

  • 收集值的时间
  • 与值关联的资源
  • 类似于指标的类别的命名空间
  • 指标名称
  • 值本身
  • 某些指标具有多个维度，如多维指标中所述。自定义指标可以有最多10个维度。

示例

日志查询

本示例展示了如何查询日志分析工作空间。要处理响应并在表格形式中查看，使用了pandas库。如果您不使用pandas，请参阅示例。

基于资源的日志查询

以下示例演示了如何在不使用日志分析工作空间的情况下直接从Azure资源查询日志。这里使用的是query_resource方法而不是query_workspace。传递一个Azure资源标识符而不是工作空间ID。例如，/subscriptions/{subscription-id}/resourceGroups/{resource-group-name}/providers/{resource-provider}/{resource-type}/{resource-name}。

import os
import pandas as pd
from datetime import timedelta
from azure.monitor.query import LogsQueryClient, LogsQueryStatus
from azure.core.exceptions import HttpResponseError
from azure.identity import DefaultAzureCredential

credential  = DefaultAzureCredential()
client = LogsQueryClient(credential)

query = """AzureActivity | take 5"""

try:
    response = client.query_resource(os.environ['LOGS_RESOURCE_ID'], query, timespan=timedelta(days=1))
    if response.status == LogsQueryStatus.SUCCESS:
        data = response.tables
    else:
        # LogsQueryPartialResult
        error = response.partial_error
        data = response.partial_data
        print(error)

    for table in data:
        df = pd.DataFrame(data=table.rows, columns=table.columns)
        print(df)
except HttpResponseError as err:
    print("something fatal happened")
    print(err)

指定时间段

timespan参数指定查询数据的时间范围。此值可以采取以下形式之一

  • 一个timedelta
  • 一个timedelta和一个起始datetime
  • 一个起始datetime/结束datetime

例如

import os
import pandas as pd
from datetime import datetime, timezone
from azure.monitor.query import LogsQueryClient, LogsQueryResult
from azure.identity import DefaultAzureCredential
from azure.core.exceptions import HttpResponseError

credential = DefaultAzureCredential()
client = LogsQueryClient(credential)

query = """AppRequests | take 5"""

start_time=datetime(2021, 7, 2, tzinfo=timezone.utc)
end_time=datetime(2021, 7, 4, tzinfo=timezone.utc)

try:
    response = client.query_workspace(
        workspace_id=os.environ['LOG_WORKSPACE_ID'],
        query=query,
        timespan=(start_time, end_time)
        )
    if response.status == LogsQueryStatus.SUCCESS:
        data = response.tables
    else:
        # LogsQueryPartialResult
        error = response.partial_error
        data = response.partial_data
        print(error)

    for table in data:
        df = pd.DataFrame(data=table.rows, columns=table.columns)
        print(df)
except HttpResponseError as err:
    print("something fatal happened")
    print(err)

处理日志查询响应

query_workspace API返回一个LogsQueryResult或LogsQueryPartialResult对象。batch_query API返回一个列表，该列表可以包含LogsQueryResult、LogsQueryPartialResult和LogsQueryError对象。以下是响应的层次结构

LogsQueryResult
|---statistics
|---visualization
|---tables (list of `LogsTable` objects)
    |---name
    |---rows
    |---columns
    |---columns_types

LogsQueryPartialResult
|---statistics
|---visualization
|---partial_error (a `LogsQueryError` object)
    |---code
    |---message
    |---details
    |---status
|---partial_data (list of `LogsTable` objects)
    |---name
    |---rows
    |---columns
    |---columns_types

LogsQueryResult直接迭代表以方便使用。例如，要处理带有表格的日志查询响应并使用pandas显示

response = client.query(...)
for table in response:
    df = pd.DataFrame(table.rows, columns=[col.name for col in table.columns])

完整的示例可以在这里找到。

以类似的方式，处理批量日志查询响应

for result in response:
    if result.status == LogsQueryStatus.SUCCESS:
        for table in result:
            df = pd.DataFrame(table.rows, columns=table.columns)
            print(df)

完整的示例可以在这里找到。

批处理日志查询

以下示例展示了使用批量查询API同时发送多个查询。这些查询可以是LogsBatchQuery对象列表或字典表示。本示例使用前者方法。

import os
from datetime import timedelta, datetime, timezone
import pandas as pd
from azure.monitor.query import LogsQueryClient, LogsBatchQuery, LogsQueryStatus
from azure.identity import DefaultAzureCredential

credential = DefaultAzureCredential()
client = LogsQueryClient(credential)
requests = [
    LogsBatchQuery(
        query="AzureActivity | summarize count()",
        timespan=timedelta(hours=1),
        workspace_id=os.environ['LOG_WORKSPACE_ID']
    ),
    LogsBatchQuery(
        query= """bad query""",
        timespan=timedelta(days=1),
        workspace_id=os.environ['LOG_WORKSPACE_ID']
    ),
    LogsBatchQuery(
        query= """let Weight = 92233720368547758;
        range x from 1 to 3 step 1
        | summarize percentilesw(x, Weight * 100, 50)""",
        workspace_id=os.environ['LOG_WORKSPACE_ID'],
        timespan=(datetime(2021, 6, 2, tzinfo=timezone.utc), datetime(2021, 6, 5, tzinfo=timezone.utc)), # (start, end)
        include_statistics=True
    ),
]
results = client.query_batch(requests)

for res in results:
    if res.status == LogsQueryStatus.PARTIAL:
        ## this will be a LogsQueryPartialResult
        print(res.partial_error)
        for table in res.partial_data:
            df = pd.DataFrame(table.rows, columns=table.columns)
            print(df)
    elif res.status == LogsQueryStatus.SUCCESS:
        ## this will be a LogsQueryResult
        table = res.tables[0]
        df = pd.DataFrame(table.rows, columns=table.columns)
        print(df)
    else:
        # this will be a LogsQueryError
        print(res.message)

高级日志查询场景

设置日志查询超时

以下示例展示了设置服务器超时（以秒为单位）。如果查询时间超过指定的超时，则会引发网关超时。默认值为180秒，可以设置为最多10分钟（600秒）。

import os
from datetime import timedelta
from azure.monitor.query import LogsQueryClient
from azure.identity import DefaultAzureCredential

credential = DefaultAzureCredential()
client = LogsQueryClient(credential)

response = client.query_workspace(
    os.environ['LOG_WORKSPACE_ID'],
    "range x from 1 to 10000000000 step 1 | count",
    timespan=timedelta(days=1),
    server_timeout=600 # sets the timeout to 10 minutes
    )

查询多个工作区

相同的日志查询可以在多个日志分析工作空间中执行。除了Kusto查询外，还需要以下参数

  • workspace_id - 第一个（主）工作空间ID
  • additional_workspaces - 工作空间列表，不包括在workspace_id参数中提供的工作空间。参数列表项可以由以下标识符格式组成
    • 合格的工作空间名称
    • 工作空间ID
    • Azure资源ID

例如，以下查询在三个工作空间中执行

client.query_workspace(
    <workspace_id>,
    query,
    timespan=timedelta(days=1),
    additional_workspaces=['<workspace 2>', '<workspace 3>']
    )

完整的示例可以在这里找到。

包含统计信息

要获取日志查询执行统计信息，例如CPU和内存消耗

  1. 将include_statistics参数设置为True。
  2. 访问LogsQueryResult对象中的statistics字段。

以下示例打印查询执行时间

query = "AzureActivity | top 10 by TimeGenerated"
result = client.query_workspace(
    <workspace_id>,
    query,
    timespan=timedelta(days=1),
    include_statistics=True
    )

execution_time = result.statistics.get("query", {}).get("executionTime")
print(f"Query execution time: {execution_time}")

statistics字段是一个与原始JSON响应对应的dict，其结构因查询而异。统计信息位于query属性中。例如

{
  "query": {
    "executionTime": 0.0156478,
    "resourceUsage": {...},
    "inputDatasetStatistics": {...},
    "datasetStatistics": [{...}]
  }
}

包含可视化

要使用渲染操作符获取日志查询的可视化数据

  1. 将include_visualization属性设置为True。
  2. 访问LogsQueryResult对象中的visualization字段。

例如

query = (
    "StormEvents"
    "| summarize event_count = count() by State"
    "| where event_count > 10"
    "| project State, event_count"
    "| render columnchart"
)
result = client.query_workspace(
    <workspace_id>,
    query,
    timespan=timedelta(days=1),
    include_visualization=True
    )

print(f"Visualization result: {result.visualization}")

visualization字段是一个与原始JSON响应对应的dict，其结构因查询而异。例如

{
  "visualization": "columnchart",
  "title": "the chart title",
  "accumulate": False,
  "isQuerySorted": False,
  "kind": None,
  "legend": None,
  "series": None,
  "yMin": "NaN",
  "yMax": "NaN",
  "xAxis": None,
  "xColumn": None,
  "xTitle": "x axis title",
  "yAxis": None,
  "yColumns": None,
  "ySplit": None,
  "yTitle": None,
  "anomalyColumns": None
}

可视化数据的解释留给了库的使用者。要使用Plotly图形库（Plotly graphing library）来使用这些数据，请参阅同步或异步代码示例。

度量查询

以下示例获取Event Grid订阅的指标。资源ID（也称为资源URI）是Event Grid主题的ID。

资源ID必须是正在查询指标的资源的ID。它通常是以下格式：/subscriptions/<id>/resourceGroups/<rg-name>/providers/<source>/topics/<resource-name>。

要查找资源ID/URI

  1. 导航到Azure门户中您资源的页面。
  2. 在“概述”部分中选择JSON视图链接。
  3. 复制JSON视图顶部资源ID文本框中的值。

注意：指标按发送的metric_names的顺序返回。

import os
from datetime import timedelta, datetime
from azure.monitor.query import MetricsQueryClient
from azure.identity import DefaultAzureCredential

credential = DefaultAzureCredential()
client = MetricsQueryClient(credential)
start_time = datetime(2021, 5, 25)
duration = timedelta(days=1)
metrics_uri = os.environ['METRICS_RESOURCE_URI']
response = client.query_resource(
    metrics_uri,
    metric_names=["PublishSuccessCount"],
    timespan=(start_time, duration)
    )

for metric in response.metrics:
    print(metric.name)
    for time_series_element in metric.timeseries:
        for metric_value in time_series_element.data:
            print(metric_value.time_stamp)

处理度量查询响应

指标查询API返回一个MetricsQueryResult对象。该MetricsQueryResult对象包含如Metric-类型对象列表、granularity、namespace和timespan等属性。可以使用metrics参数访问Metric对象列表。此列表中的每个Metric对象都包含一个TimeSeriesElement对象列表。每个TimeSeriesElement对象都包含data和metadata_values属性。从视觉形式上看，响应的对象层次结构类似于以下结构

MetricsQueryResult
|---granularity
|---timespan
|---cost
|---namespace
|---resource_region
|---metrics (list of `Metric` objects)
    |---id
    |---type
    |---name
    |---unit
    |---timeseries (list of `TimeSeriesElement` objects)
        |---metadata_values
        |---data (list of data points represented by `MetricValue` objects)

处理响应的示例

import os
from azure.monitor.query import MetricsQueryClient, MetricAggregationType
from azure.identity import DefaultAzureCredential

credential = DefaultAzureCredential()
client = MetricsQueryClient(credential)

metrics_uri = os.environ['METRICS_RESOURCE_URI']
response = client.query_resource(
    metrics_uri,
    metric_names=["MatchedEventCount"],
    aggregations=[MetricAggregationType.COUNT]
    )

for metric in response.metrics:
    print(metric.name)
    for time_series_element in metric.timeseries:
        for metric_value in time_series_element.data:
            if metric_value.count != 0:
                print(
                    "There are {} matched events at {}".format(
                        metric_value.count,
                        metric_value.time_stamp
                    )
                )

查询多个资源的度量

要在单个请求中查询多个Azure资源的指标，请使用MetricsClient的query_resources方法。此方法

每个Azure资源都必须位于

  • 与创建客户端时指定的端点相同的区域。
  • 相同的Azure订阅。

此外

from datetime import timedelta
import os

from azure.core.exceptions import HttpResponseError
from azure.identity import DefaultAzureCredential
from azure.monitor.query import MetricsClient, MetricAggregationType

endpoint = "https://westus3.metrics.monitor.azure.com"
credential = DefaultAzureCredential()
client = MetricsClient(endpoint, credential)

resource_ids = [
    "/subscriptions/<id>/resourceGroups/<rg-name>/providers/<source>/storageAccounts/<resource-name-1>",
    "/subscriptions/<id>/resourceGroups/<rg-name>/providers/<source>/storageAccounts/<resource-name-2>"
]

response = client.query_resources(
    resource_ids=resource_ids,
    metric_namespace="Microsoft.Storage/storageAccounts",
    metric_names=["Ingress"],
    timespan=timedelta(hours=2),
    granularity=timedelta(minutes=5),
    aggregations=[MetricAggregationType.AVERAGE],
)

for metrics_query_result in response:
    print(metrics_query_result.timespan)

故障排除

请参阅我们的故障排除指南，了解如何诊断各种故障场景的详细信息。

下一步

要了解更多关于Azure Monitor的信息，请参阅Azure Monitor服务文档。

示例

以下代码示例显示了Azure Monitor Query客户端库的常见场景。

日志查询示例

指标查询示例

贡献

此项目欢迎贡献和建议。大多数贡献都需要您同意一份贡献者许可协议（CLA），声明您有权，并且实际上确实授予我们使用您的贡献的权利。有关详细信息，请访问 cla.microsoft.com。

当您提交拉取请求时，CLA机器人将自动确定您是否需要提供CLA，并相应地装饰PR（例如，标签，注释）。只需遵循机器人提供的说明即可。您只需在整个使用我们的CLA的存储库中这样做一次。

此项目采用了Microsoft开源行为准则。有关更多信息，请参阅行为准则FAQ或通过opencode@microsoft.com联系以获取任何其他问题或评论。

发布历史

1.4.0 (2024-06-11)

新增功能

  • 现在可以将audience关键字参数传递给MetricsClient构造函数，以指定身份验证令牌的受众。当查询主权云中的指标时非常有用。（#35502）

1.3.0 (2024-03-28)

新增功能

破坏性更改

  • 以下更改与先前的预览版本不兼容（即 1.3.0b2/1.3.0b1）
    • MetricsBatchQueryClient已被重命名为MetricsClient。（#33958）
    • 重新排列了异步MetricsClient构造函数的参数，现在endpoint是第一个位置参数。（#33752）
    • MetricsClient.query_resources中的位置参数现在是必需的关键字参数。（#33958）
    • MetricsClient.query_resources中的resource_uris参数已重命名为resource_ids。（#34760）

1.2.1 (2024-01-31)

已修复的错误

  • 修复了在使用MetricsQueryClient时某些关键字参数未传播的问题。

其他更改

  • 生成代码的内部更新。
  • 将azure-core的最小依赖性提升到>=1.28.0。

1.3.0b2 (2023-11-20)

其他更改

  • 生成代码的内部更新。
  • 将azure-core的最小依赖性提升到>=1.28.0。

1.3.0b1 (2023-08-16)

新增功能

  • 添加了MetricsBatchQueryClient以支持从Azure资源批量查询指标。（#31049）

1.2.0 (2023-05-09)

新增功能

已修复的错误

  • 修复了LogsTable构造函数中不一致的关键字参数名称，将column_types更改为columns_types。请注意，这是一个通常仅由内部实例化、不由用户实例化的类。（#29076）

其他更改

  • 改进了非公共Azure云的客户配置逻辑，凭据作用域将由配置的端点确定。（#29602）

1.1.1 (2023-02-13)

已修复的错误

  • 修复了一个错误，其中在创建MetricValue对象时使用了错误的键time_stamp（应该是timeStamp）（感谢@jamespic）。（《a href="https://github.com/Azure/azure-sdk-for-python/pull/28777" rel="nofollow">#28777）

1.1.0 (2023-02-07)

已修复的错误

  • 错误详情现在在LogsQueryError对象内部传播。（#25137）

其他更改

  • 不再支持Python 3.6。请使用Python版本3.7或更高版本。有关更多详细信息，请参阅Azure SDK for Python版本支持策略。
  • 移除了msrest依赖。
  • 将azure-core的最小依赖项升级到>=1.24.0。
  • 添加了对isodate>=0.6.0的要求（isodate由msrest需要）。
  • 添加了对typing-extensions>=4.0.1的要求。

1.0.3 (2022-07-07)

已修复的错误

  • 修复了度量客户端中的query_resource在具有意外metric_namespace参数时抛出错误的bug。

1.0.2 (2022-05-06)

  • 此版本和所有未来版本将需要Python 3.6+。Python 2.7不再受支持。

已修复的错误

  • 修复了datetime中的None值抛出错误的bug。

1.0.1 (2021-11-09)

已修复的错误

  • 修复了时间戳中的元数据值有时不会显示的bug。

1.0.0 (2021-10-06)

新增功能

  • 添加了LogsQueryPartialResult和LogsQueryError来处理错误。
  • 添加了status属性到LogsQueryResult。
  • 添加了LogsQueryStatus枚举来描述结果的状态。
  • 添加了一个新的LogsTableRow类型，它表示表中的一行。
  • 现在可以通过度量名称访问MetricsQueryResult中的metrics列表中的项目。

破坏性更改

  • LogsQueryResult现在直接遍历表以方便起见。
  • 日志中的query API现更名为query_workspace
  • 度量中的query API现更名为query_resource
  • query_workspace API现在返回LogsQueryPartialResult和LogsQueryResult的联合。
  • query_batch API现在返回LogsQueryPartialResult、LogsQueryError和LogsQueryResult的联合。
  • metric_namespace更名为namespace，并在list_metric_definitions API中作为关键字参数。
  • MetricsResult更名为MetricsQueryResult。

1.0.0b4 (2021-09-09)

新增功能

  • 向Metric类型添加了额外的display_description属性。
  • 添加了一个MetricClass枚举来提供度量的类别。
  • 向MetricDefinition类型添加了一个metric_class属性。
  • 添加了一个MetricNamespaceClassification枚举来支持MetricNamespace类型上的namespace_classification属性。
  • 添加了一个MetricUnit枚举来描述度量的单位。

破坏性更改

  • 将batch_query更名为query_batch。
  • 将LogsBatchQueryRequest更名为LogsBatchQuery。
  • 查询API中的include_render现更名为include_visualization。
  • LogsQueryResult现在返回visualization而不是render。
  • start_time、duration和end_time现在用一个名为timespan的单一参数替换。
  • 在MetricResult类型中将resourceregion更名为resource_region。
  • 度量查询API中的top更名为max_results。
  • metric_namespace_name更名为fully_qualified_namespace。
  • is_dimension_required更名为dimension_required。
  • interval和time_grain更名为granularity。
  • orderby更名为order_by。
  • LogsQueryResult现在为时间值返回datetime对象。
  • LogsBatchQuery不再接受request_id。
  • 删除了MetricsMetadataValues。现在使用字典。
  • 在MetricValue类型中将time_stamp更名为timestamp。
  • AggregationType更名为MetricAggregationType。
  • 已移除 LogsBatchResultError 类型。
  • LogsQueryResultTable 已更名为 LogsTable
  • LogsTableColumn 已移除。列标签现在是字符串。
  • list_metric_namespaces API 中的 start_time 现在是 datetime 类型。
  • LogsBatchQuery 中参数的顺序已更改。同时，headers 已不再接受。
  • timespan 现在是日志 API 中必需的关键字参数。
  • 批处理 API 现在返回 LogsQueryResult 对象的列表。

已修复的错误

  • include_statistics 和 include_visualization 参数现在可以一起使用。

1.0.0b3 (2021-08-09)

新增功能

  • 添加了枚举 AggregationType，可用于在查询 API 中指定聚合。
  • 添加了返回日志批查询结果的 LogsBatchQueryResult 模型。
  • 为 LogsQueryResult 添加了 error 属性。

破坏性更改

  • 查询 API 中的 aggregation 参数已重命名为 aggregations
  • batch_query API 现在返回响应列表。
  • LogsBatchResults 模型已移除。
  • LogsQueryRequest 已更名为 LogsBatchQueryRequest
  • LogsQueryResults 已更名为 LogsQueryResult
  • LogsBatchQueryResult 现在有 4 个额外的属性 - tables、error、statistics 和 render，而不是 body 属性。

1.0.0b2 (2021-07-06)

破坏性更改

  • workspaces、workspace_ids、qualified_names 和 azure_resource_ids 现已合并为查询 API 中的单个 additional_workspaces 列表。
  • LogQueryRequest 对象现在接受 workspace_id 和 additional_workspaces 而不是 workspace。
  • aggregation 参数现在在 query 方法中是一个列表而不是字符串。
  • duration 必须以 timedelta 的形式提供，而不是字符串。

1.0.0b1 (2021-06-10)

功能

  • 版本 (1.0.0b1) 是我们创建一个用户友好且 Pythonic 的 Azure Monitor Query 客户端库的第一个预览版。有关更多信息，请访问https://azure.github.io/azure-sdk/releases/latest/python.html。
  • 添加了 ~azure.monitor.query.LogsQueryClient 以查询日志分析，以及 ~azure.monitor.query.aio.LogsQueryClient。
  • 实现了 ~azure.monitor.query.MetricsQueryClient 以查询指标、列出命名空间和指标定义，以及 ~azure.monitor.query.aio.MetricsQueryClient。

项目详情

验证详情

这些详情已经由PyPI验证
维护者
Avatar for azure-sdk from gravatar.com azure-sdk Avatar for microsoft from gravatar.com microsoft

未验证详情

这些详情尚未由PyPI验证
项目链接
元数据
  • 许可证：MIT许可证 (MIT许可证)
  • 作者： 微软公司
  • 标签 azure, azure sdk
  • 需求： Python >=3.8
分类

发布历史 发布通知 | RSS 源

本版本

1.4.0

1.3.0

1.3.0b2 预发布

1.3.0b1 预发布

1.2.1

1.2.0

1.1.1

1.1.0

1.0.3

1.0.2

1.0.1

1.0.0

1.0.0b4 预发布

1.0.0b3 预发布

1.0.0b2 预发布

1.0.0b1 预发布

下载文件

下载您平台上的文件。如果您不确定选择哪个，请了解更多关于 安装包 的信息。

源分布

azure-monitor-query-1.4.0.tar.gz (169.3 kB 查看散列)

上传于 源代码

构建发行版

azure_monitor_query-1.4.0-py3-none-any.whl (162.4 kB 查看哈希值)

上传于 Python 3

由以下支持