诊断天蓝色事件网格中的故障？

Question

在azure事件网格中，我没有发现很多解决事件丢失情况的方法。

因此，我要问与以下情况有关的问题：

1. 我们的代码将事件发布到域中。
2. 事件将传递到订阅中已配置的Web挂钩。
3. 这工作了一段时间。
4. 消费者（拥有Web挂钩端点）抱怨他没有收到一些事件，但大多数事件都通过了。
5. 我们查看已配置的死信队列，发现没有事件。已经超过一天，因此所有重试都已用尽。
6. 因此，我们假设所有事件都已交付，因为指标中没有失败的交付事件。
7. 我们还确保我们确实将这些神秘事件提交给了网格。
8. 但是消费者坚持要解决这个问题，并证明他这一边没有错。
9. 现在，我们需要确定事件网格是否正在吞噬其中一些事件。

如何解决这种情况？

Answer 1

AEG的当前版本未集成到诊断设置功能，这对于流式传输度量标准和日志非常有帮助。

对于基于事件域的方案（仍在公共预览中，请参见limits）可以帮助Azure Monitoring REST API查看事件域中特定的所有指标。

有效指标是：

PublishSuccessCount,PublishFailCount,PublishSuccessLatencyInMs,MatchedEventCount,DeliveryAttemptFailCount,DeliverySuccessCount,DestinationProcessingDurationInMs,DroppedEventCount,DeadLetteredCount

以下示例是一个REST GET请求，用于获取事件域中特定时间跨度和间隔的所有指标值：

https://management.azure.com/subscriptions/{mySubId}/resourceGroups/{myRG}/providers/Microsoft.EventGrid/domains/{myDomain}/providers/Microsoft.Insights/metrics?api-version=2018-01-01&interval=PT1H&aggregation=count,total&timespan=2019-02-06T07:58:12Z/2019-02-07T08:58:12Z&metricnames=PublishSuccessCount,PublishFailCount,PublishSuccessLatencyInMs,MatchedEventCount,DeliveryAttemptFailCount,DeliverySuccessCount,DestinationProcessingDurationInMs,DroppedEventCount,DeadLetteredCount

基于响应值，您可以从发布者端查看AEG行为的度量以及向订阅者传递事件的度量。对于您的生产版本，我建议您使用轮询技术从AEG获取所有指标并将其推送到事件中心以进行流分析，警报等。基于查询参数（例如时间跨度，间隔等） ，它可以接近实时。如果AEG支持诊断设置，则该轮询和发布所有指标都将被废弃，并且可以继续对分析流作业进行小的修改。

另一点是将事件模型扩展为审核部分。我确实建议以下内容：

1. 添加域范围订阅以捕获事件域中的所有事件，并将其推送到事件中心以进行流传输。请注意，该事件域内的任何已发布事件都应在此已发布流管道中。

2. 为死信消息添加存储订阅，并将其推送到同一事件中心以进行流传输。

3. （可选），将死信存储的诊断设置（某些指标）添加到同一事件中心，以进行流传输。请注意，在尝试将死信消息存储在Blob容器中4小时后，该消息被删除。对于失败的进程，没有任何日志消息，只有度量计数器。

对于客户端，我确实建议每个订阅者都创建一条日志消息（例如标头+事件消息），以进行审核和故障排除。它应该存储在Blob容器中或本地存储，然后再上传等。重点是，此参考对于分析流作业以快速找出问题所在可能非常有用。

除了事件模型外，发布者还应定期（例如每小时一次）探测事件域端点，并且还应向探测主题发送探测事件消息以进行测试。该探测主题的事件订阅将配置一个死信选项。订阅者Webhook处理程序应始终失败，并显示错误代码= HttpStatusCode.BadRequest ，例如没有重试操作。请注意，将死信消息存储在存储器中时，会有300秒的延迟时间。换句话说，探测事件+ 5分钟后，死信消息应该在流管道中。您的事件模型中的这种探测场景将从视图的发布者和交付点探测AEG的功能。

上述解决方案显示在以下屏幕片段中：