Fähigkeiten Azure Monitor Ingestion SDK for Python
📦

Azure Monitor Ingestion SDK for Python

Sicher

Benutzerdefinierte Logs an Azure Monitor senden

Diese Fähigkeit ermöglicht es Claude Code, benutzerdefinierte Anwendungslogs an Azure Monitor Log Analytics Workspaces über die offizielle Logs Ingestion API zu senden. Sie bietet Codebeispiele und Best Practices für die Integration von Azure Monitoring in Python-Anwendungen.

Unterstützt: Claude Codex Code(CC)
🥉 73 Bronze
1

Die Skill-ZIP herunterladen

2

In Claude hochladen

Gehe zu Einstellungen → Fähigkeiten → Skills → Skill hochladen

3

Einschalten und loslegen

Teste es

Verwendung von "Azure Monitor Ingestion SDK for Python". Wie lade ich Logs zu Azure Monitor hoch?

Erwartetes Ergebnis:

Um Logs zu Azure Monitor hochzuladen, erstellen Sie einen LogsIngestionClient mit Ihrem Data Collection Endpoint und authentifizieren Sie sich mit DefaultAzureCredential. Rufen Sie dann client.upload() mit Ihrer Rule ID, Stream-Namen und Logdaten-Array auf.

Verwendung von "Azure Monitor Ingestion SDK for Python". Welche Authentifizierungsmethoden werden unterstützt?

Erwartetes Ergebnis:

Das SDK unterstützt Azure Identity-Bibliotheken einschließlich DefaultAzureCredential, ManagedIdentityCredential und ServicePrincipalCredential. DefaultAzureCredential versucht automatisch mehrere Auth-Methoden einschließlich Managed Identity, Umgebungsvariablen und interaktivem Login.

Sicherheitsaudit

Sicher
v1 • 2/25/2026

This is a prompt-only skill containing only documentation (SKILL.md). No executable code was scanned. The skill provides reference documentation for the Microsoft Azure Monitor Ingestion SDK for Python. No security risks identified.

0
Gescannte Dateien
0
Analysierte Zeilen
0
befunde
1
Gesamtzahl Audits
Keine Sicherheitsprobleme gefunden
Auditiert von: claude

Qualitätsbewertung

38
Architektur
100
Wartbarkeit
87
Inhalt
50
Community
100
Sicherheit
83
Spezifikationskonformität

Was du bauen kannst

Application Performance Monitoring

Senden Sie Anwendungslogs, Metriken und Trace-Daten von Python-Diensten an Azure Monitor für zentralisiertes Logging und Analyse.

Security Audit Logging

Erfassen Sie Sicherheitsereignisse, Authentifizierungslogs und Compliance-Daten in Log Analytics für Sicherheitsüberwachung und Bedrohungserkennung.

Business Analytics Integration

Übermitteln Sie Geschäftsmetriken und operative Daten von Python-Anwendungen an Log Analytics für benutzerdefinierte Berichte und Dashboards.

Probiere diese Prompts

Grundlegendes Log-Upload 
Zeigen Sie mir, wie ich das Azure Monitor Ingestion SDK verwende, um benutzerdefinierte Logs in einen Log Analytics Workspace hochzuladen. Inklusive Client-Setup mit DefaultAzureCredential.
Fehlerbehandlung 
Wie behandle ich teilweise Upload-Fehler beim Senden von Logs an Azure Monitor? Zeigen Sie ein Beispiel mit Error-Callback und Retry-Logik.
Asynchrone Ingestion 
Schreiben Sie ein Beispiel für die Verwendung des async LogsIngestionClient zum Hochladen von Logs in einer Python-Anwendung mit hohem Durchsatz.
Souveräne Cloud-Konfiguration 
Wie konfiguriere ich den Azure Monitor Ingestion Client für Azure Government Cloud anstelle der öffentlichen Azure?

Bewährte Verfahren

  • Fügen Sie immer das TimeGenerated-Feld in Ihren Log-Einträgen hinzu - es wird von Azure Monitor benötigt
  • Verwenden Sie den on_error-Callback, um teilweise Fehler zu behandeln und Retry-Logik für fehlgeschlagene Logs zu implementieren
  • Gleichen Sie Ihr Log-Schema mit den Data Collection Rule Spaltendefinitionen ab, um eine ordnungsgemäße Ingestion sicherzustellen

Vermeiden

  • Hardcoden Sie keine Credentials in Ihrem Anwendungscode - verwenden Sie Azure Identity
  • Überspringen Sie nicht die Fehlerbehandlung - Netzwerkausfälle und partielle Uploads sind bei der Log-Ingestion häufig
  • Senden Sie keine Logs, ohne zuvor zu validieren, dass sie Ihrem DCR-Schema entsprechen - nicht übereinstimmende Daten werden abgelehnt

Häufig gestellte Fragen

Was ist der Unterschied zwischen DCE und DCR in Azure Monitor?
Ein Data Collection Endpoint (DCE) ist die Ingestion-URL, an die Logs gesendet werden. Eine Data Collection Rule (DCR) definiert das Schema, die Transformationen und die Zieltabelle für Ihre Logs.
Muss ich die Log Analytics-Tabelle zuerst erstellen?
Bei benutzerdefinierten Tabellen wird die Tabelle automatisch erstellt, wenn die DCR ihre erste Ingestion verarbeitet. Integrierte Tabellen müssen existieren, bevor Daten gesendet werden.
Wie behandelt das SDK große Log-Volumen?
Das SDK batched Logs automatisch in 1MB-Chunks, komprimiert sie mit gzip und lädt sie parallel hoch. Sie müssen Batch-Verarbeitung nicht manuell implementieren.
Kann ich dieses SDK mit Azure Government verwenden?
Ja, konfigurieren Sie die Authority und Credential_Scopes für Azure Government oder andere souveräne Clouds mit AzureAuthorityHosts.
Was passiert, wenn einige Logs nicht hochgeladen werden können?
Das SDK bietet einen on_error-Callback, der fehlgeschlagene Log-Einträge empfängt. Sie können Retry-Logik implementieren, um diese Logs erneut zu senden.
Ist Async-Unterstützung verfügbar?
Ja, verwenden Sie LogsIngestionClient aus azure.monitor.ingestion.aio mit async/await-Mustern für Szenarien mit hohem Durchsatz.

Entwicklerdetails

Autor

sickn33

Lizenz

MIT

Repository

https://github.com/sickn33/antigravity-awesome-skills/tree/main/skills/azure-monitor-ingestion-py

Ref

main

Dateistruktur

📄 SKILL.md