从Azure Python函数应用添加自定义属性与指标的问题求助

一、customDimensions/Properties未显示的排查思路 #

1. 替换标准logging为func.logger
   Azure Functions Python运行时提供的func.logger已与Application Insights深度集成，能正确识别并传递自定义维度。将代码中的logging调用替换为func.logger，调整自定义维度的传递方式：

import datetime
import azure.functions as func

app = func.FunctionApp()

@app.timer_trigger(schedule="0 0 10 * * *", arg_name="myTimer", run_on_startup=True, use_monitor=False) 
def timer_trigger(myTimer: func.TimerRequest) -> None:
    
     func.logger.info('Python timer trigger function executed.')

     # 直接传递自定义维度字典
     func.logger.warning('Python timer trigger function executed.', extra={'key_1': 'value_1', 'key_2': 'value_2'})

也可保留custom_dimensions键的格式：

func.logger.warning('Python timer trigger function executed.', extra={'custom_dimensions': {'key_1': 'value_1', 'key_2': 'value_2'}})

2. 检查host.json日志配置
   确保host.json中开启了Application Insights日志收集，并设置了正确的日志级别：

{
  "logging": {
    "applicationInsights": {
      "samplingSettings": {
        "isEnabled": true,
        "excludedTypes": "Request"
      },
      "enableLiveMetrics": true,
      "enableDependencyTracking": true
    },
    "logLevel": {
      "default": "Warning",
      "Function.timer_trigger": "Warning"
    }
  }
}

若采样率过低可能导致日志被过滤，可临时设置samplingSettings.isEnabled为false测试。

3. 验证环境变量配置
   确认local.settings.json（本地运行）或函数应用的环境变量中，APPINSIGHTS_INSTRUMENTATION_KEY已正确设置，且函数运行时能读取到该值。

4. 直接查询Application Insights日志
   在Application Insights的日志查询界面执行以下语句，查看自定义维度是否实际存在（默认视图可能不显示所有维度）：

traces 
| where message contains "Python timer trigger function executed."
| project message, customDimensions

二、指标日志的配置选项（对标C#） #

Python中实现类似C#的指标日志功能，可通过以下方式：

1. 使用Application Insights SDK手动发送指标
   安装applicationinsights包后，通过TelemetryClient直接发送自定义指标，对应C#中TelemetryClient.TrackMetric的用法：

import os
from applicationinsights import TelemetryClient
import azure.functions as func

app = func.FunctionApp()

@app.timer_trigger(schedule="0 0 10 * * *", arg_name="myTimer", run_on_startup=True, use_monitor=False) 
def timer_trigger(myTimer: func.TimerRequest) -> None:
    tc = TelemetryClient(os.environ['APPINSIGHTS_INSTRUMENTATION_KEY'])
    # 发送数值型指标
    tc.track_metric('TimerExecutionCount', 1)
    # 发送带维度的指标
    tc.track_metric('ProcessingTime', 250, properties={'Environment': 'Production'})
    tc.flush()

2. OpenTelemetry集成（对标C#自动指标收集）
   通过配置OpenTelemetry实现自动或自定义指标收集，对应C#中通过配置启用指标的方式：

• 安装依赖包：azure-monitor-opentelemetry-exporter、opentelemetry-instrumentation-azure-functions
• 在host.json中配置OpenTelemetry：

{
  "logging": {
    "applicationInsights": {
      "opentelemetry": {
        "isEnabled": true
      }
    }
  }
}

• 代码中手动添加自定义指标：

from opentelemetry import metrics
from opentelemetry.sdk.metrics import MeterProvider
from opentelemetry.sdk.metrics.export import PeriodicExportingMetricReader
from azure.monitor.opentelemetry.exporter import AzureMonitorMetricExporter
import os

# 初始化指标提供者
exporter = AzureMonitorMetricExporter(connection_string=os.environ['APPLICATIONINSIGHTS_CONNECTION_STRING'])
reader = PeriodicExportingMetricReader(exporter)
provider = MeterProvider(metric_readers=[reader])
metrics.set_meter_provider(provider)

meter = metrics.get_meter("timer-function-meter")
# 创建计数器指标
execution_counter = meter.create_counter("timer_executions", description="Number of timer trigger executions")

@app.timer_trigger(...)
def timer_trigger(myTimer: func.TimerRequest) -> None:
    execution_counter.add(1, {"environment": "production"})

内容的提问来源于stack exchange，提问作者Thomas Segato