ms-ai-architect/skills/ms-ai-governance/references/monitoring-observability/real-time-streaming-monitoring.md

Real-Time Streaming and Live Monitoring Dashboards

Last updated: 2026-06-19 Status: GA Category: Monitoring & Observability Type: reference Source: https://learn.microsoft.com/azure/foundry/concepts/observability

---

Innhold

• Introduksjon
• Kjernekomponenter
• Arkitekturmønstre
• Beslutningsveiledning
• Integrasjon med Microsoft-stakken
• Offentlig sektor (Norge)
• Kostnad og lisensiering
• For arkitekten (Cosmo)
• Kilder og verifisering

Introduksjon

Real-time streaming og live monitoring er kritiske kapabiliteter for operasjonell overvåking av AI-applikasjoner i produksjon. Mens tradisjonell logging og metrics aggregeres over tid (typisk 1-5 minutter), tilbyr real-time løsninger innsikt med under ett sekunds latency, noe som er essensielt for debugging, incident response og operasjonell overvåking av AI-tjenester.

Microsoft-stakken tilbyr to primære løsninger: Application Insights Live Metrics for sanntidsovervåking av applikasjonsytelse med 1-sekunds latency, og Fabric Real-Time Intelligence med Real-Time Dashboards for streaming analytics på tvers av multiple datakilder. Live Metrics er optimalisert for utviklere som trenger umiddelbar tilbakemelding under deployment og debugging, mens Real-Time Intelligence er bygget for operasjonelle scenarier som krever kontinuerlig overvåking av store datavolumer.

Begge løsningene har ulike arkitekturer: Live Metrics bruker en dedikert push-basert control channel som streamer data direkte fra applikasjonen til portalen uten persistering, mens Real-Time Dashboards benytter Kusto Query Language (KQL) mot eventhouses eller Azure Data Explorer med refresh-intervaller ned til 10 sekunder.

---

Kjernekomponenter

Application Insights Live Metrics

Komponent	Beskrivelse	Latency
Live Metrics Stream	Push-basert streaming av telemetri fra app til portal	< 1 sekund
Custom Filters	Real-time filtering på URL, duration, telemetry type	Real-time
Server Instance Filtering	Isoler spesifikke server-instanser for debugging	Real-time
Performance Counters	Windows performance counters (CPU, memory, requests)	< 1 sekund
Exception Stack Traces	Full stack traces for exceptions når de skjer	Real-time
Control Channel	Secure channel for filter-signaler (krever Entra ID auth)	N/A

Støttede plattformer (oppdatert 2026-04): (Verified MCP 2026-04)

Plattform	Basic metrics	Performance metrics	Custom filtering	Sample telemetry
.NET (ASP.NET Core)	Støttet	Støttet	Støttet	Støttet
ASP.NET (classic)	Ikke støttet med OpenTelemetry	—	—	—
Java	Støttet	Støttet	Ikke støttet	Støttet (V3.2.0+)
Node.js	Støttet (V1.3.0+)	Støttet	Støttet	Støttet
Python	Støttet (Distro 1.6.0+)	Støttet (Distro 1.8.2+)	Støttet (Distro 1.0.0+)	Støttet (Distro 1.5.0+)

// ASP.NET Core - OpenTelemetry (anbefalt, enabled by default)
builder.Services.AddOpenTelemetry().UseAzureMonitor(options => {
    options.EnableLiveMetrics = true; // Default: true
});

Nøkkelegenskaper:

• On-demand streaming: Data sendes KUN når Live Metrics-panen er åpen (spart kostnader)
• Ingen persistering: Data vises kun i real-time, ikke lagret for historisk analyse
• Sampling: Stack traces og exceptions samples, men alle metrics og counters sendes
• Gratis: Ingen ekstra kostnad for Live Metrics data (kun standard ingestion)

Fabric Real-Time Intelligence & Real-Time Dashboards

Komponent	Beskrivelse	Refresh Rate
Real-Time Dashboard	No-code dashboard med KQL queries	10 sekunder - manuell
Eventhouse	Time-series optimalisert database for streaming data	Subsecond ingestion
Eventstream	No-code streaming pipelines med transformasjoner	Near real-time
Data Activator	Event detection med subsecond latency, trigger actions	< 1 sekund
Copilot for Dashboards	AI-generert dashboard fra natural language prompts; Copilot tilgjengelig direkte i tile editor for KQL-generering (Verified MCP 2026-04)	N/A
Git integration	Synkroniser dashboards med GitHub eller Azure DevOps for versjonskontroll (Verified MCP 2026-04)	N/A
Permission separation	Del dashboards sikkert uten å eksponere underliggende data (Verified MCP 2026-04)	N/A
Explorer Data	Analyser underliggende data uten å skrive KQL-queries (Verified MCP 2026-04)	N/A

Støttede datakilder:

Datakilde	Use Case	Latency
Eventhouse	Fabric-native streaming events	Subsecond
Azure Data Explorer	Log og telemetry analytics	< 5 sekunder
Application Insights	App performance metrics	1-5 minutter*
Log Analytics	Azure resource logs	1-5 minutter*

*Application Insights og Log Analytics har inherent ingestion latency (1-5 min), men kan queries via Real-Time Dashboard.

KQL Query Eksempel (streaming dashboard):

// Real-time monitoring av AI request latency
AIRequests
| where timestamp > ago(5m)
| summarize
    AvgDuration = avg(duration),
    P95Duration = percentile(duration, 95),
    RequestCount = count()
    by bin(timestamp, 10s), operation_Name
| render timechart

Auto-refresh konfigurasjon:

• Minimum refresh interval: 10 sekunder
• Anbefalt for high-volume scenarier: 30-60 sekunder (reduserer compute cost)
• Manual refresh: Alltid tilgjengelig for ad-hoc analyse

---

Arkitekturmønstre

Mønster 1: Live Metrics for CI/CD Validation

Scenario: Validere deployment i sanntid under release pipeline.

Arkitektur:

Developer → Deploy til Azure → App starter → Live Metrics åpnes i portal
                                             ↓
                                    Monitor exceptions, latency, dependencies
                                             ↓
                                    Validate fix → Close Live Metrics (stop streaming)

Fordeler:

• Umiddelbar feedback (< 1 sekund latency)
• Ingen setup utover Application Insights instrumentation
• Gratis (no-cost streaming)
• Filter på spesifikk server instance under rolling deployment

Ulemper:

• Krever manuell observasjon (ingen alerting)
• Data persisteres ikke (kun for live debugging)
• Control channel må sikres med Entra ID for production (API keys retired 30. september 2025 (Verified MCP 2026-04))

Når bruke:

• Debugging av nye deployments
• Load testing validation
• Exception tracking under release
• Server-specific performance issues

Mønster 2: Real-Time Dashboard for Operations

Scenario: Kontinuerlig overvåking av AI-tjenester i produksjon med alerting.

Arkitektur:

AI App → Application Insights → Eventhouse (via Eventstream)
                                      ↓
                              Real-Time Dashboard (10s refresh)
                                      ↓
                              Data Activator → Teams/Email Alert

Fordeler:

• Persistent storage i Eventhouse (long-term analytics)
• Proactive alerting via Data Activator
• Multi-source dashboards (combine App Insights + Azure Monitor)
• No-code dashboard creation med Copilot

Ulemper:

• Higher latency enn Live Metrics (10s min refresh)
• Krever Fabric capacity (kostnader)
• Mer kompleks setup (Eventstream pipeline)

Når bruke:

• Production operations med SLA requirements
• Multi-service monitoring (microservices)
• Compliance requirements (data retention)
• Business stakeholder visibility (shareable dashboards)

Mønster 3: Hybrid - Live Metrics + Real-Time Dashboard

Scenario: Kombinere ad-hoc debugging (Live Metrics) med persistent monitoring (Real-Time Dashboard).

Arkitektur:

AI App → Application Insights ─┬→ Live Metrics (on-demand)
                               └→ Eventhouse → Real-Time Dashboard
                                                      ↓
                                               Data Activator Alerts

Fordeler:

• Best of both worlds: Live debugging + persistent monitoring
• Cost-efficient (Live Metrics kun når åpen, dashboard alltid tilgjengelig)
• Enkel escalation fra dashboard til Live Metrics for deep-dive

Ulemper:

• Dobbel ingestion (App Insights + Eventhouse) hvis begge brukes samtidig
• Mer kompleks setup

Når bruke:

• Enterprise AI-løsninger med både dev og ops teams
• Critical workloads som krever både proactive alerting og reactive debugging

---

Beslutningsveiledning

Når bruke Live Metrics

Kriterium	Anbefaling
Use Case	Debugging, deployment validation, load testing
Latency krav	< 1 sekund
Data retention	Ikke nødvendig (kun live view)
Alerting	Ikke påkrevd (manuell observasjon OK)
Cost sensitivity	Høy (gratis streaming)
Team	Developers, DevOps

Når bruke Real-Time Dashboard

Kriterium	Anbefaling
Use Case	Operations monitoring, SLA tracking, compliance
Latency krav	10 sekunder - 1 minutt OK
Data retention	Påkrevd (historisk analyse)
Alerting	Kritisk (proactive incident response)
Multi-source	Ja (combine App Insights + Azure Monitor + custom events)
Team	Operations, business stakeholders

Vanlige feil

❌ Bruke Live Metrics for production alerting Live Metrics har ingen alerting-kapabilitet. Bruk Real-Time Dashboard med Data Activator.

❌ Åpne Live Metrics kontinuerlig i produksjon Live Metrics streamer data kun når panen er åpen, men slutter ikke automatisk. Lukk etter debugging for å stoppe streaming overhead på app.

❌ Forvente persistering i Live Metrics Data i Live Metrics discarderes når du lukker panen. Bruk Logs eller Metrics Explorer for historiske queries.

❌ Sette Real-Time Dashboard refresh til 10s for alle scenarier Høyere refresh rate = høyere compute cost. Bruk 30-60s for most production dashboards, 10s kun for critical metrics.

❌ Bruke usecured control channel i production API keys for Live Metrics retired 30. september 2025. Migrer til Entra ID authentication. (Verified MCP 2026-04)

Røde flagg

🚩 Live Metrics viser ingen data

• Sjekk firewall: Live Metrics bruker separate endpoints (live.applicationinsights.azure.com) enn vanlig telemetri
• Verifiser TLS 1.2 support (Live Metrics krever TLS 1.2+)
• Bekreftet at OpenTelemetry Distro er nyeste versjon (live metrics enabled by default)

🚩 Real-Time Dashboard viser gammel data (> 1 min latency)

• Application Insights har inherent ingestion latency (1-5 min). For true real-time, stream direkt til Eventhouse via Eventstream.

🚩 Data Activator trigger for ofte (false positives)

• Bruk anomaly detection functions i KQL (series_decompose_anomalies) for å detektere avvik fra baseline istedenfor statiske thresholds.

---

Integrasjon med Microsoft-stakken

Azure OpenAI + Live Metrics

// Track Azure OpenAI calls i Live Metrics
var activity = new Activity("AzureOpenAI.ChatCompletion");
activity.Start();

try {
    var response = await openAIClient.GetChatCompletionsAsync(deploymentName, options);

    telemetryClient.TrackDependency(
        "AzureOpenAI",
        "ChatCompletion",
        deploymentName,
        activity.StartTimeUtc,
        activity.Duration,
        success: true);
} catch (Exception ex) {
    telemetryClient.TrackException(ex);
    throw;
} finally {
    activity.Stop();
}

Live Metrics vil vise:

• Dependency latency i real-time
• Exception stack traces hvis Azure OpenAI API feiler
• CPU/memory impact av token processing

Copilot Studio + Real-Time Dashboard

Scenario: Monitor Copilot Studio agent performance med Real-Time Dashboard.

1. Enable Application Insights for Copilot Studio (via Power Platform admin)
2. Create Eventstream som subscriber til App Insights metrics
3. Build Real-Time Dashboard med KQL queries:

// Copilot Studio conversation success rate (10s buckets)
customEvents
| where name == "ConversationCompleted"
| extend success = tostring(customDimensions.Success)
| summarize
    SuccessRate = countif(success == "true") * 100.0 / count()
    by bin(timestamp, 10s)
| render timechart

4. Setup Data Activator til å trigger alert hvis SuccessRate < 95% i 1 minutt.

Microsoft Foundry + Eventhouse

Microsoft Foundry Observability dashboard støtter native integration med Application Insights, som kan streams til Eventhouse for real-time dashboards:

1. Enable Application Insights for AI Foundry project
2. Use Eventstream til å route App Insights logs til Eventhouse
3. Create Real-Time Dashboard med queries for:
   • Token usage per minute
   • Model latency (P50, P95, P99)
   • Content safety violations
   • Groundedness scores

---

Offentlig sektor (Norge)

GDPR og datasuverenitet

Live Metrics:

• Ingen persistering: Data i Live Metrics lagres ikke, kun streames til browser. GDPR Article 6(1)(f) "legitimate interests" for debugging.
• PII i custom filters: Bruk IKKE custom filters med potensielt sensitive data (customer ID, email) før Entra ID authentication er aktivert (påkrevd fra Sept 2025).

Real-Time Dashboard:

• Eventhouse data residency: Velg Fabric capacity i Norway East/West for datasuverenitet.
• Data retention policies: Eventhouse støtter granular retention policies per table (påkrevd for Forvaltningsloven § 10 journalføring).

Schrems II og dataoverføring

• Live Metrics endpoints: live.applicationinsights.azure.com er hosted i Azure public cloud. For Schrems II compliance, bruk Azure Government (ingen Live Metrics) eller on-prem Azure Stack HCI med Azure Arc-enabled Application Insights.
• Real-Time Dashboard: Fabric eventhouses kan deployes til Norway regions med Microsoft EU Data Boundary compliance.

AI Act Article 72 - Logging

Real-Time Dashboards dekker AI Act Article 72 krav for "automatic recording of events (logs)":

• High-risk AI systems (Article 6): Real-Time Dashboard + Eventhouse retention ≥ 6 måneder.
• Audit trail: KQL queries mot Eventhouse gir immutable audit log for AI decisions.
• Incident response: Data Activator alerts sikrer rask respons på AI failures (Article 9 risk management).

Forvaltningsloven § 11 - Begrunnelse

Real-Time Dashboards kan kombineres med AI Foundry tracing til å bygge "begrunnelse for vedtak":

// Retrieve AI decision trace for specific case
AITraces
| where timestamp between (datetime(2026-02-05T10:00) .. datetime(2026-02-05T10:05))
| where customDimensions.caseId == "CASE-12345"
| project timestamp, operation_Name, promptTokens, completionTokens, groundednessScore
| order by timestamp asc

Dette gir sporbarhet for AI-baserte vedtak (påkrevd av Forvaltningsloven § 11).

---

Kostnad og lisensiering

Application Insights Live Metrics

Komponent	Kostnad	Merknad
Live Metrics streaming	Gratis	Ingen ekstra ingestion cost
Underlying telemetry	Standard App Insights pricing	$2.88/GB (pay-as-you-go)
Entra ID authentication	Inkludert i Entra ID P1/P2	Påkrevd fra Sept 2025

Optimaliseringstips:

• Lukk Live Metrics etter debugging (stopper streaming overhead på app)
• Bruk sampling for underlying telemetry (påvirker ikke Live Metrics, men reduserer ingestion cost)

Fabric Real-Time Intelligence

Komponent	Kostnad (estimat)	Merknad
Real-Time Dashboard	Inkludert i Fabric capacity	Ingen ekstra kostnad
Eventhouse storage	~$0.10/GB/måned	Time-series compressed
Eventstream compute	Inkludert i Fabric capacity	Avhenger av throughput
Data Activator	Separate SKU (preview pricing TBA)	Per reflex/trigger
Minimum Fabric capacity	F2 SKU (~$262/måned)	Kan skales opp/ned

Kostnadsmodell for eventhouse:

• Ingestion: Ingen ekstra kostnad (dekket av capacity)
• Storage: Compressed time-series (~10:1 compression ratio for telemetry)
• Query compute: CU usage avhenger av dashboard refresh rate og query complexity

Optimaliseringstips:

• Bruk table update policies for pre-aggregation (reduserer query compute)
• Set dashboard refresh til 30-60s for non-critical metrics (reduserer CU usage)
• Enable caching for ofte-brukte queries (cache retention 5 min - 1 time)
• Bruk materialized views for expensive aggregations (calculate once, query mange)

Total Cost of Ownership (TCO) Eksempel

Scenario: AI-tjeneste med 1M requests/dag, 5 GB telemetry/dag.

Option 1: Live Metrics only

• App Insights ingestion: 5 GB/dag × 30 dager × $2.88/GB = $432/måned
• Live Metrics: $0/måned
• Total: $432/måned

Option 2: Real-Time Dashboard + Eventhouse

• App Insights ingestion: $432/måned
• Eventhouse storage: 150 GB × $0.10 = $15/måned
• Fabric F2 capacity: $262/måned
• Total: $709/måned

Trade-off:

• +65% cost for Real-Time Dashboard, MEN får persistent storage, alerting, multi-source dashboards.
• For enterprise workloads med SLA requirements: Real-Time Dashboard ROI gjennom redusert downtime.

---

For arkitekten (Cosmo)

Spørsmål å stille

1. Hva er primary use case for real-time monitoring?

   • Debugging/deployment validation → Live Metrics
   • Production operations med SLA → Real-Time Dashboard
   • Begge → Hybrid approach

2. Hva er akseptabel latency for monitoring?

   • < 1 sekund → Live Metrics
   • 10 sekunder - 1 minutt → Real-Time Dashboard
   • Varierer per metric → Kombiner begge

3. Er data retention påkrevd (compliance, audit)?

   • Nei → Live Metrics sufficient
   • Ja → Real-Time Dashboard med Eventhouse

4. Har dere eksisterende Fabric capacity?

   • Ja → Legg til Real-Time Dashboard (no extra infra cost)
   • Nei → Vurder cost/benefit mot managed App Insights only

5. Trenger dere alerting basert på real-time metrics?

   • Ja → Data Activator (krever Real-Time Dashboard)
   • Nei → Live Metrics eller standard Azure Monitor alerts (1-5 min latency)

6. Hvor mange datakilder skal monitors?

   • Kun én app → Live Metrics
   • Multiple apps/services → Real-Time Dashboard (unified view)

7. Hvem er primary audience for dashboards?

   • Developers → Live Metrics (ad-hoc debugging)
   • Operations/business → Real-Time Dashboard (shareable, no-code)

8. Er Schrems II compliance påkrevd?

   • Ja → Fabric eventhouse i Norway regions
   • Nei → Standard Application Insights OK

Fallgruver

⚠️ Over-reliance på Live Metrics for production Live Metrics er designet for debugging, ikke production monitoring. Mangler alerting og persistering.

⚠️ Underestimere Fabric capacity krav Real-Time Dashboard krever minimum F2 SKU. Start med F2, skaler opp hvis CU throttling.

⚠️ Ignorere API key deprecation (30. sept 2025) API keys er nå retired. Applikasjoner som bruker API keys kan ikke lenger sende live metrics data. Migrer til Entra ID authentication umiddelbart. (Verified MCP 2026-04)

⚠️ Sette for aggressive refresh rates 10s refresh på alle dashboards gir høy CU cost. Bruk 30-60s for de fleste metrics.

⚠️ Blande real-time streaming med batch ETL Real-Time Dashboard er IKKE erstatning for data warehouse. Bruk for operational monitoring, ikke business analytics.

Anbefalinger per modenhetsnivå

Nivå 1 - Proof of Concept:

• Start med Live Metrics (gratis, zero-config)
• Enable for ASP.NET Core/Java/Python apps (enabled by default med OpenTelemetry)
• Bruk under deployment validation

Nivå 2 - Pilot (produksjon med begrenset scope):

• Introduser Real-Time Dashboard for critical services
• Deploy Eventhouse i Norway region (GDPR compliance)
• Setup Data Activator for 2-3 critical alerts (error rate, latency)
• Start med F2 capacity, monitor CU usage

Nivå 3 - Production (enterprise-scale):

• Hybrid approach: Live Metrics for developers + Real-Time Dashboard for ops
• Multi-source dashboards (App Insights + Azure Monitor + custom events)
• Materialized views for expensive aggregations
• Entra ID authentication for Live Metrics control channel
• KQL alert queries med anomaly detection (series_decompose_anomalies)

Nivå 4 - Optimalisert:

• Custom Eventstream pipelines med pre-aggregation
• Dedicated Fabric capacity (F8+) for high-throughput
• Automated dashboard generation med Copilot
• Integration med Power BI for business stakeholder reporting
• Cross-region replication av Eventhouse (disaster recovery)

---

Kilder og verifisering

Microsoft Learn (Verified via MCP)

1. Live Metrics: Monitor and diagnose with 1-second latency https://learn.microsoft.com/en-us/azure/azure-monitor/app/live-stream Confidence: Verified (Feb 2026) - Authoritative doc for Live Metrics

2. What is Real-Time Dashboard? https://learn.microsoft.com/en-us/fabric/real-time-intelligence/real-time-dashboards-overview Confidence: Verified (Feb 2026) - Fabric Real-Time Intelligence GA features

3. Configure Azure Monitor OpenTelemetry https://learn.microsoft.com/en-us/azure/azure-monitor/app/opentelemetry-configuration#live-metrics Confidence: Verified (Feb 2026) - OpenTelemetry Live Metrics config

4. Troubleshoot Live Metrics issues https://learn.microsoft.com/en-us/troubleshoot/azure/azure-monitor/app-insights/troubleshoot-live-metrics Confidence: Verified (Feb 2026) - Firewall, TLS requirements

5. Monitor .NET and Node.js applications with Application Insights (Classic API) https://learn.microsoft.com/en-us/azure/azure-monitor/app/classic-api#collecting-telemetry-data Confidence: Verified (Feb 2026) - Manual Live Metrics setup (legacy)

6. Build real-time monitoring and observable systems for media https://learn.microsoft.com/en-us/azure/architecture/example-scenario/monitoring/monitoring-observable-systems-media Confidence: Verified (2026-06-19) - Real-time architecture patterns (Eventstream → eventhouse → Real-Time Intelligence hub; Data Activator subsecond anomaly detection)

7. Observability in generative AI https://learn.microsoft.com/en-us/azure/foundry/concepts/observability Confidence: Verified (Feb 2026) - AI Foundry monitoring integration

8. Implement advanced monitoring for Azure OpenAI in Foundry Models through a gateway https://learn.microsoft.com/en-us/azure/architecture/ai-ml/guide/azure-openai-gateway-monitoring#near-real-time-monitoring Confidence: Verified (Verified MCP 2026-04) - Tittel oppdatert til å inkludere "in Foundry Models". Near real-time pattern: publiser logs til message bus + Azure Stream Analytics for windowed operations. Gateway fordeler: full klient-IP, Entra ID identitet, chargeback-løsning, input/output-logging.

Confidence per seksjon

Seksjon	Confidence	Kilde
Application Insights Live Metrics	Verified	MCP fetch: live-stream doc
Fabric Real-Time Dashboard	Verified	MCP fetch: real-time-dashboards-overview
Arkitekturmønstre	Baseline	Synthesized fra multiple MCP sources
Code samples	Verified	MCP code search: C# Live Metrics setup
Kostnad og lisensiering	Baseline	Pricing calculated fra public Azure pricing (Feb 2026)
Offentlig sektor compliance	Baseline	Applied GDPR/AI Act principles til verified features

MCP calls: 6 (3 × search, 2 × fetch, 1 × code search) Unique sources: 8 Microsoft Learn URLs Last verified: 2026-06-19