Teilen über

Erstellen eines Benutzerkontenpools für SQL Server Machine Learning Services

  • Artikel

Gilt für: SQL Server 2016 (13.x) und höhere Versionen

Erfahren Sie, wie Sie einen Ressourcenpool für die Verwaltung von Python- und R-Workloads in SQL Server Machine Learning Services erstellen und verwenden können.

Der Prozess umfasst mehrere Schritte:

  1. Überprüfen des Status aller vorhandenen Ressourcenpools Es ist wichtig, dass Sie verstehen, welche Dienste vorhandene Ressourcen verwenden.
  2. Ändern der Serverressourcenpools
  3. Erstellen eines neuen Ressourcenpools für externe Prozesse
  4. Erstellen einer Klassifizierungsfunktion, um R-Anforderungen zu identifizieren
  5. Überprüfen, dass der externe Ressourcenpool R- oder Python-Aufträge von den angegebenen Clients oder Konten erfasst

Überprüfen des Status der vorhandenen Ressourcenpools

  1. Verwenden Sie eine Anweisung wie die folgende, um die Ressourcen zu überprüfen, die dem Standardpool für den Server zugewiesen sind.

    SELECT * FROM sys.resource_governor_resource_pools WHERE name = 'default'

    Beispielergebnisse

    pool_id name min_cpu_percent max_cpu_percent min_memory_percent max_memory_percent cap_cpu_percent min_iops_per_volume max_iops_per_volume
    2 default 0 100 0 100 100 0 0

  2. Überprüfen Sie die Ressourcen, die dem externen Standardressourcenpool zugewiesen sind.

    SELECT * FROM sys.resource_governor_external_resource_pools WHERE name = 'default'

    Beispielergebnisse

    external_pool_id name max_cpu_percent max_memory_percent max_processes version
    2 default 100 20 0 2

  3. Angesichts dieser Serverstandardeinstellungen wird die externe Runtime wahrscheinlich nicht über ausreichend Ressourcen verfügen, um die meisten Aufgaben abzuschließen. Um die Ressourcen zu optimieren, müssen Sie die Nutzung der Serverressourcen wie folgt ändern:

    • Reduzieren Sie den maximalen Arbeitsspeicher, der von der Datenbank-Engine verwendet werden kann.

    • Erhöhen Sie den maximalen Arbeitsspeicher, der vom externen Prozess verwendet werden kann.

Ändern der Nutzung von Serverressourcen

  1. Führen Sie in Management Studio folgende Anweisung aus, um die SQL Server Arbeitsspeicherauslastung auf 60% des Werts in der Einstellung „max Server Memory“ zu begrenzen.

    ALTER RESOURCE POOL "default" WITH (max_memory_percent = 60);

  2. Führen Sie die folgende Anweisung aus, um die Verwendung des Arbeitsspeichers durch externe Prozesse auf 40 % der gesamten Computerressourcen zu begrenzen.

    ALTER EXTERNAL RESOURCE POOL "default" WITH (max_memory_percent = 40);

  3. Um diese Änderung zu erzwingen, müssen Sie die Ressourcenkontrolle wie folgt neu konfigurieren und neu starten:

    ALTER RESOURCE GOVERNOR RECONFIGURE;

    Hinweis

    Dies sind lediglich empfohlene Einstellungen, mit denen Sie beginnen können. Sie sollten die Machine Learning-Tasks jedoch anhand anderer Serverprozesse bewerten, um das richtige Gleichgewicht für Ihre Umgebung und Arbeitsauslastung bestimmen zu können.

Erstellen eines benutzerdefinierten externen Ressourcenpools

  1. Alle Änderungen an der Konfiguration von Resource Governor werden auf dem gesamten Server erzwungen. Die Änderungen betreffen sowohl Workloads, die die Standardpools für den Server verwenden, als auch Workloads, die die externen Pools verwenden.

    Um eine präzisere Kontrolle bereitzustellen, bei der Arbeitslasten Vorrang haben, können Sie einen neuen benutzerdefinierten externen Ressourcenpool erstellen. Definieren Sie eine Klassifizierungsfunktion, und weisen Sie sie dem externen Ressourcenpool zu. Das Schlüsselwort EXTERN ist neu.

    Erstellen Sie einen neuen benutzerdefinierten externen Ressourcenpool. Im folgenden Beispiel erhält der Pool den Namen ds_ep.

    CREATE EXTERNAL RESOURCE POOL ds_ep WITH (max_memory_percent = 40);

  2. Erstellen Sie eine Arbeitsauslastungsgruppe mit dem Namen ds_wg, die Sie für die Verwaltung von Sitzungsanforderungen verwenden. Verwenden Sie für SQL-Abfragen den Standardpool und für alle externen Prozessabfragen den ds_ep-Pool.

    CREATE WORKLOAD GROUP ds_wg WITH (importance = medium) USING "default", EXTERNAL "ds_ep";

    Anforderungen werden der Standardgruppe zugewiesen, wenn die Anforderung nicht klassifiziert werden kann, oder wenn ein sonstiger Klassifizierungsfehler aufgetreten ist.

Weitere Informationen finden Sie unter Resource Governor-Arbeitsauslastungsgruppe und unter CREATE WORKLOAD GROUP (Transact-SQL).

Erstellen einer Klassifizierungsfunktion für Machine Learning

Eine Klassifizierungsfunktion untersucht eingehende Aufgaben. Sie bestimmt, ob die Aufgabe mithilfe des aktuellen Ressourcenpools ausgeführt werden kann. Aufgaben, die die Kriterien der Klassifizierungsfunktion nicht erfüllen, werden wieder an den Standardressourcenpool des Servers zurückgewiesen.

  1. Beginnen Sie mit der Angabe, dass eine Klassifizierungsfunktion vom Resource Governor verwendet werden soll, um Ressourcenpools zu bestimmen. Sie können einen NULL-Wert als Platzhalter für die Klassifizierungsfunktion zuweisen.

    ALTER RESOURCE GOVERNOR WITH (classifier_function = NULL);
ALTER RESOURCE GOVERNOR RECONFIGURE;

    Weitere Informationen finden Sie unter ALTER RESOURCE GOVERNOR (Transact-SQL).

  2. Definieren Sie in der Klassifizierungsfunktion für jeden Ressourcenpool den Typ der Anweisung oder der eingehenden Anforderungen, die dem Ressourcenpool zugewiesen werden soll.

    Beispielsweise gibt die folgende Funktion den Namen des Schemas zurück, das dem benutzerdefinierten externen Ressourcenpool zugewiesen wurde, wenn es sich bei der Anwendung, die die Anforderung gesendet hat, um „Microsoft R Host“, „RStudio“ oder „Mashup“ handelt. Andernfalls wird der Standardressourcenpool zurückgegeben.

    USE master
GO
CREATE FUNCTION is_ds_apps()
RETURNS sysname
WITH schemabinding
AS
BEGIN
    IF program_name() in ('Microsoft R Host', 'RStudio', 'Mashup') RETURN 'ds_wg';
    RETURN 'default'
    END;
GO

  3. Konfigurieren Sie nach dem Erstellen der Funktion die Ressourcengruppe, um die neue Klassifizierungsfunktion der externen Ressourcengruppe zuweisen, die Sie zuvor definiert haben.

    ALTER RESOURCE GOVERNOR WITH  (classifier_function = dbo.is_ds_apps);
ALTER RESOURCE GOVERNOR RECONFIGURE;
GO

Überprüfen des neuen Ressourcenpools und der Affinität

Überprüfen Sie die Arbeitsspeicherkonfiguration und die CPU des Servers für jede der Workloadgruppen. Prüfen Sie, ob die Änderungen an der Instanzressource vorgenommen wurden, indem Sie Folgendes überprüfen:

  • der Standardpool für den SQL Server-Server
  • der Standardressourcenpool für externe Prozesse
  • der benutzerdefinierte Pool für externe Prozesse

  1. Führen Sie folgende Anweisung aus, um alle Arbeitsauslastungsgruppen anzuzeigen:

    SELECT * FROM sys.resource_governor_workload_groups;

    Bespielergebnisse

    group_id name importance request_max_memory_grant_percent request_max_cpu_time_sec request_memory_grant_timeout_sec max_dop group_max_requests pool_id pool_idd external_pool_id
    1 internal Medium 25 0 0 0 0 1 2
    2 default Medium 25 0 0 0 0 2 2
    256 ds_wg Medium 25 0 0 0 0 2 256

  2. Verwenden Sie die neue Katalogsicht sys.resource_governor_external_resource_pools (Transact-SQL), um alle externen Ressourcenpools anzuzeigen.

    SELECT * FROM sys.resource_governor_external_resource_pools;

    Bespielergebnisse

    external_pool_id name max_cpu_percent max_memory_percent max_processes version
    2 default 100 20 0 2
    256 ds_ep 100 40 0 1

    Weitere Informationen finden Sie unter Resource Governor-Katalogsichten (Transact-SQL).

  3. Führen Sie gegebenenfalls die folgende Anweisung aus, um Informationen zu den Ressourcen des Computers zurückzugeben, die dem externen Ressourcenpool zugeordnet sind:

    SELECT * FROM sys.resource_governor_external_resource_pool_affinity;

    Es werden keine Informationen angezeigt, da die Pools mit einer Affinität „AUTO“ erstellt wurden. Weitere Informationen finden Sie unter sys.dm_resource_governor_resource_pool_affinity (Transact-SQL).

Nächste Schritte

Weitere Informationen zum Verwalten von Serverressourcen finden Sie hier:

Eine Übersicht über die Ressourcenkontrolle für Machine Learning finden Sie unter: