Referenz zur Systemtabelle für abrechnungsfähigen Verbrauch
Wichtig
Dieses Feature befindet sich in der Public Preview.
Dieser Artikel bietet eine Übersicht über die Systemtabelle für den abrechenbaren Verbrauch, einschließlich des Schemas und Beispielabfragen. Mit Systemtabellen werden die Daten zum abrechenbaren Verbrauch Ihres Kontos zentralisiert und an alle Regionen weitergeleitet, sodass Sie den globalen Verbrauch Ihres Kontos in jeder Region, in der sich Ihr Arbeitsbereich befindet, anzeigen können.
Schema der Tabelle für den abrechenbaren Verbrauch
Die Systemtabelle für den abrechenbaren Verbrauch befindet sich in system.billing.usage
und verwendet das folgende Schema:
Spaltenname | Datentyp | Beschreibung | Beispiel |
---|---|---|---|
record_id |
Zeichenfolge | Eindeutige ID für diesen Datensatz | 11e22ba4-87b9-4cc2-9770-d10b894b7118 |
account_id |
Zeichenfolge | ID des Kontos, für das dieser Bericht generiert wurde | 23e22ba4-87b9-4cc2-9770-d10b894b7118 |
workspace_id |
Zeichenfolge | ID des Arbeitsbereichs, dem dieser Verbrauch zugeordnet war | 1234567890123456 |
sku_name |
Zeichenfolge | Name der SKU | STANDARD_ALL_PURPOSE_COMPUTE |
cloud |
Zeichenfolge | Cloud, für die dieser Verbrauch relevant ist. Mögliche Werte sind AWS , AZURE und GCP . |
AWS , AZURE oder GCP |
usage_start_time |
Zeitstempel | Die Startzeit, die für diesen Verbrauchsdatensatz relevant ist | 2023-01-09 10:00:00.000 |
usage_end_time |
Zeitstempel | Die Endzeit, die für diesen Verbrauchsdatensatz relevant ist | 2023-01-09 11:00:00.000 |
usage_date |
date | Datum des Verbrauchsdatensatzes, dieses Feld kann für eine schnellere Aggregation nach Datum verwendet werden | 2023-01-01 |
custom_tags |
map | Tags, die von den Benutzer*innen auf diesen Verbrauch angewendet werden | { “env”: “production” } |
usage_unit |
Zeichenfolge | Einheit, in der dieser Verbrauch gemessen wird. Zu den möglichen Werten gehören Databricks-Einheiten (DBU). | DBU |
usage_quantity |
Decimal | Anzahl der für diesen Datensatz verbrauchten Einheiten. | 259.2958 |
usage_metadata |
struct | Vom System bereitgestellte Metadaten zum Verbrauch, einschließlich IDs für Computeressourcen und Aufträge (falls zutreffend). Siehe Analysieren von Nutzungsmetadaten. | {cluster_id: null; instance_pool_id: null; notebook_id: null; job_id: null; node_type: null} |
identity_metadata |
struct | Vom System bereitgestellte Metadaten zu den Identitäten, die an der Verwendung beteiligt sind. Siehe "Analysieren von Identitätsmetadaten". | {run_as: example@email.com} |
record_type |
Zeichenfolge | Gibt an, ob der Datensatz eine Korrektur ist. Mögliche Werte sind ORIGINAL , RETRACTION und RESTATEMENT . |
ORIGINAL |
ingestion_date |
date | Datum, an dem der Datensatz in der Tabelle usage erfasst wurde |
2024-01-01 |
billing_origin_product |
Zeichenfolge | Das Produkt, das den Verbrauch ausgelöst hat. Einige Produkte können als unterschiedliche SKUs in Rechnung gestellt werden. Mögliche Werte finden Sie unter Anzeigen von Informationen zum Produkt, das einem Verbrauch zugeordnet ist. | JOBS |
product_features |
struct | Details zu den spezifischen verwendeten Produktfeatures. | Mögliche Werte finden Sie unter Produktfeatures. |
usage_type |
Zeichenfolge | Der Verbrauchstyp, der dem Produkt oder der Workload für Abrechnungszwecke zugeordnet ist. Mögliche Werte sind COMPUTE_TIME , COMPUTE_SLOT , STORAGE_SPACE , NETWORK_BYTES , API_CALLS , TOKEN oder GPU_TIME . |
STORAGE_SPACE |
Analysieren von Nutzungsmetadaten
Die Werte in usage_metadata
informieren Sie über die Ressourcen, die am Verwendungsdatensatz beteiligt sind.
Wert | Datentyp | Beschreibung |
---|---|---|
cluster_id |
string |
ID des Clusters, der dem Verwendungsdatensatz zugeordnet ist |
instance_pool_id |
string |
ID des Instanzpools, der dem Verwendungsdatensatz zugeordnet ist |
node_type |
string |
Der Instanztyp der Computeressource |
job_id |
string |
ID des Auftrags, der dem Verwendungsdatensatz zugeordnet ist |
job_run_id |
string |
ID des Auftragslaufs, der dem Verwendungsdatensatz zugeordnet ist |
notebook_id |
string |
ID des Notebooks, das dem Verwendungsdatensatz zugeordnet ist |
dlt_pipeline_id |
string |
ID der Delta Live Tables-Pipeline, die dem Verwendungsdatensatz zugeordnet ist |
Hinweis
In seltenen Fällen wird für lange ausgeführte Aufträge, deren Compute ausgeführt wurde, wird job_run_id
nicht aufgefüllt, bevor Azure Databricks mit der Erfassung der job_run_id
Metadaten begonnen hat. Starten Sie die Berechnung des Auftrags neu, um mit der Aufzeichnung des job_run_id
Auftrags zu beginnen.
Suchen eines Auftrags oder Notebooks auf der Benutzeroberfläche mithilfe der job_id oder notebook_id
In diesen Anweisungen wird erläutert, wie Sie einen bestimmten Auftrag oder ein Notebook auf der Benutzeroberfläche basierend auf ihrer ID abrufen.
So suchen Sie einen Auftrag auf der Benutzeroberfläche basierend auf deren job_id
:
- Kopieren Sie den
job_id
aus dem Verwendungsdatensatz. Gehen Sie in diesem Beispiel davon aus, dass die ID700809544510906
ist. - Navigieren Sie zur Workflow-Benutzeroberfläche im gleichen Azure Databricks-Arbeitsbereich wie der Auftrag.
- Stellen Sie sicher, dass das Filter Nur Aufträge, die mir gehören deaktiviert ist.
- Fügen Sie die ID (700809544510906) in die Suchleiste für Filteraufträge ein.
Verwenden Sie die folgenden Anweisungen, um ein Notizbuch auf der Benutzeroberfläche basierend auf dem notebook_id
zu finden:
- Kopieren Sie den
notebook_id
Aus dem Verwendungsdatensatz. Gehen Sie in diesem Beispiel davon aus, dass die ID700809544510906
ist. - Navigieren Sie zur Arbeitsbereichsbenutzeroberfläche im gleichen Azure Databricks-Arbeitsbereich wie das Notebook.
- klicken Sie auf ein beliebiges Notebook, das angezeigt wird.
- Nachdem Sie das Notebook geöffnet haben, überprüfen Sie die URL in der Adressleiste des Browsers. Er sollte wie folgt aussehen:
https://<account-console-url>/?o=<workspace ID>#notebook/<notebook ID>/command/<command ID>
. - Ersetzen Sie in der Adressleiste des Browsers die Notebook-ID durch die ID, die Sie im ersten Schritt kopiert haben, und löschen Sie dann alles nach der Notebook-ID. Er sollte wie folgt aussehen:
https://<account-console-url>/?o=<workspace ID>#notebook/700809544510906
. - Nachdem Sie das Notebook abgerufen haben, können Sie auf die Schaltfläche "Freigeben " klicken, um den Besitzer des Notebooks anzuzeigen.
Analysieren von Identitätsmetadaten
In der identity_metadata
Spalte können Sie ermitteln, wer für einen serverlosen Abrechnungsdatensatz verantwortlich ist. Die Spalte enthält einen run_as
Wert, der die Verwendung einer Identität zuordnet. Die in identity_metadata.run_as
aufgezeichnete Identität hängt von dem Produkt ab, das der Verwendung zugeordnet ist.
Verweisen Sie auf die folgende Tabelle für das identity_metadata.run_as
Verhalten:
Workloadtyp | Identität von run_as |
---|---|
Serverlose Berechnung für Workflows | Der in der Ausführung als Einstellung definierte Benutzer- oder Dienstprinzipal. Standardmäßig werden Aufträge als Identität des Auftragsbesitzers ausgeführt, Administratoren können dies jedoch als einen anderen Benutzer oder Dienstprinzipal ändern. |
Serverlose Berechnung für Notebooks | Der Benutzer, der die Notebookbefehle ausgeführt hat (insbesondere der Benutzer, der die Notebooksitzung erstellt hat). Bei freigegebenen Notebooks umfasst dies die Verwendung anderer Benutzer, die dieselbe Notebooksitzung nutzen. |
Anzeigen von Informationen zum Produkt, das einem Verbrauch zugeordnet ist
Einige Databricks-Produkte werden unter einer gemeinsamen SKU in Rechnung gestellt. Um einen Verbrauch zu unterscheiden, bieten die Spalten billing_origin_product
und product_features
zusätzliche Erkenntnisse zum jeweiligen und den Features, die dem Verbrauch zugeordnet sind.
Die Spalte billing_origin_product
enthält das Databricks-Produkt an, das dem Verbrauchsdatensatz zugeordnet ist. Hierzu gehören folgende Werte:
JOBS
DLT
SQL
ALL_PURPOSE
MODEL_SERVING
INTERACTIVE
MANAGED_STORAGE
VECTOR_SEARCH
LAKEHOUSE_MONITORING
PREDICTIVE_OPTIMIZATION
ONLINE_TABLES
Die Spalte product_features
ist ein Objekt, das Informationen zu den verwendeten Produktfeatures und die folgenden Schlüssel-Wert-Paare enthält:
jobs_tier
: zu den Werten gehörenLIGHT
,CLASSIC
odernull
sql_tier
: zu den Werten gehörenCLASSIC
,PRO
odernull
dlt_tier
: zu den Werten gehörenCORE
,PRO
,ADVANCED
odernull
is_serverless
: zu den Werten gehörentrue
oderfalse
odernull
is_photon
: zu den Werten gehörentrue
oderfalse
odernull
serving_type
: zu den Werten gehörenMODEL
,GPU_MODEL
,FOUNDATION_MODEL
,FEATURE
odernull
Benutzung von serverlosem Compute
Strategien zur Analyse der serverlosen Nutzung finden Sie unter Überwachen der Kosten für serverloses Berechnen.
Beispielabfragen
Sie können die folgenden Beispielabfragen verwenden, um häufig gestellte Fragen zum abrechenbaren Verbrauch zu beantworten:
- Wie sieht der tägliche Trend im DBU-Verbrauch aus?
- Wie viele DBUs jeder SKU wurden in diesem Monat verwendet?
- Wie viel von jeder SKU hat ein Arbeitsbereich am 1. Juni verbraucht?
- Welche Aufträge verbrauchten die meisten DBUs?
- Wie viel Verbrauch kann Ressourcen mit einem bestimmten Tag zugeordnet werden?
- Die SKUs anzeigen, bei denen der Verbrauch zunimmt
- Wie ist der Verbrauchstrend von All Purpose Compute (Photon)?
- Was ist der DBU-Verbrauch einer materialisierten Ansichts- oder Streamingtabelle?
Wie sieht der tägliche Trend beim DBU-Verbrauch aus?
SELECT usage_date as `Date`, sum(usage_quantity) as `DBUs Consumed`
FROM system.billing.usage
WHERE sku_name = "STANDARD_ALL_PURPOSE_COMPUTE"
GROUP BY usage_date
ORDER BY usage_date ASC
Wie viele DBUs jeder SKU wurden in diesem Monat verbraucht?
SELECT sku_name, usage_date, sum(usage_quantity) as `DBUs`
FROM system.billing.usage
WHERE
month(usage_date) = month(NOW())
AND year(usage_date) = year(NOW())
GROUP BY sku_name, usage_date
Wie viel von jeder SKU hat ein Arbeitsbereich am 1. Juni verbraucht?
Stellen Sie sicher, dass Sie workspace_id
durch Ihre tatsächliche Arbeitsbereichs-ID ersetzen.
SELECT sku_name, sum(usage_quantity) as `DBUs consumed`
FROM system.billing.usage
WHERE workspace_id = 1234567890123456
AND usage_date = "2023-06-01"
GROUP BY sku_name
Hinweis
Diese Abfrage gibt eine Zeile pro eindeutiger SKU-ID zurück, die im Arbeitsbereich an dem gewählten Datum verwendet wird.
Welche Aufträge verbrauchten die meisten DBUs?
SELECT usage_metadata.job_id as `Job ID`, sum(usage_quantity) as `DBUs`
FROM system.billing.usage
WHERE usage_metadata.job_id IS NOT NULL
GROUP BY `Job ID`
ORDER BY `DBUs` DESC
Wie viel Verbrauch kann Ressourcen mit einem spezifischen Tag zugeordnet werden?
Sie können die Kosten auf verschiedene Weise aufschlüsseln. In diesem Beispiel wird gezeigt, wie Sie die Kosten nach einem benutzerdefinierten Tag aufschlüsseln können. Vergessen Sie nicht, den Schlüssel und Wert des benutzerdefinierten Tags in der Abfrage zu ersetzen.
SELECT sku_name, usage_unit, SUM(usage_quantity) as `DBUs consumed`
FROM system.billing.usage
WHERE custom_tags.{{key}} = "{{value}}"
GROUP BY 1, 2
Die SKUs anzeigen, bei denen der Verbrauch zunimmt
SELECT after.sku_name, before_dbus, after_dbus, ((after_dbus - before_dbus)/before_dbus * 100) AS growth_rate
FROM
(SELECT sku_name, sum(usage_quantity) as before_dbus
FROM system.billing.usage
WHERE usage_date BETWEEN "2023-04-01" and "2023-04-30"
GROUP BY sku_name) as before
JOIN
(SELECT sku_name, sum(usage_quantity) as after_dbus
FROM system.billing.usage
WHERE usage_date BETWEEN "2023-05-01" and "2023-05-30"
GROUP BY sku_name) as after
where before.sku_name = after.sku_name
SORT by growth_rate DESC
Wie ist der Verbrauchstrend von All Purpose Compute (Photon)?
SELECT sku_name, usage_date, sum(usage_quantity) as `DBUs consumed`
FROM system.billing.usage
WHERE year(usage_date) = year(CURRENT_DATE)
AND sku_name = "ENTERPRISE_ALL_PURPOSE_COMPUTE_(PHOTON)"
AND usage_date > "2023-04-15"
GROUP BY sku_name, usage_date
Was ist der DBU-Verbrauch einer materialisierten Ansichts- oder Streamingtabelle?
Um die DBU-Verwendung und SKU für eine bestimmte materialisierte Ansicht oder Streamingtabelle zu ermitteln, benötigen Sie die zugeordnete Pipeline-ID (dlt_pipeline_id
). Suchen Sie die Pipeline-ID auf der Registerkarte Details beim Anzeigen der relevanten materialisierten Ansicht oder Streamingtabelle im Katalog-Explorer.
SELECT
sku_name,
usage_date,
SUM(usage_quantity) AS `DBUs`
FROM
system.billing.usage
WHERE
usage_metadata.dlt_pipeline_id = "113739b7-3f45-4a88-b6d9-e97051e773b9"
AND usage_start_time > "2023-05-30"
GROUP BY
ALL
Feedback
https://aka.ms/ContentUserFeedback.
Bald verfügbar: Im Laufe des Jahres 2024 werden wir GitHub-Issues stufenweise als Feedbackmechanismus für Inhalte abbauen und durch ein neues Feedbacksystem ersetzen. Weitere Informationen finden Sie unterFeedback senden und anzeigen für