Referenz zu Herkunftssystemtabellen
Wichtig
Dieses Feature befindet sich in der Public Preview.
Dieser Artikel bietet eine Übersicht über die Computesystemtabellen für den abrechenbaren Verbrauch, einschließlich des Schemas und Beispielabfragen. Es sind jetzt zwei Clustersystemtabellen verfügbar: clusters
und node_types
.
Clustertabellenschema
Die Clustertabelle ist eine sich langsam ändernde Dimensionstabelle, die den vollständigen Verlauf von Clusterkonfigurationen im Laufe der Zeit für Allzweck- und Auftragscluster enthält.
Die Clustersystemtabelle befindet sich in system.compute.clusters
und weist das folgende Schema auf:
Spaltenname | Datentyp | Beschreibung | Beispiel |
---|---|---|---|
account_id |
Zeichenfolge | ID des Kontos, auf dem dieser Cluster erstellt wurde. | 23e22ba4-87b9-4cc2-9770-d10b894b7118 |
workspace_id |
Zeichenfolge | ID des Arbeitsbereichs, in dem dieser Cluster erstellt wurde. | 1234567890123456 |
cluster_id |
Zeichenfolge | ID des Clusters, für den dieser Datensatz zugeordnet ist. | 0000-123456-xxxxxxxx |
cluster_name |
Zeichenfolge | Benutzerdefinierter Name für den Cluster. | My cluster |
owned_by |
Zeichenfolge | Benutzername des Clusterbesitzers. Standardmäßig der Clusterersteller, kann aber über die Cluster-API geändert werden. | sample_user@email.com |
create_time |
Zeitstempel | Zeitstempel der Änderung an dieser Berechnungsdefinition. | 2023-01-09 11:00:00.000 |
delete_time |
Zeitstempel | Zeitstempel des Zeitpunkts, zu dem der Cluster gelöscht wurde. Der Wert ist null , wenn der Cluster nicht gelöscht wird. |
2023-01-09 11:00:00.000 |
driver_node_type |
Zeichenfolge | Name des Treiberknotentyps. Dies entspricht dem Namen des Instanztyps vom Cloudanbieter. | Standard_D16s_v3 |
worker_node_type |
Zeichenfolge | Name des Arbeitsknotentyps. Dies entspricht dem Namen des Instanztyps vom Cloudanbieter. | Standard_D16s_v3 |
worker_count |
BIGINT | Anz. von Workern. Nur für Cluster mit fester Größe definiert. | 4 |
min_autoscale_workers |
BIGINT | Die festgelegte Mindestanzahl von Workern. Dieses Feld ist nur für automatische Skalierungscluster gültig. | 1 |
max_autoscale_workers |
BIGINT | Die maximale Anzahl der Worker. Dieses Feld ist nur für automatische Skalierungscluster gültig. | 1 |
auto_termination_minutes |
BIGINT | Die konfigurierte Autoterminierungsdauer. | 120 |
enable_elastic_disk |
boolean | Status der automatischen Skalierung der Datenträgeraktivierung. | true |
tags |
map | Benutzerdefinierte Tags für den Cluster (umfasst keine Standardtags). | {"ResourceClass":"SingleNode"} |
cluster_source |
Zeichenfolge | Gibt den Ersteller für den Cluster an: UI , API , DLT , JOB usw. |
UI |
init_scripts |
array | Satz von Pfaden für Init-Skripts. | "/Users/example@email.com/files/scripts/install-python-pacakges.sh" |
aws_attributes |
struct | AWS-spezifische Einstellungen. | null |
azure_attributes |
struct | Azure-spezifische Einstellungen. | { "first_on_demand": "0", "availability": "ON_DEMAND_AZURE", "spot_bid_max_price": "—1" } |
gcp_attributes |
struct | GCP-spezifische Einstellungen. Dieses Feld bleibt leer. | null |
driver_instance_pool_id |
Zeichenfolge | Instanzpool-ID, wenn der Treiber über einem Instanzpool konfiguriert ist. | 1107-555555-crhod16-pool-DIdnjazB |
worker_instance_pool_id |
Zeichenfolge | Instanzpool-ID, wenn der Worker über einem Instanzpool konfiguriert ist. | 1107-555555-crhod16-pool-DIdnjazB |
dbr_version |
Zeichenfolge | Die Databricks-Laufzeit des Clusters. | 14.x-snapshot-scala2.12 |
change_time |
Zeitstempel | Zeitstempel der Änderung an der Computedefinition. | 2023-01-09 11:00:00.000 |
change_date |
date | Datum ändern. Wird für die Aufbewahrung verwendet. | 2023-01-09 |
Knotentypen-Tabellenschema
Die Knotentyp-Tabelle erfasst die derzeit verfügbaren Knotentypen mit ihren grundlegenden Hardwareinformationen. Die Knotentyp-Systemtabelle befindet sich in system.compute.node_types
und weist das folgende Schema auf:
Spaltenname | Datentyp | Beschreibung | Beispiel |
---|---|---|---|
account_id |
Zeichenfolge | ID des Kontos, auf dem dieser Cluster erstellt wurde. | 23e22ba4-87b9-4cc2-9770-d10b894b7118 |
node_type_name |
Zeichenfolge | Eindeutige ID für diesen Knotentyp. | Standard_D16s_v3 |
core_count |
double | Anzahl der vCPUs für die Instanz. | 48.0 |
memory_mb |
lang | Gesamtspeicher für die Instanz. | 393216 |
gpu_count |
lang | Anzahl der GPUs für die Instanz. | 0 |
Bekannte Einschränkungen
- Cluster, die vor dem 23. Oktober 2023 als gelöscht markiert wurden, werden nicht in der Clustertabelle angezeigt. Dies kann zu Verknüpfungen aus der
system.billing.usage
-Tabelle führen, die keine Clusterdatensätze in der Clustertabelle enthalten. Alle aktiven Cluster wurden wieder ausgefüllt. - Die Clustertabelle enthält nur Datensätze für Allzweck- und Auftragscluster. Sie enthält keine Delta Live Tables-Cluster oder SQL-Warehouses.
Beispielabfragen
Sie können die folgenden Beispielabfragen verwenden, um häufig gestellte Fragen zu SKU-Preisen zu beantworten:
- Verbinden von Clusterdatensätzen mit abrechenbaren Verwendungsdatensätzen
- Attributkosten für einen Cluster an den Clusterbesitzer
Hinweis
In diesen Beispielen wird die Clustertabelle mit der system.billing.usage
-Tabelle verknüpft. Da Abrechnungsdatensätze regionsübergreifend und Clusterdatensätze regionsspezifisch sind, stimmen Abrechnungsdatensätze nur mit Clusterdatensätzen für die Region überein, in der Sie abfragen. Um Datensätze aus einer anderen Region anzuzeigen, führen Sie die Abfrage bitte in dieser Region aus.
Verbinden von Clusterdatensätzen mit den neuesten Abrechnungsdatensätzen
Diese Abfrage kann Ihnen helfen, die Ausgaben im Laufe der Zeit zu verstehen. Nachdem Sie den usage_start_time
auf den aktuellen Abrechnungszeitraum aktualisiert haben, erfasst er die neuesten Aktualisierungen der Abrechnungsdaten, um die Clusterdaten zu verknüpfen.
Jeder Datensatz wird während dieser bestimmten Ausführung dem Clusterbesitzer zugeordnet. Wenn sich der Clusterbesitzer ändert, werden die Kosten also basierend auf dem Zeitpunkt der Verwendung des Clusters auf den richtigen Besitzer angewendet.
SELECT
u.record_id,
c.cluster_id,
c.owned_by,
c.change_time,
u.usage_start_time,
u.usage_quantity
FROM
system.billing.usage u
JOIN system.compute.clusters c
JOIN (SELECT u.record_id, c.cluster_id, max(c.change_time) change_time
FROM system.billing.usage u
JOIN system.compute.clusters c
WHERE
u.usage_metadata.cluster_id is not null
and u.usage_start_time >= '2023-01-01'
and u.usage_metadata.cluster_id = c.cluster_id
and date_trunc('HOUR', c.change_time) <= date_trunc('HOUR', u.usage_start_time)
GROUP BY all) config
WHERE
u.usage_metadata.cluster_id is not null
and u.usage_start_time >= '2023-01-01'
and u.usage_metadata.cluster_id = c.cluster_id
and u.record_id = config.record_id
and c.cluster_id = config.cluster_id
and c.change_time = config.change_time
ORDER BY cluster_id, usage_start_time desc;
Attributkosten für einen Cluster an den Clusterbesitzer
Wenn Sie die Berechnungskosten reduzieren möchten, können Sie diese Abfrage verwenden, um herauszufinden, welche Clusterbesitzer in Ihrem Konto die meisten DBUs verwenden.
SELECT
u.record_id record_id,
c.cluster_id cluster_id,
max_by(c.owned_by, c.change_time) owned_by,
max(c.change_time) change_time,
any_value(u.usage_start_time) usage_start_time,
any_value(u.usage_quantity) usage_quantity
FROM
system.billing.usage u
JOIN system.compute.clusters c
WHERE
u.usage_metadata.cluster_id is not null
and u.usage_start_time >= '2023-01-01'
and u.usage_metadata.cluster_id = c.cluster_id
and c.change_time <= u.usage_start_time
GROUP BY 1, 2
ORDER BY cluster_id, usage_start_time desc;
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