Remarque
L’accès à cette page requiert une autorisation. Vous pouvez essayer de vous connecter ou de modifier des répertoires.
L’accès à cette page requiert une autorisation. Vous pouvez essayer de modifier des répertoires.
S'applique à :✅ point de terminaison d'analytique SQL et entrepôt dans Microsoft Fabric
Fabric Data Warehouse utilise un modèle basé sur la consommation qui mesure les ressources de calcul allouées aux charges de travail d’entrepôt au fil du temps.
Cet article explique comment la consommation d’entrepôt est mesurée et comment la facturation est calculée. Pour plus d’informations sur le suivi de l’utilisation, voir Comment : Observer Fabric Data Warehouse tendances d’utilisation.
Comment la consommation d’entrepôt est mesurée
Dans le modèle SaaS basé sur la capacité, la consommation de Fabric Data Warehouse est mesurée en fonction des ressources de calcul allouées pour soutenir l’activité de charge de travail.
Fabric alloue des ressources de calcul à la charge de travail lors des activités de lecture et d’écriture sur un entrepôt, ainsi que des activités de lecture sur le point de terminaison d’analytique SQL d’un lakehouse.
Fabric Data Warehouse mesure la consommation à l’aide de vNodes (nœuds virtuels). Un vNode est un ensemble de quatre vCore et sert d’unité d’allocation des ressources et de mesure de la consommation. Pour des informations sur le taux de consommation de CU associé aux ressources de calcul des entrepôts, voir Fabric Operations. À mesure que la demande de charge de travail évolue, Fabric alloue et libère dynamiquement les vNodes.
Les ressources de calcul sont allouées à l’aide d’une fenêtre d’allocation de référence d’une minute. La consommation est ensuite mesurée et rapportée par seconde en fonction du nombre de vNodes alloués. À mesure que la demande de charge de travail augmente ou diminue, les allocations vNode s’ajustent en conséquence.
Comprendre le modèle de facturation
Conceptuellement, on peut comprendre la consommation d’entrepôt comme : Consommation = vNodes actifs × Temps actif.
Ce modèle simplifié aide à expliquer le comportement de consommation. Les rapports réels reflètent les ressources de calcul allouées au fil du temps entre les opérations d’entrepôt.
Warehouse scale automatiquement les ressources de calcul en réponse à la demande de charge de travail. Le SKU de capacité Fabric détermine les ressources vNode burstables disponibles pour les charges de travail d’entrepôt.
Catégories d’opérations d’entrepôt
Vous pouvez analyser l’utilisation de la capacité de calcul universelle par catégorie de charge de travail, dans l’ensemble du locataire. Fabric suit l’utilisation par le nombre total d’unités de seconde (CU). Le tableau affiché montre l’utilisation agrégée au cours des 14 derniers jours.
Le Warehouse et le point d’accès SQL Analytics sont tous deux intégrés sous Warehouse dans l’application Metrics, car ils utilisent tous deux le calcul SQL. Les catégories d’opérations que vous voyez dans cette vue sont :
- Requête d’entrepôt : Calculer la charge pour toutes les instructions T-SQL générées par l’utilisateur et le système au sein d’un entrepôt.
- Requête SQL Endpoint : Calculer la charge pour toutes les instructions T-SQL générées par l’utilisateur et par le système au sein d’un point de terminaison SQL analytics.
- Requête instantanée d’entrepôt : calculer la charge pour toutes les instructions T-SQL générées par l’utilisateur et le système sur un instantané d’entrepôt.
Par exemple :
Graphique d’exploration du point de temps
Ce graphique de l’application Métriques de capacité Microsoft Fabric montre l’utilisation des ressources par rapport à la capacité achetée. 100 % de l’utilisation représente le débit complet d’une référence SKU de capacité et est partagé par toutes les charges de travail Fabric. Cette valeur est représentée par la ligne pointillée jaune. Sélectionner un point temporel spécifique dans le graphique permet de faire fonctionner le bouton Explorer - Détail du point temporel , qui ouvre une page de démarche détaillée.
En général, comme Power BI, operations sont classées comme interactives ou en arrière-plan et indiquées par couleur. La plupart des opérations de la catégorie Entrepôt sont rapportées en arrière-plan afin de profiter d’un lissage 24 heures sur 24 pour permettre des usages les plus flexibles. Classer l’entrepôt de données en tâche de fond réduit la fréquence des pics d’utilisation des unités de calcul (CU) qui déclenchent une restriction.
Graphique de forage à points temporels
La table de drill-through des points temporels dans l’application Microsoft Fabric Capacity Metrics offre une vue détaillée de l’utilisation à des moments précis. Il montre la capacité que le SKU donné offre pour chaque période de 30 secondes, ainsi qu’une ventilation des opérations interactives et en arrière-plan. La table des opérations interactives liste les opérations qui s’exécutent à ce moment.
La table des opérations en arrière-plan peut sembler afficher des opérations exécutées bien avant le moment sélectionné. Cette divergence survient parce que les opérations en arrière-plan dans une capacité partagée (SKU F) subissent un lissage 24 heures sur 24. Par exemple, la table affiche toutes les opérations qui ont été exécutées et qui sont encore en lissage au moment choisi.
Les principaux cas d’usage de cette vue sont les suivants :
Déterminez si la consommation est générée par des charges de travail initiées par l’utilisateur ou par le système.
- Des exemples de charges de travail initiées par l’utilisateur incluent l’exécution de requêtes T-SQL ou l’interaction avec le portail Fabric, comme l’utilisation du SQL Éditeur de requête ou du Visual Éditeur de requête.
- Des exemples de charges de travail initiées par le système incluent la compactation des données et d’autres tâches en arrière-plan qui s’exécutent automatiquement pour optimiser les performances et améliorer l’exécution des requêtes.
Identifiez les périodes qui ont consommé le plus de ressources.
- Triez le tableau par CU(s) total(s) dans l’ordre décroissant pour identifier les périodes les plus coûteuses. Capturez les horodatages de début et de fin correspondants.
- Pour identifier les requêtes qui ont été exécutées pendant l’intervalle sélectionné, utilisez les requêtes T-SQL sur les vues Query Insights, en particulier les requêtes insights.exec_requests_history. Par exemple, pour identifier les requêtes qui s’exécutaient à un intervalle précis :
DECLARE @Start_Time DATETIME2(0) = '2026-08-10 8:00:00' ,@End_Time DATETIME2(0) = '2026-08-10 9:00:00' SELECT [database_name], sql_pool_name, distributed_statement_id, login_name, allocated_cpu_time_ms / 1000.0 AS vcore_seconds FROM queryinsights.exec_requests_history WHERE start_time < @End_Time AND end_time > @Start_Time;
Surveiller la consommation de l’entrepôt
Vous pouvez analyser la consommation d’entrepôt en utilisant à la fois l’application Fabric Capacity Metrics et Query Insights. Ces outils répondent à des questions différentes mais complémentaires.
Application Métriques de capacité de Fabric
Utilisez les métriques de capacité pour comprendre :
- Tendances de consommation dans les entrepôts.
- Périodes d’utilisation élevée.
- Consommation à travers les espaces de travail et les articles.
- Consommation relative à d’autres charges de travail Fabric sur la même capacité.
- Des fenêtres temporelles qui pourraient nécessiter une enquête.
Les indicateurs de capacité sont l’outil principal permettant de déterminer quand la consommation a eu lieu et quelle quantité de consommation a été déclarée durant une période donnée.
Analyses des requêtes
Utilisez Query Insights pour comprendre :
- Quelles requêtes étaient actives pendant les périodes de consommation.
- Quels schémas d’utilisation étaient associés à l’activité.
- Caractéristiques d’exécution des requêtes qui pourraient expliquer une utilisation accrue.
- Opportunités potentielles d’optimisation de la charge de travail.
Query Insights aide à expliquer ce qui fonctionnait tandis que Capacity Metrics permet d’identifier quand la consommation a eu lieu. Ensemble, ils offrent une image plus complète de l’utilisation des entrepôts.
Considérations
Tenez compte des nuances de rapports d’utilisation suivantes :
- Rapportage interbases de données : lorsqu'une requête T-SQL fait des jointures entre plusieurs entrepôts (ou entre un entrepôt et un point de terminaison analytique SQL), l'utilisation est attribuée à la ressource d'origine.
- Les requêtes sur les vues de catalogue système et les vues de gestion dynamique sont des requêtes facturables.
Étudiez la consommation inattendue
Pour enquêter sur une période de consommation inattendue d’entrepôt :
- Identifiez la fenêtre temporelle dans les métriques de capacité.
- Examinez l’utilisation de l’entrepôt pendant cette période.
- Utilisez des requêtes T-SQL sur Query Insights et les vues de gestion dynamique d’entrepôt (DMV) pour évaluer l’activité associée.
- Déterminer si l’utilisation était liée aux charges de travail utilisateurs, à la concurrence ou aux opérations générées par le système.
- Identifiez des opportunités pour optimiser les schémas de charge de travail ou interroger la performance.
- Considérez des fonctionnalités comme la gestion de la charge de travail d’entrepôt et le clustering de données.
- Consultez les directives de performance dans Fabric Data Warehouse.
Questions fréquemment posées
Qu’est-ce qu’un vNode ?
Un nœud virtuel (vNode) est l’unité de calcul en entrepôt utilisée pour l’allocation des ressources et la mesure de la consommation.
L’activité en arrière-plan consomme-t-elle de la capacité ?
Yes. La consommation peut inclure à la fois une activité générée par l’utilisateur et des opérations générées par le système, telles que les tâches de maintenance et d’optimisation.
Comment la concurrence affecte-t-elle la consommation ?
À mesure que la demande de charge de travail simultanée augmente, Fabric pourrait allouer des vNodes supplémentaires. Une allocation accrue peut entraîner une consommation plus élevée.
Où puis-je surveiller la consommation d’entrepôt ?
Utilisez l’application Fabric Capacity Metrics pour comprendre les tendances de consommation et d’utilisation. Utilisez Query Insights et les requêtes T-SQL sur les DMV pour analyser l’activité associée à ces périodes.