Mi a számítási feladatok kezelése?

Tip

Microsoft Fabric Data Warehouse egy nagyvállalati szintű relációs raktár egy Data Lake-alaprendszeren, jövőre kész architektúrával, beépített AI-vel és új funkciókkal. Ha még nem ismerkedik adattárházzal, kezdje a Fabric Data Warehouse. A meglévő dedikált SQL-készlet számítási feladatai frissíthetők Fabric az adatelemzés, a valós idejű elemzés és a jelentéskészítés új képességeinek eléréséhez.

A vegyes számítási feladatok futtatása erőforrás-kihívásokat jelenthet az elfoglalt rendszereken. A megoldástervezők igyekeznek elkülöníteni a klasszikus adattárház-tevékenységeket (például adatok betöltését, átalakítását és lekérdezését), hogy elegendő erőforrás álljon rendelkezésre az SLA-k eléréséhez.

A fizikai kiszolgálók elkülönítése olyan infrastruktúra-zsebekhez vezethet, amelyek kihasználatlanok, túlfoglaltak vagy olyan állapotban vannak, ahol a gyorsítótárak folyamatosan hardverindítással és leállítással vannak elindítva. A sikeres számítási feladatok kezelési sémája hatékonyan kezeli az erőforrásokat, biztosítja a rendkívül hatékony erőforrás-kihasználtságot, és maximalizálja a befektetés megtérülését (ROI).

Az adattárház számítási feladatai az adattárházhoz kapcsolódó összes műveletre vonatkoznak. Ezeknek az összetevőknek a mélysége és szélessége az adattárház fejlettségi szintjétől függ. Az adattárház számítási feladatai a következőkre terjednek ki:

  • Az adatok raktárba való betöltésének teljes folyamata
  • Adatraktár-elemzés és jelentéskészítés végrehajtása
  • Adatok kezelése az adattárházban
  • Adatok exportálása az adattárházból

Az adattárház teljesítménykapacitását az adattárházegységek határozzák meg.

Munkaterhelés-kezelési koncepciók

Korábban az Azure Synapse-beli Synapse SQL esetében erőforrásosztályokkal felügyelte a lekérdezési teljesítményt. Az erőforrásosztályok engedélyezik, hogy a memóriát szerepkör-tagság alapján osszák ki egy lekérdezéshez. Az erőforrásosztályokkal az az elsődleges kihívás, hogy a konfigurálás után nem volt irányítás vagy képesség a számítási feladatok vezérlésére.

Ha például ad hoc felhasználói szerepkör-tagságot ad a smallrc-nek, az lehetővé tette, hogy a felhasználó 100% memóriát használjon fel a rendszeren. Erőforrásosztályokkal nem lehet lefoglalni és biztosítani az erőforrások rendelkezésre állását a kritikus számítási feladatokhoz.

A dedikált SQL-készlet számítási feladatainak kezelése az Azure Synapse-ban három magas szintű fogalomból áll: a számítási feladatok besorolása, a számítási feladatok fontossága és a számítási feladatok elkülönítése. Ezekkel a képességekkel jobban szabályozhatja, hogy a számítási feladat hogyan használja a rendszererőforrásokat.

A számítási feladatok besorolása a kérelem számítási feladatcsoporthoz való hozzárendelésének és a fontossági szintek beállításának a fogalma. Ez a feladat korábban szerepkör-tagságon keresztül történt sp_addrolemember használatával. Ez a művelet most már elvégezhető a CREATE WORKLOAD CLASSIFIER használatával. A besorolási képesség több lehetőséget kínál, például a címkéket, a munkameneteket és a kérelmek osztályozásának idejét.

A számítási feladatok fontossága befolyásolja, hogy a kérések milyen sorrendben férnek hozzá az erőforrásokhoz. Egy forgalmas rendszerben a nagyobb jelentőséggel bíró kérések elsőként férnek hozzá az erőforrásokhoz. A prioritás biztosíthatja a reteszek rendezett elérését is.

A számítási feladatok elkülönítése erőforrásokat foglal le egy számítási feladatcsoporthoz. A számítási feladatok csoportjában fenntartott erőforrások kizárólag az adott számítási feladatcsoport számára vannak tárolva a végrehajtás biztosítása érdekében. A számítási feladatok csoportjai lehetővé teszik a kérésenként hozzárendelt erőforrások mennyiségének meghatározását is, hasonlóan az erőforrásosztályokhoz. A számítási feladatok csoportjai lehetővé teszik, hogy lefoglalja vagy lekorlátozza a kérések által igénybe vehet erőforrások mennyiségét. Végül a számítási feladatok csoportjai olyan mechanizmust jelentenek, amely szabályokat, például lekérdezési időtúllépést alkalmaz a kérelmekre.

Következő lépések