Igény szerinti számlázás a Sparkhoz a Microsoft Fabricben

A Spark használatalapú számlázása egy használat szerinti számlázási modell az Apache Spark-munkaterhelésekhez a Microsoft Fabricben. Ha engedélyezed, a Spark feladatok már nem fogyasztanak számítást a Fabric kapacitásodból. Ehelyett a munkák dedikált szerver nélküli erőforrásokat használnak, amelyeket önállóan számlázol.

Ez a modell kiegészíti a standard kapacitásmodellt, így számítási feladatonként kiválaszthatja a legjobb lehetőséget.

Válasszon igény szerinti számlázás és kapacitásmodell között

Tulajdonság	Kapacitásmodell	Igény szerinti számlázás a Spark számára
Számlázás	Rögzített költség kapacitásszintenként	Használatalapú fizetés Spark-feladatok esetén
Méretezés	A kapacitás megosztása számítási feladatok között	A Spark önállóan skálázódik.
Erőforrás-versengés	Lehetséges a számítási feladatok közötti átmenetben	Dedikált számítási korlátok a Sparkhoz
Legjobb használati eset	Kiszámítható számítási feladatok	Dinamikus vagy szakaszosan futó Spark-feladatok

Mindkét modellt kombinálhatja a költségek és a teljesítmény kiegyensúlyozásához. Például futtasson stabil, ismétlődő munkaterheléseket lekötött kapacitáson, az időszakosan megugró vagy ad hoc Spark-munkaterheléseket pedig helyezze át igény szerinti díjszabásra.

Fő előnyök

• Költséghatékonyság: Csak a Spark-feladat futtatókörnyezetéért kell fizetnie.
• Független skálázás: A Spark-számítási feladatok más kapacitásalapú műveletek befolyásolása nélkül futnak.
• Enterprise-ready: Integrálható Azure Kvótakezeléssel a rugalmas skálázás érdekében.

Hogyan működik az igény szerinti számlázás

Amikor engedélyezed az igény szerinti számlázást:

• A Spark feladatok át vannak irányítva a Fabric-kapacitásból, és nem használnak CU-t ezen kapacitásból.
• Beállíthat egy maximális CU-korlátot a Spark-számítási feladatokhoz (kvótaszerű korlát).
• A számlázás a Spark használati arányán (0.5 CU hour) alapul, és csak az aktív feladatok kiszámítására vonatkozik.
• A CU-korlát elérésekor az interaktív feladatok korlátozva lesznek, és a batch feladatok várólistára kerülnek.
• A Spark használata és költsége külön jelenik meg a Microsoft Fabric Capacity Metrics alkalmazásban és az Azure Cost Analysisban.

Fontos

Az igény szerinti díjszabás kapacitásonként külön engedélyezhető, és nem lép ki a Fabric-kapacitásból, illetve nem tér vissza arra. Ez egy különálló, szerver nélküli fizetős modell.

Feladat egyidejűsége és sorba állítási viselkedése

Amikor igény szerinti számlázást engedélyezünk, a Fabric kapacitásadmin által konfigurált maximális kapacitásegység (CU) korlátja szabályozza a Spark egyidejű működését. A standard kapacitással ellentétben az igény szerinti számlázás nem használ burstinget vagy simítást.

• Az interaktív Spark-feladatok (például a Lakehouse-műveletek, a táblák előnézete, a Töltés táblába vagy az interaktív jegyzetfüzet-lekérdezések) korlátozva vannak, ha a rendelkezésre álló számítási egységek teljesen kihasználtak.
• Háttérben futó Spark-feladatok (amelyeket folyamatok, az ütemező, API-végrehajtások, Spark-feladatdefiníciók vagy táblakarbantartás indít el) várólistára kerülnek.

Az üzenetsor mérete a CU-korláthoz van kötve.

Megjegyzés:

Ha a CU maximális korlátja 2048, a Spark-üzenetsor legfeljebb 2048 feladatot tartalmazhat.

Ez a viselkedés kiszámítható és szabályozható marad, miközben támogatja a nagy mennyiségű Spark-számítási feladatokat.

További kvóták kérése

Ha az adatelemzési vagy adatelemzési számítási feladatok a jelenlegi maximális CU-korlátnál magasabb kvótát igényelnek, kérje a Azure kvóták növelését:

1. Lépjen a Azure portálra és jelentkezzen be.
2. Írja be a keresősávba a Azure Kvóták elemet.
3. Válassza a Microsoft Fabric lehetőséget az elérhető szolgáltatások listájából.
4. Válassza ki a Fabric kapacitáshoz rendelt előfizetést.
5. Módosítsa a kvótakorlátot az új, megszerzendő CU-korlát megadásával.
6. Küldje el a kvótakérelmet.

A jóváhagyást követően a rendszer a frissített CU-korlátot alkalmazza a Fabric-kapacitásra.

Kapcsolódó tartalom

• Konfiguráld igény szerinti számlázást a Spark számára