Operasi fabric
Setiap pengalaman dalam Microsoft Fabric mendukung operasi unik. Tingkat konsumsi operasi adalah apa yang mengonversi penggunaan metrik mentah pengalaman menjadi Unit Komputasi (CU).
Halaman komputasi aplikasi Microsoft Fabric Capacity Metrics memberikan gambaran umum tentang performa kapasitas Anda dan mencantumkan operasi Fabric yang menggunakan sumber daya komputasi.
Artikel ini mencantumkan operasi ini berdasarkan pengalaman, dan menjelaskan bagaimana mereka menggunakan sumber daya dalam Fabric.
Operasi interaktif dan latar belakang
Microsoft Fabric membagi operasi menjadi dua jenis, interaktif dan latar belakang. Artikel ini mencantumkan operasi ini dan menjelaskan perbedaannya.
Operasi interaktif
Permintaan dan operasi sesuai permintaan yang dapat dipicu oleh interaksi pengguna dengan UI, seperti kueri model data yang dihasilkan oleh visual laporan, diklasifikasikan sebagai operasi interaktif . Mereka biasanya dipicu oleh interaksi pengguna dengan UI. Misalnya, operasi interaktif dipicu saat pengguna membuka laporan atau mengklik pemotong dalam laporan Power BI. Operasi interaktif juga dapat dipicu tanpa berinteraksi dengan UI, misalnya saat menggunakan SQL Server Management Studio (SSMS) atau aplikasi kustom untuk menjalankan kueri DAX.
Operasi latar belakang
Operasi yang berjalan lebih lama seperti model semantik atau refresh aliran data diklasifikasikan sebagai operasi latar belakang . Mereka dapat dipicu secara manual oleh pengguna, atau secara otomatis tanpa interaksi pengguna. Operasi latar belakang mencakup refresh terjadwal, refresh interaktif, refresh berbasis REST, dan operasi refresh berbasis XMLA. Pengguna tidak diharapkan menunggu operasi ini selesai. Sebaliknya, mereka mungkin kembali nanti untuk memeriksa status operasi.
Cara membaca dokumen ini
Setiap pengalaman memiliki tabel yang mencantumkan operasinya, dengan kolom berikut:
Operasi – Nama operasi. Terlihat di aplikasi Metrik Kapasitas Microsoft Fabric.
Deskripsi – Deskripsi operasi.
Item – Item yang dapat diterapkan operasi ini. Terlihat di aplikasi Metrik Kapasitas Microsoft Fabric.
Pengukur penagihan Azure – Nama meter pada tagihan Azure Anda yang menunjukkan penggunaan untuk operasi ini.
Jenis – Mencantumkan jenis operasi. Operasi diklasifikasikan sebagai operasi interaktif atau latar belakang .
Ketika detail lebih lanjut mengenai tingkat konsumsi tersedia, tautan ke dokumen dengan informasi ini disediakan.
Operasi fabric berdasarkan pengalaman
Bagian ini dibagi menjadi pengalaman Fabric. Setiap pengalaman memiliki tabel yang mencantumkan operasinya.
Penting
Tarif konsumsi dapat berubah sewaktu-waktu. Microsoft akan menggunakan upaya yang wajar untuk memberikan pemberitahuan melalui email atau melalui pemberitahuan dalam produk. Perubahan akan berlaku pada tanggal yang dinyatakan dalam Catatan Rilis Microsoft atau blog Microsoft Fabric. Jika ada perubahan pada Tingkat Konsumsi Beban Kerja Microsoft Fabric secara material meningkatkan Unit Kapasitas (CU) yang diperlukan untuk menggunakan beban kerja tertentu, pelanggan mungkin menggunakan opsi pembatalan yang tersedia untuk metode pembayaran yang dipilih.
Copilot dalam Fabric
Copilot operasi tercantum dalam tabel ini. Anda dapat menemukan tingkat konsumsi untuk Copilot konsumsiCopilot.
| Operasi | Deskripsi | Item | Pengukur tagihan Azure | Jenis |
|---|---|---|---|---|
| Copilot dalam Fabric | Biaya komputasi yang terkait dengan perintah input dan penyelesaian output | Beberapa | Copilot dalam Fabric CU | Latar belakang |
Data Factory
Pengalaman Data Factory berisi operasi untuk Aliran Data Gen2 dan Alur.
Aliran Data Gen2
Anda dapat menemukan tarif konsumsi untuk Dataflows Gen2 dalam harga Dataflow Gen2 untuk Data Factory di Microsoft Fabric.
| Operasi | Deskripsi | Item | Pengukur tagihan Azure | Jenis |
|---|---|---|---|---|
| Refresh Aliran Data Gen2 | Biaya komputasi yang terkait dengan operasi refresh Aliran Data Gen2 | Aliran Data Gen2 | CU Penggunaan Kapasitas Komputasi Standar Aliran Data | Latar belakang |
| Komputasi Aliran Data Skala Tinggi - Kueri Titik Akhir SQL | Penggunaan yang terkait dengan titik akhir SQL gudang pementasan Gen2 aliran data | Gudang | CU Penggunaan Kapasitas Komputasi Aliran Data Skala Tinggi | Latar belakang |
Pipelines
Anda dapat menemukan tarif konsumsi untuk Alur dalam harga Alur data untuk Data Factory di Microsoft Fabric.
| Operasi | Deskripsi | Item | Pengukur tagihan Azure | Jenis |
|---|---|---|---|---|
| DataMovement | Jumlah waktu yang digunakan oleh aktivitas salin dalam alur Data Factory dibagi dengan jumlah unit integrasi data | Alur | CU Penggunaan Kapasitas Pergerakan Data | Latar belakang |
| ActivityRun | Eksekusi aktivitas alur data Data Factory | Alur | CU Penggunaan Kapasitas Orkestrasi Data | Latar belakang |
Gudang Data
Satu inti Gudang Data Synapse (unit komputasi untuk Gudang Data) setara dengan dua Unit Kapasitas Fabric (CUs).
| Operasi | Deskripsi | Item | Pengukur tagihan Azure | Jenis |
|---|---|---|---|---|
| Kueri Gudang | Biaya komputasi untuk semua pengguna yang dihasilkan dan pernyataan T-SQL yang dihasilkan sistem dalam Gudang | Gudang | CU Penggunaan Kapasitas Gudang Data | Latar belakang |
| Kueri Titik Akhir SQL | Biaya komputasi untuk semua pengguna yang dihasilkan dan pernyataan T-SQL yang dihasilkan sistem dalam titik akhir analitik SQL dari Lakehouse | Gudang | CU Penggunaan Kapasitas Gudang Data | Latar belakang |
Fabric API untuk GraphQL
Operasi GraphQL terdiri dari permintaan yang dilakukan pada API untuk item GraphQL oleh klien API. Setiap waktu pemrosesan operasi permintaan dan respons GraphQL dilaporkan dalam Unit Kapasitas (CUs) dalam hitungan detik dengan kecepatan sepuluh CUs per jam.
| Operasi | Deskripsi | Item | Pengukur tagihan Azure | Jenis |
|---|---|---|---|---|
| Kueri | Biaya komputasi untuk semua kueri GraphQL yang dihasilkan (baca) dan mutasi (tulis) oleh klien dalam API GraphQL | GraphQL | API untuk CU Penggunaan Kapasitas Kueri GraphQL | Interaktif |
OneLake
Operasi komputasi One Lake mewakili transaksi yang dilakukan pada item One Lake. Tingkat konsumsi untuk setiap operasi bervariasi tergantung pada jenisnya. Untuk detail selengkapnya, lihat Konsumsi One Lake.
| Operasi | Deskripsi | Item | Pengukur Penagihan Azure | Jenis |
|---|---|---|---|---|
| OneLake Read melalui Pengalihan | OneLake Read melalui Pengalihan | (Beberapa) | CU Penggunaan Kapasitas Operasi Baca OneLake | Latar belakang |
| OneLake Read melalui Proksi | OneLake Read melalui Proksi | (Beberapa) | Operasi Baca OneLake melalui CU Penggunaan Kapasitas API | Latar belakang |
| OneLake Write melalui Pengalihan | OneLake Write melalui Pengalihan | (Beberapa) | CU Penggunaan Kapasitas Operasi Tulis OneLake | Latar belakang |
| OneLake Write melalui Proksi | OneLake Write melalui Proksi | (Beberapa) | Operasi Penulisan OneLake melalui CU Penggunaan Kapasitas API | Latar belakang |
| OneLake Iterative Write melalui Pengalihan | OneLake Iterative Write melalui Pengalihan | (Beberapa) | Operasi Penulisan Berulang OneLake | Latar belakang |
| OneLake Iterative Read melalui Pengalihan | OneLake Iterative Read melalui Pengalihan | (Beberapa) | OneLake Iterative Read Operations Capacity Usage CU | Latar belakang |
| Operasi OneLake Lainnya | Operasi OneLake Lainnya | (Beberapa) | ONELake Lain Operasi Kapasitas Penggunaan CU | Latar belakang |
| Operasi OneLake Lainnya melalui Pengalihan | Operasi OneLake Lainnya melalui Pengalihan | (Beberapa) | Operasi OneLake Lainnya melalui CU Penggunaan Kapasitas API | Latar belakang |
| OneLake Iterative Write melalui Proksi | OneLake Iterative Write melalui Proksi | (Beberapa) | Operasi Penulisan Berulang OneLake melalui CU Penggunaan Kapasitas API | Latar belakang |
| OneLake Iterative Read melalui Proksi | OneLake Iterative Read melalui Proksi | (Beberapa) | Operasi Pembacaan Berulang OneLake melalui CU Penggunaan Kapasitas API | Latar belakang |
| OneLake BCDR Read via Proxy | OneLake BCDR Read via Proxy | (Beberapa) | Operasi Baca OneLake BCDR melalui CU Penggunaan Kapasitas API | Latar belakang |
| OneLake BCDR Write melalui Proksi | OneLake BCDR Write melalui Proksi | (Beberapa) | Operasi Tulis OneLake BCDR melalui CU Penggunaan Kapasitas API | Latar belakang |
| OneLake BCDR Read via Pengalihan | OneLake BCDR Read via Pengalihan | (Beberapa) | OneLake BCDR Membaca Operasi Kapasitas Penggunaan CU | Latar belakang |
| OneLake BCDR Write melalui Pengalihan | OneLake BCDR Write melalui Pengalihan | (Beberapa) | Cu Penggunaan Kapasitas Operasi Tulis OneLake BCDR | Latar belakang |
| OneLake BCDR Iterative Read melalui Proksi | OneLake BCDR Iterative Read melalui Proksi | (Beberapa) | Operasi Pembacaan Berulang OneLake BCDR melalui CU Penggunaan Kapasitas API | Latar belakang |
| OneLake BCDR Iterative Read melalui Pengalihan | OneLake BCDR Iterative Read melalui Pengalihan | (Beberapa) | OneLake BCDR Iterative Read Operations Kapasitas Penggunaan CU | Latar belakang |
| OneLake BCDR Iterative Write melalui Proksi | OneLake BCDR Iterative Write melalui Proksi | (Beberapa) | Operasi Penulisan Berulang OneLake BCDR melalui CU Penggunaan Kapasitas API | Latar belakang |
| OneLake BCDR Iterative Write melalui Pengalihan | OneLake BCDR Iterative Write melalui Pengalihan | (Beberapa) | OneLake BCDR Iterative Write Operations Kapasitas Penggunaan CU | Latar belakang |
| Operasi OneLake BCDR Lainnya | Operasi OneLake BCDR Lainnya | (Beberapa) | OneLake BCDR Operasi Lain Penggunaan Kapasitas CU | Latar belakang |
| OneLake BCDR Operasi Lain Melalui Pengalihan | OneLake BCDR Operasi Lain Melalui Pengalihan | (Beberapa) | Operasi Lain OneLake BCDR melalui CU Penggunaan Kapasitas API | Latar belakang |
Power BI
Penggunaan untuk setiap operasi dilaporkan dalam waktu pemrosesan CU dalam hitung detik. Delapan CUs setara dengan satu Power BI v-core.
Catatan
Istilah Model semantik menggantikan istilah himpunan data. Anda mungkin masih melihat istilah lama di UI sampai benar-benar diganti.
Saat ini kami tidak menagih untuk visual R/Py di Power BI.
| Operasi | Deskripsi | Item | Pengukur tagihan Azure | Jenis |
|---|---|---|---|---|
| Kecerdasan buatan (AI) | Evaluasi fungsi AI | AI | CU Penggunaan Kapasitas Power BI | Latar belakang |
| Kueri latar belakang | Kueri untuk me-refresh petak peta dan membuat rekam jepret laporan | Model semantik | CU Penggunaan Kapasitas Power BI | Latar belakang |
| Dataflow DirectQuery | Menyambungkan langsung ke aliran data tanpa perlu mengimpor data ke dalam model semantik | Aliran Data Gen1 | CU Penggunaan Kapasitas Power BI | Interaktif |
| Refresh aliran data | Refresh aliran data latar belakang sesuai permintaan atau terjadwal, yang dilakukan oleh layanan atau dengan REST API. | Aliran Data Gen1 | CU Penggunaan Kapasitas Power BI | Latar belakang |
| Refresh sesuai permintaan model semantik | Refresh model semantik latar belakang yang dimulai oleh pengguna, menggunakan layanan, REST API, atau titik akhir XMLA publik | Model semantik | CU Penggunaan Kapasitas Power BI | Latar belakang |
| Refresh terjadwal model semantik | Refresh model semantik latar belakang terjadwal, yang dilakukan oleh layanan, REST API, atau titik akhir XMLA publik | Model semantik | CU Penggunaan Kapasitas Power BI | Latar belakang |
| Langganan email laporan lengkap | Salinan PDF atau PowerPoint dari seluruh laporan Power BI, dilampirkan ke langganan email | Laporan | CU Penggunaan Kapasitas Power BI | Latar belakang |
| Kueri interaktif | Kueri yang dimulai oleh permintaan data sesuai permintaan dari pengguna. Misalnya, memuat model saat membuka laporan, atau interaksi pengguna dengan laporan | Model semantik | CU Penggunaan Kapasitas Power BI | Interaktif |
| PublicApiExport | Laporan Power BI yang diekspor dengan laporan ekspor ke FILE REST API | Laporan | CU Penggunaan Kapasitas Power BI | Latar belakang |
| Render | Laporan penomoran halaman Power BI yang diekspor dengan laporan halaman ekspor ke FILE REST API | Laporan yang diberi nomor halaman | CU Penggunaan Kapasitas Power BI | Latar belakang |
| Render | Laporan Power BI yang dipaginasi ditampilkan di layanan Power BI | Laporan yang diberi nomor halaman | CU Penggunaan Kapasitas Power BI | Interaktif |
| Pembacaan pemodelan web | Operasi baca model data dalam pengalaman pengguna pemodelan web model semantik | Model semantik | CU Penggunaan Kapasitas Power BI | Interaktif |
| Penulisan pemodelan web | Operasi penulisan model data dalam pengalaman pengguna pemodelan web model semantik | Model semantik | CU Penggunaan Kapasitas Power BI | Interaktif |
| Baca XmlA | Operasi baca XMLA yang dimulai oleh pengguna, untuk kueri dan penemuan | Model semantik | CU Penggunaan Kapasitas Power BI | Interaktif |
| PENULISAN XMLA | Operasi penulisan XMLA latar belakang yang mengubah model | Model semantik | CU Penggunaan Kapasitas Power BI | Latar belakang |
Kecerdasan Real Time
Pengalaman Kecerdasan Real Time berisi operasi untuk Aliran peristiwa dan KQL Database dan KQL Queryset.
Aliran peristiwa
Anda dapat menemukan tingkat konsumsi untuk Aliran peristiwa di Memantau konsumsi kapasitas untuk aliran peristiwa Microsoft Fabric.
| Operasi | Deskripsi | Item | Pengukur tagihan Azure | Jenis |
|---|---|---|---|---|
| Eventstream Per Jam | Penyerapan atau pemrosesan untuk Aliran Peristiwa | Aliran Peristiwa | CU Penggunaan Kapasitas eventstream | Latar belakang |
| Lalu Lintas Data Eventstream per GB | Data Ingress dan Egress | Aliran Peristiwa | Lalu Lintas Data eventstream per GB Penggunaan Kapasitas CU | Latar belakang |
| Prosesor Eventstream Per Jam | Pemrosesan ASA | Aliran Peristiwa | CU Penggunaan Kapasitas Prosesor eventstreams | Latar belakang |
KQL Database dan KQL Queryset
Anda dapat menemukan tingkat konsumsi untuk KQL Database dalam konsumsi KQL Database.
| Operasi | Deskripsi | Item | Pengukur tagihan Azure | Jenis |
|---|---|---|---|---|
| KustoUpTime | Mengukur waktu database KQL Aktif | KQL Database atau KQL Queryset | CU Penggunaan Kapasitas Database KQL | Interaktif |
Spark
Dua Spark VCores (satu unit daya komputasi untuk Spark) sama dengan satu unit kapasitas (CU). Untuk memahami bagaimana operasi Spark menggunakan CUs, lihat kumpulan spark.
| Operasi | Deskripsi | Item | Pengukur tagihan Azure | Jenis |
|---|---|---|---|---|
| Operasi Lakehouse | Tabel pratinjau pengguna di penjelajah Lakehouse | Lakehouse | CU Penggunaan Kapasitas yang Dioptimalkan Memori Spark | Latar belakang |
| Beban tabel Lakehouse | Pengguna memuat tabel delta di penjelajah Lakehouse | Lakehouse | CU Penggunaan Kapasitas yang Dioptimalkan Memori Spark | Latar belakang |
| Buku catatan berjalan | Synapse Notebook berjalan secara manual oleh pengguna | Buku Catatan Synapse | CU Penggunaan Kapasitas yang Dioptimalkan Memori Spark | Latar belakang |
| Notebook HC berjalan | Synapse Notebook berjalan di bawah sesi Spark konkurensi tinggi | Buku Catatan Synapse | CU Penggunaan Kapasitas yang Dioptimalkan Memori Spark | Latar belakang |
| Eksekusi terjadwal buku catatan | Synapse Notebook berjalan dipicu oleh peristiwa terjadwal buku catatan | Buku Catatan Synapse | CU Penggunaan Kapasitas yang Dioptimalkan Memori Spark | Latar belakang |
| Eksekusi alur buku catatan | Synapse Notebook berjalan dipicu oleh alur | Buku Catatan Synapse | CU Penggunaan Kapasitas yang Dioptimalkan Memori Spark | Latar belakang |
| Notebook VS Code berjalan | Synapse Notebook berjalan di Visual Studio Code. | Buku Catatan Synapse | CU Penggunaan Kapasitas yang Dioptimalkan Memori Spark | Latar belakang |
| Eksekusi pekerjaan Spark | Pekerjaan batch Spark berjalan yang dimulai oleh pengiriman pengguna | Definisi Pekerjaan Spark | CU Penggunaan Kapasitas yang Dioptimalkan Memori Spark | Latar belakang |
| Eksekusi terjadwal pekerjaan Spark | Pekerjaan batch Synapse berjalan dipicu oleh peristiwa terjadwal buku catatan | Definisi Pekerjaan Spark | CU Penggunaan Kapasitas yang Dioptimalkan Memori Spark | Latar belakang |
| Eksekusi alur pekerjaan Spark | Pekerjaan batch Synapse berjalan dipicu oleh alur | Definisi Pekerjaan Spark | CU Penggunaan Kapasitas yang Dioptimalkan Memori Spark | Latar belakang |
| Pekerjaan Spark vs Code berjalan | Definisi kerja Synapse Spark yang dikirimkan dari Visual Studio Code | Definisi Pekerjaan Spark | CU Penggunaan Kapasitas yang Dioptimalkan Memori Spark | Latar belakang |