Voorbeeldquery's voor het bewaken van SQL Warehouse-activiteit

Gebruik deze voorbeeldquery's voor SQL-query's met systeemtabellen om de prestaties, het gebruik en de kosten van SQL Warehouse te bewaken. Pas de query's aan de behoeften van uw organisatie aan. Voeg waarschuwingen toe om op de hoogte te worden gesteld van onverwachte waarden.

Requirements

U moet toegang hebben tot systeemtabellen. Zie Accountactiviteit bewaken met systeemtabellen voor vereisten.
Voor de meeste systeemtabellen moet het account Unity Catalog hebben ingeschakeld.

Tabellen voor SQL Warehouse-bewaking

Systeemtabel	Beschrijving
`system.compute.warehouse_events`	Houdt gebeurtenissen voor het starten, stoppen, opschalen en afschalen van het magazijn bij.
`system.compute.warehouses`	Bevat momentopnamen van magazijnconfiguraties.
`system.query.history`	Registreert gegevens over elke query die wordt uitgevoerd in SQL Warehouses.
`system.billing.usage`	Bevat factureringsrecords voor al het Azure Databricks-gebruik.

Voorbeeld: Magazijngebruik

Gebruik de volgende query's om te begrijpen hoe uw magazijn wordt gebruikt, waaronder welke query's, gebruikers en toepassingen de meeste activiteit stimuleren.

De traagste query's in een datawarehouse vinden

SELECT
  statement_id,
  executed_by,
  statement_type,
  execution_status,
  total_duration_ms,
  execution_duration_ms,
  compilation_duration_ms,
  waiting_at_capacity_duration_ms,
  read_rows,
  produced_rows,
  start_time,
  statement_text
FROM
  system.query.history
WHERE
  compute.warehouse_id = '<warehouse-id>'
  AND start_time >= NOW() - INTERVAL 1 DAY
ORDER BY
  total_duration_ms DESC
LIMIT 50

Analyseer prestatiepatronen van zoekopdrachten in de loop van de tijd

SELECT
  DATE(start_time) AS query_date,
  COUNT(*) AS total_queries,
  COUNT(CASE WHEN execution_status = 'FINISHED' THEN 1 END) AS successful_queries,
  COUNT(CASE WHEN execution_status = 'FAILED' THEN 1 END) AS failed_queries,
  ROUND(AVG(total_duration_ms), 0) AS avg_duration_ms,
  ROUND(PERCENTILE(total_duration_ms, 0.5), 0) AS p50_duration_ms,
  ROUND(PERCENTILE(total_duration_ms, 0.95), 0) AS p95_duration_ms,
  ROUND(AVG(waiting_at_capacity_duration_ms), 0) AS avg_queue_wait_ms
FROM
  system.query.history
WHERE
  compute.warehouse_id = '<warehouse-id>'
  AND start_time >= NOW() - INTERVAL 30 DAY
GROUP BY
  DATE(start_time)
ORDER BY
  query_date DESC

De meest actieve gebruikers in een magazijn zoeken

SELECT
  executed_by,
  COUNT(*) AS query_count,
  ROUND(SUM(total_duration_ms) / 1000 / 60, 2) AS total_duration_minutes,
  ROUND(AVG(total_duration_ms), 0) AS avg_duration_ms
FROM
  system.query.history
WHERE
  compute.warehouse_id = '<warehouse-id>'
  AND start_time >= NOW() - INTERVAL 7 DAY
GROUP BY
  executed_by
ORDER BY
  query_count DESC

De belangrijkste clienttoepassingen zoeken

SELECT
  client_application,
  CASE
    WHEN query_source.job_info.job_id IS NOT NULL THEN 'Job'
    WHEN query_source.dashboard_id IS NOT NULL THEN 'Dashboard'
    WHEN query_source.legacy_dashboard_id IS NOT NULL THEN 'Legacy Dashboard'
    WHEN query_source.alert_id IS NOT NULL THEN 'Alert'
    WHEN query_source.notebook_id IS NOT NULL THEN 'Notebook'
    WHEN query_source.genie_space_id IS NOT NULL THEN 'Genie Space'
    WHEN query_source.sql_query_id IS NOT NULL THEN 'SQL Editor'
    ELSE 'Other'
  END AS source_type,
  COUNT(*) AS query_count,
  ROUND(AVG(total_duration_ms), 0) AS avg_duration_ms
FROM
  system.query.history
WHERE
  compute.warehouse_id = '<warehouse-id>'
  AND start_time >= NOW() - INTERVAL 7 DAY
GROUP BY
  client_application,
  source_type
ORDER BY
  query_count DESC

Mislukte queries monitoren

SELECT
  DATE(start_time) AS failure_date,
  execution_status,
  error_message,
  COUNT(*) AS failure_count,
  COLLECT_SET(executed_by) AS affected_users
FROM
  system.query.history
WHERE
  compute.warehouse_id = '<warehouse-id>'
  AND execution_status IN ('FAILED', 'CANCELED')
  AND start_time >= NOW() - INTERVAL 7 DAY
GROUP BY
  DATE(start_time),
  execution_status,
  error_message
ORDER BY
  failure_date DESC,
  failure_count DESC

Voorbeeld: Grootte van magazijn

Gebruik de volgende query's om te bepalen of uw magazijn de juiste grootte heeft. Queries die op maximale capaciteit wachten, suggereren dat u max_clusters moet verhogen. Query's met overmatige schijfoverloop suggereren dat u de magazijngrootte moet vergroten.

Query's identificeren die wachten op capaciteit

Query's met hoge waiting_at_capacity_duration_ms waarden worden in de wachtrij geplaatst in plaats van uit te voeren. Overweeg om de magazijninstelling max_clusters te verhogen zodat het magazijn kan worden geschaald.

SELECT
  statement_id,
  executed_by,
  total_duration_ms,
  waiting_at_capacity_duration_ms,
  execution_duration_ms,
  start_time,
  statement_text
FROM
  system.query.history
WHERE
  compute.warehouse_id = '<warehouse-id>'
  AND start_time >= NOW() - INTERVAL 7 DAY
  AND waiting_at_capacity_duration_ms > 0
ORDER BY
  waiting_at_capacity_duration_ms DESC
LIMIT 50

Queries identificeren met excessieve schijfuitloop

Schijfstoring treedt op wanneer voor een query meer geheugen is vereist dan beschikbaar is. Overweeg om de magazijngrootte te vergroten om query's meer geheugen te geven. Overmatige overloop betekent meestal dat query's moeten worden geoptimaliseerd of dat de magazijngrootte te klein is voor de workload.

SELECT
  statement_id,
  executed_by,
  spilled_local_bytes / (1024 * 1024) AS spilled_mb,
  read_bytes / (1024 * 1024) AS read_mb,
  total_duration_ms,
  start_time,
  statement_text
FROM
  system.query.history
WHERE
  compute.warehouse_id = '<warehouse-id>'
  AND start_time >= NOW() - INTERVAL 7 DAY
  AND spilled_local_bytes > 0
ORDER BY
  spilled_local_bytes DESC
LIMIT 50

Voorbeeld: Magazijnkosten

Gebruik de volgende query's om de kosten te begrijpen en bij te houden die zijn gekoppeld aan uw SQL-warehouses.

Magazijnkosten per dag bewaken

SELECT
  usage_date,
  sku_name,
  ROUND(SUM(usage_quantity), 2) AS total_dbus,
  ROUND(SUM(usage_quantity * list_prices.pricing.default), 2) AS estimated_list_cost
FROM
  system.billing.usage
  LEFT JOIN system.billing.list_prices ON usage.sku_name = list_prices.sku_name
    AND price_end_time IS NULL
WHERE
  usage_metadata.warehouse_id = '<warehouse-id>'
  AND usage_date >= NOW() - INTERVAL 30 DAY
GROUP BY
  usage_date,
  sku_name
ORDER BY
  usage_date DESC

Warehouse-gebeurtenissen correleren met queryvolume

Deze query helpt u inzicht te krijgen in de relatie tussen het opschalen van dataopslag en queryactiviteit om mogelijkheden voor kostenoptimalisatie te identificeren.

WITH hourly_events AS (
  SELECT
    DATE_TRUNC('hour', event_time) AS event_hour,
    warehouse_id,
    MAX(cluster_count) AS max_clusters,
    COLLECT_SET(event_type) AS event_types
  FROM
    system.compute.warehouse_events
  WHERE
    warehouse_id = '<warehouse-id>'
    AND event_time >= NOW() - INTERVAL 7 DAY
  GROUP BY
    DATE_TRUNC('hour', event_time),
    warehouse_id
),
hourly_queries AS (
  SELECT
    DATE_TRUNC('hour', start_time) AS query_hour,
    COUNT(*) AS query_count,
    ROUND(AVG(total_duration_ms), 0) AS avg_duration_ms,
    ROUND(AVG(waiting_at_capacity_duration_ms), 0) AS avg_queue_wait_ms
  FROM
    system.query.history
  WHERE
    compute.warehouse_id = '<warehouse-id>'
    AND start_time >= NOW() - INTERVAL 7 DAY
  GROUP BY
    DATE_TRUNC('hour', start_time)
)
SELECT
  COALESCE(e.event_hour, q.query_hour) AS hour,
  q.query_count,
  q.avg_duration_ms,
  q.avg_queue_wait_ms,
  e.max_clusters,
  e.event_types
FROM
  hourly_events e
  FULL OUTER JOIN hourly_queries q ON e.event_hour = q.query_hour
ORDER BY
  hour DESC

Feedback

Is deze pagina nuttig?

Last updated on 2026-03-15