Infrastructuurbewerkingen
Elke ervaring in Microsoft Fabric ondersteunt unieke bewerkingen. De verbruikssnelheid van een bewerking is wat het gebruik van de onbewerkte metrische gegevens van de ervaring converteert naar compute units (CU).
De rekenpagina van de Microsoft Fabric Capacity Metrics-app biedt een overzicht van de prestaties van uw capaciteit en bevat infrastructuurbewerkingen die rekenresources verbruiken.
In dit artikel vindt u een overzicht van deze bewerkingen op basis van ervaring en wordt uitgelegd hoe ze resources in Fabric gebruiken.
Interactieve en achtergrondbewerkingen
Microsoft Fabric verdeelt bewerkingen in twee typen, interactief en achtergrond. In dit artikel worden deze bewerkingen vermeld en wordt het verschil tussen deze bewerkingen uitgelegd.
Interactieve bewerkingen
Aanvragen en bewerkingen op aanvraag die kunnen worden geactiveerd door gebruikersinteracties met de gebruikersinterface, zoals gegevensmodelquery's die worden gegenereerd door rapportvisuals, worden geclassificeerd als interactieve bewerkingen. Ze worden meestal geactiveerd door gebruikersinteracties met de gebruikersinterface. Een interactieve bewerking wordt bijvoorbeeld geactiveerd wanneer een gebruiker een rapport opent of op een slicer in een Power BI-rapport klikt. Interactieve bewerkingen kunnen ook worden geactiveerd zonder interactie met de gebruikersinterface, bijvoorbeeld wanneer u SQL Server Management Studio (SSMS) of een aangepaste toepassing gebruikt om een DAX-query uit te voeren.
Bewerkingen op de achtergrond
Langer lopende bewerkingen, zoals semantisch model of vernieuwingen van gegevensstromen, worden geclassificeerd als achtergrondbewerkingen . Ze kunnen handmatig worden geactiveerd door een gebruiker of automatisch zonder tussenkomst van de gebruiker. Achtergrondbewerkingen omvatten geplande vernieuwingen, interactieve vernieuwingen, OP REST gebaseerde vernieuwingen en op XMLA gebaseerde vernieuwingsbewerkingen. Gebruikers wachten niet totdat deze bewerkingen zijn voltooid. In plaats daarvan kunnen ze later terugkomen om de status van de bewerkingen te controleren.
Dit document lezen
Elke ervaring heeft een tabel met de bewerkingen, met de volgende kolommen:
Bewerking : de naam van de bewerking. Zichtbaar in de microsoft Fabric Capacity Metrics-app.
Beschrijving : een beschrijving van de bewerking.
Item : het item waarop deze bewerking kan worden toegepast. Zichtbaar in de microsoft Fabric Capacity Metrics-app.
Azure-factureringsmeter : de naam van de meter op uw Azure-factuur waarin het gebruik voor deze bewerking wordt weergegeven.
Type : geeft het type van de bewerking weer. Bewerkingen worden geclassificeerd als interactieve of achtergrondbewerkingen .
Wanneer er meer informatie over het verbruikstarief beschikbaar is, wordt er een koppeling naar het document met deze informatie opgegeven.
Infrastructuurbewerkingen per ervaring
Deze sectie is onderverdeeld in fabric-ervaring. Elke ervaring had een tabel waarin de bewerkingen worden vermeld.
Belangrijk
Verbruikstarieven kunnen op elk gewenst moment worden gewijzigd. Microsoft zal redelijke inspanningen doen om kennisgeving via e-mail of via een melding in het product te verstrekken. Wijzigingen zijn van kracht op de datum die wordt vermeld in de releaseopmerkingen van Microsoft of in de Microsoft Fabric-blog. Als een wijziging in een Verbruiksfrequentie van Microsoft Fabric-workloads de capaciteitseenheden (CU) die nodig zijn voor het gebruik van een bepaalde workload, kunnen klanten de annuleringsopties gebruiken die beschikbaar zijn voor de gekozen betalingswijze.
Copilot in Fabric
Copilot bewerkingen worden vermeld in deze tabel. U vindt de verbruikstarieven voor Copilot in Copilot het verbruik.
| Operation | Omschrijving | Artikel | Azure-factureringsmeter | Type |
|---|---|---|---|---|
| Copilot in Fabric | Rekenkosten die zijn gekoppeld aan invoerprompts en voltooiing van uitvoer | Meerdere | Copilot in Fabric CU | Achtergrond |
Data Factory
De Data Factory-ervaring bevat bewerkingen voor Gegevensstromen Gen2 en Pijplijnen.
Gegevensstromen Gen2
U vindt de verbruikstarieven voor Dataflows Gen2 in prijzen voor Dataflow Gen2 voor Data Factory in Microsoft Fabric.
| Operation | Omschrijving | Artikel | Azure-factureringsmeter | Type |
|---|---|---|---|---|
| Gegevensstroom Gen2 vernieuwen | Kosten berekenen die zijn gekoppeld aan de vernieuwingsbewerking voor gegevensstroom Gen2 | Gegevensstroom Gen2 | Cu voor standaardgebruik van rekencapaciteit voor gegevensstromen | Achtergrond |
| Berekening van gegevensstromen op hoge schaal - SQL-eindpuntquery | Gebruik met betrekking tot het SQL-eindpunt voor de faseringswarehouse van de gegevensstroom Gen2 | Magazijn | Cu voor het gebruik van de rekencapaciteit van een gegevensstroom op grote schaal | Achtergrond |
Pipelines
U vindt de verbruikstarieven voor pijplijnen in prijzen voor Data Pipelines voor Data Factory in Microsoft Fabric.
| Operation | Omschrijving | Artikel | Azure-factureringsmeter | Type |
|---|---|---|---|---|
| DataMovement | De hoeveelheid tijd die wordt gebruikt door de kopieeractiviteit in een Data Factory-pijplijn gedeeld door het aantal gegevensintegratie-eenheden | Pijplijn | Cu voor capaciteitsverplaatsing van gegevensverplaatsing | Achtergrond |
| ActivityRun | Uitvoering van een Data Factory-gegevenspijplijnactiviteit | Pijplijn | Cu voor capaciteitsgebruik voor gegevensindeling | Achtergrond |
Datawarehouse
Eén Synapse Data Warehouse-kern (rekeneenheid voor datawarehouse) is gelijk aan twee capaciteitseenheden voor infrastructuur (CA's).
| Operation | Omschrijving | Artikel | Azure-factureringsmeter | Type |
|---|---|---|---|---|
| Magazijnquery | Rekenkosten voor alle door de gebruiker gegenereerde en door het systeem gegenereerde T-SQL-instructies in een warehouse | Magazijn | Cu voor datawarehouse-capaciteitsgebruik | Achtergrond |
| SQL-eindpuntquery | Rekenkosten voor alle door de gebruiker gegenereerde en door het systeem gegenereerde T-SQL-instructies binnen een SQL-eindpunt | Magazijn | Cu voor datawarehouse-capaciteitsgebruik | Achtergrond |
Fabric-API voor GraphQL
GraphQL-bewerkingen bestaan uit aanvragen die worden uitgevoerd op API voor GraphQL-items door API-clients. Elke Verwerkingstijd voor GraphQL-aanvragen en -responsbewerkingen wordt in seconden gerapporteerd in capaciteitseenheden (CA's) met de snelheid van tien CA's per uur.
| Operation | Omschrijving | Artikel | Azure-factureringsmeter | Type |
|---|---|---|---|---|
| Query | Rekenkosten voor alle gegenereerde GraphQL-query's (leesbewerkingen) en mutaties (schrijfbewerkingen) door clients binnen een GraphQL-API | GraphQL | API voor GraphQL Query Capacity Usage CU | Interactief |
OneLake
One Lake-rekenbewerkingen vertegenwoordigen de transacties die worden uitgevoerd op One Lake-items. Het verbruikstarief voor elke bewerking varieert afhankelijk van het type. Raadpleeg One Lake-verbruik voor meer informatie.
| Operation | Omschrijving | Artikel | Azure Billing Meter | Type |
|---|---|---|---|---|
| OneLake Read via Omleiding | OneLake Read via Omleiding | (Meerdere) | Gebruikscapaciteit van OneLake Read Operations | Achtergrond |
| OneLake lezen via proxy | OneLake lezen via proxy | (Meerdere) | OneLake-leesbewerkingen via DE CU voor API-capaciteitsgebruik | Achtergrond |
| OneLake Write via omleiding | OneLake Write via omleiding | (Meerdere) | Cu voor capaciteitsgebruik van OneLake-schrijfbewerkingen | Achtergrond |
| OneLake Write via Proxy | OneLake Write via Proxy | (Meerdere) | OneLake-schrijfbewerkingen via CU voor API-capaciteitsgebruik | Achtergrond |
| OneLake Iterative Write via Omleiding | OneLake Iterative Write via Omleiding | (Meerdere) | Iteratieve schrijfbewerkingen van OneLake | Achtergrond |
| OneLake Iterative Read via Redirect | OneLake Iterative Read via Redirect | (Meerdere) | OneLake Iterative Read Operations Capacity Usage CU | Achtergrond |
| OneLake Andere bewerkingen | OneLake Andere bewerkingen | (Meerdere) | OneLake: cu voor capaciteitsgebruik van andere bewerkingen | Achtergrond |
| OneLake Andere bewerkingen via Omleiding | OneLake Andere bewerkingen via Omleiding | (Meerdere) | OneLake Andere bewerkingen via DE CU voor API-capaciteitsgebruik | Achtergrond |
| OneLake Iterative Write via Proxy | OneLake Iterative Write via Proxy | (Meerdere) | OneLake Iteratieve schrijfbewerkingen via DE CU voor API-capaciteitsgebruik | Achtergrond |
| OneLake Iterative Read via Proxy | OneLake Iterative Read via Proxy | (Meerdere) | OneLake Iteratieve leesbewerkingen via CU voor API-capaciteitsgebruik | Achtergrond |
| OneLake BCDR lezen via proxy | OneLake BCDR lezen via proxy | (Meerdere) | Leesbewerkingen van OneLake BCDR via CU voor API-capaciteitsgebruik | Achtergrond |
| OneLake BCDR schrijven via proxy | OneLake BCDR schrijven via proxy | (Meerdere) | OneLake BCDR-schrijfbewerkingen via CU voor API-capaciteitsgebruik | Achtergrond |
| OneLake BCDR lezen via omleiding | OneLake BCDR lezen via omleiding | (Meerdere) | Cu voor leescapaciteit van OneLake BCDR-leesbewerkingen | Achtergrond |
| OneLake BCDR-schrijfbewerkingen via omleiding | OneLake BCDR-schrijfbewerkingen via omleiding | (Meerdere) | Gebruikscapaciteit voor OneLake BCDR-schrijfbewerkingen | Achtergrond |
| Iteratief lezen van OneLake BCDR via proxy | Iteratief lezen van OneLake BCDR via proxy | (Meerdere) | Iteratieve leesbewerkingen voor OneLake BCDR via CU voor API-capaciteitsgebruik | Achtergrond |
| OneLake BCDR Iterative Read via Redirect | OneLake BCDR Iterative Read via Redirect | (Meerdere) | Iteratieve gebruikscapaciteit van OneLake BCDR-iteratieve leesbewerkingen | Achtergrond |
| OneLake BCDR Iterative Write via Proxy | OneLake BCDR Iterative Write via Proxy | (Meerdere) | Iteratieve schrijfbewerkingen voor OneLake BCDR via CU voor API-capaciteitsgebruik | Achtergrond |
| OneLake BCDR Iterative Write via Redirect | OneLake BCDR Iterative Write via Redirect | (Meerdere) | OneLake BCDR Iterative Write Operations Capacity Usage CU | Achtergrond |
| Andere bewerkingen in OneLake BCDR | Andere bewerkingen in OneLake BCDR | (Meerdere) | OneLake BCDR: cu voor capaciteitsgebruik voor andere bewerkingen | Achtergrond |
| OneLake BCDR Andere bewerkingen via omleiding | OneLake BCDR Andere bewerkingen via omleiding | (Meerdere) | OneLake BCDR Andere bewerkingen via CU voor API-capaciteitsgebruik | Achtergrond |
Power BI
Het gebruik voor elke bewerking wordt gerapporteerd in cu-verwerkingstijd in seconden. Acht CA's zijn gelijk aan één Power BI v-core.
Notitie
Het Semantische model van de term vervangt de termenset. Mogelijk ziet u nog steeds de oude term in de gebruikersinterface totdat deze volledig is vervangen.
| Operation | Omschrijving | Artikel | Azure-factureringsmeter | Type |
|---|---|---|---|---|
| Kunstmatige intelligentie (AI) | Evaluatie van AI-functie | AI | Cu voor power BI-capaciteitsgebruik | Achtergrond |
| Achtergrondquery | Query's voor het vernieuwen van tegels en het maken van rapportmomentopnamen | Semantisch model | Cu voor power BI-capaciteitsgebruik | Achtergrond |
| DirectQuery van gegevensstroom | Rechtstreeks verbinding maken met een gegevensstroom zonder dat u de gegevens hoeft te importeren in een semantisch model | Gegevensstroom Gen1 | Cu voor power BI-capaciteitsgebruik | Interactief |
| Gegevensstroom vernieuwen | Een vernieuwing van een on-demand of geplande achtergrondgegevensstroom, uitgevoerd door de service of met REST API's. | Gegevensstroom Gen1 | Cu voor power BI-capaciteitsgebruik | Achtergrond |
| Semantisch model op aanvraag vernieuwen | Een semantisch achtergrondmodel vernieuwen geïnitieerd door de gebruiker, met behulp van de service, REST API's of openbare XMLA-eindpunten | Semantisch model | Cu voor power BI-capaciteitsgebruik | Achtergrond |
| Geplande vernieuwing van Semantisch model | Een geplande semantische achtergrondmodelvernieuwing, uitgevoerd door de service, REST API's of openbare XMLA-eindpunten | Semantisch model | Cu voor power BI-capaciteitsgebruik | Achtergrond |
| Volledig e-mailabonnement voor rapporten | Een PDF- of PowerPoint-kopie van een volledig Power BI-rapport, gekoppeld aan een e-mailabonnement | Rapport | Cu voor power BI-capaciteitsgebruik | Achtergrond |
| Interactieve query | Query's die zijn geïnitieerd door een aanvraag voor gegevens op aanvraag van een gebruiker. Bijvoorbeeld het laden van een model bij het openen van een rapport of interactie van gebruikers met een rapport | Semantisch model | Cu voor power BI-capaciteitsgebruik | Interactief |
| PublicApiExport | Een Power BI-rapport dat is geëxporteerd met het exportrapport naar de REST API van het bestand | Rapport | Cu voor power BI-capaciteitsgebruik | Achtergrond |
| Weergeven | Een gepagineerd Power BI-rapport dat is geëxporteerd met het gepagineerde rapport exporteren naar de REST API van het bestand | Gepagineerd rapport | Cu voor power BI-capaciteitsgebruik | Achtergrond |
| Weergeven | Een gepagineerd Power BI-rapport dat wordt weergegeven in Power BI-service | Gepagineerd rapport | Cu voor power BI-capaciteitsgebruik | Interactief |
| Lezen van webmodellering | Een leesbewerking van een gegevensmodel in de gebruikerservaring voor webmodellering van het semantische model | Semantisch model | Cu voor power BI-capaciteitsgebruik | Interactief |
| Schrijven van webmodellering | Een schrijfbewerking voor gegevensmodellen in de gebruikerservaring van het semantische model | Semantisch model | Cu voor power BI-capaciteitsgebruik | Interactief |
| XMLA lezen | XMLA-leesbewerkingen geïnitieerd door de gebruiker, voor query's en ontdekkingen | Semantisch model | Cu voor power BI-capaciteitsgebruik | Interactief |
| XMLA-schrijfbewerking | Een achtergrond-XMLA-schrijfbewerking waarmee het model wordt gewijzigd | Semantisch model | Cu voor power BI-capaciteitsgebruik | Achtergrond |
Realtime intelligentie
De realtime intelligence-ervaring bevat bewerkingen voor gebeurtenisstromen en KQL-database en KQL-queryset.
Gebeurtenisstromen
U vindt de verbruikstarieven voor gebeurtenisstromen in Capaciteitsverbruik bewaken voor Microsoft Fabric-gebeurtenisstromen.
| Operation | Omschrijving | Artikel | Azure-factureringsmeter | Type |
|---|---|---|---|---|
| Eventstream per uur | Opname of verwerking voor Event Stream | Gebeurtenisstroom | CU voor eventstream-capaciteitsgebruik | Achtergrond |
| Eventstream-gegevensverkeer per GB | Gegevens inkomend en uitgaand verkeer | Gebeurtenisstroom | eventstream-gegevensverkeer per GB-capaciteitsgebruik CU | Achtergrond |
| Eventstream-processor per uur | ASA-verwerking | Gebeurtenisstroom | CU voor capaciteitsgebruik van eventstreams-processor | Achtergrond |
KQL-database en KQL-queryset
U vindt de verbruikstarieven voor KQL Database in KQL Database-verbruik.
| Operation | Omschrijving | Artikel | Azure-factureringsmeter | Type |
|---|---|---|---|---|
| KustoUpTime | Meting van de tijd dat de KQL-database actief is | KQL-database of KQL-queryset | KQL Database Capacity Usage CU | Interactief |
Spark
Twee Spark-VCores (een rekenkracht voor Spark) is gelijk aan één capaciteitseenheid (CU). Raadpleeg Spark-pools om te begrijpen hoe Spark-bewerkingen CU's verbruiken.
| Operation | Omschrijving | Artikel | Azure-factureringsmeter | Type |
|---|---|---|---|---|
| Lakehouse-bewerkingen | Voorbeeldtabel gebruikers in Lakehouse Explorer | Lakehouse | Cu voor geoptimaliseerd capaciteitsgebruik van Spark-geheugen | Achtergrond |
| Lakehouse-tabel laden | Gebruikers laden deltatabel in Lakehouse Explorer | Lakehouse | Cu voor geoptimaliseerd capaciteitsgebruik van Spark-geheugen | Achtergrond |
| Notebook uitvoeren | Synapse Notebook wordt handmatig uitgevoerd door gebruikers | Synapse Notebook | Cu voor geoptimaliseerd capaciteitsgebruik van Spark-geheugen | Achtergrond |
| Notebook HC uitvoeren | Synapse Notebook wordt uitgevoerd onder de Spark-sessie met hoge gelijktijdigheid | Synapse Notebook | Cu voor geoptimaliseerd capaciteitsgebruik van Spark-geheugen | Achtergrond |
| Geplande uitvoering van notebook | Synapse Notebook-uitvoeringen die worden geactiveerd door geplande notebookgebeurtenissen | Synapse Notebook | Cu voor geoptimaliseerd capaciteitsgebruik van Spark-geheugen | Achtergrond |
| Notebook-pijplijnuitvoering | Synapse Notebook-uitvoeringen geactiveerd door pijplijn | Synapse Notebook | Cu voor geoptimaliseerd capaciteitsgebruik van Spark-geheugen | Achtergrond |
| Notebook VS Code uitvoeren | Synapse Notebook wordt uitgevoerd in VS Code. | Synapse Notebook | Cu voor geoptimaliseerd capaciteitsgebruik van Spark-geheugen | Achtergrond |
| Spark-taakuitvoering | Spark-batchtaakuitvoeringen geïnitieerd door het verzenden van gebruikers | Spark-taakdefinitie | Cu voor geoptimaliseerd capaciteitsgebruik van Spark-geheugen | Achtergrond |
| Geplande uitvoering van Spark-taak | Synapse-batchtaak wordt geactiveerd door geplande notebookgebeurtenissen | Spark-taakdefinitie | Cu voor geoptimaliseerd capaciteitsgebruik van Spark-geheugen | Achtergrond |
| Uitvoering van Spark-taakpijplijn | Synapse-batchtaakuitvoeringen geactiveerd door pijplijn | Spark-taakdefinitie | Cu voor geoptimaliseerd capaciteitsgebruik van Spark-geheugen | Achtergrond |
| Spark-taak VS Code uitvoeren | Synapse Spark-taakdefinitie verzonden vanuit VS Code | Spark-taakdefinitie | Cu voor geoptimaliseerd capaciteitsgebruik van Spark-geheugen | Achtergrond |
Gerelateerde inhoud
Feedback
Binnenkort beschikbaar: In de loop van 2024 zullen we GitHub-problemen geleidelijk uitfaseren als het feedbackmechanisme voor inhoud en deze vervangen door een nieuw feedbacksysteem. Zie voor meer informatie: https://aka.ms/ContentUserFeedback.
Feedback verzenden en weergeven voor