Dela via

Fusklapp för SQL-server

För att kunna leverera snabba och tillförlitliga analyser från Lakehouse-plattformen är det viktigt att konfigurera och använda SQL-lager för optimala BI-prestanda. SQL-lager i Azure Databricks är specialbyggda för att hantera business intelligence-arbetsbelastningar, möjliggöra dynamisk skalning, effektiv frågebearbetning och robust resurshantering.

På den här sidan beskrivs rekommenderade metoder för etablering, hantering och övervakning av SQL-lager för att säkerställa dynamiska instrumentpaneler, kostnadseffektiv resursanvändning och smidig integrering med enterprise BI-verktyg.

Det här innehållet är avsett för datatekniker, BI-utvecklare och arbetsyteadministratörer som ansvarar för att konfigurera, optimera och underhålla SQL-lager för analys- och instrumentpanelsprestanda. Många uppgifter kräver avancerade arbetsytebehörigheter som gör att du kan skapa eller hantera SQL-lager.

SQL-servering

Bästa metod Påverkan Docs Åtgärdsobjekt
Använda serverlös beräkning för att automatiskt starta, stoppa och skala resurser Minskar kostnaderna genom att stoppa inaktiva resurser. Aktivera automatiskt stopp för utvecklingslager
Använd SQL-lager för alla BI-arbetsbelastningar (serverlös rekommenderas) SQL-lager är optimerade för BI-arbetsbelastningar. Konfigurera SQL Warehouse för BI-arbetsbelastningar
Rätt storlek på ditt lager Balanserar prestanda och kostnader för din arbetsbelastning. Börja med M-storlek, övervaka prestanda och justera vid behov
Använda en högre klusterstorlek för större datamängder Ju större klustret (M, L, XL osv.), desto snabbare körs komplexa frågor. Om du bara har enkla, kortkörande frågor ska du inte öka storleken (kan vara långsammare på grund av datablandning). Utvärdera frågekomplexitet och datamängdsstorlek
Använd SQL Warehouse-skalning Ett SQL-lager skalas ut för att hantera ökad arbetsbelastning. När lagret når sina gränser placeras frågor i kö, inte avvisas. Aktivera skalning för produktionsarbetsbelastningar
Om du förväntar dig många samtidiga frågor ökar du det minsta antalet kluster Förhindrar att frågor placeras i kö i väntan på utskalning. Konfigurera minsta kluster baserat på förväntad arbetsbelastning
Använda separata SQL-lager för olika arbetsbelastningar eller affärsenheter Anpassar storleken på SQL-databaser för att förbättra isolering och kostnadsfördelning. Skapa dedikerade lager per arbetsbelastning
Övervaka frågeprestanda Identifierar flaskhalsar och problem med prestanda med hjälp av frågehistorik. Med systemtabeller kan du programmatiskt övervaka prestanda. Konfigurera övervakningsinstrumentpaneler

Relaterat innehåll

Detaljerad vägledning om hur du analyserar KRAV för BI-arbetsbelastningar och konfigurerar SQL-lager för olika åtkomstmönster (DirectQuery jämfört med Import/Extrahering) finns i SQL-lagerinställningar för BI-arbetsbelastningar.

  • Last updated on