Azure 資料總管 （ADX） 是一個完全受控的分析平台，用於即時分析大規模遙測和記錄資料。 本文說明如何在 Azure 資料總管中計算每 GB 內嵌的成本、驅動它的因素，以及如何優化叢集以符合成本效益。 大數據分析平台使用不同的定價模型。 許多平台的定價是根據查詢量、資料擷取、儲存持續時間和運算資源等因素而定。 這種複雜性使得比較不同產品的定價變得困難。
為了協助瞭解使用 Azure 資料總管的成本，本文會使用 每 GB 引入的計量成本。 此指標是 叢集總成本 （運算、儲存、網路和服務標記） 除以該期間 擷取的原始大小資料總計 。
2025 年 6 月 ADX 叢集的代表性快照集可用來基礎範例分析。 下列各節顯示 分析的主要結果、說明驅動成本變化 的原因 ，以及使用者如何在不影響效能的情況下 最佳化每 GB 擷取的成本 。
備註
- 本文中的所有成本數字都顯示標價，不包括折扣或基於承諾的節省。
- 在此範例分析中，每 GB 成本以 範例成本單位 （SCU） 表示，其中每個 SCU 代表一個一般成本單位，例如一美分。
- 如需標價以及如何計算它們，請參閱 Azure 資料總管定價計算器。
每 GB 匯入成本分析
下圖顯示每個成本群組中，每日所攝取的 GB 中位數（Y 軸）與每 GB 成本中位數（X 軸）的關係。 泡泡大小代表群組在擷取至服務的資料總數中的份額。
擷取的每 GB 成本因叢集而異，但有幾種模式很突出：
大部分資料（>75%）的擷取成本為每 GB 2 至 10 SCU（折扣前）。
少於 5% 的資料會以 每 GB 少於 2 個 SCU 的速度擷取。
即使在相同的使用類別（或“氣泡”）中，您也會看到顯著的變化。 例如，在最大的泡泡中，一個叢集以 每 GB 2 個 SCU 的速度擷取，而另一個叢集則達到 每 GB 10 個 SCU。 這是 5 倍的差異。 接下來的章節將說明這種變化的主要原因。
每 GB 成本較高的叢集不太常見，而且通常具有較低的攝取量。 一般來說，較小的資料量意味著每 GB 的成本較高。
這很重要
氣泡圖顯示每 GB 輸入的成本因叢集而異。 這種變化並不表示好或壞的做法。 它反映了服務的不同場景、配置和使用模式。
例如，一個叢集可能會保留資料更長時間以符合法規要求，這會增加儲存成本。 另一個可能會使用在擷取期間處理資料的更新原則，這會增加運算使用量。 這些場景是與特定目標一致的有意設計選擇，它們自然會影響每 GB 的成本。
影響每 GB 輸入成本的因素是什麼
這些關鍵因素是導致每個叢集每 GB 匯入成本變動的原因：
儲存持續時間：儲存資料的時間越長，成本就越高。 請參閱 保留原則。
高 CPU 使用率：繁重的查詢、資料處理或轉換等動作會導致 CPU 使用率過高。
快取設定：快取更多資料可以提高效能，但可能會增加成本。 請參閱 快取原則。
冷資料使用：存取冷資料的查詢會觸發讀取交易並增加成本。 請參閱 熱快取和冷快取。
資料轉換和最佳化：更新原則、具體化檢視和分割區等功能會消耗 CPU 資源，並可能增加成本。 請參閱 更新原則、 具體化檢視和 分割區。
擷取量：叢集在較高的擷取量時運作更具成本效益。
結構描述設計：具有許多資料行的寬資料表需要更多的運算和儲存資源，這會增加成本。
進階功能：追蹤者、私人端點和 Python 沙箱等選項會消耗更多資源，並可能增加成本。
自動調整：沒有自動調整的叢集通常會花費更多，因為它們不會根據需求調整大小。
您可以設定大部分這些因素，以最佳化效能和成本。
仔細研究關鍵成本驅動因素
本節探討影響 Azure 資料總管中每 GB 成本的關鍵因素，深入瞭解如何管理和優化這些成本。
資料保留對成本的影響
在 ADX 中，所有擷取的資料都會儲存在持續性記憶體中。 每個資料表和具體化檢視都有一個 保留原則 ，可定義資料的保留時間長度。 根據 Azure 儲存體定價，資料保留的時間越長，成本就越高。 當您需要長期儲存，例如合規性時，儲存每 GB 的成本會增加，因為這包含持續的儲存費用。
除了叢集所報告的範圍大小之外，還有兩個額外的成本驅動因素：
- 保留緩衝區：預設會額外儲存 7 天的資料，以防止意外資料遺失。
- 可復原性額外負荷：對於已啟用 可復原性設定 （預設） 的資料表，資料會額外保留 14 天。 這包括在合併和重建作業期間產生的中繼 Blob。
叢集大小
叢集大小是叢集中的機器（節點）數量。 每台機器都會增加成本，具體取決於其類型 （SKU）。 自動調整 會根據 CPU 使用量調整叢集大小，因此系統可以避免閒置或備援資源，以優化成本和效能。
自動調整功能會調整叢集大小，確保快取的資料符合可用的 SSD 空間。 因此，大型快取會增加叢集大小，如果 CPU 使用率較低，則可能會導致每 GB 成本較高。 請參閱 快取 索引標籤叢集深入解析 工具 ，以取得最佳化快取大小的詳細資訊。
執行許多查詢或執行 CPU 密集型工作 （例如具體化檢視、更新原則或分割區） 的叢集可以擴展叢集，從而提高每 GB 的成本。 請注意，這些功能可以顯著提高查詢效能並減少查詢 CPU 使用率，從而提高整體效率。
擷取的資料量
隨著叢集的成長，會新增更多節點，從而增加總成本。 該成本會分散到所有擷取的資料中，因此擷取的資料越多，每 GB 的成本就越低。
冷數據用量
當查詢經常存取儲存在磁碟上的冷資料時，會導致讀取交易使用更多資源，並可能增加整體叢集成本。
串流資料匯入與佇列資料匯入
每種擷取方法都有不同的成本、延遲和功能特性，因此每種方法都更適合不同的案例。 就成本而言，當您擷取許多具有涓流資料的小型資料表時， 串流擷取 會更便宜，而 佇列擷取 對於大型資料表來說更具成本效益。
小提示
最佳化每 GB 匯入的成本
檢查 關鍵成本驅動因素 的組態，以確保它們符合叢集的需求和服務效率要求。 特別是：
- 將對冷資料的查詢降到最低，以減少讀取交易。
- 啟用自動調整，以動態地將叢集大小與需求相符。