為了從 Lakehouse 平台提供快速且可靠的分析，配置並操作 SQL 倉庫以達到最佳 BI 效能至關重要。 Azure Databricks 中的 SQL 倉庫專為商業智慧工作負載設計，實現動態擴展、高效查詢處理及穩健的資源管理。
本頁概述建議的 SQL 倉庫配置、管理與監控實務，以確保儀表板反應靈敏、資源使用具成本效益，並順利整合企業 BI 工具。
本內容主要針對負責配置、優化及維護 SQL 倉庫以進行分析與儀表板效能的工作環境管理員、BI 開發者及工作區管理員。 許多任務需要進階的工作空間權限，才能建立或管理 SQL 倉庫。
SQL 服務
| 最佳做法 | Impact | Docs | 行動項目 |
|---|---|---|---|
| 使用無伺服器運算來自動啟動、停止及擴展資源 | 透過停止閒置資源來降低成本。 | 啟用開發倉庫自動 停車 功能 | |
| 建議使用無伺服器的 SQL 倉庫來處理任何商務智能工作負載。 | SQL 倉庫是針對 BI 工作負載進行優化的。 | 為 BI 工作負載配置 SQL 倉庫 | |
| 調整倉庫大小 | 在效能與成本之間取得平衡。 | 從 M 尺寸開始，監控表現，必要時再調整 | |
| 對於較大的資料集，使用較大的叢集規模 | 叢集越大（M、L、XL 等），複雜查詢執行得越快。 如果你只有簡單且短時間的查詢，不要增加大小（因為資料洗牌可能變慢）。 | 評估查詢複雜度與資料集大小 | |
| 使用 SQL 倉庫擴展 | SQL 倉庫會擴展以應付增加的工作負載。 當倉庫達到極限時，查詢會進入排隊列，而不是被拒絕。 | 啟用生產工作負載的擴展 | |
| 若預期有多個同時查詢，則增加最少的叢集數量 | 防止查詢在等待擴展時被排隊。 | 根據預期工作負載配置最小叢集 | |
| 為不同的工作負載或業務單位使用不同的 SQL 倉庫 | 調整 SQL 倉庫大小以提升隔離性與成本歸因。 | 為每個工作負載建立專用倉庫 | |
| 監視查詢效能 | 利用查詢歷史識別效能瓶頸與問題。 系統表讓你能程式化地監控效能。 | 設置監控儀表板 |
相關內容
關於分析 BI 工作負載需求及針對不同存取模式（DirectQuery 與匯入/萃取）配置 SQL 倉庫的詳細指引，請參閱 BI 工作負載的 SQL 倉庫設定。