在 Microsoft Fabric 中配置資源配置檔

適用於：✅ Fabric 資料工程與資料科學

Fabric Data Engineering 中的資源配置檔能幫助你在不手動調整的情況下，獲得最佳化的 Spark 運算配置。你透過選擇主要使用情境、資料量和其他幾個高層次輸入來描述你的工作負載。 Fabric 接著根據經驗證的最佳實務與內部效能資料，產生推薦配置，包括節點大小、自動縮放設定及執行時版本。

為什麼要使用資源設定檔

資源概要提供：

從一開始就優化：你的第一個 Spark 會話運行於針對你工作負載調整的運算上——不需要反覆的基準測試。
一致性：工作區中所有 Spark 工作都共享相同的效能調整設定。
更佳的性價比：適當規模的資源減少浪費並提升產能。
較低的營運開銷：調校週期較少，支援升級也減少。

先決條件

要設定資源設定檔，你必須擁有工作區的 管理員 角色。

設定資源配置檔

要為你的工作區設定資源設定檔：

進入你的工作區，選擇 工作區設定。
在左側窗格展開 「資料工程/科學 」，然後選擇 Spark 設定。
要取得推薦的運算配置以優化資源使用，請在 「針對你的使用情境優化」中選擇「開始使用」。
在 「為你的使用案例優化 」頁面，請提供以下輸入：
- 主要使用情境：選擇 Medallion 圖層 或 任務導向，然後從下拉選單中選擇特定選項。徽章層級有青銅、銀或金三種。基於任務的選項分為 讀取最佳化 或 寫入優化。關於選擇使用案例的指引，請參閱主要使用案例參考。
- 典型資料量：從下拉選單選擇一個磁碟區： 最多 1 GB、 10 GB、 100 GB、 1 TB 或 超過 1 TB。
- 最大容量單位（CU）：使用滑桿設定火花池的最大容量上限。
選擇 「取得推薦」。

Fabric 會根據你的輸入產生優化的配置。
請檢視建議。建議中包含兩類的值：
- 火花池：池型別、節點族、節點大小、自動縮放及動態執行器配置。
- 環境：執行版本、Spark 驅動核心與記憶體、Spark 執行核心、記憶體及實例。
如果你想調整輸入，請選擇返回箭頭回到上一頁，更新你的選擇，然後再次選擇 「取得推薦 」。
輸入 Spark 池名稱 和環境以進行設定，然後選擇套用將其儲存到工作區。

當您套用資源設定檔時，Fabric 會建立一個自訂的 Spark 池並使用建議的設定。

備註

如果你的工作區還沒有自訂池，新的池會自動設為該工作區的預設池。如果你的工作區已經有預設池，你需要在 Spark 工作區設定中手動切換到新的池。正在進行的會話在重新啟動前不會受到影響。

主要使用案例參考

在設定資源配置檔時，請依照以下指引選擇正確的主要使用情境輸入：

徽章層

如果你的資料管線遵循 medallion 架構模式，資料會經過青銅（原始）、銀（清理）和金（精選）階段，請選擇 Medallion 層 。每個選項都會針對該階段典型的讀寫特性進行計算調整。

應用案例	使用時機
青銅	原始資料擷取、高寫入吞吐量、多樣格式
銀	淨化與豐富，讀寫平衡，連接適度
金	彙整與報告，為分析與 Power BI 進行讀取優化

任務型

如果你的工作量不符合獎章模式，或是被單一存取模式佔據，就選擇 任務型 。例如，將此選項用於獨立的 ETL 工作、互動式分析筆記本或串流管線。

應用案例	使用時機
閱讀優化	經常閱讀和查詢，互動筆記本
最佳化寫入	高流量的資料擷取、ETL 管道流程、串流

自動更新資源設定檔

資源設定檔支援自動更新功能，確保您的 Spark 運算設定與 Fabric 最新的優化保持一致。啟用自動更新時，Fabric 會根據你的資源配置檔類型套用工作負載專屬的 Spark 屬性，無需手動調整。

自動更新設定

Fabric 提供三種自動更新設定檔，分別針對特定工作負載模式進行調整：

以讀取為主的 Spark 工作負載

透過 spark.fabric.resourceProfile.readHeavyForSparkAutoUpdate 設定：

{
    "spark.databricks.delta.optimizeWrite.enabled": "true",
    "spark.databricks.delta.optimizeWrite.partitioned.enabled": "true",
    "spark.databricks.delta.optimizeWrite.binSize": "128"
}

當您的工作負載以 Spark 讀取為主，且有中度的寫入最佳化需求時，請使用此配置檔。

對 Power BI 工作負載來說，讀取量很大

透過 spark.fabric.resourceProfile.readHeavyForPBIAutoUpdate 設定：

{
    "spark.sql.parquet.vorder.default": "true",
    "spark.databricks.delta.optimizeWrite.enabled": "true",
    "spark.databricks.delta.optimizeWrite.binSize": "1g"
}

如果您的資料主要供 Power BI 使用，請使用此設定檔。啟用 V 順序以達到最佳 Direct Lake 效能，較大的 bin 大小會產生較少且較大的檔案，適合分析讀取。

大量寫入工作負載

透過 spark.fabric.resourceProfile.writeHeavyAutoUpdate 設定：

{
    "spark.sql.parquet.vorder.default": "false",
    "spark.databricks.delta.optimizeWrite.binSize": "128",
    "spark.databricks.delta.optimizeWrite.partitioned.enabled": "true"
}

當您的工作負載以寫入為主時（例如大量資料擷取或 ETL），請使用此設定檔。為了減少寫入開銷，V-order（V-order）被關閉，並啟用了最佳化的分割寫入以提升檔案配置效率。

自動更新的運作方式

當套用帶有自動更新的資源設定檔時：

Fabric 會根據你的主要使用情境和工作負載類型，選擇適當的自動更新設定。
Spark 屬性會自動套用至工作區中的新工作階段。
正在進行的會話在重新啟動前不會受到影響。

備註

自動更新設定會在原始設定檔輸入範圍內優化 Delta Lake 的寫入行為與檔案配置。它們不會改變你的池大小、節點設定或自動縮放設定。

設定參考

Setting	應用性質	使用時機
`spark.fabric.resourceProfile.readHeavyForSparkAutoUpdate`	已啟用寫入最佳化、分區寫入、128 MB 分箱大小	讀取密集型 Spark 分析
`spark.fabric.resourceProfile.readHeavyForPBIAutoUpdate`	啟用 V-order，優化寫入，1 GB bin 大小	讀取密集型的 Power BI/DirectLake
`spark.fabric.resourceProfile.writeHeavyAutoUpdate`	V-order 被停用，優化寫入，bin 大小 128 MB，分割	以寫入為主的資料擷取與 ETL

意見反應

此頁面對您有幫助嗎？

上次更新時間： 2026-08-05