Szöveti műveletek
A Microsoft Fabric minden egyes felülete támogatja az egyedi műveleteket. A művelet fogyasztási sebessége az, amely a felhasználói élmény nyers metrikáinak használatát számítási egységekké (CU) alakítja.
A Microsoft Fabric Kapacitásmetrikák alkalmazás számítási oldala áttekintést nyújt a kapacitás teljesítményéről, és felsorolja a számítási erőforrásokat használó Fabric-műveleteket.
Ez a cikk a műveletek tapasztalatai alapján sorolja fel ezeket a műveleteket, és ismerteti, hogyan használnak fel erőforrásokat a Fabricben.
Interaktív és háttérműveletek
A Microsoft Fabric a műveleteket két típusra osztja, interaktívra és háttérre. Ez a cikk felsorolja ezeket a műveleteket, és ismerteti a köztük lévő különbségeket.
Interaktív műveletek
Az igény szerinti kérelmek és műveletek, amelyeket a felhasználói felülettel való felhasználói interakciók, például a jelentésvizualizációk által generált adatmodell-lekérdezések aktiválhatnak, interaktív műveletekként vannak besorolva. Ezeket általában a felhasználói felülettel való felhasználói interakciók váltják ki. Egy interaktív művelet például akkor aktiválódik, ha egy felhasználó megnyit egy jelentést, vagy kiválaszt egy szeletelőt egy Power BI-jelentésben. Az interaktív műveletek a felhasználói felület használata nélkül is aktiválhatók, például az SQL Server Management Studio (SSMS) vagy egy egyéni alkalmazás használatával DAX-lekérdezések futtatásához.
Háttérműveletek
A hosszabb ideig futó műveletek, például a szemantikai modell vagy az adatfolyam-frissítések háttérműveletekként vannak besorolva. A felhasználók manuálisan vagy automatikusan, felhasználói beavatkozás nélkül aktiválhatják őket. A háttérműveletek közé tartoznak az ütemezett frissítések, az interaktív frissítések, a REST-alapú frissítések és az XMLA-alapú frissítési műveletek. A felhasználóknak nem kell megvárniuk, amíg ezek a műveletek befejeződnek. Ehelyett később visszatérhetnek a műveletek állapotának ellenőrzéséhez.
A dokumentum elolvasása
Minden felhasználói felület rendelkezik egy táblával, amely felsorolja a műveleteit, a következő oszlopokkal:
Művelet – A művelet neve. Látható a Microsoft Fabric kapacitásmetrikái alkalmazásban.
Leírás – A művelet leírása.
Elem – Az az elem, amelyre a művelet vonatkozhat. Látható a Microsoft Fabric kapacitásmetrikái alkalmazásban.
Azure számlázási mérő – Annak a mérőnek a neve az Azure-számlán, amely a művelet használati adatait jeleníti meg.
Típus – A művelet típusát sorolja fel. A műveletek interaktív vagy háttérműveletekként vannak besorolva.
Ha további információk érhetők el a használati arányról, a dokumentumra mutató hivatkozás jelenik meg ezzel az információval.
Szövetműveletek tapasztalat alapján
Ez a szakasz a Fabric élményre van felosztva. Minden élmény tartalmazott egy táblázatot, amely felsorolta a műveleteit.
Fontos
A fogyasztási arányok bármikor változhatnak. A Microsoft ésszerű erőfeszítéseket tesz annak érdekében, hogy e-mailben vagy a terméken belüli értesítésen keresztül értesítést küldjön. A módosítások a Microsoft kibocsátási megjegyzéseiben vagy a Microsoft Fabric blogjában megadott napon lépnek érvénybe. Ha a Microsoft Fabric számítási feladatok használati arányának bármilyen módosítása jelentősen növeli az adott számítási feladat használatához szükséges kapacitásegységeket (CU), az ügyfelek a választott fizetési módhoz elérhető lemondási lehetőségeket használhatják.
Copilot Szövetben
Copilot a műveletek ebben a táblázatban szerepelnek. A fogyasztási rátákat a Copilot fogyasztás között találhatja meg Copilot.
| Művelet | Leírás | Cikk | Azure számlázási mérő | Típus |
|---|---|---|---|---|
| Copilot a Hálóban | A bemeneti kérésekhez és a kimeneti befejezéshez társított számítási költség | Többszörös | Copilot a Fabric CU-ban | Háttér |
Adatgyár
A Data Factory-élmény a Gen2 adatfolyamok és folyamatok műveleteit tartalmazza.
Adatfolyamok Gen2
A Microsoft Fabric adatgyárának 2. generációs adatfolyamára vonatkozó használati arányokat a Data Factory Gen2 árazási útmutatójában találhatja meg.
| Művelet | Leírás | Cikk | Azure számlázási mérő | Típus |
|---|---|---|---|---|
| Adatfolyam Gen2 frissítése | Az adatfolyam Gen2 frissítési műveletével társított számítási költség | Adatfolyam Gen2 | Adatfolyamok – Standard számítási kapacitás kihasználtsága – CU | Háttér |
| Nagy léptékű adatfolyam-számítás – SQL-végpontlekérdezés | Az adatfolyam Gen2 átmeneti terület SQL-végpontjával kapcsolatos használat | Raktár | Magas szintű adatfolyam-feldolgozási kapacitás használat CU | Háttér |
Csővezetékek
A Data Factory adatfolyam-díjszabásában szereplő folyamatok használati arányai a Microsoft Fabricben találhatók.
| Művelet | Leírás | Cikk | Azure számlázási mérő | Típus |
|---|---|---|---|---|
| DataMovement | A Data Factory-folyamatban a másolási tevékenység által felhasznált idő, osztva az adatintegrációs egységek számával | Folyamat | Adatáthelyezési kapacitás kihasználtsága CU | Háttér |
| ActivityRun | Data Factory-adatfolyamat-tevékenység végrehajtása | Folyamat | Adat vezénylési kapacitás kihasználtsága CU | Háttér |
Adatbázisok
Egy Fabric-kapacitásegység = 0,383 SQL-adatbázis virtuális mag.
| Művelet | Leírás | Cikk | Azure Számlázási mérő | Típus |
|---|---|---|---|---|
| SQL-használat | Számítás a felhasználó által generált és rendszer által generált SQL-lekérdezésekhez, módosításokhoz és adatfeldolgozási műveletekhez egy adatbázisban | Adatbázis | SQL-adatbázis a Microsoft Fabric kapacitáshasználati CU-jában | Interaktív |
| Kiosztott SQL Storage | A Fabricben lévő SQL-adatbázisok dinamikusan lefoglalt tárterülete, amely táblák, indexek, tranzakciónaplók és metaadatok tárolására szolgál. Teljesen integrálva a OneLake-vel. | Adatbázis | Tárolt SQL-adatok | Háttér |
Adat tárház
A One Fabric Data Warehouse magja (az adattárház számítási egysége) két hálókapacitási egységnek (CU- nak) felel meg.
| Művelet | Leírás | Cikk | Azure számlázási mérő | Típus |
|---|---|---|---|---|
| Raktári lekérdezés | Számítási díj az összes felhasználó által létrehozott és a rendszer által létrehozott T-SQL-utasításokért egy raktáron belül | Raktár | Adattárház kapacitáshasználat (CU) | Háttér |
| SQL végpont lekérdezés | Számítási díj az összes felhasználó által generált és a rendszer által létrehozott T-SQL-utasításokért egy Lakehouse SQL Analytics-végponton belül | Raktár | Adattárház kapacitáshasználata CU | Háttér |
Fabric API a GraphQL-hez
A GraphQL-műveletek api-ügyfelek által a GraphQL-elemekre vonatkozó API-kérelmekből állnak. Minden GraphQL kérés- és válaszművelet feldolgozási ideje kapacitásegységekben (CU) lesz jelentve, másodpercekben, tíz CU óránkénti értékkel.
| Művelet | Leírás | Cikk | Azure számlázási mérő | Típus |
|---|---|---|---|---|
| Lekérdezés | A GraphQL API-n belüli ügyfelek által generált GraphQL-lekérdezések (olvasások) és mutációk (írások) számítási díja | GraphQL | API a GraphQL Lekérdezési Kapacitás Használatához CU | Interaktív |
OneLake
A One Lake számítási műveletei a One Lake-elemeken végrehajtott tranzakciókat jelölik. Az egyes műveletek használati aránya típustól függően változik. További részletekért tekintse meg a One Lake-használatot.
| Művelet | Leírás | Cikk | Azure Számlázási mérő | Típus |
|---|---|---|---|---|
| OneLake Olvasás átirányításon keresztül | Olvasás a OneLake-en keresztül átirányítással | Többszörös | OneLake olvasási műveletek kapacitáshasználat CU | Háttér |
| Proxyn keresztüli OneLake olvasás | OneLake olvasása a proxyn keresztül | Többszörös | OneLake olvasási műveletek API-kapacitáshasználati CU-val | Háttér |
| OneLake Írás átirányításon keresztül | OneLake Írás átirányításon keresztül | Többszörös | OneLake írási műveletek kapacitásfelhasználása CU | Háttér |
| OneLake írása proxy-n keresztül | OneLake Írás proxyn keresztül | Többszörös | OneLake írási műveletek API-n keresztül kapacitáskihasználás CU | Háttér |
| OneLake iteratív írás átirányítással | OneLake iteratív írás átirányításon keresztül | Többszörös | OneLake iteratív írási műveletek | Háttér |
| OneLake Iterative Olvasás átirányításon keresztül | OneLake iteratív olvasás átirányításon keresztül | Többszörös | OneLake Iteratív olvasási műveletek kapacitáshasználata CU egység | Háttér |
| OneLake Egyéb műveletek | OneLake Egyéb műveletek | Többszörös | OneLake Egyéb műveleti kapacitás kihasználtsága CU | Háttér |
| OneLake Egyéb műveletek átirányításon keresztül | OneLake Átirányítással végzett egyéb műveletek | Többszörös | OneLake Egyéb műveletek API-kapacitáshasználati CU-val | Háttér |
| OneLake Iterative Write proxyn keresztül | OneLake Iterative Write proxyn keresztül | Többszörös | OneLake iteratív írási műveletek API-n keresztüli kapacitásegység-használattal | Háttér |
| OneLake Iteratív olvasás proxyn keresztül | OneLake Iteratív olvasás proxyn keresztül | Többszörös | OneLake iteratív olvasási műveletek API kapacitáshasználati CU-val | Háttér |
| OneLake BCDR olvasása proxyn keresztül | OneLake BCDR olvasás proxyn keresztül | Többszörös | OneLake BCDR olvasási műveletek API-kapacitáshasználati CU-n keresztül | Háttér |
| OneLake BCDR írás proxy segítségével | OneLake BCDR adatírás proxyn keresztül | Többszörös | OneLake BCDR írási műveletek API-kapacitáshasználati CU-n keresztül | Háttér |
| OneLake BCDR Olvasás átirányításon keresztül | OneLake BCDR Olvasás átirányításon keresztül | Többszörös | OneLake BCDR olvasási műveletek kapacitásigény CU | Háttér |
| OneLake BCDR Írás átirányításon keresztül | OneLake BCDR Írás átirányításon keresztül | Többszörös | OneLake BCDR írási műveletek kapacitáskihasználás CU | Háttér |
| OneLake BCDR ismétlődő olvasás proxyn keresztül | OneLake BCDR iteratív olvasás proxy szerveren keresztül | Többszörös | OneLake BCDR iteratív olvasási műveletek az API kapacitáshasználati egységen (CU) keresztül | Háttér |
| OneLake BCDR Iteratív Olvasás Átirányítással | OneLake BCDR iteratív olvasás átirányítással | Többszörös | OneLake BCDR iteratív olvasási műveletek kapacitáshasználati CU | Háttér |
| OneLake BCDR iteratív írás proxy-n keresztül | OneLake BCDR iteratív írás proxy használatával | Többszörös | OneLake BCDR iteratív írási műveletek API-kapacitáshasználati CU-n keresztül | Háttér |
| OneLake BCDR iteratív írás átirányításon keresztül | OneLake BCDR iteratív írás átirányításon keresztül | Többszörös | OneLake BCDR iteratív írási műveletek kapacitás használat CU | Háttér |
| OneLake BCDR Egyéb műveletek | OneLake BCDR Egyéb műveletek | Többszörös | OneLake BCDR Egyéb műveleti kapacitás kihasználtsága CU | Háttér |
| OneLake BCDR Egyéb műveletek átirányításon keresztül | OneLake BCDR Egyéb műveletek átirányítással | Többszörös | OneLake BCDR Egyéb műveletek API-kapacitáshasználati CU-n keresztül | Háttér |
Power BI
Az egyes műveletek használati adatait a rendszer a CU feldolgozási ideje alatt, másodpercben jelenti. Nyolc CU egyenértékű egy Power BI v-core-ral.
Megjegyzés
A szemantikai modell a kifejezés adatkészletét váltja fel. A régi kifejezés továbbra is megjelenik a felhasználói felületen, amíg teljesen le nem cseréli.
Jelenleg nem számlázunk R/Py-vizualizációkért a Power BI-ban.
| Művelet | Leírás | Cikk | Azure számlázási mérő | Típus |
|---|---|---|---|---|
| Mesterséges intelligencia (MI) | MI-funkció értékelése | Mesterséges intelligencia | Power BI-kapacitás kihasználtsága CU | Interaktív |
| Háttér-lekérdezés | Lekérdezések csempék frissítésére és jelentés pillanatképek létrehozására | Szemantikai modell | Power BI-kapacitás kihasználtsága CU | Háttér |
| Adatfolyam DirectQuery | Csatlakozás közvetlenül egy adatfolyamhoz anélkül, hogy az adatokat szemantikai modellbe kellene importálni | 1. generációs adatfolyam | Power BI-kapacitás kihasználtsága CU | Interaktív |
| Adatfolyam frissítése | Igény szerinti vagy ütemezett háttér adatfolyam-frissítés, amelyet a szolgáltatás vagy REST API-k hajtanak végre. | 1. generációs adatfolyam | Power BI-kapacitás kihasználtsága CU | Háttér |
| Szemantikai modell igény szerinti frissítése | A felhasználó által kezdeményezett háttér szemantikai modellfrissítés a szolgáltatás, REST API-k vagy nyilvános XMLA-végpontok használatával | Szemantikai modell | Power BI-kapacitás kihasználtsága CU | Háttér |
| Szemantikai modell ütemezett frissítése | Ütemezett háttér szemantikai modellfrissítés, amelyet a szolgáltatás, REST API-k vagy nyilvános XMLA-végpontok hajtanak végre | Szemantikai modell | Power BI-kapacitás kihasználtsága CU | Háttér |
| Teljes jelentéses e-mail-előfizetés | Egy teljes Power BI-jelentés PDF- vagy PowerPoint-másolata e-mail-előfizetéshez csatolva | Jelentés | Power BI-kapacitás kihasználtsága CU | Háttér |
| Interaktív lekérdezés | Igény szerinti adatkérés által kezdeményezett lekérdezések. Például betölthet egy modellt egy jelentés megnyitásakor, egy jelentés felhasználói interakciója során, vagy lekérdezhet egy adathalmazt a renderelés előtt. A szemantikai modell betöltése jelenthet különálló interaktív lekérdezési műveletet. | Szemantikai modell | Power BI-kapacitás kihasználtsága CU | Interaktív |
| PublicApiExport | A Power BI-jelentés, amelyet az exportálás jelentésből fájlba REST API-vel exportáltak | Jelentés | Power BI-kapacitás kihasználtsága CU | Háttér |
| Megjelenítés | Többoldalas Power BI-jelentés exportálása lapszámozott jelentéssel a REST API fájlba | Többoldalas jelentés | Power BI-kapacitás kihasználtsága CU | Háttér |
| Megjelenítés | Oldalra tördelhető Power BI-jelentés megtekintése a Power BI-szolgáltatásban | Többoldalas jelentés | Power BI-kapacitás kihasználtsága CU | Interaktív |
| Olvasás a webmodellezésről | Adatmodell olvasási művelete a szemantikai modell webes modellezési felhasználói felületén | Szemantikai modell | Power BI-kapacitás kihasználtsága CU | Interaktív |
| Webmodellezés megírása | Adatmodell írási művelete a szemantikai modell webes modellezési felhasználói felületén | Szemantikai modell | Power BI-kapacitás kihasználtsága CU | Interaktív |
| XMLA olvasása | A felhasználó által kezdeményezett XMLA olvasási műveletek lekérdezésekhez és felderítésekhez | Szemantikai modell | Power BI-kapacitás kihasználtsága CU | Interaktív |
| XMLA-írás | A modellt módosító háttér XMLA írási művelet | Szemantikai modell | Power BI-kapacitás kihasználtsága CU | Háttér |
| Power BI-szkriptek vizualizációjának végrehajtása | Az R- és Py-vizualizációk Power BI-jelentés renderelésével aktiválódnak | Power BI-szkriptelési jelentés | Spark-memóriaoptimalizált kapacitás (CU) | Interaktív |
Valós idejű intelligencia
A Real-Time intelligence felület Eventstream, Fabric-események és KQL-adatbázis és KQL-lekérdezéskészletműveleteit tartalmazza.
Eseményfolyam
Az Eventstream fogyasztási rátáit a Microsoft Fabric Eventstream kapacitásfogyasztásának monitorozása című részben találja.
| Művelet | Leírás | Cikk | Azure számlázási mérő | Típus |
|---|---|---|---|---|
| Eseményfolyam óránként | Átalánydíj | Eseményfolyam | Eventstream CU kapacitáshasználat | Háttér |
| Eventstream-adatforgalom GB-onként | Az adatforgalom & kimenő kötet alapértelmezett és származtatott adatfolyamokban (24 órás megőrzést tartalmaz) | Eseményfolyam | Eventstream-adatforgalom kapacitásának használata CU | Háttér |
| Eseménystream processzor óránként | A processzor által felhasznált számítási erőforrások | Eseményfolyam | Eventstream processzorkapacitás kihasználtsága CU | Háttér |
| Eventstream-összekötők virtuális magonkénti óránként | Az összekötők által felhasznált számítási erőforrások | Eseményfolyam | Eventstream-összekötő kapacitás használat CU | Háttér |
Szövet események
A Fabric-események használati arányai a Microsoft Fabricben és az Azure-események kapacitáshasználatában találhatók.
| Művelet | Leírás | Cikk | Azure számlázási mérő | Típus |
|---|---|---|---|---|
| Eseményműveletek | Közzétételi, kézbesítési és szűrési műveletek | Többszörös | Valós idejű intelligencia – Eseményműveletek | Háttér |
| Eseményfigyelő | Az eseményfigyelő üzemideje | Többszörös | Valós idejű intelligencia – Eseményfigyelő és riasztás | Háttér |
KQL-adatbázis és KQL-lekérdezéskészlet
A KQL-adatbázis használati arányai a KQL-adatbázis használatában találhatók.
| Művelet | Leírás | Cikk | Azure számlázási mérő | Típus |
|---|---|---|---|---|
| Eventhouse Rendelkezésre állás | Az Eventhouse aktív idejének mértéke | Eventhouse | Eventhouse kapacitás kihasználtsága CU | Interaktív |
Spark
Két Spark virtuális mag (a Spark számítási teljesítménye) egy kapacitásegységnek (CU) felel meg. Amennyiben meg szeretné érteni, hogy a Spark-műveletek hogyan használják fel a számítási egységeket, tekintse meg a Spark-poolokat.
| Művelet | Leírás | Cikk | Azure számlázási mérő | Típus |
|---|---|---|---|---|
| Lakehouse-műveletek | Felhasználók előnézeti táblázata a Lakehouse Explorerben | Lakehouse | Spark Memóriaoptimalizált kapacitás kihasználtsága CU | Háttér |
| Lakehouse-tábla feltöltése | A felhasználók deltatáblát töltenek be a Lakehouse Explorerben | Lakehouse | Spark Memóriaoptimalizált kapacitás kihasználtsága CU | Háttér |
| Jegyzetfüzet futtatása | A jegyzetfüzetet manuálisan indítják a felhasználók | Jegyzetfüzet | Spark Memóriaoptimalizált kapacitás kihasználtsága CU | Háttér |
| HC Notebook futtatása | Jegyzetfüzet futtatása magas egyidejűségű Spark-munkamenetben | Jegyzetfüzet | Spark Memóriaoptimalizált kapacitás kihasználtsága CU | Háttér |
| Jegyzetfüzet ütemezett futtatása | Jegyzetfüzet ütemezett eseményei által aktivált jegyzetfüzet-futtatás | Jegyzetfüzet | Spark Memóriaoptimalizált kapacitás kihasználtsága CU | Háttér |
| Jegyzetfüzet-folyamat futtatása | Folyamat által aktivált jegyzetfüzet-futtatás | Jegyzetfüzet | Spark Memóriaoptimalizált kapacitás kihasználtsága CU | Háttér |
| Notebook VS Code futtatása | A jegyzetfüzet a VS Code-ban fut. | Jegyzetfüzet | Spark Memóriaoptimalizált kapacitás kihasználtsága CU | Háttér |
| Spark-feladat futtatása | A Felhasználók beküldése által kezdeményezett Spark-kötegelt feladatfuttatások | Spark-munka definíciója | Spark Memóriaoptimalizált kapacitás kihasználtsága CU | Háttér |
| Spark-feladat ütemezett végrehajtása | A batch-feladatokat a jegyzetfüzet ütemezett eseményei aktiválják | Spark feladatdefiníció | Spark Memóriaoptimalizált kapacitás kihasználtsága CU | Háttér |
| Spark-feladat folyamatának futtatása | Folyamat által aktivált Batch-feladatfuttatások | Spark-feladat definíció | Spark Memóriaoptimalizált kapacitás kihasználtsága CU | Háttér |
| Spark-feladat VS Code futtatása | A VS Code-ból elküldött Spark-feladatdefiníció | Spark Feladat Definíció | Spark Memóriaoptimalizált kapacitás kihasználtsága CU | Háttér |