Fabric-Vorgänge
Jede Oberfläche in Microsoft Fabric unterstützt eindeutige Vorgänge. Die Verbrauchsrate eines Vorgangs wandelt den Verbrauch der Rohmetriken der Benutzeroberfläche in Compute-Einheiten (CU) um.
Die Computerseite der Microsoft Fabric Capacity Metrics-App bietet einen Überblick über die Kapazitätsleistung und listet Fabric-Vorgänge auf, die Rechenressourcen verbrauchen.
In diesem Artikel werden diese Operationen nach Erfahrung aufgelistet und es wird erklärt, wie sie Ressourcen in Fabric konsumieren.
Interaktive Vorgänge und Hintergrund-Vorgänge
Microsoft Fabric unterteilt Vorgänge in zwei Typen, interaktive Typen und Hintergrundtypen. In diesem Artikel werden diese Vorgänge aufgelistet und der Unterschied zwischen ihnen erläutert.
Interaktive Vorgänge
Bedarfsgesteuerte Anforderungen und Operationen, die durch Interaktionen der Benutzer*innen mit der Benutzeroberfläche ausgelöst werden können, z. B. durch visuelle Elemente generierte Datenmodellabfragen, werden als interaktive Operationen eingestuft. Sie werden in der Regel durch die Interaktion eines Benutzers bzw. einer Benutzerin mit der Benutzeroberfläche ausgelöst. Beispielsweise wird ein interaktiver Vorgang ausgelöst, wenn ein Benutzer einen Bericht öffnet oder einen Datenschnitt in einem Power BI-Bericht auswählt. Interaktive Vorgänge können auch ohne Interaktion mit der Benutzeroberfläche ausgelöst werden, beispielsweise wenn Sie SQL Server Management Studio (SSMS) oder eine benutzerdefinierte Anwendung verwenden, um eine DAX-Abfrage auszuführen.
Vorgänge im Hintergrund
Längere Vorgänge wie semantische Modelle oder Dataflowaktualisierungen werden als Hintergrundvorgänge klassifiziert. Sie können manuell durch eine*n Benutzer*in oder automatisch ohne Benutzerinteraktion ausgelöst werden. Zu den Hintergrundvorgängen gehören geplante Aktualisierungen, interaktive Aktualisierungen, REST-basierte Aktualisierungen und XMLA-basierte Aktualisierungsvorgänge. Benutzer werden wahrscheinlich nicht auf den Abschluss dieser Vorgänge warten. Sie könnten stattdessen später wiederkommen, um den Status der Vorgänge zu überprüfen.
So lesen Sie dieses Dokument
Jedes Erlebnis verfügt über eine Tabelle, in der seine Operationen mit den folgenden Spalten aufgelistet sind:
Vorgang: Dies ist der Name des Vorgangs. Sichtbar in der Microsoft Fabric-Kapazitätsmetriken-App.
Beschreibung: Eine Beschreibung des Vorgangs.
Element: Dies ist das Element, auf das dieser Vorgang angewendet werden kann. Sichtbar in der Microsoft Fabric-Kapazitätsmetriken-App.
Azure-Abrechnungszähler: Der Name des Zählers auf Ihrer Azure-Rechnung, der die Nutzung für diesen Vorgang anzeigt.
Typ: Hier ist der Typ des Vorgangs aufgelistet. Vorgänge werden als interaktive Vorgänge oder Hintergrundvorgänge klassifiziert.
Wenn weitere Details zur Verbrauchsrate verfügbar sind, wird ein Link zum Dokument mit diesen Informationen bereitgestellt.
Fabric-Vorgänge nach Benutzeroberfläche
Dieser Abschnitt ist je nach Fabric-Oberfläche unterteilt. Jede Erfahrung verfügt über eine Tabelle, in der die Vorgänge aufgelistet sind.
Wichtig
Verbrauchsraten können sich jederzeit ändern. Microsoft unternimmt angemessene Anstrengungen, um eine Benachrichtigung per E-Mail oder als produktinterne Benachrichtigung bereitzustellen. Änderungen gelten ab dem Datum, das in den Versionshinweisen von Microsoft oder dem Microsoft Fabric-Blog angegeben ist. Wenn eine Änderung der Microsoft Fabric Workload-Verbrauchsrate die für die Nutzung eines bestimmten Workloads erforderlichen Kapazitätseinheiten (Capacity Units, CU) wesentlich erhöht, können Kunden die für die gewählte Zahlungsmethode verfügbaren Stornierungsoptionen nutzen.
Copilot in Fabric
Copilot Vorgänge werden in dieser Tabelle aufgeführt. Die Verbrauchsraten für Copilot finden Sie im Copilot-Verbrauch.
| Vorgang | Beschreibung | Element | Azure-Verbrauchseinheit für die Abrechnung | Typ |
|---|---|---|---|---|
| Copilot in Fabric | Berechnen von Kosten für Eingabeaufforderungen und Ausgabeabschluss | Mehrere | Copilot in Fabric CU | Hintergrund |
Datenfabrik
Die Data Factory-Oberfläche enthält Vorgänge für Dataflows Gen2 und Pipelines.
Dataflows Gen2
Die Verbrauchsraten für Dataflows Gen2 finden Sie unter Dataflow Gen2-Preis für Data Factory in Microsoft Fabric.
| Vorgang | Beschreibung | Element | Azure-Verbrauchseinheit für die Abrechnung | Typ |
|---|---|---|---|---|
| Dataflow Gen2-Aktualisierung | Computekosten im Zusammenhang mit dem Datenfluss-Gen2-Aktualisierungsvorgang | Dataflow Gen2 | Datenfluss-Standardrechenkapazitätsnutzung (CU) | Hintergrund |
| Dataflow-Compute mit hoher Skalierung – SQL-Endpunktabfrage | Verwendung im Zusammenhang mit dem SQL-Endpunkt des Dataflow Gen2 Staging Warehouse | Lagerhalle | High Scale Dataflow-Compute-Kapazitätsverbrauch (CU) | Hintergrund |
Pipelines
Die Verbrauchsraten für Pipelines finden Sie unter Preise für Datenpipelines in Data Factory in Microsoft Fabric.
| Vorgang | Beschreibung | Element | Azure-Abrechnungsmesser | Typ |
|---|---|---|---|---|
| DataMovement | Die Zeit, die von der Kopieraktivität in einer Data Factory-Pipeline verwendet wird, dividiert durch die Anzahl der Datenintegrationseinheiten | Pipeline | Kapazitätsverbrauch (CU) der Datenverschiebung | Hintergrund |
| ActivityRun | Ausführung einer Data Factory-Datenpipelineaktivität | Rohrleitung | Kapazitätsverbrauch (CU) der Datenorchestrierung | Hintergrund |
Datenbanken
Eine Fabric-Kapazitätseinheit = 0.383 SQL-Datenbank vCores.
| Vorgang | Beschreibung | Element | Azure-Abrechnungseinheit | Typ |
|---|---|---|---|---|
| SQL-Verwendung | Berechnen für alle vom Benutzer generierten und vom System generierten SQL-Abfragen, Änderungen und Datenverarbeitungsvorgänge in einer Datenbank | Datenbank | SQL-Datenbank in Microsoft Fabric Kapazitätsverbrauch CU | Interaktiv |
| Zugewiesener SQL-Speicher | Der dynamisch zugewiesene Speicherplatz für eine SQL-Datenbank in Fabric, der zum Speichern von Tabellen, Indizes, Transaktionsprotokollen und Metadaten verwendet wird. Vollständig in OneLake integriert. | Datenbank | SQL-Speicher gespeicherte Daten | Hintergrund |
Data Warehouse
Ein Fabric Data Warehouse-Kern (Recheneinheit für Data Warehouse) entspricht zwei Fabric-Kapazitätseinheiten (CUs).
| Vorgang | Beschreibung | Element | Azure-Verbrauchseinheit für die Abrechnung | Typ |
|---|---|---|---|---|
| Lagerbestandsabfrage | Berechnen der Gebühr für alle vom Benutzer bzw. der Benutzerin generierten und vom System generierten T-SQL-Anweisungen in einem Warehouse | Lagerhaus | Data Warehouse-Kapazitätsverbrauch (CU) | Hintergrund |
| SQL-Endpunktabfrage | Berechnen der Gebühr für alle vom Benutzer bzw. der Benutzerin generierten und vom System generierten T-SQL-Anweisungen in dem SQL-Analyseendpunkt eines Lakehouses | Lagerhaus | Data Warehouse-Kapazitätsverbrauch (CU) | Hintergrund |
Fabric-API für GraphQL
GraphQL-Vorgänge bestehen aus Anforderungen, die für GraphQL-Elemente von API-Clients in der API ausgeführt werden. Die Verarbeitungszeiten für Anforderungs- und Antwortvorgänge von GraphQL werden in Kapazitätseinheiten (Capacity Units, CUs) in Sekunden gemeldet, und zwar mit einer Rate von zehn CUs pro Stunde.
| Vorgang | Beschreibung | Element | Azure-Verbrauchseinheit für die Abrechnung | Typ |
|---|---|---|---|---|
| Abfrage | Berechnung der Gebühren für alle generierten GraphQL-Abfragen (Lesevorgänge) und Mutationen (Schreibvorgänge) von Clients innerhalb einer GraphQL-API. | GraphQL | API für GraphQL-Abfragen – Kapazitätsverbrauch CU | Interaktiv |
OneLake
One Lake-Berechnungsvorgänge stellen die Transaktionen dar, die für One Lake-Elemente ausgeführt werden. Die Verbrauchsrate für jeden Vorgang variiert je nach Typ. Weitere Informationen finden Sie unter One Lake-Verbrauch.
| Vorgang | Beschreibung | Element | Azure-Abrechnungseinheit | Typ |
|---|---|---|---|---|
| OneLake: Lesen über Umleitung | OneLake: Lesen über Umleitung | Mehrere | Kapazitätsverbrauch (CU) für OneLake-Lesevorgänge | Hintergrund |
| OneLake: Lesen über Proxy | OneLake: Lesen über Proxy | Mehrere | Kapazitätsverbrauch (CU) für OneLake-Lesevorgänge über API | Hintergrund |
| OneLake: Schreiben über Umleitung | OneLake: Schreiben über Umleitung | Mehrere | Kapazitätsverbrauch (CU) für OneLake-Schreibvorgänge | Hintergrund |
| OneLake: Schreiben über Proxy | OneLake: Schreiben über Proxy | Mehrere | Kapazitätsverbrauch (CU) für OneLake-Schreibvorgänge über API | Hintergrund |
| OneLake: Iteratives Schreiben über Umleitung | OneLake: Iteratives Schreiben über Umleitung | Mehrere | OneLake: Iterative Schreibvorgänge | Hintergrund |
| OneLake: Iteratives Lesen über Umleitung | OneLake: Iteratives Lesen über Umleitung | Mehrere | Kapazitätsverbrauch (CU) für iteraktive OneLake-Lesevorgänge | Hintergrund |
| OneLake: Sonstige Vorgänge | OneLake: Sonstige Vorgänge | Mehrere | Kapazitätsverbrauch (CU) für sonstige OneLake-Vorgänge | Hintergrund |
| OneLake: Sonstige Vorgänge über Umleitung | OneLake: Sonstige Vorgänge über Umleitung | Mehrere | Kapazitätsverbrauch (CU) für sonstige OneLake-Vorgänge über API | Hintergrund |
| OneLake: Iteratives Schreiben über Proxy | OneLake: Iteratives Schreiben über Proxy | Mehrere | Kapazitätsverbrauch (CU) für iteraktive OneLake-Schreibvorgänge über API | Hintergrund |
| OneLake: Iteratives Lesen über Proxy | OneLake: Iteratives Lesen über Proxy | Mehrere | Kapazitätsverbrauch (CU) für iteraktive OneLake-Lesevorgänge über API | Hintergrund |
| OneLake: BCDR-Lesen über Proxy | OneLake: BCDR-Lesen über Proxy | Mehrere | Kapazitätsverbrauch (CU) für BCDR-Lesevorgänge in OneLake über API | Hintergrund |
| OneLake: BCDR-Schreiben über Proxy | OneLake: BCDR-Schreiben über Proxy | Mehrere | Kapazitätsverbrauch (CU) für BCDR-Schreibvorgänge in OneLake über API | Hintergrund |
| OneLake: BCDR-Lesen über Umleitung | OneLake: BCDR-Lesen über Umleitung | Mehrere | Kapazitätsverbrauch (CU) für BCDR-Lesevorgänge in OneLake | Hintergrund |
| OneLake: BCDR-Schreiben über Umleitung | OneLake: BCDR-Schreiben über Umleitung | Mehrere | Kapazitätsverbrauch (CU) für BCDR-Schreibvorgänge in OneLake | Hintergrund |
| OneLake: Iteratives BCDR-Lesen über Proxy | OneLake: Iteratives BCDR-Lesen über Proxy | Mehrere | Kapazitätsverbrauch (CU) für iterative BCDR-Lesevorgänge in OneLake über API | Hintergrund |
| OneLake: Iteratives BCDR-Lesen über Umleitung | OneLake: Iteratives BCDR-Lesen über Umleitung | Mehrere | Kapazitätsverbrauch (CU) für iteraktive BCDR-Lesevorgänge in OneLake | Hintergrund |
| OneLake: Iteratives BCDR-Schreiben über Proxy | OneLake: Iteratives BCDR-Schreiben über Proxy | Mehrere | Kapazitätsverbrauch (CU) für iterative BCDR-Schreibvorgänge in OneLake über API | Hintergrund |
| OneLake: Iteratives BCDR-Schreiben über Umleitung | OneLake: Iteratives BCDR-Schreiben über Umleitung | Mehrere | Kapazitätsverbrauch (CU) für iterative BCDR-Schreibvorgänge in OneLake | Hintergrund |
| OneLake: Sonstige BCDR-Vorgänge | OneLake BCDR sonstige Vorgänge | Mehrere | Kapazitätsverbrauch (CU) für sonstige BCDR-Vorgänge in OneLake | Hintergrund |
| OneLake: Sonstige BCDR-Vorgänge über Umleitung | OneLake: Sonstige BCDR-Vorgänge über Umleitung | Mehrere | Kapazitätsverbrauch (CU) für sonstige BCDR-Vorgänge in OneLake über API | Hintergrund |
Power BI
Der Verbrauch für jeden Vorgang wird in der CU-Verarbeitungszeit in Sekunden gemeldet. Acht CUs entsprechen einem virtuellen Kern von Power BI.
Hinweis
Der Begriff semantisches Modell ersetzt den Begriff Dataset. Möglicherweise wird der alte Begriff weiterhin auf der Benutzeroberfläche angezeigt, bis er vollständig ersetzt wird.
Derzeit stellen wir in Power BI keine Gebühren für R/Py-Visualisierungen in Rechnung.
| Vorgang | Beschreibung | Element | Azure-Abrechnungszähler | Typ |
|---|---|---|---|---|
| Künstliche Intelligenz (KI) | KI-Funktionsauswertung | KI | Power BI-Kapazitätsverbrauch (CU) | Interaktiv |
| Hintergrundabfrage | Abfragen zum Aktualisieren von Kacheln und Erstellen von Berichtsschnappschüssen | Semantikmodell | Power BI-Kapazitätsverbrauch (CU) | Hintergrund |
| Dataflow: DirectQuery | Direkte Verbindungsherstellung mit einem Datenfluss, ohne dass die Daten in ein semantisches Modell importiert werden müssen | Dataflow Gen1 | Power BI-Kapazitätsverbrauch (CU) | Interaktiv |
| Dataflow: Aktualisierung | Eine bedarfsbasierte oder geplante Aktualisierung des Dataflows im Hintergrund, die vom Dienst oder mit REST-APIs ausgeführt wird. | Dataflow Gen1 | Power BI-Kapazitätsverbrauch (CU) | Hintergrund |
| Aktualisierung des semantischen Modells bei Bedarf | Eine von Benutzer*innen initiierte Aktualisierung des semantischen Modells im Hintergrund mithilfe des Diensts, der REST-APIs oder öffentlicher XMLA-Endpunkte | Semantikmodell | Power BI-Kapazitätsverbrauch (CU) | Hintergrund |
| Geplante Aktualisierung des semantischen Modells | Eine geplante Aktualisierung des semantischen Modells im Hintergrund, die vom Dienst, REST-APIs oder öffentlichen XMLA-Endpunkten ausgeführt wird | Semantikmodell | Power BI-Kapazitätsverbrauch (CU) | Hintergrund |
| E-Mail-Abonnement des vollständigen Berichts | Eine PDF- oder PowerPoint-Kopie eines vollständigen Power BI-Berichts, die an ein E-Mail-Abonnement angehängt wird. | Bericht | Power BI-Kapazitätsverbrauch (CU) | Hintergrund |
| Interaktive Abfrage | Abfragen, die durch eine bedarfsgesteuerte Datenanforderung initiiert werden. Beispiel: Laden eines Modells beim Öffnen eines Berichts, Benutzerinteraktion mit einem Bericht oder Abfragen eines Datasets vor dem Rendern. Das Laden eines Semantikmodells kann als eigenständiger interaktiver Abfragevorgang gemeldet werden. | Semantikmodell | Power BI-Kapazitätsverbrauch (CU) | Interaktiv |
| PublicApiExport | Ein Power BI-Bericht, der mit der REST-API Bericht in Datei exportieren exportiert wird | Bericht | Power BI-Kapazitätsverbrauch (CU) | Hintergrund |
| Rendern | Ein paginierter Power BI-Bericht, der mit der REST-API Paginierten Bericht in Datei exportieren exportiert wird | Paginierter Bericht | Power BI-Kapazitätsverbrauch (CU) | Hintergrund |
| Rendern | Ein paginierter Power BI-Bericht, der im Power BI-Dienst angezeigt wird | Paginierter Bericht | Power BI-Kapazitätsverbrauch (CU) | Interaktiv |
| Web-Modellierung lesen | Ein Datenmodell-Lesevorgang auf der Benutzeroberfläche der Webmodellierung für das semantische Modell | Semantikmodell | Power BI-Kapazitätsverbrauch (CU) | Interaktiv |
| Webmodellierung schreiben | Ein Datenmodell-Schreibvorgang auf der Benutzeroberfläche der Webmodellierung für das semantische Modell | Semantikmodell | Power BI-Kapazitätsverbrauch (CU) | Interaktiv |
| XMLA-Lesevorgang | Vom Benutzer initiierte XMLA-Lesevorgänge für Abfragen und Ermittlungen | Semantikmodell | Power BI-Kapazitätsverbrauch (CU) | Interaktiv |
| XMLA-Schreibvorgang | Ein XMLA-Schreibvorgang im Hintergrund, der das Modell ändert | Semantikmodell | Power BI-Kapazitätsverbrauch (CU) | Hintergrund |
| Visuelle Ausführung von Power BI-Skripts | R- und Py-Visualisierungen werden durch das Rendern eines Power BI-Berichts ausgelöst. | Power BI-Skriptbericht | Arbeitsspeicheroptimierter Spark-Kapazität (CU) | Interaktiv |
Echtzeit-Intelligenz
Die Real-Time Intelligence-Oberfläche enthält Vorgänge für Eventstreams, Fabric-Ereignisse sowie KQL-Datenbank und KQL-Abfrageset.
Ereignisstrom
Sie finden die Verbrauchsraten für Eventstreams unter Überwachen des Kapazitätsverbrauchs für Microsoft Fabric-Eventstreams.
| Vorgang | Beschreibung | Element | Azure-Abrechnungsmeter | Typ |
|---|---|---|---|---|
| Ereignisstrom pro Stunde | Pauschalgebühr | Eventstream | Eventstream-Kapazitätsauslastung CU | Hintergrund |
| Eventstream-Datenverkehr pro GB | Dateneingangs- & Ausgangsvolumes in Standard- und abgeleiteten Datenströmen (einschließlich 24-Stunden-Aufbewahrung) | Eventstream | Eventstream Data Traffic Kapazitätsverbrauch CU | Hintergrund |
| Eventstream-Prozessor pro Stunde | Vom Prozessor verbrauchte Computerressourcen | Eventstream | Kapazitätsverbrauch (CU) für Eventstream-Prozessor | Hintergrund |
| Eventstream Connectors Per vCore Hour | Von den Konnektoren verbrauchte Computeressourcen | Ereignisstrom | Eventstream-Connector-Kapazitätsnutzung CU | Hintergrund |
Fabric-Ereignisse
Sie finden die Verbrauchsraten für Fabric-Ereignisse in Microsoft Fabric und Azure-Ereigniskapazitätsverbrauch.
| Vorgang | Beschreibung | Element | Azure-Abrechnungsmeter | Typ |
|---|---|---|---|---|
| Ereignisvorgänge | Veröffentlichungs-, Übermittlungs- und Filtervorgänge | Mehrere | Echtzeitintelligenz – Ereignisvorgänge | Hintergrund |
| Ereignislistener | Uptime des Ereignislisteners | Mehrere | Echtzeitintelligenz – Ereignislistener und Warnungen | Hintergrund |
KQL-Datenbank und KQL-Abfrageset
Die Verbrauchsraten für die KQL-Datenbank finden Sie unter KQL-Datenbankverbrauch.
| Vorgang | Beschreibung | Element | Azure-Verbrauchseinheit für die Abrechnung | Typ |
|---|---|---|---|---|
| Eventhouse-UpTime | Maß für die Zeit, zu der Eventhouse aktiv ist | Eventhouse | CU für den Eventhouse-Kapazitätsverbrauch | Interaktiv |
Spark
Zwei virtuelle Spark-Kerne (eine Einheit der Rechenleistung für Spark) entspricht einer Kapazitätseinheit (CU). Informationen dazu, wie Spark-Vorgänge CUs nutzen, finden Sie unter Spark-Pools.
| Vorgang | Beschreibung | Element | Azure-Verbrauchseinheit für die Abrechnung | Typ |
|---|---|---|---|---|
| Lakehouse-Vorgänge | Benutzer sehen eine Vorschautabelle im Lakehouse-Explorer | Lakehouse | Arbeitsspeicheroptimierter Spark-Kapazitätsverbrauch CU | Hintergrund |
| Lakehouse-Tabellenauslastung | Benutzer laden die Deltatabelle im Lakehouse-Explorer | Lakehouse | Arbeitsspeicheroptimierter Spark-Kapazitätsverbrauch CU | Hintergrund |
| Notebook-Ausführung | Manuelle Notebook-Ausführung von benutzenden Personen | Notebook | Arbeitsspeicheroptimierter Spark-Kapazitätsverbrauch CU | Hintergrund |
| Notebook HC-Ausführung | Notebook-Ausführungen unter der Spark-Sitzung mit hoher Parallelität | Notebook | Arbeitsspeicheroptimierter Spark-Kapazitätsverbrauch CU | Hintergrund |
| Geplante Notebookausführung | Durch geplante Notebookereignisse ausgelöste Notebook-Ausführung | Notebook | Arbeitsspeicheroptimierter Spark-Kapazitätsverbrauch CU | Hintergrund |
| Notebook-Pipelineausführung | Von der Pipeline ausgelöste Notebook-Ausführung | Notebook | Arbeitsspeicheroptimierter Spark-Kapazitätsverbrauch CU | Hintergrund |
| Notebook VS Code-Ausführung | Notebook-Ausführungen in VS Code. | Notebook | Arbeitsspeicheroptimierter Spark-Kapazitätsverbrauch CU | Hintergrund |
| Spark-Auftragsausführung | Durch Benutzerübermittlung eingeleitete Ausführung von Spark-Batchaufträgen | Spark-Auftragsdefinition | Arbeitsspeicheroptimierter Spark-Kapazitätsverbrauch CU | Hintergrund |
| Geplante Ausführung von Spark-Aufträgen | Durch geplante Notebookereignisse ausgelöste Batchauftragsausführungen | Spark-Auftragsdefinition | Arbeitsspeicheroptimierter Spark-Kapazitätsverbrauch CU | Hintergrund |
| Spark-Auftragspipelineausführungen | Von der Pipeline ausgelöste Batchauftragsausführungen | Spark-Auftragsdefinition | Arbeitsspeicheroptimierter Spark-Kapazitätsverbrauch CU | Hintergrund |
| Spark-Auftrag in VS Code ausführen | Von VS Code übermittelte Spark-Auftragsdefinition | Spark-Auftragsdefinition | Arbeitsspeicheroptimierter Spark-Kapazitätsverbrauch CU | Hintergrund |