Operaciones de Fabric
Cada experiencia de Microsoft Fabric admite operaciones únicas. Una tasa de consumo de una operación es lo que convierte el uso de las métricas sin procesar de la experiencia en unidades de proceso (CU).
En la página de proceso de la aplicación Métricas de capacidad de Microsoft Fabric se proporciona información general sobre el rendimiento de la capacidad y se muestran las operaciones de Fabric que consumen los recursos de proceso.
En este artículo se muestran estas operaciones por experiencia y se explica cómo estas consumen los recursos dentro de Fabric.
Operaciones interactivas y en segundo plano
Microsoft Fabric divide las operaciones en dos tipos, interactivas y en segundo plano. En este artículo se muestran estas operaciones y se explica la diferencia entre ellas.
Operaciones interactivas
Las solicitudes y operaciones a petición que puede desencadenar el usuario al interactuar con la interfaz de usuario, como las consultas del modelo de datos generadas por los objetos visuales de los informes, se clasifican como operaciones interactivas. Normalmente se desencadenan mediante interacciones del usuario con la interfaz de usuario. Por ejemplo, se desencadena una operación interactiva cuando un usuario abre un informe o selecciona una segmentación en un informe de Power BI. Las operaciones interactivas también se pueden desencadenar sin interactuar con la interfaz de usuario, por ejemplo, al usar SQL Server Management Studio (SSMS) o una aplicación personalizada para ejecutar una consulta DAX.
Operaciones en segundo plano
Las operaciones de mayor duración, como las actualizaciones de los modelos semánticos o de los flujos de datos, se clasifican como operaciones en segundo plano. Un usuario puede desencadenarlas manualmente, o se pueden desencadenar automáticamente sin interacción del usuario. Las operaciones en segundo plano incluyen actualizaciones programadas, actualizaciones interactivas, actualizaciones basadas en REST y operaciones de actualización basadas en XMLA. Los usuarios no tienen que esperar a que finalicen estas operaciones. En su lugar, podrían volver más adelante para comprobar el estado de las operaciones.
Cómo leer este documento
Cada experiencia tiene una tabla que enumera sus operaciones, con las columnas siguientes:
Operation: el nombre de la operación. Visible en la aplicación Métricas de capacidad de Microsoft Fabric.
Descripción: descripción de la operación.
Elemento: elemento al que puede aplicarse esta operación. Visible en la aplicación de Métricas de Capacidad de Microsoft Fabric.
Medidor de facturación de Azure: el nombre del medidor en la factura de Azure que muestra el uso de esta operación.
Tipo: muestra el tipo de la operación. Las operaciones se clasifican en interactivas o en segundo plano.
Cuando hay más detalles sobre la tasa de consumo disponibles, se proporciona un vínculo al documento con esta información.
Operaciones de Fabric por experiencia
Esta sección se divide en experiencias de Fabric. Cada experiencia tiene una tabla que muestra sus operaciones.
Importante
Las tarifas de consumo están sujetas a cambios en cualquier momento. Microsoft hará todo lo posible para avisar por correo electrónico o mediante una notificación en el producto. Los cambios serán efectivos en la fecha indicada en las notas de la versión de Microsoft o en el blog de Microsoft Fabric. Si algún cambio en una tasa de consumo de carga de trabajo de Microsoft Fabric aumenta materialmente las unidades de capacidad necesarias para usar una carga de trabajo determinada, los clientes pueden usar las opciones de cancelación disponibles para el método de pago elegido.
Copilot en Fabric
Las operaciones de Copilot se enumeran en esta tabla. Puede encontrar las tasas de consumo de Copilot en Copilot consumo.
| Operación | Descripción | Elemento | Medidor de facturación de Azure | Tipo |
|---|---|---|---|---|
| Copilot en Fabric | Coste de proceso asociado a indicaciones de entrada y finalización de salida | Múltiple | Copilot en CU de Fabric | Información previa |
Fábrica de Datos
La experiencia de Data Factory contiene operaciones para Flujos de datos Gen2 y Pipelines.
Dataflows Gen2
Puede encontrar las tarifas de consumo de Dataflows Gen2 en Precios de Dataflow Gen2 para Data Factory en Microsoft Fabric.
| Operación | Descripción | Elemento | Medidor de facturación de Azure | Tipo |
|---|---|---|---|---|
| Actualización de Dataflow Gen 2 | Calcular el costo asociado a la operación de actualización de flujo de datos Gen2 | Dataflow Gen2 | CU de uso de la capacidad de proceso estándar de flujos de datos | Información previa |
| Proceso de flujos de datos a gran escala: consulta de punto de conexión de SQL | Uso relacionado con el punto de conexión de SQL del almacenamiento provisional de Flujos de datos Gen2 | Almacén | Uso de capacidad de cómputo de flujos de datos a gran escala (CU) | Contexto |
Canalizaciones
Puede encontrar las tarifas de consumo de Pipelines en Precios de canalizaciones de datos para Data Factory en Microsoft Fabric.
| Operación | Descripción | Elemento | Medidor de facturación de Azure | Tipo |
|---|---|---|---|---|
| DataMovement | La cantidad de tiempo empleada por la actividad de copia en un pipeline de Data Factory, dividida por el número de unidades de integración de datos. | Canalización | CU de uso de la capacidad de movimiento de datos | Información previa |
| ActivityRun | Ejecución de una actividad de canalización de datos de Data Factory | Canalización | Uso de la Capacidad de Orquestación de Datos (CU) | Información previa |
Bases de datos
Unidad de capacidad de Fabric = 0,383 Núcleos virtuales de base de datos SQL.
| Operación | Descripción | Elemento | Medidor de facturación de Azure | Tipo |
|---|---|---|---|---|
| Uso de SQL | Calcular todas las consultas SQL generadas por el usuario y el sistema, las modificaciones y las operaciones de procesamiento de datos dentro de una base de datos | Base de datos | CU de utilización de la capacidad de base de datos SQL de Microsoft Fabric | Interactivo |
| Almacenamiento SQL asignado | Espacio de almacenamiento asignado dinámicamente para una base de datos SQL en Fabric, que se usa para almacenar tablas, índices, registros de transacciones y metadatos. Totalmente integrado con OneLake. | Base de datos | Datos de almacenamiento de SQL almacenados | Información previa |
Almacén de Datos
Un núcleo de almacenamiento de datos de Fabric (unidad de proceso para el almacenamiento de datos) equivale a dos unidades de capacidad (CU) de Fabric.
| Operación | Descripción | Elemento | Medidor de facturación de Azure | Tipo |
|---|---|---|---|---|
| Consulta de almacén | Calcular el costo de todas las instrucciones T-SQL generadas por el usuario y por el sistema dentro de un almacén de datos. | Almacén | Uso de capacidad del Data Warehouse (CU) | Información previa |
| Consulta de punto de conexión SQL | Cargo de proceso de todas las instrucciones T-SQL generadas por el usuario y por el sistema dentro del punto de conexión de análisis de SQL o un almacén de lago de datos | Almacén | CU de uso de la capacidad de Data Warehouse | Información previa |
API de Fabric para GraphQL
Las operaciones de GraphQL se componen de solicitudes realizadas en la API para los elementos de GraphQL por clientes API. El tiempo de procesamiento de cada solicitud y operación de respuesta de GraphQL se informa en Unidades de Capacidad (CU) en segundos, con una tasa de diez CU por hora.
| Operación | Descripción | Elemento | Medidor de facturación de Azure | Tipo |
|---|---|---|---|---|
| Consultar | Calcular el coste para todas las consultas de GraphQL generadas (lecturas) y mutaciones (escrituras) por los clientes dentro de una API GraphQL | GraphQL | API para el uso de la capacidad de consulta de GraphQL (CU) | Interactivo |
OneLake
Las operaciones de cálculo de One Lake representan las transacciones realizadas en elementos de One Lake. La tasa de consumo de cada operación varía en función de su tipo. Para más información, consulte Consumo de OneLake.
| Operación | Descripción | Elemento | Medidor de facturación de Azure | Tipo |
|---|---|---|---|---|
| Lectura de OneLake mediante redireccionamiento | Lectura de OneLake mediante redireccionamiento | Múltiple | CU de uso de la capacidad de operaciones de lectura de OneLake | Información previa |
| Lectura de OneLake mediante proxy | Lectura de OneLake mediante proxy | Múltiple | CU de uso de la capacidad de operaciones de lectura de OneLake mediante API | Información previa |
| Escritura de OneLake mediante redireccionamiento | Escritura de OneLake mediante redireccionamiento | Múltiple | CU de uso de la capacidad de operaciones de escritura de OneLake | Información previa |
| Escritura de OneLake mediante proxy | Escritura de OneLake mediante proxy | Múltiple | CU de uso de la capacidad de operaciones de escritura de OneLake mediante API | Información previa |
| Escritura iterativa de OneLake mediante redireccionamiento | Escritura iterativa de OneLake mediante redireccionamiento | Múltiple | Operaciones de escritura iterativa de OneLake | Información previa |
| Lectura iterativa de OneLake mediante redireccionamiento | Lectura iterativa de OneLake mediante redireccionamiento | Múltiple | CU de uso de la capacidad de operaciones de lectura iterativa de OneLake | Información previa |
| Otras operaciones de OneLake | Otras operaciones de OneLake | Múltiple | CU de uso de la capacidad de otras operaciones de OneLake | Información previa |
| Otras operaciones de OneLake mediante redireccionamiento | Otras operaciones de OneLake mediante redireccionamiento | Múltiple | CU de uso de la capacidad de otras operaciones de OneLake mediante API | Información previa |
| Escritura iterativa de OneLake mediante proxy | Escritura iterativa de OneLake mediante proxy | Múltiple | CU de uso de la capacidad de operaciones de escritura iterativas de OneLake mediante API | Información previa |
| Lectura iterativa de OneLake mediante proxy | Lectura iterativa de OneLake mediante proxy | Múltiple | CU de uso de la capacidad de operaciones de lectura iterativas de OneLake mediante API | Antecedentes |
| Lectura de OneLake BCDR mediante proxy | Lectura de OneLake BCDR mediante proxy | Múltiple | CU de uso de la capacidad de operaciones de lectura de OneLake BCDR mediante API | Información previa |
| Escritura de OneLake BCDR mediante proxy | Escritura de OneLake BCDR mediante proxy | Múltiple | CU de uso de la capacidad de operaciones de escritura de OneLake BCDR mediante API | Antecedentes |
| Lectura de OneLake BCDR mediante redireccionamiento | Lectura de OneLake BCDR mediante redireccionamiento | Múltiple | CU de uso de la capacidad de operaciones de lectura de OneLake BCDR | Información previa |
| Escritura de OneLake BCDR mediante redireccionamiento | Escritura de OneLake BCDR mediante redireccionamiento | Múltiple | CU de uso de capacidad de las operaciones de escritura de OneLake BCDR | Antecedentes |
| Lectura iterativa de OneLake BCDR mediante proxy | Lectura iterativa de OneLake BCDR mediante proxy | Múltiple | CU de uso de la capacidad de operaciones de lectura iterativas de OneLake BCDR mediante API | Información previa |
| Lectura iterativa de OneLake BCDR mediante redireccionamiento | Lectura iterativa de OneLake BCDR mediante redireccionamiento | Múltiple | CU de uso de la capacidad de operaciones de lectura iterativas de OneLake BCDR | Información previa |
| Escritura iterativa de OneLake BCDR mediante proxy | Escritura iterativa de OneLake BCDR mediante proxy | Múltiple | CU de uso de la capacidad de operaciones de escritura iterativas de OneLake BCDR mediante API | Antecedentes |
| Escritura iterativa de OneLake BCDR mediante redireccionamiento | Escritura iterativa de OneLake BCDR mediante redireccionamiento | Múltiple | CU de uso de la capacidad de operaciones de escritura iterativas de OneLake BCDR | Información previa |
| Otras operaciones de OneLake BCDR | Otras operaciones de OneLake BCDR | Múltiple | CU de uso de la capacidad de otras operaciones de OneLake BCDR | Antecedentes |
| Otras operaciones de OneLake BCDR mediante redireccionamiento | Otras operaciones de OneLake BCDR mediante redireccionamiento | Múltiple | CU de uso de la capacidad de otras operaciones de OneLake BCDR mediante API | Información previa |
Power BI
El uso de cada operación se notifica en tiempo de procesamiento de CU en segundos. Ocho CU equivalen a un núcleo virtual de Power BI.
Nota:
El término modelo semántico reemplaza al término conjunto de datos. Es posible que todavía vea el término anterior en la interfaz de usuario hasta que se reemplace por completo.
Actualmente, no cobramos por las visualizaciones de R/Py en Power BI.
| Operación | Descripción | Elemento | Medidor de facturación de Azure | Tipo |
|---|---|---|---|---|
| Inteligencia artificial | Evaluación de funciones de inteligencia artificial | INTELIGENCIA ARTIFICIAL | CU de uso de la capacidad de Power BI | Interactivo |
| Consulta en segundo plano | Consultas para actualizar iconos y crear instantáneas de informes | Modelo semántico | CU de uso de la capacidad de Power BI | Contexto |
| Dataflow DirectQuery | Conexión directa a un flujo de datos sin necesidad de importar los datos en un modelo semántico | Flujo de datos Gen1 | CU de uso de la capacidad de Power BI | Interactivo |
| Actualización de un flujo de datos | Una actualización, programada o a petición, del flujo de datos en segundo plano, realizada por el servicio o con las API REST. | Flujo de datos Gen1 | CU de uso de la capacidad de Power BI | Información previa |
| Actualización a petición del modelo semántico | Actualización de un modelo semántico en segundo plano iniciada por el usuario mediante el servicio, las API de REST o puntos de conexión XMLA públicos | Modelo semántico | CU de uso de la capacidad de Power BI | Antecedentes |
| Actualización programada del modelo semántico | Una actualización programada del modelo semántico en segundo plano, realizada por el servicio, las API REST o los puntos de conexión XMLA públicos | Modelo semántico | CU de uso de la capacidad de Power BI | Información previa |
| Suscripción completa al correo electrónico del informe | Una copia en PDF o PowerPoint de un informe completo de Power BI, adjunta a una suscripción de correo electrónico | Denuncia | CU de uso de la capacidad de Power BI | Información previa |
| Consulta interactiva | Consultas iniciadas por una solicitud de datos a petición. Por ejemplo, al cargar un modelo al abrir un informe, la interacción del usuario con un informe o consultar un conjunto de datos antes de representarlo. La carga de un modelo semántico podría notificarse como una operación de consulta interactiva independiente. | Modelo semántico | CU de uso de la capacidad de Power BI | Interactivo |
| Exportación con API pública | Un informe de Power BI exportado con la API REST de exportación de informes a archivos | Denuncia | CU de uso de la capacidad de Power BI | Información previa |
| Representación | Un informe paginado de Power BI exportado con la API REST de exportación de informes paginados a archivos | Informe paginado | CU de uso de la capacidad de Power BI | Información previa |
| Representación | Informe paginado de Power BI visto en el servicio Power BI. | Informe paginado | CU de uso de la capacidad de Power BI | Interactivo |
| Lectura de modelado web | Una operación de lectura del modelo de datos en la experiencia del usuario de modelado web del modelo semántico | Modelo semántico | CU de uso de la capacidad de Power BI | Interactivo |
| Escritura del modelado web | Una operación de escritura de modelos de datos en la experiencia de usuario de modelado web con modelos semánticos | Modelo semántico | CU de uso de la capacidad de Power BI | Interactivo |
| Lectura de XMLA | Operaciones de lectura de XMLA iniciadas por el usuario para consultas y detecciones. | Modelo semántico | CU de uso de la capacidad de Power BI | Interactivo |
| Escritura de XMLA | Operación de escritura de XMLA en segundo plano que cambia el modelo. | Modelo semántico | CU de uso de la capacidad de Power BI | Información previa |
| Ejecución visual de scripting de Power BI | Los objetos visuales de R y Py se ejecutan mediante la representación del informe de Power BI | Informe de scripting de Power BI | Capacidad optimizada de memoria de Spark (CU) | Interactivo |
Inteligencia en tiempo real
La experiencia de inteligencia en tiempo real contiene operaciones para Eventstream, eventos de Fabric y base de datos KQL y conjunto de consultas KQL.
Eventstream
Puede encontrar las tasas de consumo de Eventstream en Supervisar el consumo de capacidad de Eventstream de Microsoft Fabric.
| Operación | Descripción | Elemento | Medidor de facturación de Azure | Tipo |
|---|---|---|---|---|
| Flujo de eventos por hora | Tarifa plana | Flujo de Eventos | CU de uso de la capacidad de Eventstream | Información previa |
| Tráfico de datos de flujo de eventos por GB | Entrada de datos & volumen de salida en flujos predeterminados y derivados (incluye retención de 24 horas) | Flujo de Eventos | CU de uso de la capacidad del tráfico de datos de Eventstream | Información previa |
| Procesador de flujo de eventos por hora | Recursos informáticos consumidos por el procesador | Flujo de Eventos | CU de uso de la capacidad del procesador de Eventstream | Información previa |
| Conectores de Eventstream por hora de núcleo virtual | Recursos de computación consumidos por los conectores | Flujo de Eventos | CU de uso de capacidad del Conector Eventstream | Información previa |
Eventos de Fabric
Puede encontrar las tarifas de consumo de eventos de Fabric en Microsoft Fabric y el consumo de capacidad de eventos de Azure.
| Operación | Descripción | Elemento | Medidor de facturación de Azure | Tipo |
|---|---|---|---|---|
| Operaciones de eventos | Operaciones de publicación, entrega y filtrado | Múltiple | Inteligencia en tiempo real: operaciones de eventos | Información previa |
| Escucha de eventos | Tiempo de actividad de escucha de eventos | Múltiple | Inteligencia en tiempo real: escucha de eventos y alerta | Información previa |
Base de datos KQL y conjunto de consultas KQL
Puede encontrar las tasas de consumo de la base de datos KQL en Consumo de la base de datos KQL.
| Operación | Descripción | Elemento | Medidor de facturación de Azure | Tipo |
|---|---|---|---|---|
| Tiempo de actividad de Eventhouse | Medida de la hora en que Eventhouse está activo | Eventhouse | CU de uso de capacidad de Eventhouse | Interactivo |
Spark
Dos núcleos virtuales (una unidad de potencia informática) de Spark son iguales a una unidad de capacidad (CU). Para comprender el consumo de las operaciones de Spark, consulte grupos de Spark.
| Operación | Descripción | Elemento | Medidor de facturación de Azure | Tipo |
|---|---|---|---|---|
| Operaciones de Lakehouse | Los usuarios pueden obtener una vista previa de la tabla en el explorador de Lakehouse. | Lakehouse | CU de uso de la capacidad optimizada para memoria de Spark | Antecedentes |
| Carga de tabla de Lakehouse | Los usuarios cargan la tabla delta en el explorador de Lakehouse. | Lakehouse | CU de uso de la capacidad optimizada para memoria de Spark | Información previa |
| Ejecución del cuaderno | Cuaderno ejecutado manualmente por los usuarios | Cuaderno | CU de uso de la capacidad optimizada para memoria de Spark | Información previa |
| Ejecución del cuaderno HC | Cuaderno ejecutado en la sesión de Spark de alta simultaneidad | Cuaderno | CU de uso de la capacidad optimizada para memoria de Spark | Información previa |
| Ejecución programada del cuaderno | Cuaderno ejecutado desencadenado por eventos programados del cuaderno | Cuaderno | CU de uso de la capacidad optimizada para memoria de Spark | Información previa |
| Ejecución de canalización del cuaderno | Cuaderno ejecutado desencadenado por la canalización | Cuaderno | CU de uso de la capacidad optimizada para memoria de Spark | Información previa |
| Ejecución de VS Code del cuaderno | Notebook se ejecuta en VS Code. | Cuaderno | CU de uso de la capacidad optimizada para memoria de Spark | Información previa |
| Ejecución de trabajo de Spark | El trabajo por lotes de Spark se ejecuta iniciado por el envío del usuario | Definición de trabajo de Spark | CU de uso de la capacidad optimizada para memoria de Spark | Información previa |
| Ejecución programada del trabajo de Spark | El trabajo por lotes se activa mediante eventos programados del notebook | Definición de trabajo de Spark | CU de uso de la capacidad optimizada para memoria de Spark | Información previa |
| Ejecución de canalización de trabajo de Spark | Ejecuciones de trabajo por lotes desencadenadas por la canalización | Definición de trabajo de Spark | CU de uso de la capacidad optimizada para memoria de Spark | Información previa |
| Ejecución del trabajo de Spark en VS Code | Definición de trabajo de Spark enviada desde VS Code | Definición de trabajo de Spark | CU de uso de la capacidad optimizada para memoria de Spark | Información previa |