Tietotekniikka-työtilan hallinta-asetukset Microsoft Fabricissa

Koskee seuraavia:✅ Microsoft Fabricin tietotekniikka ja datatiede

Kun luot työtilan Microsoft Fabricissa, kyseiseen työtilaan liittyvä aloitusvaranto luodaan automaattisesti. Microsoft Fabricin yksinkertaistetun asennuksen myötä sinun ei tarvitse valita solmua tai konekokoa, koska nämä asetukset käsitellään taustalla. Tämä määritys tarjoaa nopeamman (5–10 sekunnin) Apache Spark -istunnon aloituskokemuksen, jonka avulla käyttäjät voivat aloittaa ja suorittaa Apache Spark -työsi monissa yleisissä skenaarioissa ilman, että heidän tarvitsee huolehtia käsittelytoiminnon määrittämisestä. Kehittyneessä skenaariossa, jossa on tiettyjä käsittelyvaatimuksia, käyttäjät voivat luoda mukautetun Apache Spark -varannon ja muuttaa solmujen kokoa suorituskykytarpeiden mukaan.

Jotta voit tehdä muutoksia työtilan Apache Spark -asetuksiin, sinulla pitäisi olla kyseisen työtilan järjestelmänvalvojan rooli. Lisätietoja on artikkelissa Roolit työtiloissa.

Voit hallita työtilaasi liittyvän varannon Spark-asetuksia seuraavasti:

1. Siirry työtilan työtilan asetuksiin ja laajenna valikko valitsemalla Tietotekniikka/tiede-vaihtoehto :

   

2. Näet vasemmassa valikossa Spark Compute -vaihtoehdon:

   

   Muistiinpano

   Jos vaihdat oletusvarannon aloitusvarannosta mukautetuksi Spark-varannoksi, istunnon aloittaminen voi kestää noin 3 minuuttia.

Pooli

Työtilan oletusvaranto

Voit käyttää automaattisesti luotua aloitusvarantoa tai luoda mukautettuja varantoja työtilalle.

• Aloituspooli: Esiarvostetut reaaliaikaiset altaat luodaan automaattisesti, jotta käyttökokemus on nopeampi. Nämä klusterit ovat keskikokoisia. Aloitusvarannon oletusmääritykset perustuvat ostettuun Fabric-kapasiteettiin. Järjestelmänvalvojat voivat mukauttaa solmujen ja suoritusten enimmäismäärää Spark-kuormituksen skaalausvaatimusten perusteella. Lisätietoja on artikkelissa Aloitusvarannon määrittäminen

• Mukautettu Spark-varanto: Voit määrittää solmujen koon, automaattisen skaalauksen ja suoritustiedostojen dynaamisen jakamisen Spark-työvaatimusten perusteella. Jos haluat luoda mukautetun Spark-varannon, kapasiteetin järjestelmänvalvojan tulee ottaa käyttöön Mukautettujen työtilojen varannot -vaihtoehto Kapasiteetin järjestelmänvalvojan asetusten Spark Compute -osiossa.

Muistiinpano

Mukautettujen työtilavarantojen kapasiteettitason ohjausobjekti on oletusarvoisesti käytössä. Lisätietoja on artikkelissa Fabric-kapasiteettien tietotekniikan ja datatieteen asetusten määrittäminen ja hallinta.

Järjestelmänvalvojat voivat luoda mukautettuja Spark-varantoja käsittelyvaatimusten perusteella valitsemalla Uusi varanto -vaihtoehdon.

Apache Spark for Microsoft Fabric tukee yksittäisiä solmuklustereita, joiden avulla käyttäjät voivat valita vähimmäissolmumäärityksen 1, jolloin ohjain ja suoritettava tiedosto suoritetaan yhdessä solmussa. Nämä yksittäiset solmuklusterit tarjoavat palautettavan suuren käytettävyyden solmuvirheiden aikana ja paremman työn luotettavuuden kuormituksille, joissa on pienempiä käsittelyvaatimuksia. Voit myös ottaa automaattisen skaalauksen käyttöön tai poistaa sen käytöstä mukautetuissa Spark-varannoissa. Kun se on otettu käyttöön automaattisen skaalauksen avulla, pooli hankkii uudet solmut käyttäjän määrittämän solmun enimmäisrajan puitteissa ja poistaa ne käytöstä työn suorittamisen jälkeen suorituskyvyn parantamiseksi.

Voit myös valita vaihtoehdon, jossa suoritettavat suoritustiedostot kohdennetaan dynaamisesti, jotta suoritusten optimaalinen määrä varannossa näkyy tietojen määrän perusteella määritetty enimmäisraja, jotta suorituskyky paranee.

Lue lisää Apache Spark -käsittelystä Fabricille.

• Mukauta kohteiden käsittelymäärityksiä: Työtilan järjestelmänvalvojana voit antaa käyttäjien säätää käsittelymäärityksiä (istuntotason ominaisuudet, joihin sisältyvät Kuljettajan/Suoritettavan koodin ydin, Kuljettajan/Suoritettavan kohteen muisti) yksittäisille kohteille, kuten muistikirjoille, Spark-työmäärityksille ympäristön avulla.

Jos työtilan järjestelmänvalvoja on poistanut asetuksen käytöstä, oletusvarantoa ja sen käsittelymäärityksiä käytetään kaikissa työtilan ympäristöissä.

Ympäristö

Ympäristö tarjoaa joustavat määritykset Spark-töiden suorittamiseen (muistikirjat, Spark-työmääritykset). Ympäristössä voit määrittää käsittelyominaisuuksia, valita erilaisia suorituspalveluita ja määrittää kirjastopaketin riippuvuussuhteet kuormitusvaatimustesi mukaan.

Ympäristö-välilehdessä voit määrittää oletusympäristön. Voit valita, mitä Spark-versiota haluat käyttää työtilassa.

Fabric-työtilan järjestelmänvalvojana voit valita ympäristön työtilan oletusympäristöksi.

Voit myös luoda uuden avattavan Ympäristö-valikon kautta.

Jos poistat käytöstä oletusympäristöasetuksen, voit valita Fabric-suorituspalveluversion avattavassa valikossa luetelluista käytettävissä olevista suorituspalveluversioista.

Lue lisää Apache Sparkin suorituspalveluista.

Projektit

Työtilan asetusten avulla järjestelmänvalvojat voivat hallita työtilan kaikkien Spark-töiden työnpääsylogiikkaa.

Oletusarvoisesti kaikki työtilat on otettu käyttöön optimistisen työn sisäänpääsyn myötä. Lue lisää työnotosta Microsoft Fabricin Sparkiin.

Voit ottaa käyttöön Reserve maximum cores for active Spark -työt , jotta voit kääntää optimistisen työpaikkojen sisäänpääsyn lähestymistavan ja varata maksimiytimet Spark-työtehtäviinsä.

Voit myös määrittää Spark-istunnon aikakatkaisun , jos haluat mukauttaa istunnon vanhentumista kaikissa muistikirjojen vuorovaikutteisissa istunnoissa.

Muistiinpano

Vuorovaikutteisten Spark-istuntojen oletus vanhentumisaika on 20 minuuttia.

Suuri samanaikaisuus

Korkean samanaikaisuustilan avulla käyttäjät voivat jakaa samat Spark-istunnot Apache Sparkissä Fabric-tietotekniikkaa ja tietojenkäsittelykuormituksia varten. Muistikirjan kaltainen kohde käyttää spark-istuntoa suorittamiseen, ja kun se on käytössä, käyttäjät voivat jakaa yksittäisen Spark-istunnon useille muistikirjoille.

Lue lisätietoja suuresta samanaikaisyydestä Apache Spark for Fabricissa.

Automaattianalyysipalveluiden mallien ja kokeilujen automaattinen kirjaaminen

Järjestelmänvalvojat voivat nyt ottaa käyttöön automaattisen lokittelun koneoppimismalleissaan ja kokeissaan. Tämä asetus tallentaa automaattisesti koneoppimismallin syöteparametrien, tulostemittareiden ja tulostekohteiden arvot harjoittamisen aikana. Lue lisätietoja automaattisesta lokista.

Liittyvä sisältö

• Lue lisää Apache Spark Runtimes in Fabricista – Yleiskatsaus, versiointi, useiden suorituksenaikaisten protokollan tuki ja Delta Lake Protocol -protokollan päivittäminen.
• Lue lisää Apache Sparkin julkisesta dokumentaatiosta.
• Etsi vastauksia usein kysyttyihin kysymyksiin: Apache Spark -työtilan hallinta-asetusten usein kysytyt kysymykset.