Delen via

Referentie voor factureerbare systeemtabelgebruik

  • Artikel

Dit artikel bevat een overzicht van de factureerbare gebruikssysteemtabel, inclusief het schema en voorbeeldquery's. Met systeemtabellen worden de factureerbare gebruiksgegevens van uw account gecentraliseerd en doorgestuurd naar alle regio's, zodat u het globale gebruik van uw account kunt bekijken vanuit de regio waarin uw werkruimte zich bevindt.

Zie Kosten bewaken met behulp van systeemtabellenvoor meer informatie over het gebruik van deze tabel voor het bewaken van kosten en voorbeeldquery's.

tabelpad: deze systeemtabel bevindt zich op system.billing.usage.

Factureerbare gebruikstabelschema

De tabel voor het factureringssysteem van gebruik maakt gebruik van het volgende schema:

Kolomnaam Gegevenstype Beschrijving Voorbeeld
record_id tekenreeks Unieke id voor deze gebruiksrecord 11e22ba4-87b9-4cc2
-9770-d10b894b7118
account_id tekenreeks Id van het account waarvoor dit rapport is gegenereerd 23e22ba4-87b9-4cc2
-9770-d10b894b7118
workspace_id tekenreeks Id van de werkruimte die aan dit gebruik is gekoppeld 1234567890123456
sku_name tekenreeks Naam van de SKU STANDARD_ALL_PURPOSE_COMPUTE
cloud tekenreeks Cloud is dit gebruik relevant voor. Mogelijke waarden zijn AWS, AZUREen GCP. AWS, AZURE of GCP
usage_start_time timestamp De begintijd die relevant is voor deze gebruiksrecord. Tijdzonegegevens worden vastgelegd aan het einde van de waarde met +00:00 die UTC-tijdzone vertegenwoordigen. 2023-01-09 10:00:00.000+00:00
usage_end_time timestamp De eindtijd die relevant is voor deze gebruiksrecord. Tijdzonegegevens worden vastgelegd aan het einde van de waarde met +00:00 die UTC-tijdzone vertegenwoordigen. 2023-01-09 11:00:00.000+00:00
usage_date datum Datum van de gebruiksrecord, dit veld kan worden gebruikt voor snellere aggregatie op datum 2023-01-01
custom_tags map Tags die zijn toegepast op dit gebruik. Bevat rekenresourcetags, taaktags, aangepaste tags voor werkruimten en budgetbeleidstags. { “env”: “production” }
usage_unit tekenreeks Eenheid waarin dit gebruik wordt gemeten. Mogelijke waarden zijn onder andere DBU's. DBU
usage_quantity decimal Het aantal verbruikte eenheden voor deze record. 259.2958
usage_metadata Struct Door het systeem verstrekte metagegevens over het gebruik, inclusief id's voor rekenresources en taken (indien van toepassing). Zie Gebruiksmetagegevensreferentie. {cluster_id: null;
instance_pool_id: null;
notebook_id: null;
job_id: null;
node_type: null}
identity_metadata Struct Door het systeem verstrekte metagegevens over de identiteiten die betrokken zijn bij het gebruik. Zie Referentie voor identiteitsmetadata. {"run_as": example@email.com,"created_by":null}
record_type tekenreeks Of de record oorspronkelijk, een intrekking of een aanpassing is. De waarde is ORIGINAL tenzij de record is gerelateerd aan een correctie. Zie recordtypereferentie. ORIGINAL
ingestion_date datum De datum waarop het record is opgenomen in de usage-tabel. 2024-01-01
billing_origin_product tekenreeks Het product dat afkomstig is van het gebruik. Sommige producten kunnen worden gefactureerd als verschillende SKU's. Zie voor mogelijke waarden factureringsoorsprong productreferentie. JOBS
product_features Struct Details over de specifieke productfuncties die worden gebruikt. Zie Productfunctiesvoor mogelijke waarden.
usage_type tekenreeks Het type gebruik dat is toegewezen aan het product of de workload voor factureringsdoeleinden. Mogelijke waarden zijn COMPUTE_TIME, STORAGE_SPACE, NETWORK_BYTES, API_OPERATION, TOKENof GPU_TIME. STORAGE_SPACE

gebruiksmetagegevens naslaginformatie

De waarden in usage_metadata vertellen u over de objecten en resources die betrokken zijn bij de gebruiksregistratie.

Weergegeven als Gegevenstype Beschrijving
cluster_id tekenreeks Id van het cluster dat is gekoppeld aan de gebruiksrecord
warehouse_id tekenreeks Id van het SQL-warehouse dat is gekoppeld aan de gebruiksrecord
instance_pool_id tekenreeks Id van de exemplaargroep die is gekoppeld aan de gebruiksrecord
node_type tekenreeks Het exemplaartype van de rekenresource
job_id tekenreeks Id van de taak die is gekoppeld aan de gebruiksrecord. Retourneert alleen een waarde voor het rekengebruik van serverloze berekeningen of taken, anders wordt geretourneerd null.
job_run_id tekenreeks Id van de taakuitvoering die is gekoppeld aan de gebruiksrecord. Retourneert alleen een waarde voor het rekengebruik van serverloze berekeningen of taken, anders wordt geretourneerd null.
job_name tekenreeks Door de gebruiker opgegeven naam van de taak die is gekoppeld aan de gebruiksrecord. Retourneert alleen een waarde voor taken die worden uitgevoerd op serverloze berekeningen, anders wordt geretourneerd null.
notebook_id tekenreeks Id van het notitieblok dat is gekoppeld aan het gebruik. Retourneert alleen een waarde voor serverloze berekeningen voor notebookgebruik, anders retourneert null.
notebook_path tekenreeks Werkruimteopslagpad van het notebook dat is gekoppeld aan het gebruik. Retourneert alleen een waarde voor serverloze berekeningen voor notebookgebruik, anders retourneert null.
dlt_pipeline_id tekenreeks ID van de Delta Live Tables-pijplijn die is gekoppeld aan de gebruiksgegevens
dlt_update_id tekenreeks Id van de pijplijnupdate van Delta Live Tables die is gekoppeld aan de gebruiksrecord
dlt_maintenance_id tekenreeks Id van de pijplijnonderhoudstaken van Delta Live Tables die zijn gekoppeld aan de gebruiksrecord
run_name tekenreeks Unieke gebruikers-id van het Foundation Model Fine-tuning dat is gekoppeld aan de gebruiksrecord
endpoint_name tekenreeks De naam van het model dat het eindpunt of het eindpunt voor vectorzoekopdrachten dat is gekoppeld aan de gebruiksrecord
endpoint_id tekenreeks Id van het model dat eindpunt of vectorzoekeindpunt bedient dat is gekoppeld aan de gebruiksrecord
central_clean_room_id tekenreeks Id van de centrale clean room die is gekoppeld aan de gebruiksrecord
metastore_id tekenreeks Id van de metastore die is gekoppeld aan de gebruiksrecord.
app_id tekenreeks Id van de app die is gekoppeld aan de gebruiksrecord.
app_name tekenreeks Door de gebruiker opgegeven naam van de app die is gekoppeld aan de gebruiksrecord.

naslaginformatie voor metagegevens van identiteit

Met de kolom identity_metadata kunt u bepalen wie verantwoordelijk is voor een serverloze factureringsrecord. De kolom bevat een run_as waarde die het gebruik aan een identiteit toegeeft.

Daarnaast logt het gebruik dat is toegeschreven aan Databricks Apps een waarde in het veld identity_metadata.created_by. Deze waarde wordt gevuld met het e-mailadres van de gebruiker die de app heeft gemaakt.

De identiteit die is vastgelegd, identity_metadata.run_as is afhankelijk van het product dat aan het gebruik is gekoppeld. Raadpleeg de volgende tabel voor het identity_metadata.run_as gedrag:

Workloadtype Identiteit van run_as
Taken berekenen De gebruiker of service-principal die in de run_as instelling is gedefinieerd. Taken worden standaard uitgevoerd als de identiteit van de eigenaar van de taak, maar beheerders kunnen dit wijzigen in een andere gebruiker of service-principal.
Serverloze rekenkracht voor taken De gebruiker of service-principal die in de run_as instelling is gedefinieerd. Taken worden standaard uitgevoerd als de identiteit van de eigenaar van de taak, maar beheerders kunnen dit wijzigen in een andere gebruiker of service-principal.
Serverloze rekenkracht voor notebooks De gebruiker die de notebookopdrachten heeft uitgevoerd (met name de gebruiker die de notebooksessie heeft gemaakt). Voor gedeelde notitieblokken omvat dit gebruik door andere gebruikers die dezelfde notebooksessie delen.
Delta Live Tables-pijplijnen De gebruiker wiens machtigingen worden gebruikt om de Delta Live Tables-pijplijn uit te voeren. Dit kan worden gewijzigd door het eigendom van de pijplijn over te dragen.
Foundation Model Fine-tuning De gebruiker of service-principal die de trainingsuitvoering heeft geïnitieerd.
Voorspellende optimalisatie De Databricks-bezittende service-principal die voorspellende optimalisatiebewerkingen uitvoert.
Lakehouse-bewaking De gebruiker die de monitor heeft gemaakt.

verwijzing naar recordtype

De billing.usage tabel ondersteunt correcties. Correcties treden op wanneer een veld van de gebruiksrecord onjuist is en moet worden opgelost.

Wanneer er een correctie plaatsvindt, voegt Azure Databricks twee nieuwe records toe aan de tabel. Een intrekkingsrecord onderhandelt de oorspronkelijke onjuiste record en vervolgens bevat een aanpassingsrecord de gecorrigeerde informatie. Correctierecords worden geïdentificeerd met behulp van het record_type veld:

  • RETRACTION: Wordt gebruikt om het oorspronkelijke onjuiste gebruik te vernieten. Alle velden zijn identiek aan de ORIGINAL record, behalve usage_quantityeen negatieve waarde die de oorspronkelijke gebruikshoeveelheid annuleert. Als de gebruikshoeveelheid van de oorspronkelijke record bijvoorbeeld was 259.4356, zou de intrekkingsrecord een gebruikshoeveelheid van -259.4356hebben.
  • RESTATEMENT: De record met de juiste velden en gebruikshoeveelheid.

De volgende query retourneert bijvoorbeeld de juiste hoeveelheid per uur met betrekking tot een job_id, zelfs als er correcties zijn aangebracht. Door de gebruikshoeveelheid te aggregeren, wordt het oorspronkelijke record door de correctieregistratie ongedaan gemaakt en worden alleen de waarden van de herformulering geretourneerd.

SELECT
  usage_metadata.job_id, usage_start_time, usage_end_time,
  SUM(usage_quantity) as usage_quantity
FROM system.billing.usage
GROUP BY ALL
HAVING usage_quantity != 0

Notitie

Voor correcties waarbij de oorspronkelijke gebruiksrecord niet mag zijn geschreven, kan een correctie alleen een intrekkingsrecord en geen aanpassingsrecord toevoegen.

productreferentie voor factureringsoorsprong

Sommige Databricks-producten worden gefactureerd onder dezelfde gedeelde SKU. Om u te helpen onderscheid te maken tussen het gebruik, bieden de kolommen billing_origin_product en product_features meer inzicht in het specifieke product en de specifieke functies die aan het gebruik zijn gekoppeld.

In de kolom billing_origin_product ziet u het Databricks-product dat is gekoppeld aan de gebruiksrecord. De waarden zijn onder andere:

  • JOBS

  • DLT

  • SQL

  • ALL_PURPOSE

  • MODEL_SERVING

  • INTERACTIVE

  • DEFAULT_STORAGE

  • VECTOR_SEARCH

  • LAKEHOUSE_MONITORING

  • PREDICTIVE_OPTIMIZATION

  • ONLINE_TABLES

  • FOUNDATION_MODEL_TRAINING

  • AGENT_EVALUATION

  • FINE_GRAIN_ACCESS_CONTROL

  • APPS: kosten voor het bouwen en uitvoeren van Databricks-apps

Productkenmerkenoverzicht

De kolom product_features is een object met informatie over de specifieke productfuncties die worden gebruikt en bevat de volgende sleutel-/waardeparen:

  • jobs_tier: waarden zijn onder andere LIGHT, CLASSICof null
  • sql_tier: waarden zijn onder andere CLASSIC, PROof null
  • dlt_tier: waarden zijn onder andere CORE, PRO, ADVANCEDof null
  • is_serverless: waarden zijn true of falseof null
  • is_photon: waarden zijn true of falseof null
  • serving_type: waarden zijn onder andere MODEL, GPU_MODEL, FOUNDATION_MODEL, FEATUREof null