Välj en SKU för ditt Azure Data Explorer-kluster
När du skapar ett nytt kluster eller optimerar ett kluster för en föränderlig arbetsbelastning erbjuder Azure Data Explorer flera SKU:er för virtuella datorer att välja mellan. Dessa beräknings-SKU:er har noggrant valts för att ge dig den mest optimala kostnaden för alla arbetsbelastningar.
Storleken och vm-SKU:n för datahanteringsklustret hanteras fullständigt av Azure Data Explorer-tjänsten. De är bestämda av faktorer som motorns VM-storlek och inmatningsbelastningen.
Du kan när som helst ändra beräknings-SKU:n för klustret genom att skala upp klustret. Det är bäst att börja med den minsta SKU-storleken som passar det första scenariot. Du kan också använda Azure Advisor:s rekommendationer för att optimera din SKU för beräkning.
Du kan använda priskalkylatorn för för att beräkna prissättningen för ditt Azure Data Explorer-kluster baserat på dina arbetsbelastningar och din datavolym.
Tips
Genom att köpa en reservation kan du betala i förväg för klustret, de virtuella datorer som används i klustret och kostnader för lagringsresurser under en eller tre år. Dessa reserverade instanser (RI) köps separat och kan spara en betydande summa pengar för att skydda de bästa priserna för ditt Azure Data Explorer-kluster. Mer information finns i Förskottsbetala för Azure Data Explorer-markeringsenheter med reserverad kapacitet i Azure Data Explorer.
Välj en klustertyp
Azure Data Explorer erbjuder två typer av kluster:
- Production (med SLA): Produktionskluster innehåller minst två noder för motorklustret och minst två noder för datahanteringsklustret. Dessa kluster fungerar under serviceavtalet för Azure Data Explorer.
- Dev/Test (inget SLA): Dev/Test-kluster innehåller en enda nod för motorklustret och en enda nod för datahanteringsklustret. Dessa kluster är den lägsta kostnadskonfigurationen på grund av dess låga instansantal. Det finns ingen redundans eller serviceavtal för den här klusterkonfigurationen.
Utveckling jämfört med produktion
Utvecklingskluster är bra för tjänstutvärdering, konfiguration av en inmatningspipeline, genomförande av ett konceptbevis (PoC) eller en scenarioverifiering. Viktiga skillnader mellan utvecklingskluster och produktionskluster är:
- Utvecklingskluster är begränsade i storlek och kan inte växa bortom en enda nod
- Azure Data Explorer-markering debiteras inte för utvecklingskluster
- Inget serviceavtal för utvecklingskluster
Beräknings-SKU-typer
Azure Data Explorer-kluster stöder olika SKU:er för olika typer av arbetsbelastningar. Varje SKU erbjuder ett distinkt SSD-lagrings- och CPU-förhållande som hjälper dig att storleksanpassa distributionen korrekt och skapa kostnadsoptimala lösningar för företagets analytiska arbetsbelastning.
Beräkningsoptimerad
- Ger ett högt kärn-till-cache-förhållande och den lägsta kostnaden per kärna.
- Lokal SSD för I/O med låg latens.
Lagringsoptimerad
- Ger större lagringsutrymme från 1 terabyte (TB) till 4 TB per motornod och den lägsta kostnaden per gigabyte (GB).
- Passar för arbetsbelastningar som kräver lagring för stora mängder data.
- Vissa SKU:er använder premiumlagring (PS) som är ansluten till motornoden i stället för lokala SSD:er. Det går långsammare att komma åt PS än lokala SSD:er, så SKU:er med PS är dyrare och mindre högpresterande än SKU:er med lokal SSD ansluten.
Välj och optimera din beräknings-SKU
Välj beräknings-SKU:n när klustret skapas
När du skapar ett Azure Data Explorer-kluster väljer du den optimala VM-SKU:n för den planerade arbetsbelastningen. Använd följande attribut för att välja rätt SKU för din miljö:
| Attribut | Detaljer |
|---|---|
| Kostnad per GB | Höga kostnader med optimering för beräkning. Låg kostnad med lagringsoptimerade SKU:er. |
| Kostnad per kärna | Kostnadseffektiv med fokus på optimal beräkning. Hög kostnad med lagringsoptimerade SKU:er. |
| RI-priser | RI-rabatten varierar beroende på region och SKU. |
Notera
Beräkningskostnaden är den viktigaste delen av ett klusters kostnad.
Optimera din SKU för klusterberäkning
Om du vill optimera klusterberäknings-SKU:n konfigurerar du vertikal skalning och kontrollerar Azure Advisor-rekommendationerna.
Med olika SKU-alternativ för beräkning kan du optimera kostnaderna för prestanda- och hot-cache-kraven för ditt scenario. Välj en beräkningsoptimerad SKU för optimal prestanda när det finns höga frågevolymer. Välj en lagringsoptimerad SKU för bästa prestanda när du kör frågor mot stora mängder data som behöver cachelagras.
Det är bättre att använda några noder med större virtuella datorer som använder mer RAM-minne än många mindre virtuella datorer. Mer RAM-minne behövs för vissa frågetyper som ställer högre krav på RAM-minne, till exempel frågor som använder kopplingar. När du skalar klustret rekommenderar vi därför att du skalar upp till en större SKU och skalar ut genom att lägga till fler noder efter behov.
Notera
Om du ändrar eller skalar upp klustrets SKU kan det orsaka avbrott i tjänsten på en till tre minuter. Frågeprestanda kan påverkas under SKU-migreringen och omfattningen av påverkan kan variera beroende på användningsmönster.
SKU-tillgänglighet
SKU-tillgängligheten skiljer sig beroende på följande faktorer:
- Region: Alla SKU:er är inte tillgängliga i alla regioner eller tillgänglighetszoner. Mer information finns på varje SKU-sida för regional tillgänglighet.
- Prenumeration: Vissa SKU:er kanske bara är tillgängliga för specifika prenumerationstyper. Om en SKU inte är tillgänglig för din prenumeration på en plats eller zon som uppfyller dina affärsbehov skickar du en SKU-begäran till Azure-supporten.
SKU-alternativ
Följande SKU-serie är tillgänglig för virtuella Azure Data Explorer-klusterdatorer. SKU-familjerna inom de beräknings- och lagringsoptimerade kategorierna rangordnas i rekommendationsordning.
Storage Optimized
| SKU-serien | Tillgänglig vCPU-konfiguration | SKU-typ | Har stöd för Premium Storage |
|---|---|---|---|
| Lasv3 | 8, 16 , 32 | AMD | Nej |
| Lsv3 | 8, 16 , 32 | Intel | Nej |
| Easv4, Easv5, ECadsv5 | 8, 16 | AMD | Ja |
| Esv4, Esv5 | 8, 16 | Intel | Ja |
| DSv2 | 8, 16 | Intel | Ja |
Beräkningsoptimerad
| SKU-serien | Tillgänglig vCPU-konfiguration | SKU-typ | Har stöd för Premium Storage |
|---|---|---|---|
| Eadsv5, ECadsv5 | 2, 4, 8, 16 | AMD | Nej |
| Edv4, Edv5 | 2, 4, 8, 16 | Intel | Nej |
| Eav4 | 2, 4, 8, 16 | AMD | Nej |
| Dv2 | 2, 4, 8, 16 | Intel | Nej |
Notera
Alla beräkningsoptimerade SKU:er med 2 kärnor kan konfigureras som dev-kluster.
Vi rekommenderar att du endast använder L32asv3/L32sv3 i användningsfall med antingen mycket stora L16asv3/L16sv3-kluster som når gränsen på 1 000 klusternoder eller kluster med extremt höga samtidiga begäranden. ECasv5 och ECadsv5 är SKU:er för konfidentiell databehandling. Mer information finns i virtuella datorer för konfidentiell databehandling. För lagringsoptimerade ECasv5-SKU:er utförs CMK-kryptering på både lagringskonton och premiumlagringsdiskar om du Använda din egen kundhanterade nyckel (CMK).
- Med Azure Data Explorer-beräkning och lagringsisolering kan du börja med den mest optimala kostnads-SKU:n och flytta till en annan SKU efter att användningsmönstret eller dataförlusten har mognat.
- Du kan visa den uppdaterade SKU-listan för beräkning per region med hjälp av Azure Data Explorer ListSkus API.
Cache storlek
Azure Data Explorer reserverar en del av diskstorleken som visas i var och en av Azure-beräknings- SKU specifikationer som ska användas för klusteråtgärder. Den exakta cachestorleken för varje SKU finns i SKU-urvalsavsnittet i portalen.