Infrastrukturåtgärder
Varje upplevelse i Microsoft Fabric stöder unika åtgärder. En åtgärds förbrukningshastighet är det som konverterar användningen av upplevelsens råmått till beräkningsenheter (CU).
Microsoft Fabric Capacity Metrics-appens beräkningssida ger en översikt över kapacitetens prestanda och visar en lista över infrastrukturåtgärder som förbrukar beräkningsresurser.
Den här artikeln innehåller en lista över dessa åtgärder efter upplevelse och förklarar hur de använder resurser i Infrastrukturresurser.
Interaktiva åtgärder och bakgrundsåtgärder
Microsoft Fabric delar upp åtgärder i två typer, interaktiva och bakgrunder. Den här artikeln innehåller en lista över dessa åtgärder och förklarar skillnaden mellan dem.
Interaktiva åtgärder
Begäranden och åtgärder på begäran som kan utlösas av användarinteraktioner med användargränssnittet, till exempel datamodellfrågor som genereras av visuella rapportobjekt, klassificeras som interaktiva åtgärder. De utlöses vanligtvis av användarinteraktioner med användargränssnittet. En interaktiv åtgärd utlöses till exempel när en användare öppnar en rapport eller klickar på ett utsnitt i en Power BI-rapport. Interaktiva åtgärder kan också utlösas utan att interagera med användargränssnittet, till exempel när du använder SQL Server Management Studio (SSMS) eller ett anpassat program för att köra en DAX-fråga.
Bakgrundsåtgärder
Åtgärder som körs längre, till exempel semantisk modell eller dataflödesuppdateringar, klassificeras som bakgrundsåtgärder . De kan utlösas manuellt av en användare eller automatiskt utan användarinteraktion. Bakgrundsåtgärder omfattar schemalagda uppdateringar, interaktiva uppdateringar, REST-baserade uppdateringar och XMLA-baserade uppdateringsåtgärder. Användarna förväntas inte vänta tills de här åtgärderna har slutförts. I stället kan de komma tillbaka senare för att kontrollera status för åtgärderna.
Så här läser du det här dokumentet
Varje upplevelse har en tabell som visar dess åtgärder med följande kolumner:
Åtgärd – namnet på åtgärden. Visas i appen Kapacitetsmått för Microsoft Fabric.
Beskrivning – En beskrivning av åtgärden.
Objekt – det objekt som den här åtgärden kan tillämpas på. Visas i appen Kapacitetsmått för Microsoft Fabric.
Azure-faktureringsmätare – namnet på mätaren på din Azure-faktura som visar användning för den här åtgärden.
Type – visar en lista över typen av åtgärd. Åtgärder klassificeras som interaktiva åtgärder eller bakgrundsåtgärder .
När det finns mer information om förbrukningsfrekvensen finns en länk till dokumentet med den här informationen.
Infrastrukturåtgärder efter upplevelse
Det här avsnittet är indelat i Fabric-upplevelsen. Varje upplevelse hade en tabell som visar dess åtgärder.
Viktigt!
Förbrukningsfrekvensen kan ändras när som helst. Microsoft kommer att använda rimliga ansträngningar för att meddela via e-post eller via produktmeddelande. Ändringarna ska gälla på det datum som anges i Microsofts viktig information eller Microsoft Fabric-blogg. Om någon ändring av en förbrukningstakt för Microsoft Fabric-arbetsbelastningar väsentligt ökar de kapacitetsenheter (CU) som krävs för att använda en viss arbetsbelastning kan kunderna använda de avbokningsalternativ som är tillgängliga för den valda betalningsmetoden.
Copilot i infrastrukturresurser
Copilot åtgärder visas i den här tabellen. Du hittar förbrukningsfrekvensen för Copilot i Copilot förbrukning.
| Operation | beskrivning | Artikel | Azure-faktureringsmätare | Typ |
|---|---|---|---|---|
| Copilot i infrastrukturresurser | Beräkningskostnad associerad med inkommande frågor och slutförande av utdata | Flera | Copilot in Fabric CU | Bakgrund |
Data Factory
Data Factory-upplevelsen innehåller åtgärder för Dataflöden Gen2 och Pipelines.
Dataflöden Gen2
Du hittar förbrukningsfrekvensen för Dataflöden Gen2 i Dataflow Gen2-priser för Data Factory i Microsoft Fabric.
| Operation | beskrivning | Artikel | Azure-faktureringsmätare | Typ |
|---|---|---|---|---|
| Uppdatering av Dataflöde Gen2 | Beräkningskostnad som är associerad med uppdateringsåtgärden för dataflödet Gen2 | Dataflöde Gen2 | Cu för standardanvändning av beräkningskapacitet för dataflöden | Bakgrund |
| Dataflödesberäkning i hög skala – SQL-slutpunktsfråga | Användning relaterad till SQL-slutpunkten för dataflödet Gen2-mellanlagringslager | Distributionslager | Cu för beräkningskapacitet för dataflöde i hög skala | Bakgrund |
Pipelines
Du hittar förbrukningspriserna för pipelines i datapipelines för Data Factory i Microsoft Fabric.
| Operation | beskrivning | Artikel | Azure-faktureringsmätare | Typ |
|---|---|---|---|---|
| DataMovement | Hur lång tid kopieringsaktiviteten används i en Data Factory-pipeline dividerat med antalet dataintegreringsenheter | Pipeline | Användnings-CU för dataförflyttningskapacitet | Bakgrund |
| ActivityRun | En datapipelinekörning för datapipelines | Pipeline | Cu för dataorkestreringskapacitet | Bakgrund |
Informationslager
En fabric Data Warehouse-kärna (beräkningsenhet för datalager) motsvarar två infrastrukturenheter (CUS).
| Operation | beskrivning | Artikel | Azure-faktureringsmätare | Typ |
|---|---|---|---|---|
| Informationslagerfråga | Beräkningsavgift för alla användargenererade och systemgenererade T-SQL-instruktioner i ett lager | Distributionslager | Cu för kapacitetsanvändning för informationslager | Bakgrund |
| SQL-slutpunktsfråga | Beräkningsavgift för alla användargenererade och systemgenererade T-SQL-instruktioner inom SQL-analysslutpunkten för en Lakehouse | Distributionslager | Cu för kapacitetsanvändning för informationslager | Bakgrund |
Infrastruktur-API för GraphQL
GraphQL-åtgärder består av begäranden som utförs på API för GraphQL-objekt av API-klienter. Varje Bearbetningstid för GraphQL-begäran och svarsåtgärd rapporteras i kapacitetsenheter i sekunder med en hastighet av tio PROCESSORer per timme.
| Operation | beskrivning | Artikel | Azure-faktureringsmätare | Typ |
|---|---|---|---|---|
| Fråga | Beräkningsavgift för alla genererade GraphQL-frågor (läsningar) och mutationer (skrivningar) av klienter i ett GraphQL-API | GraphQL | API för GraphQL Query Capacity Usage CU | Interaktivt |
OneLake
One Lake-beräkningsåtgärder representerar de transaktioner som utförs på One Lake-objekt. Förbrukningshastigheten för varje åtgärd varierar beroende på dess typ. Mer information finns i One Lake-förbrukning.
| Operation | beskrivning | Artikel | Azure-faktureringsmätare | Typ |
|---|---|---|---|---|
| OneLake-läsning via omdirigering | OneLake-läsning via omdirigering | Flera | OneLake Read Operations Capacity Usage CU | Bakgrund |
| OneLake-läsning via proxy | OneLake-läsning via proxy | Flera | OneLake-läsåtgärder via API-kapacitetsanvändning CU | Bakgrund |
| OneLake-skrivning via omdirigering | OneLake-skrivning via omdirigering | Flera | Kapacitetsanvändning för OneLake Write Operations CU | Bakgrund |
| OneLake-skrivning via proxy | OneLake-skrivning via proxy | Flera | OneLake-skrivåtgärder via API-kapacitetsanvändning CU | Bakgrund |
| OneLake Iterativ skrivning via omdirigering | OneLake Iterativ skrivning via omdirigering | Flera | Iterativa skrivåtgärder för OneLake | Bakgrund |
| OneLake Iterativ läsning via omdirigering | OneLake Iterativ läsning via omdirigering | Flera | OneLake Iterative Read Operations Capacity Usage CU | Bakgrund |
| OneLake Other Operations | OneLake Other Operations | Flera | OneLake Other Operations Capacity Usage CU | Bakgrund |
| OneLake Andra åtgärder via omdirigering | OneLake Andra åtgärder via omdirigering | Flera | OneLake Other Operations via API Capacity Usage CU | Bakgrund |
| OneLake Iterativ skrivning via proxy | OneLake Iterativ skrivning via proxy | Flera | OneLake Iterative Write Operations via API Capacity Usage CU | Bakgrund |
| OneLake Iterativ läsning via proxy | OneLake Iterativ läsning via proxy | Flera | OneLake Iterative Read Operations via API Capacity Usage CU | Bakgrund |
| OneLake BCDR-läsning via proxy | OneLake BCDR-läsning via proxy | Flera | OneLake BCDR-läsåtgärder via API-kapacitetsanvändning CU | Bakgrund |
| OneLake BCDR-skrivning via proxy | OneLake BCDR-skrivning via proxy | Flera | OneLake BCDR-skrivåtgärder via API Capacity Usage CU | Bakgrund |
| OneLake BCDR-läsning via omdirigering | OneLake BCDR-läsning via omdirigering | Flera | OneLake BCDR Read Operations Capacity Usage CU | Bakgrund |
| OneLake BCDR-skrivning via omdirigering | OneLake BCDR-skrivning via omdirigering | Flera | OneLake BCDR Write Operations Capacity Usage CU | Bakgrund |
| OneLake BCDR Iterativ läsning via proxy | OneLake BCDR Iterativ läsning via proxy | Flera | OneLake BCDR Iterativa läsåtgärder via API-kapacitetsanvändning CU | Bakgrund |
| OneLake BCDR Iterativ läsning via omdirigering | OneLake BCDR Iterativ läsning via omdirigering | Flera | OneLake BCDR Iterative Read Operations Capacity Usage CU | Bakgrund |
| OneLake BCDR Iterativ skrivning via proxy | OneLake BCDR Iterativ skrivning via proxy | Flera | Iterativa skrivåtgärder för OneLake BCDR via API Capacity Usage CU | Bakgrund |
| OneLake BCDR Iterativ skrivning via omdirigering | OneLake BCDR Iterativ skrivning via omdirigering | Flera | OneLake BCDR Iterative Write Operations Capacity Usage CU | Bakgrund |
| OneLake BCDR andra åtgärder | OneLake BCDR andra åtgärder | Flera | OneLake BCDR andra åtgärder kapacitetsanvändning CU | Bakgrund |
| OneLake BCDR andra åtgärder via omdirigering | OneLake BCDR andra åtgärder via omdirigering | Flera | OneLake BCDR andra åtgärder via API-kapacitetsanvändning CU | Bakgrund |
Power BI
Användningen för varje åtgärd rapporteras i CU-bearbetningstiden i sekunder. Åtta processorer motsvarar en Power BI v-core.
Kommentar
Termen semantisk modell ersätter termen datauppsättning. Du kan fortfarande se den gamla termen i användargränssnittet tills den har ersatts helt.
Vi fakturerar för närvarande inte för visuella R/Py-objekt i Power BI.
| Operation | beskrivning | Artikel | Azure-faktureringsmätare | Typ |
|---|---|---|---|---|
| Artificiell intelligens (AI) | Utvärdering av AI-funktion | AI | Cu för kapacitetsanvändning i Power BI | Bakgrund |
| Bakgrundsfråga | Frågor för att uppdatera paneler och skapa ögonblicksbilder av rapporter | Semantisk modell | Cu för kapacitetsanvändning i Power BI | Bakgrund |
| DirectQuery för dataflöde | Ansluta direkt till ett dataflöde utan att behöva importera data till en semantisk modell | Dataflöde Gen1 | Cu för kapacitetsanvändning i Power BI | Interaktivt |
| Uppdatering av dataflöde | En uppdatering av bakgrundsdataflöde på begäran eller schemalagt, som utförs av tjänsten eller med REST-API:er. | Dataflöde Gen1 | Cu för kapacitetsanvändning i Power BI | Bakgrund |
| Semantisk modell på begäran-uppdatering | En bakgrundssemantisk modelluppdatering som initierats av användaren med hjälp av tjänsten, REST-API:er eller offentliga XMLA-slutpunkter | Semantisk modell | Cu för kapacitetsanvändning i Power BI | Bakgrund |
| Schemalagd uppdatering av semantisk modell | En schemalagd uppdatering av en semantisk bakgrundsmodell som utförs av tjänsten, REST-API:er eller offentliga XMLA-slutpunkter | Semantisk modell | Cu för kapacitetsanvändning i Power BI | Bakgrund |
| Fullständig e-postprenumeration för rapport | En PDF- eller PowerPoint-kopia av en hel Power BI-rapport som är kopplad till en e-postprenumeration | Rapport | Cu för kapacitetsanvändning i Power BI | Bakgrund |
| Interaktiv fråga | Frågor som initieras av en databegäran på begäran. Du kan till exempel läsa in en modell när du öppnar en rapport, använda interaktion med en rapport eller köra frågor mot en datauppsättning innan den återges. | Semantisk modell | Cu för kapacitetsanvändning i Power BI | Interaktivt |
| PublicApiExport | En Power BI-rapport som exporteras med exportrapporten till rest-API:et för filen | Rapport | Cu för kapacitetsanvändning i Power BI | Bakgrund |
| Rendera | En sidnumrerad Power BI-rapport som exporteras med den sidnumrerade exportrapporten till rest-API:et | Sidnumrerad rapport | Cu för kapacitetsanvändning i Power BI | Bakgrund |
| Rendera | En sidnumrerad Power BI-rapport som visas i Power BI-tjänst | Sidnumrerad rapport | Cu för kapacitetsanvändning i Power BI | Interaktivt |
| Läsa webbmodellering | En läsåtgärd för datamodell i användarupplevelsen för semantisk modellwebbmodellering | Semantisk modell | Cu för kapacitetsanvändning i Power BI | Interaktivt |
| Skrivning av webbmodellering | En skrivåtgärd för datamodeller i användarupplevelsen för semantisk modellwebbmodellering | Semantisk modell | Cu för kapacitetsanvändning i Power BI | Interaktivt |
| XMLA-läsning | XMLA-läsåtgärder som initieras av användaren för frågor och identifieringar | Semantisk modell | Cu för kapacitetsanvändning i Power BI | Interaktivt |
| XMLA-skrivning | En XMLA-skrivåtgärd i bakgrunden som ändrar modellen | Semantisk modell | Cu för kapacitetsanvändning i Power BI | Bakgrund |
Realtidsinformation
Realtidsinformationsupplevelsen innehåller åtgärder för eventstreams, Fabric-händelser och KQL Database och KQL Queryset.
Eventstreams
Du hittar förbrukningsfrekvensen för eventstreams i Övervaka kapacitetsförbrukning för Microsoft Fabric-händelseströmmar.
| Operation | beskrivning | Artikel | Azure-faktureringsmätare | Typ |
|---|---|---|---|---|
| Händelseström per timme | Inmatning eller bearbetning för Eventstream | Händelseström | cu för eventstream-kapacitetsanvändning | Bakgrund |
| Händelseströmsdatatrafik per GB | Ingress och utgående data | Händelseström | eventstream Data Traffic per GB Capacity Usage CU | Bakgrund |
| Händelseströmsprocessor per timme | ASA-bearbetning | Händelseström | eventstreams Processor Capacity Usage CU | Bakgrund |
Infrastrukturhändelser
Du hittar förbrukningsfrekvensen för Fabric-händelser i kapacitetsförbrukningen för Microsoft Fabric- och Azure-händelser.
| Operation | beskrivning | Artikel | Azure-faktureringsmätare | Typ |
|---|---|---|---|---|
| Händelseåtgärder | Publicera, leverera och filtrera åtgärder | Flera | Realtidsinformation – händelseåtgärder | Bakgrund |
| Händelselyssnare | Händelselyssnarens drifttid | Flera | Realtidsinformation – Händelselyssnare och avisering | Bakgrund |
KQL-databas och KQL-frågeuppsättning
Du hittar förbrukningsfrekvensen för KQL Database i KQL Database-förbrukning.
| Operation | beskrivning | Artikel | Azure-faktureringsmätare | Typ |
|---|---|---|---|---|
| KustoUpTime | Mått på den tid då KQL-databasen är aktiv | KQL-databas eller KQL-frågeuppsättning | KQL Database Capacity Usage CU | Interaktivt |
Spark
Två virtuella Spark-kärnor (en enhet för beräkningskraft för Spark) är lika med en kapacitetsenhet (CU). Information om hur Spark-åtgärder förbrukar PROCESSORer finns i Spark-pooler.
| Operation | beskrivning | Artikel | Azure-faktureringsmätare | Typ |
|---|---|---|---|---|
| Lakehouse-verksamhet | Användarförhandstabell i Lakehouse Explorer | Sjöhus | Cu för optimerad kapacitetsanvändning i Spark | Bakgrund |
| Lakehouse-tabellbelastning | Användare läser in deltatabellen i Lakehouse Explorer | Sjöhus | Cu för optimerad kapacitetsanvändning i Spark | Bakgrund |
| Notebook-körning | Notebook-fil som körs manuellt av användare | Notebook-fil | Cu för optimerad kapacitetsanvändning i Spark | Bakgrund |
| Notebook HC-körning | Notebook-körning under Spark-sessionen med hög samtidighet | Notebook-fil | Cu för optimerad kapacitetsanvändning i Spark | Bakgrund |
| Schemalagd körning av notebook-fil | Notebook-körning som utlöses av schemalagda händelser för notebook-filer | Notebook-fil | Cu för optimerad kapacitetsanvändning i Spark | Bakgrund |
| Pipelinekörning för notebook-fil | Notebook-körning som utlöses av pipeline | Notebook-fil | Cu för optimerad kapacitetsanvändning i Spark | Bakgrund |
| Vs Code-körning för notebook-fil | Notebook-filer körs i VS Code. | Notebook-fil | Cu för optimerad kapacitetsanvändning i Spark | Bakgrund |
| Spark-jobbkörning | Spark batch-jobbkörningar som initierats av användaröverföring | Definition av Spark-jobb | Cu för optimerad kapacitetsanvändning i Spark | Bakgrund |
| Schemalagd körning av Spark-jobb | Batch-jobbkörningar som utlöses av schemalagda händelser för notebook-filer | Definition av Spark-jobb | Cu för optimerad kapacitetsanvändning i Spark | Bakgrund |
| Spark-jobbpipelinekörning | Batch-jobbkörningar som utlöses av pipeline | Definition av Spark-jobb | Cu för optimerad kapacitetsanvändning i Spark | Bakgrund |
| Spark-jobb VS Code-körning | Spark-jobbdefinition som skickats från VS Code | Definition av Spark-jobb | Cu för optimerad kapacitetsanvändning i Spark | Bakgrund |