Fabric 作業
Microsoft Fabric 中的每個體驗都支援唯一的作業。 作業的使用量費率是將體驗原始計量的使用方式轉換成計算單位 (CU)。
Microsoft Fabric 容量計量應用程式的計算頁面提供容量效能的概觀，並列出取用計算資源的 Fabric 作業。
本文會依體驗列出這些作業，並說明它們如何在 Fabric 內取用資源。
互動式和背景作業
Microsoft Fabric 將作業分成互動式和背景兩種類型。 本文列出這些作業，並說明兩者之間的差異。
互動式作業
可由使用者與 UI 互動所觸發的隨選要求和作業，例如報告視覺效果所產生的資料模型查詢，分類為互動式作業。 這類作業通常由使用者與 UI 的互動觸發。 例如，使用者開啟報告或按一下 Power BI 報告中的交叉分析篩選器時，就會觸發互動式作業。 不與 UI 互動也可以觸發互動式作業，例如，使用 SQL Server Management Studio (SSMS) 或自訂應用程式執行 DAX 查詢時。
背景作業
語意模型或資料流程重新整理這類執行時間較長的作業分類為背景作業。 使用者可以手動觸發這類作業，也可以自動觸發，完全不需要使用者互動。 背景作業包括排程的重新整理、互動式重新整理、REST 型重新整理、XMLA 型重新整理作業。 使用者應該不用等這些作業完成。 反之，他們可以稍後回來檢查作業的狀態。
如何閱讀本文件
每個體驗都有列出其作業的資料表，其中包含下列資料行：
作業 – 作業的名稱。 Microsoft Fabric 容量計量應用程式中可見。
說明 - 作業的說明。
項目 – 此作業可以套用至的項目。 Microsoft Fabric 容量計量應用程式中可見。
Azure 計費計量 – Azure 帳單上顯示此作業使用量的計量名稱。
如有有關使用量費率的詳細資料，則會提供具有此資訊的文件連結。
依體驗的 Fabric 作業
本節分為 Fabric 體驗。 每個體驗都有一個列出其作業的資料表。
重要
使用量費率隨時可能會變更。 Microsoft會使用合理的努力，透過電子郵件或產品內通知提供通知。 變更應在 Microsoft 的版本資訊或 Microsoft Fabric 部落格中所述的日期生效。 如有針對 Microsoft Fabric 工作負載使用量費率的任何變更，實際上會增加使用特定工作負載所需的容量單位 (CU)，客戶可能會使用所選付款方式可用的取消選項。
Fabric 中的 Copilot
Copilot 作業會列在此資料表中。 您可以在 Copilot 使用量中找到 Copilot 的使用量費率。
| 作業 | 描述 | 項目 | Azure 計費計量 | 類型 |
|---|---|---|---|---|
| Fabric 中的 Copilot | 與輸入提示和輸出完成相關聯的計算成本 | 多個 | Copilot in Fabric CU | 背景 |
Data Factory
Data Factory 體驗包含資料流程 Gen2 和管線的作業。
資料流程第 2 代
您可以在 Microsoft Fabric 中的 Data Factory Dataflow Gen2 定價中找到 Dataflows Gen2 的使用量費率。
| 作業 | 描述 | 項目 | Azure 計費計量 | 類型 |
|---|---|---|---|---|
| Dataflow Gen2 重新整理 | 計算與資料流程 Gen2 重新整理作業相關聯的成本 | Dataflow Gen2 | 資料流程標準計算容量使用量 CU | 背景 |
| 高延展性資料流程計算 - SQL 端點查詢 | 與資料流程 Gen2 檢閱及測試倉儲 SQL 端點相關的使用量 | 倉儲 | 高延展性資料流程計算容量使用 CU | 背景 |
管線
您可以在 Microsoft Fabric 中的 Data Factory 資料管線定價中找到管線的使用量費率。
| 作業 | 描述 | 項目 | Azure 計費計量 | 類型 |
|---|---|---|---|---|
| DataMovement | Data Factory 管線中複製活動所使用的時間量除以資料整合單位數目 | 管線 | 資料移動容量使用量 CU | 背景 |
| ActivityRun | Data Factory 資料管線活動執行 | 管線 | 資料協調流程容量使用量 CU | 背景 |
資料倉儲
一個網狀架構數據倉儲核心（數據倉儲的計算單位）相當於兩個網狀架構容量單位（OU）。
| 作業 | 描述 | 項目 | Azure 計費計量 | 類型 |
|---|---|---|---|---|
| 倉儲查詢 | 倉儲內所有使用者產生的和系統產生的 T-SQL 陳述式的計算費用 | 倉儲 | 資料倉儲容量使用量 CU | 背景 |
| SQL 端點查詢 | 在 Lakehouse 的 SQL 分析端點內所有使用者產生的和系統產生的 T-SQL 陳述式的計算費用 | 倉儲 | 資料倉儲容量使用量 CU | 背景 |
GraphQL 的 Fabric API
GraphQL 作業是由 API 用戶端針對 GraphQL 項目在 API 上執行的要求所組成。 每個 GraphQL 要求和回應作業處理時間都會以每小時十個 CU 的速率，以秒為單位報告容量單位 (CU)。
| 作業 | 描述 | 項目 | Azure 計費計量 | 類型 |
|---|---|---|---|---|
| Query | GraphQL API 內用戶端所有產生的 GraphQL 查詢 (讀取) 和突變 (寫入) 的計算費用 | GraphQL | GraphQL 查詢容量使用 CU 的 API | 互動式 |
OneLake
One Lake 計算作業代表在 One Lake 項目上執行的交易。 每個作業的使用量費率會因其類型而有所不同。 如需詳細資訊，請參閱 One Lake 使用量。
| 作業 | 描述 | 項目 | Azure 計費計量 | 類型 |
|---|---|---|---|---|
| 透過重新導向的 OneLake 讀取 | 透過重新導向的 OneLake 讀取 | 多個 | OneLake 讀取作業容量使用量 CU | 背景 |
| 透過 Proxy 的 OneLake 讀取 | 透過 Proxy 的 OneLake 讀取 | 多個 | OneLake 透過 API 的讀取作業容量使用量 CU | 背景 |
| 透過重新導向的 OneLake 寫入 | 透過重新導向的 OneLake 寫入 | 多個 | OneLake 寫入作業容量使用量 CU | 背景 |
| 透過 Proxy 的 OneLake 寫入 | 透過 Proxy 的 OneLake 寫入 | 多個 | 透過 API 的 OneLake 寫入作業容量使用 CU | 背景 |
| 透過重新導向的 OneLake 反覆寫入 | 透過重新導向的 OneLake 反覆寫入 | 多個 | OneLake 反覆寫入作業 | 背景 |
| 透過重新導向的 OneLake 反覆讀取 | 透過重新導向的 OneLake 反覆讀取 | 多個 | OneLake 反覆讀取作業容量使用量 CU | 背景 |
| OneLake 其他作業 | OneLake 其他作業 | 多個 | OneLake 其他作業容量使用量 CU | 背景 |
| 透過重新導向的 OneLake 其他作業 | 透過重新導向的 OneLake 其他作業 | 多個 | OneLake 透過 API 的其他作業容量使用量 CU | 背景 |
| 透過 Proxy 的 OneLake 反覆寫入 | 透過 Proxy 的 OneLake 反覆寫入 | 多個 | 透過 API 的 OneLake 反覆寫入作業容量使用 CU | 背景 |
| 透過 Proxy 的 OneLake 反覆讀取 | 透過 Proxy 的 OneLake 反覆讀取 | 多個 | 透過 API 的 OneLake 反覆讀取作業容量使用 CU | 背景 |
| 透過 Proxy 的 OneLake BCDR 讀取 | 透過 Proxy 的 OneLake BCDR 讀取 | 多個 | 透過 API 的 OneLake BCDR 讀取作業容量使用 CU | 背景 |
| OneLake 透過 Proxy 的 BCDR 寫入 | 透過 Proxy 的 OneLake BCDR 寫入 | 多個 | 透過 API 的 OneLake BCDR 寫入作業容量使用 CU | 背景 |
| 透過重新導向的 OneLake BCDR 讀取 | 透過重新導向的 OneLake BCDR 讀取 | 多個 | OneLake BCDR 讀取作業容量使用量 CU | 背景 |
| 透過重新導向的 OneLake BCDR 寫入 | 透過重新導向的 OneLake BCDR 寫入 | 多個 | OneLake BCDR 寫入作業容量使用量 CU | 背景 |
| 透過 Proxy 的 OneLake BCDR 反覆讀取 | 透過 Proxy 的 OneLake BCDR 反覆讀取 | 多個 | OneLake BCDR 透過 API 的反覆讀取作業容量使用量 CU | 背景 |
| 透過重新導向的 OneLake BCDR 反覆讀取 | 透過重新導向的 OneLake BCDR 反覆讀取 | 多個 | OneLake BCDR 反覆讀取作業容量使用量 CU | 背景 |
| 透過 Proxy 的 OneLake BCDR 反覆寫入 | 透過 Proxy 的 OneLake BCDR 反覆寫入 | 多個 | 透過 API 的 OneLake BCDR 反覆寫入作業容量使用量 CU | 背景 |
| 透過重新導向的 OneLake BCDR 反覆寫入 | 透過重新導向的 OneLake BCDR 反覆寫入 | 多個 | OneLake BCDR 反覆寫入作業容量使用量 CU | 背景 |
| OneLake BCDR 其他作業 | OneLake BCDR 其他作業 | 多個 | OneLake BCDR 其他作業容量使用量 CU | 背景 |
| 透過重新導向的 OneLake BCDR 其他作業 | 透過重新導向的 OneLake BCDR 其他作業 | 多個 | 透過 API 的 OneLake BCDR 其他作業容量使用量 CU | 背景 |
Power BI
每個作業的使用方式會以 CU 處理時間以秒為單位回報。 八個 SU 相當於一個 Power BI v 核心。
注意
語意模型一詞會取代字詞資料集。 您仍然可以在 UI 中看到舊的字詞，直到完全取代為止。
我們目前不會針對Power BI中的 R/Py 視覺效果計費。
| 作業 | 描述 | 項目 | Azure 計費計量 | 類型 |
|---|---|---|---|---|
| 人工智慧 (AI) | AI 函式評估 | AI | Power BI 容量使用 CU | 背景 |
| 背景查詢 | 重新整理磚和建立報表快照集的查詢 | 語意模型 | Power BI 容量使用 CU | 背景 |
| 資料流程 DirectQuery | 直接連線到資料流程，不需要將資料匯入語意模型 | Dataflow Gen1 | Power BI 容量使用 CU | 互動式 |
| 資料流程重新整理 | 由服務或 REST API 執行之隨選或排程的背景資料流程重新整理。 | Dataflow Gen1 | Power BI 容量使用 CU | 背景 |
| 語意模型隨選重新整理 | 使用者使用服務、REST API 或公用 XMLA 端點起始的背景語意模型重新整理 | 語意模型 | Power BI 容量使用 CU | 背景 |
| 語意模型排程重新整理 | 服務、REST API 或公用 XMLA 端點執行的排程背景語意模型重新整理 | 語意模型 | Power BI 容量使用 CU | 背景 |
| 完整報告電子郵件訂閱 | 附加至電子郵件訂閱之整個 Power BI 報告的 PDF 或 PowerPoint 複本 | 報告 | Power BI 容量使用 CU | 背景 |
| 互動式查詢 | 隨選資料要求所起始的查詢。 例如，開啟報表時載入模型、用戶與報表互動，或在轉譯之前查詢數據集。 | 語意模型 | Power BI 容量使用 CU | 互動式 |
| PublicApiExport | 使用匯出報告至檔案 REST API 匯出的 Power BI 報告 | 報告 | Power BI 容量使用 CU | 背景 |
| 轉譯 | 使用將編頁報告匯出至檔案 REST API 匯出的 Power BI 編頁報告 | 編頁報表 | Power BI 容量使用 CU | 背景 |
| 轉譯 | 在 Power BI 服務中檢視的 Power BI 編頁報告 | 編頁報表 | Power BI 容量使用 CU | 互動式 |
| Web 建模讀取 | 語意模型 Web 建模使用者體驗中的資料模型讀取作業 | 語意模型 | Power BI 容量使用 CU | 互動式 |
| Web 建模寫入 | 語意模型 Web 建模使用者體驗中的資料模型寫入作業 | 語意模型 | Power BI 容量使用 CU | 互動式 |
| XMLA 讀取 | 使用者針對查詢和探索所起始的 XMLA 讀取作業 | 語意模型 | Power BI 容量使用 CU | 互動式 |
| XMLA 寫入 | 變更模型的背景 XMLA 寫入作業 | 語意模型 | Power BI 容量使用 CU | 背景 |
Real-Time Intelligence
即時智慧體驗包含事件數據流、網狀架構事件和 KQL 資料庫和 KQL 查詢集的作業。
EventStreams
您可以在監視Microsoft Fabric 事件數據流的容量耗用量中找到 eventstream 的耗用量率。
| 作業 | 描述 | 項目 | Azure 計費計量 | 類型 |
|---|---|---|---|---|
| 每小時事件串流 | Eventstream 的擷取或處理 | Eventstream | 事件串流容量使用量 CU | 背景 |
| 每個 GB 的 Eventstream 資料流量 | 資料輸入和輸出 | Eventstream | 每個 GB 容量使用 CU 的 Eventstream 資料流量 | 背景 |
| Eventstream 處理器每小時數 | ASA 處理 | Eventstream | Eventstream 處理器容量使用 CU | 背景 |
網狀架構事件
您可以在 Microsoft Fabric 和 Azure 事件容量耗用量中找到 Fabric 事件的耗用量率。
| 作業 | 描述 | 項目 | Azure 計費計量 | 類型 |
|---|---|---|---|---|
| 事件作業 | 發佈、傳遞和篩選作業 | 多個 | 即時智慧 - 事件作業 | 背景 |
| 事件接聽程式 | 事件接聽程式的運行時間 | 多個 | 實時智慧 – 事件接聽程式和警示 | 背景 |
KQL 資料庫和 KQL 查詢集
您可以在 KQL 資料庫使用量中找到 KQL 資料庫的使用量費率。
| 作業 | 描述 | 項目 | Azure 計費計量 | 類型 |
|---|---|---|---|---|
| KustoUpTime | 測量 KQL 資料庫作用中的時間 | KQL 資料庫或 KQL 查詢集 | KQL 資料庫容量使用量 CU | 互動式 |
Spark
兩個 Spark 虛擬核心 (Spark 的運算能力單位) 等於一個容量單位 (CU)。 若要了解 Spark 作業如何使用 CU，請參閱 Spark 集區。
| 作業 | 描述 | 項目 | Azure 計費計量 | 類型 |
|---|---|---|---|---|
| Lakehouse 作業 | Lakehouse 總管中的使用者預覽資料表 | Lakehouse | Spark 記憶體最佳化容量使用量 CU | 背景 |
| Lakehouse 資料表載入 | 使用者在 Lakehouse 總管中載入差異資料表 | Lakehouse | Spark 記憶體最佳化容量使用量 CU | 背景 |
| Notebook 執行 | 用戶手動執行筆記本 | 筆記本 | Spark 記憶體最佳化容量使用量 CU | 背景 |
| Notebook HC 執行 | 在高併行 Spark 工作階段下執行的筆記本 | 筆記本 | Spark 記憶體最佳化容量使用量 CU | 背景 |
| Notebook 排程執行 | 筆記本執行由筆記本排程事件觸發 | 筆記本 | Spark 記憶體最佳化容量使用量 CU | 背景 |
| Notebook 管線執行 | 由管線觸發的筆記本執行 | 筆記本 | Spark 記憶體最佳化容量使用量 CU | 背景 |
| Notebook VS Code 執行 | 筆記本會在 VS Code 中執行。 | 筆記本 | Spark 記憶體最佳化容量使用量 CU | 背景 |
| Spark 工作執行 | 由使用者提交起始的 Spark 批次工作執行 | Spark 工作定義 | Spark 記憶體最佳化容量使用量 CU | 背景 |
| Spark 工作排程執行 | 由筆記本排程事件觸發的批次作業執行 | Spark 工作定義 | Spark 記憶體最佳化容量使用量 CU | 背景 |
| Spark 工作管線執行 | 由管線觸發的批次作業執行 | Spark 工作定義 | Spark 記憶體最佳化容量使用量 CU | 背景 |
| Spark 作業 VS Code 執行 | 從 VS Code 提交的 Spark 作業定義 | Spark 工作定義 | Spark 記憶體最佳化容量使用量 CU | 背景 |