Udostępnij przez

Wybieranie jednostki SKU dla klastra usługi Azure Data Explorer

Usługa Azure Data Explorer udostępnia wiele jednostek SKU maszyn wirtualnych zaprojektowanych pod kątem optymalizacji kosztów i wydajności dla różnych typów obciążeń. Ten artykuł pomaga zrozumieć dostępne typy klastrów i opcje jednostki SKU obliczeniowej, dzięki czemu można wybrać najbardziej opłacalną konfigurację dla określonych wymagań.

Przed rozpoczęciem należy wziąć pod uwagę charakterystykę obciążenia, wymagania dotyczące wydajności i ograniczenia budżetowe. Jednostkę SKU obliczeniową można zmienić w dowolnym momencie, skalując klaster w górę, dlatego zaleca się rozpoczęcie od najmniejszej jednostki SKU spełniającej początkowe potrzeby.

Wprowadzenie

Podczas tworzenia nowego klastra lub optymalizowania klastra pod kątem zmieniającego się obciążenia usługa Azure Data Explorer oferuje wiele jednostek SKU maszyn wirtualnych do wyboru. Te jednostki SKU obliczeniowe zostały starannie wybrane, aby zapewnić najbardziej optymalny koszt dla dowolnego obciążenia.

Rozmiar i jednostka SKU maszyny wirtualnej klastra zarządzania danymi są w pełni zarządzane przez usługę Azure Data Explorer. Są one określane przez czynniki, takie jak rozmiar maszyny wirtualnej aparatu i obciążenie pozyskiwania.

Jednostkę SKU obliczeniową klastra można zmienić w dowolnym momencie, skalując klaster w górę. Najlepiej zacząć od najmniejszego rozmiaru jednostki SKU, która pasuje do scenariusza początkowego. Możesz również użyć zaleceń usługi Azure Advisor , aby zoptymalizować jednostkę SKU obliczeniową.

Kalkulator cen umożliwia oszacowanie cen klastra usługi Azure Data Explorer na podstawie obciążeń i ilości danych.

Napiwek

Łącząc plany oszczędnościowe i zarezerwowane instancje, można uzyskać najlepsze stawki dla klastra i zaoszczędzić znaczną ilość pieniędzy. Plany oszczędności są zalecane dla maszyn wirtualnych w klastrze, podczas gdy wystąpienia zarezerwowane są zalecane w przypadku kosztów zasobów pamięci masowej. Obie te opcje można kupić przez jeden lub trzy lata i są kupowane oddzielnie. Aby uzyskać więcej informacji, zobacz Prepay for Azure Data Explorer markup units with Azure Data Explorer reserved capacity (Przedpłata za jednostki znaczników usługi Azure Data Explorer za pomocą pojemności zarezerwowanej usługi Azure Data Explorer).

Wybieranie typu klastra

Usługa Azure Data Explorer oferuje dwa typy klastrów:

  • Produkcja (z umową SLA):Klastry produkcyjne zawierają co najmniej dwa węzły klastra aparatu i co najmniej dwa węzły klastra zarządzania danymi. Te klastry działają w ramach umowy SLA usługi Azure Data Explorer.
  • Tworzenie i testowanie (bez umowy SLA): klastry tworzenia i testowania zawierają jeden węzeł dla klastra aparatu i jeden węzeł dla klastra zarządzania danymi. Te klastry są konfiguracją najniższego kosztu ze względu na niską liczbę wystąpień. Nie ma nadmiarowości ani umowy SLA dla tej konfiguracji klastra.

Programowanie a produkcja

Klastry programistyczne doskonale nadają się do oceny usług, konfigurowania potoku pozyskiwania, przeprowadzania weryfikacji koncepcji (PoC) lub weryfikacji scenariusza. Najważniejsze różnice między klastrami deweloperskimi a klastrami produkcyjnymi obejmują:

  • Klastry programistyczne są ograniczone i nie mogą rosnąć poza jednym węzłem
  • Adiustacja w usłudze Azure Data Explorer nie jest naliczana za klastry programistyczne
  • Brak umowy SLA dla klastrów programistycznych

Typy jednostek SKU obliczeniowych

Klastry usługi Azure Data Explorer obsługują różne jednostki SKU dla różnych typów obciążeń. Każda jednostka SKU oferuje odrębny rozmiar magazynu SSD i współczynnik procesora CPU, co ułatwia prawidłowe ustawianie rozmiaru wdrożenia i tworzenie optymalnych rozwiązań dla obciążenia analitycznego przedsiębiorstwa.

Optymalizacja pod kątem obliczeń

  • Zapewnia stosunek rdzeni do pamięci podręcznej i najniższy koszt rdzenia.
  • Lokalny dysk SSD dla operacji we/wy o małym opóźnieniu.

Optymalizacja pod kątem magazynu

  • Zapewnia większy magazyn z zakresu od 1 terabajtów (TB) do 4 TB na węzeł silnika i najniższy koszt za gigabajt (GB).
  • Odpowiednie dla obciążeń wymagających magazynu dla dużych ilości danych.
  • Niektóre jednostki SKU używają magazynu w warstwie Premium (PS) dołączonego do węzła aparatu zamiast lokalnych dysków SSD. Uzyskiwanie dostępu do ps jest wolniejsze niż lokalne dyski SSD, więc jednostki SKU z ps są droższe i są mniej wydajne niż jednostki SKU z dołączonymi lokalnymi dyskami SSD.

Wybieranie i optymalizowanie jednostki SKU obliczeniowej

Wybieranie jednostki SKU obliczeniowej podczas tworzenia klastra

Podczas tworzenia klastra usługi Azure Data Explorer wybierz optymalną jednostkę SKU maszyny wirtualnej dla planowanego obciążenia. Użyj następujących atrybutów, aby ułatwić wybór odpowiedniej jednostki SKU dla środowiska:

Atrybut Szczegóły
Koszt na GB Wysokie koszty dzięki zoptymalizowaniu pod kątem obliczeń. Niski koszt po optymalizacji jednostek SKU pod kątem magazynu
Koszt na rdzeń Niski koszt dzięki zoptymalizowaniu pod kątem obliczeń. Wysokie koszty dzięki zoptymalizowanym jednostki SKU magazynu.
Cennik wystąpień zarezerwowanych Rabat za wystąpienia zarezerwowane różni się w zależności od regionu i jednostki SKU.

Uwaga

Koszt obliczeń jest najważniejszą częścią kosztu klastra.

Optymalizowanie obliczeniowej jednostki SKU klastra

Aby zoptymalizować jednostkę SKU obliczeniową klastra, skonfiguruj skalowanie w pionie i sprawdź zalecenia usługi Azure Advisor.

W przypadku różnych opcji jednostki SKU obliczeniowej do wyboru można zoptymalizować koszty pod kątem wydajności i wymagań dotyczących gorącej pamięci podręcznej dla danego scenariusza. Wybierz jednostkę SKU zoptymalizowaną pod kątem obliczeń, aby uzyskać optymalną wydajność w przypadku dużych woluminów zapytań. Wybierz jednostkę SKU zoptymalizowaną pod kątem magazynu, aby uzyskać najlepszą wydajność podczas wykonywania zapytań dotyczących dużych ilości danych, które muszą być buforowane.

Zaleca się użycie kilku węzłów większych maszyn wirtualnych korzystających z większej ilości pamięci RAM niż wiele mniejszych maszyn wirtualnych. W przypadku niektórych typów zapytań potrzebnych jest więcej pamięci RAM, które nakładają wyższe wymagania na pamięć RAM, na przykład zapytania korzystające ze sprzężeń. Dlatego podczas skalowania klastra zalecamy skalowanie w górę do większej jednostki SKU i skalowanie w górę przez dodanie większej liczby węzłów w razie potrzeby.

Uwaga

Zmiana lub skalowanie w górę jednostki SKU klastra może spowodować od jednej do trzech minut przerwy w działaniu usługi. Wydajność zapytań może mieć wpływ na migrację jednostki SKU, a zakres wpływu może się różnić w zależności od wzorców użycia.

Dostępność jednostki SKU

Dostępność jednostki SKU różni się w zależności od następujących czynników:

  • Region: Nie wszystkie jednostki SKU są dostępne we wszystkich regionach lub strefach dostępności. Aby uzyskać więcej informacji, zobacz stronę każdej jednostki SKU w celu zapoznania się z dostępnością regionalną.
  • Subskrypcja: niektóre jednostki SKU mogą być dostępne tylko dla określonych typów subskrypcji. Jeśli jednostka SKU nie jest dostępna dla twojej subskrypcji w lokalizacji lub strefie spełniającej potrzeby biznesowe, prześlij żądanie jednostki SKU do pomoc techniczna platformy Azure.

Opcje jednostki SKU

Poniższa seria jednostek SKU jest dostępna dla maszyn wirtualnych klastra usługi Azure Data Explorer. Rodziny jednostek SKU w kategoriach obliczeniowych i zoptymalizowanych pod kątem magazynu są klasyfikowane zgodnie z zaleceniem.

Zoptymalizowane pod kątem magazynu

Seria jednostek SKU Dostępna konfiguracja procesorów wirtualnych Typ SKU Obsługuje magazyn w warstwie Premium
Lasv3 8, 16, 32 AMD Nie.
Lsv3 8, 16, 32 Intel Nie.
Easv4, Easv5, ECadsv5 8, 16 AMD Tak
Esv4, Esv5 8, 16 Intel Tak
DSv2 8, 16 Intel Tak

Optymalizacja pod kątem obliczeń

Seria jednostek SKU Dostępna konfiguracja procesorów wirtualnych Typ SKU Obsługuje magazyn w warstwie Premium
Eadsv5, ECadsv5 2, 4, 8, 16 AMD Nie.
Edv4, Edv5 2, 4, 8, 16 Intel Nie.
Eav4 2, 4, 8, 16 AMD Nie.
Dv2 2, 4, 8, 16 Intel Nie.

Uwaga

Wszystkie obliczone zoptymalizowane jednostki SKU z 2 rdzeniami można skonfigurować jako klastry deweloperskie.

Zaleca się używanie klastrów L32asv3/L32sv3 tylko w przypadkach użycia z bardzo dużymi klastrami L16asv3/L16sv3 osiągającym limit 1000 węzłów klastra lub klastrami o bardzo wysokich współbieżnych szybkościach żądań. ECasv5 i ECadsv5 to poufne jednostki SKU przetwarzania. Aby uzyskać więcej informacji, przeczytaj o maszynach wirtualnych do przetwarzania poufnego. W przypadku jednostek SKU ECasv5 zoptymalizowanych pod kątem magazynu w przypadku użycia własnego klucza zarządzanego przez klienta (CMK) szyfrowanie klucza zarządzanego przez klienta odbywa się zarówno na kontach magazynu, jak i na dyskach magazynu w warstwie Premium.

  • Dzięki izolacji zasobów obliczeniowych i magazynu usługi Azure Data Explorer można rozpocząć od najbardziej optymalnej jednostki SKU kosztu i przejść do innej jednostki SKU po dojrzewaniu wzorca użycia lub utraty danych.
  • Zaktualizowaną listę jednostek SKU obliczeniowych dla poszczególnych regionów można wyświetlić przy użyciu interfejsu API ListSkus usługi Azure Data Explorer.

Rozmiar pamięci podręcznej

Usługa Azure Data Explorer rezerwuje część rozmiaru dysku pokazaną w każdej specyfikacji jednostki SKU obliczeniowej platformy Azure, która ma być używana na potrzeby operacji klastra. Dokładny rozmiar pamięci podręcznej dla każdej jednostki SKU jest dostępny w sekcji wyboru jednostki SKU w portalu.

Powiązana zawartość

  • Dowiedz się, jak używać kalkulatora cen
  • Last updated on