หมายเหตุ
การเข้าถึงหน้านี้ต้องได้รับการอนุญาต คุณสามารถลอง ลงชื่อเข้าใช้หรือเปลี่ยนไดเรกทอรีได้
การเข้าถึงหน้านี้ต้องได้รับการอนุญาต คุณสามารถลองเปลี่ยนไดเรกทอรีได้
Autoscale Billing for Spark แนะนํารูปแบบใหม่สําหรับการเรียกเก็บเงินตามการใช้งานจริงสําหรับปริมาณงาน Apache Spark ใน Microsoft Fabric ออกแบบมาเพื่อให้ความยืดหยุ่นและการปรับค่าใช้จ่ายให้เหมาะสมยิ่งขึ้น เมื่อเปิดใช้งานแบบจําลองนี้งาน Spark จะไม่ใช้การคํานวณจากความจุ Fabric อีกต่อไป แต่ใช้ทรัพยากรแบบไม่ใช้เฉพาะที่เรียกเก็บเงินแบบไร้เซิร์ฟเวอร์อย่างอิสระแทน ซึ่งคล้ายกับ Azure Synapse Spark
แบบจําลองนี้เสริมแบบจําลองตามความจุที่มีอยู่ใน Fabric ให้องค์กรสามารถเลือกแบบจําลองการคํานวณที่เหมาะสมสําหรับปริมาณงาน
เลือกระหว่างการเรียกเก็บเงินแบบปรับขนาดอัตโนมัติและแบบจําลองความจุ
| คุณสมบัติ | แบบจําลองความจุ | การเรียกเก็บเงินแบบปรับขนาดอัตโนมัติสําหรับ Spark |
|---|---|---|
| การเรียกเก็บเงิน | ต้นทุนคงที่ต่อระดับความจุ | งาน Spark แบบจ่ายตามการใช้งานของคุณ |
| การปรับมาตราส่วน | ความจุที่ใช้ร่วมกันทั่วทั้งปริมาณงาน | สเกลแบบประกายไฟอย่างอิสระ |
| ข้อข้องใจของทรัพยากร | เป็นไปได้ระหว่างปริมาณงาน | ขีดจํากัดการคํานวณเฉพาะสําหรับ Spark |
| กรณีการใช้งานที่ดีที่สุดของ | ปริมาณงานที่คาดการณ์ได้ | งาน Dynamic หรือ bursty Spark |
ด้วยการใช้ทั้งสองแบบจําลองโดยการใช้กลยุทธ์ ทีมสามารถปรับสมดุลค่าใช้จ่ายและประสิทธิภาพการทํางาน—รันงานที่เสถียร และเกิดซ้ําในความจุในขณะที่โหลดปริมาณงานแบบเฉพาะกิจหรือการคํานวณแบบหนักของ Spark ในการเรียกเก็บเงินอัตโนมัติ
ประโยชน์ที่สำคัญ
- ✅ ต้นทุน อย่างมีประสิทธิภาพ – จ่ายสําหรับรันไทม์งาน Spark เท่านั้น
- ✅ มาตราส่วนอิสระ - ปริมาณงาน Spark จะทํางานโดยไม่กระทบต่อการดําเนินงานตามความจุอื่น
- ✅ ที่พร้อมสําหรับองค์กร – รวมกับการจัดการโควตา Azure เพื่อความยืดหยุ่นในการปรับมาตราส่วน
วิธีการเรียกเก็บเงินแบบปรับขนาดอัตโนมัติ
เมื่อเปิดใช้งาน การเรียกเก็บเงินการปรับขนาดอัตโนมัติจะเปลี่ยนแปลงวิธีการจัดการปริมาณงาน Spark:
- งาน Spark จะถูกถ่ายจากความจุผ้าและ ไม่ใช้ CU จากความจุผ้า
- ขีดจํากัดสูงสุดสําหรับ CU สามารถกําหนดค่าให้สอดคล้องกับนโยบายงบประมาณหรือนโยบายการกํากับดูแล ขีดจํากัดนี้เป็นเพียงขีดจํากัดสูงสุด (เหมือนกับโควตา) สําหรับปริมาณงาน Spark ของคุณ คุณได้รับการเรียกเก็บเงินสําหรับ CUs ที่งานของคุณใช้เท่านั้นและไม่มีค่าใช้จ่ายในการคํานวณที่ไม่ได้ใช้งาน
- ไม่มีการเปลี่ยนแปลงในอัตราการเรียกเก็บเงินสําหรับ Spark ค่าใช้จ่ายของ Spark ยังคงเหมือนเดิมซึ่งเท่ากับ 0.5 CU ชั่วโมงต่องาน Spark
- เมื่อถึงขีดจํากัด CU งาน Spark จะจัดคิว (ชุดงาน) หรือจํากัดผลลัพธ์ (แบบโต้ตอบ)
- มีการรายงานการใช้งานและค่าใช้จ่ายของ Spark แยกต่างหากใน Fabric Capacity Metrics App และ Azure Cost Analysis
สำคัญ
การเรียกเก็บเงินแบบปรับขนาดอัตโนมัติ เลือกใช้ได้ต่อ ความจุและ จะไม่เกิดต่อเนื่องหรือย้อนกลับไปยัง ความจุผ้า มันเป็นไร้เซิร์ฟเวอร์และจ่ายตามที่คุณไป คุณเปิดใช้งานการเรียกเก็บเงินการปรับขนาดอัตโนมัติและคุณตั้งค่าขีดจํากัดสูงสุดและรับการเรียกเก็บเงินสําหรับ CUs ที่ใช้โดยงานที่คุณเรียกใช้เท่านั้น
ลักษณะการทํางานของการทํางานพร้อมกันและการจัดคิวงาน
เมื่อเปิดใช้งาน การเรียกเก็บเงินแบบปรับขนาดอัตโนมัติ การทํางานพร้อมกันของ Spark ถูกควบคุมโดยขีดจํากัด สูงสุดหน่วยความจุ (CU) กําหนดโดยผู้ดูแลระบบความจุของ Fabric ไม่มีการระเบิดหรือทําให้เรียบเนียนต่างจากแบบจําลองความจุมาตรฐาน
- งาน Interactive Spark (เช่น การดําเนินงานของ Lakehouseแสดงตัวอย่างตารางการโหลดไปยังตารางหรือ คิวรีสมุดบันทึกแบบโต้ตอบ) จะถูกจํากัดผลลัพธ์ เมื่อ CUs ที่สามารถใช้งานได้ทั้งหมด
- งาน Background Spark (ทริกเกอร์โดยไปป์ไลน์ ตัวจัดกําหนดการงาน APIข้อกําหนดงาน Spark หรือ การบํารุงรักษาตาราง ) จะถูก จัดคิว
ขนาดของคิวจะเชื่อมโยงกับขีดจํากัดของ CU โดยตรง:
ตัวอย่างเช่น ถ้าขีดจํากัดสูงสุดของ CU ถูกตั้งค่าเป็น 2048คิวงาน Spark สามารถระงับงานได้ถึง 2048 งาน
แบบจําลองนี้ช่วยให้มั่นใจว่าการจัดสรรทรัพยากรยังคงสามารถคาดการณ์และควบคุมได้ในขณะที่ยังคงสนับสนุนปริมาณงานปริมาณงานที่มากเกินไป
ร้องขอโควตาเพิ่มเติม
ถ้าปริมาณงานวิศวกรรมข้อมูลหรือวิทยาศาสตร์ข้อมูลของคุณจําเป็นต้องมีโควตาที่สูงกว่าขีดจํากัดความจุสูงสุด (CU) ในปัจจุบันของคุณ คุณสามารถร้องขอการเพิ่มได้ผ่านหน้าโควตา Azure:
- นําทางไปยังพอร์ทัล Azure และลงชื่อเข้าใช้
- ในแถบค้นหา พิมพ์และเลือก โควต้า Azure
- เลือก Microsoft Fabric จากรายการของบริการที่พร้อมใช้งาน
- เลือกการสมัครใช้งานที่เชื่อมโยงกับความจุ Fabric ของคุณ
- แก้ไขขีดจํากัดโควตาโดยการป้อนขีดจํากัด CU ใหม่ที่คุณต้องการรับ
- ส่งคําขอโควตาของคุณ
เมื่อคําขอได้รับการอนุมัติ ขีดจํากัด CU ใหม่จะถูกรีเฟรชและนําไปใช้กับความจุ Fabric ของคุณ ซึ่งทําให้แน่ใจว่าแบบจําลอง Autoscale Billing ของคุณสามารถรองรับความต้องการที่เพิ่มขึ้นโดยไม่รบกวนปริมาณงาน Spark