Mengidentifikasi masalah kinerja

Transformasi dan Analisis Data dengan Microsoft Fabric

Luis Silva

Solution Architect - Data & AI

Kapasitas Fabric

Diagram yang menunjukkan Fabric ditopang oleh penyimpanan OneLake dan kapasitas komputasi, menyoroti kapasitas komputasi

Diagram yang menunjukkan item Fabric ditopang oleh penyimpanan OneLake dan kapasitas komputasi, menyoroti kapasitas komputasi yang ditingkatkan

Tabel yang mencantumkan berbagai SKU Azure Fabric, dari F2 terkecil hingga F2048 terbesar

Diagram yang menunjukkan sumber daya komputasi kapasitas Fabric menipis

Diagram yang menunjukkan sumber daya komputasi kapasitas Fabric menipis

Bagan batang yang mengilustrasikan konsep bursting: lonjakan beban kerja sementara melebihi batas kapasitas

Bagan batang yang mengilustrasikan konsep smoothing: lonjakan beban kerja disebar dalam periode lebih lama agar tidak melewati batas kapasitas

Bagan batang yang mengilustrasikan konsep throttling: beberapa permintaan yang akan melebihi batas kapasitas ditolak

Tangkapan layar halaman unduh aplikasi Microsoft Fabric Capacity Metrics

Tangkapan layar bagian aplikasi Fabric Capacity Metrics yang menampilkan grafik penggunaan CU, durasi, jumlah operasi, dan jumlah pengguna

Tangkapan layar bagian aplikasi Fabric Capacity Metrics yang menampilkan grafik Throttling

Tangkapan layar bagian aplikasi Fabric Capacity Metrics yang menampilkan matriks per item dan operasi

Tangkapan layar bagian aplikasi Fabric Capacity Metrics yang menampilkan penggunaan penyimpanan

Tampilan lebih detail daripada aplikasi Capacity Metrics
- Capacity Metrics app: Fokus pada konsumsi sumber daya teragregasi dari waktu ke waktu
- Monitoring hub: Fokus pada waktu eksekusi tiap aktivitas

Ikon yang merepresentasikan pipeline, dataflow, lakehouse, notebook, model semantik, dan pekerjaan spark

Tangkapan layar Monitoring hub yang menampilkan daftar notebook, dataflow, dan item Fabric lainnya

Transformasi dan Analisis Data dengan Microsoft Fabric