การระบุปัญหาด้านประสิทธิภาพ

การแปลงและวิเคราะห์ข้อมูลด้วย Microsoft Fabric

Luis Silva

Solution Architect - Data & AI

Fabric capacities

ไดอะแกรมแสดง Fabric ที่รองรับด้วย OneLake storage และ compute capacity โดยเน้นที่ compute capacity

ไดอะแกรมแสดง Fabric items ที่รองรับด้วย OneLake storage และ compute capacity โดยเน้นที่การเพิ่ม compute capacity

ตารางแสดง Fabric Azure SKU ที่มีให้เลือก ตั้งแต่ขนาดเล็กสุด F2 จนถึงใหญ่สุด F2048

ไดอะแกรมแสดง compute resources ของ Fabric capacity ที่กำลังหมด

ไดอะแกรมแสดง compute resources ของ Fabric capacity ที่กำลังหมด

แผนภูมิแท่งแสดงแนวคิด bursting: workload ที่พุ่งสูงชั่วคราวเกินกว่าขีดจำกัดที่กำหนดไว้สำหรับ capacity

แผนภูมิแท่งแสดงแนวคิด smoothing: workload ที่พุ่งสูงถูกกระจายออกไปในช่วงเวลาที่ยาวขึ้นเพื่อไม่ให้เกินขีดจำกัด capacity

แผนภูมิแท่งแสดงแนวคิด throttling: คำขอหลายรายการที่จะเกินขีดจำกัด capacity ถูกปฏิเสธ

ภาพหน้าจอหน้าดาวน์โหลดของแอป Microsoft Fabric Capacity Metrics

ภาพหน้าจอส่วนหนึ่งของแอป Fabric Capacity Metrics แสดงกราฟการใช้งาน CU ระยะเวลา จำนวน operations และจำนวนผู้ใช้

ภาพหน้าจอส่วนหนึ่งของแอป Fabric Capacity Metrics แสดงกราฟ Throttling

ภาพหน้าจอส่วนหนึ่งของแอป Fabric Capacity Metrics แสดง matrix จำแนกตาม item และ operation

ภาพหน้าจอส่วนหนึ่งของแอป Fabric Capacity Metrics แสดงการใช้งาน storage

มีมุมมองที่ละเอียดกว่าแอป Capacity Metrics
- แอป Capacity Metrics: เน้นการบริโภคทรัพยากรรวมตามเวลา
- Monitoring hub: เน้นเวลาการดำเนินการของแต่ละ activity

ไอคอนแสดง pipelines, dataflows, lakehouses, notebooks, semantic models และ spark jobs

ภาพหน้าจอ Monitoring hub แสดงรายการ notebooks, dataflows และ Fabric items อื่น ๆ

การแปลงและวิเคราะห์ข้อมูลด้วย Microsoft Fabric