Bemærk
Adgang til denne side kræver godkendelse. Du kan prøve at logge på eller ændre mapper.
Adgang til denne side kræver godkendelse. Du kan prøve at ændre mapper.
Fabric data engineering agent (Project Osmos) bruger sprogmodeller til at planlægge og forfine arbejdet, og Spark compute til at udføre kode, teste implementeringsmuligheder og validere resultater. For at forstå en opgaves computeforbrug, gennemgå begge komponenter frem for kun at bruge language model tokens.
Vigtig
Data engineering-agenten (Project Osmos) er i preview. Forhåndsvisningsfunktioner udgives med begrænsede muligheder og er underlagt separate supplerende forhåndsvisningsvilkår. De er ikke beregnet til produktionsbrug, er ikke underlagt service-level agreements og kan kun være tilgængelige i udvalgte regioner. For mere information, se Microsoft Fabric forhåndsvisningsinformation.
Forstå opgaveforbrug
Følgende komponenter bruger forskellige forbrugs- og faktureringsregler:
| Komponent | Hvad forbruger ressourcer | Hvor man kan finde vejledning |
|---|---|---|
| Sprogmodeller | Input, cachet input når det rapporteres separat, og outputtokens brugt til planlægning, ræsonnement og kodegenerering. | Se Copilot forbrugs- og faktureringsvejledning. Sprogmodelbrugen vises under Project Osmos-operationen samt Copilot og AI Azure billing meter. |
| Spark beregning | Kodeeksekvering, implementeringseksperimenter, databehandling og validering kører. | Gennemgå Apache Sparks fakturering og anvendelse. Spark-brug rapporteres separat fra Project Osmos-sprogmodellens operation. |
Opgavekompleksitet påvirker begge komponenter. Flere implementeringsforsøg eller valideringskørsler kan øge tokenbrugen og Spark-eksekveringen. Mængden af behandlede kontekst påvirker token-forbruget, mens datavolumen og transformationer som joins og aggregations påvirker Spark-arbejdet. Opgaver med lignende prompts kan derfor forbruge forskellige mængder compute.
Andre Fabric-operationer, som en opgave bruger, har deres egne forbrugsregler. Du kan finde flere oplysninger i Strukturoperationer.
Overvåge brug
Brug Fabric Capacity Metrics-appen til at inspicere sprogmodellen og Spark-brugen. Hvis du ikke har adgang til appen, så bed din kapacitetsadministrator om at gennemgå forbruget sammen med dig.
I appens standardrapport:
- Åbn Compute-siden og brug Capacity Name til at vælge den kapacitet, der er tildelt opgavens arbejdsområde.
- Vælg perioden, der inkluderer opgaven i det multimetriske bånddiagram.
- Filtrer varetypen til Lakehouse. I matrixen efter punkt og operation skal du finde opgavens arbejdsområde og søhus.
- Hold musen over en værdi i rækken af det søhus for at se driften bryde sammen. Find Project Osmos til brug af sprogmodeller. Denne baggrundsoperation bruger Copilot og AI Azure faktureringsmåter.
- Gennemgå søhusets brug af Spark separat. Hvis du også kører genererede notesbøger, så gennemgå deres notesbogselementer og Spark-operationer. Fortolk ikke Project Osmos-operationen som det samlede beregningsforbrug for opgaven.
For illustreret vejledning om rapporten og driftsopdelingen, se Compute-siden i Fabric Capacity Metrics-appen og Monitor Apache Spark kapacitetsforbrug. Hvis du bruger den redesignede forhåndsvisningsrapport, se Compute-siden i Capacity Metrics app-forhåndsvisningen.
Note
Lakehouse-totaler kan inkludere aktivitet fra andre opgaver og brugere. Tilskriv ikke al Spark-brug for et delt søhus til én opgave. Brugen tager også tid at dukke op i appen; for opdateringsadfærd, se Datalatency.
Forbrugsrater
Brugen af sprogmodellen konverteres til Fabric capacity units (CUs). For offentliggjorte Copilot-forbrugsrater og faktureringsvejledning, se Forbrugsrater og fakturering for Copilot i Fabric.
Tag højde for Spark-forbrug separat under den gældende Spark-faktureringsmodel. Et tokenantal alene bestemmer ikke den samlede pris på en opgave.
For kapacitetsplanlægningsvejledning, se Plan for brugen af delt kapacitet.