Zużycie pojemności agenta inżynierii danych Fabric (Project Osmos) — wersja zapoznawcza

Fabric data engineering agent (Project Osmos) wykorzystuje modele językowe do planowania i udoskonalania pracy, a obliczenia Spark do wykonywania kodu, testowania opcji implementacyjnych i weryfikacji wyników. Aby zrozumieć zużycie zasobów obliczeniowych zadania, przejrzyj oba komponenty, a nie tylko tokeny modeli językowych.

Important

Agent do inżynierii danych (Project Osmos) jest dostępny w wersji zapoznawczej. Funkcje podglądowe są udostępniane z ograniczonymi możliwościami i podlegają osobnym, uzupełniającym warunkom zapowiedzi. Nie są przeznaczone do użytku produkcyjnego, nie podlegają umowom SLA i mogą być dostępne tylko w wybranych regionach. Aby uzyskać więcej informacji, zobacz Informacje o wersji zapoznawczej usługi Microsoft Fabric.

Poznaj zużycie zadań

Następujące komponenty stosują różne zasady zużycia i rozliczeń:

Component Co pochłania zasoby Gdzie znaleźć wskazówki
Modele językowe Dane wejściowe, buforowane dane wejściowe przy raportowaniu oddzielnie oraz tokeny wyjściowe używane do planowania, rozumowania i generowania kodu. Zapoznaj się z wytycznymi dotyczącymi konsumpcji i rozliczeń Copilot. Użycie modeli językowych jest widoczne w ramach operacji Project Osmos oraz licznika rozliczeń Azure Copilot i AI.
Obliczenia platformy Spark Wykonywanie kodu, eksperymenty wdrożeniowe, przetwarzanie danych i uruchomienia walidacyjne. Przejrzyj rozliczenia i wykorzystanie Apache Spark. Wykorzystanie Spark jest raportowane oddzielnie od operacji modelu językowego Project Osmos.

Złożoność zadania wpływa na oba komponenty. Więcej prób implementacji lub uruchomień walidacyjnych może zwiększyć zużycie tokenów i wykonanie Sparka. Ilość przetworzonego kontekstu wpływa na wykorzystanie tokenów, podczas gdy wolumen danych oraz transformacje, takie jak joiny i agregacje, wpływają na pracę w Spark. Zadania z podobnymi promptami mogą więc zużywać różne ilości mocy obliczeniowej.

Inne operacje Fabric używane przez zadanie mają własne reguły zużycia. Aby uzyskać więcej informacji, zobacz Operacje Fabric.

Monitorowanie użycia

Użyj aplikacji Fabric Capacity Metrics, aby sprawdzić użycie modeli językowych i Sparka. Jeśli nie masz dostępu do aplikacji, poproś administratora pojemności o przejrzenie użycia razem z Tobą.

W domyślnym raporcie aplikacji:

  1. Otwórz stronę Compute i użyj Capacity Name, aby wybrać pojemność przypisaną do przestrzeni roboczej zadania.
  2. Wybierz okres, który obejmuje uruchomienie zadania, na wielometrycznym wykresie wstążkowym.
  3. Filtruj typ elementu na Lakehouse. W macierzy według elementu i operacji zlokalizuj przestrzeń zadania oraz lakehouse.
  4. Najedź kursorem na wartość w wierszu tego lakehouse, aby zobaczyć rozkład operacji. Znajdź Project Osmos do wykorzystania przez modele językowe. Ta operacja w tle wykorzystuje miernik rozliczeniowy platformy Azure Copilot and AI.
  5. Przejrzyj zużycie Spark w lakehouse oddzielnie. Jeśli uruchamiasz też generowane notatniki, przejrzyj ich elementy Notebook i operacje Spark. Nie interpretuj operacji Project Osmos jako całkowitego zużycia obliczeniowego zadania.

Aby uzyskać ilustrowane wskazówki dotyczące raportu i podziału operacji, zobacz stronę Compute w aplikacji Fabric Capacity Metrics oraz Monitorowanie zużycia pojemności Apache Spark. Jeśli korzystasz z przeprojektowanego raportu podglądowego, zobacz stronę Compute w aplikacji Capacity Metrics preview.

Note

Sumy Lakehouse mogą obejmować aktywność wykonywaną przez inne zadania i innych użytkowników. Nie przypisuj całego użycia Sparka dla wspólnego lakehouse jednemu zadaniu. Dane o użyciu również potrzebują czasu, by pojawić się w aplikacji; o zachowaniu odświeżania zobacz opóźnienia danych.

Stawki zużycia

Wykorzystanie modeli językowych jest przeliczane na jednostki pojemności Fabric (CU). Opublikowane wskaźniki zużycia Copilot i wytyczne dotyczące rozliczeń można znaleźć w artykule Wskaźniki zużycia i rozliczenia usługi Copilot w usłudze Fabric.

Rozlicz zużycie Spark osobno w odpowiednim modelu rozliczeń Spark. Sama liczba tokenów nie określa całkowitego kosztu zadania.

W celu uzyskania wskazówek dotyczących planowania przepustowości zobacz Plan dotyczący wykorzystania pojemności współdzielonej.