在 Microsoft Fabric 中配置資源配置檔

適用於：✅ Fabric 資料工程與資料科學

Fabric Data Engineering 中的資源配置檔能幫助你在不手動調整的情況下，獲得最佳化的 Spark 運算配置。 你透過選擇主要使用情境、資料量和其他幾個高層次輸入來描述你的工作負載。 Fabric 接著根據經驗證的最佳實務與內部效能資料，產生推薦配置，包括節點大小、自動縮放設定及執行時版本。

為什麼要使用資源設定檔

資源概要提供：

• 從一開始就優化：你的第一個 Spark 會話運行於針對你工作負載調整的運算上——不需要反覆的基準測試。
• 一致性：工作區中所有 Spark 工作都共享相同的效能調整設定。
• 更佳的性價比：適當規模的資源減少浪費並提升產能。
• 較低的營運開銷：調校週期較少，支援升級也減少。

先決條件

要設定資源設定檔，你必須擁有工作區的 管理員 角色。

設定資源配置檔

要為你的工作區設定資源設定檔：

1. 進入你的工作區，選擇 工作區設定。

2. 在左側窗格展開 「資料工程/科學 」，然後選擇 Spark 設定。

3. 要取得推薦的運算配置以優化資源使用，請在 「針對你的使用情境優化」中選擇「 開始使用」。

   

4. 在 「為你的使用案例優化 」頁面，請提供以下輸入：

   • 主要使用情境：選擇 Medallion 圖層 或 任務導向，然後從下拉選單中選擇特定選項。 徽章層級有 青銅、 銀或 金三種。 基於任務的選項分為 讀取最佳化 或 寫入優化。 關於選擇使用案例的指引，請參閱 主要使用案例參考。
   • 典型資料量：從下拉選單選擇一個磁碟區： 最多 1 GB、 10 GB、 100 GB、 1 TB 或 超過 1 TB。
   • 最大容量單位（CU）：使用滑桿設定火花池的最大容量上限。

5. 選擇 「取得推薦」。

   

   Fabric 會根據你的輸入產生優化的配置。

6. 請檢視建議。 建議中包含兩類的值：

   • 火花池：池型別、節點族、節點大小、自動縮放及動態執行器配置。
   • 環境：執行版本、Spark 驅動核心與記憶體、Spark 執行核心、記憶體及實例。

   

   如果你想調整輸入，請選擇返回箭頭回到上一頁，更新你的選擇，然後再次選擇 「取得推薦 」。

7. 輸入 Spark 池名稱 和 環境以進行設定，然後選擇 套用將其儲存到工作區。

   

當您套用資源設定檔時，Fabric 會建立一個自訂的 Spark 池並使用建議的設定。

主要使用案例參考

在設定資源配置檔時，請依照以下指引選擇正確的主要使用情境輸入：

徽章層

如果你的資料管線遵循 medallion 架構模式，資料會經過青銅（原始）、銀（清理）和金（精選）階段，請選擇 Medallion 層 。 每個選項都會針對該階段典型的讀寫特性進行計算調整。

任務型

如果你的工作量不符合獎章模式，或是被單一存取模式佔據，就選擇 任務型 。 例如，將此選項用於獨立的 ETL 工作、互動式分析筆記本或串流管線。

自動更新資源設定檔

資源設定檔支援自動更新功能，確保您的 Spark 運算設定與 Fabric 最新的優化保持一致。 啟用自動更新時，Fabric 會根據你的資源配置檔類型套用工作負載專屬的 Spark 屬性，無需手動調整。

自動更新設定

Fabric 提供三種自動更新設定檔，分別針對特定工作負載模式進行調整：

以讀取為主的 Spark 工作負載

透過 spark.fabric.resourceProfile.readHeavyForSparkAutoUpdate 設定：

{
    "spark.databricks.delta.optimizeWrite.enabled": "true",
    "spark.databricks.delta.optimizeWrite.partitioned.enabled": "true",
    "spark.databricks.delta.optimizeWrite.binSize": "128"
}

當您的工作負載以 Spark 讀取為主，且有中度的寫入最佳化需求時，請使用此配置檔。

對 Power BI 工作負載來說，讀取量很大

透過 spark.fabric.resourceProfile.readHeavyForPBIAutoUpdate 設定：

{
    "spark.sql.parquet.vorder.default": "true",
    "spark.databricks.delta.optimizeWrite.enabled": "true",
    "spark.databricks.delta.optimizeWrite.binSize": "1g"
}

如果您的資料主要供 Power BI 使用，請使用此設定檔。 啟用 V 順序以達到最佳 Direct Lake 效能，較大的 bin 大小會產生較少且較大的檔案，適合分析讀取。

大量寫入工作負載

透過 spark.fabric.resourceProfile.writeHeavyAutoUpdate 設定：

{
    "spark.sql.parquet.vorder.default": "false",
    "spark.databricks.delta.optimizeWrite.binSize": "128",
    "spark.databricks.delta.optimizeWrite.partitioned.enabled": "true"
}

當您的工作負載以寫入為主時（例如大量資料擷取或 ETL），請使用此設定檔。 為了減少寫入開銷，V-order（V-order）被關閉，並啟用了最佳化的分割寫入以提升檔案配置效率。

自動更新的運作方式

當套用帶有自動更新的資源設定檔時：

1. Fabric 會根據你的主要使用情境和工作負載類型，選擇適當的自動更新設定。
2. Spark 屬性會自動套用至工作區中的新工作階段。
3. 正在進行的會話在重新啟動前不會受到影響。

設定參考

相關內容

• Spark 計算
• Spark 工作空間設定
• 配置資源配置檔案