Batas memori dan konkurensi untuk kumpulan SQL khusus di Azure Synapse Analytics

Lihat batas memori dan konkurensi yang dialokasikan ke berbagai tingkat performa dan kelas sumber daya di Azure Synapse Analytics.

Catatan

Grup beban kerja manajemen beban kerja memberikan fleksibilitas lebih untuk mengonfigurasi sumber daya per permintaan dan konkurensi daripada kelas sumber daya dinamis atau statis. Lihat Grup Beban Kerja dan sintaks BUAT GRUP BEBAN KERJA untuk detail lebih lanjut.

Pengaturan kapasitas gudang data

Tabel berikut menunjukkan kapasitas maksimum untuk gudang data pada tingkat performa yang berbeda. Untuk mengubah tingkat performa, lihat Skalakan komputasi - portal.

Tingkat layanan

Kisaran Tingkat layanan dari DW100c hingga DW30000c.

Tingkat performa Simpul komputasi Distribusi per simpul Komputasi Memori per gudang data (GB)
DW100c 1 60 60
DW200c 1 60 120
DW300c 1 60 180
DW400c 1 60 240
DW500c 1 60 300
DW1000c 2 30 600
DW1500c 3 20 900
DW2000c 4 15 1200
DW2500c 5 12 1500
DW3000c 6 10 1800
DW5000c 10 6 3000
DW6000c 12 5 3600
DW7500c 15 4 4500
DW10000c 20 3 6000
DW15000c 30 2 9000
DW30000c 60 1 18000

Tingkat layanan maksimum adalah DW30000c, yang memiliki 60 simpuo Komputasi dan satu distribusi per simpul Komputasi. Misalnya, gudang data 600 TB di DW30000c memproses sekitar 10 TB per simpul Komputasi.

Catatan

Kumpulan SqL Khusus Synapse adalah layanan platform hijau. Di bawah model tanggung jawab bersama di cloud, Microsoft terus berinvestasi dalam kemajuan untuk perangkat lunak dan perangkat keras yang mendasar yang menghosting kumpulan SQL khusus. Akibatnya, jumlah simpul atau jenis perangkat keras komputer yang mendasar tingkat performa (SLO) tertentu dapat berubah. Jumlah simpul komputasi yang tercantum di sini disediakan sebagai referensi, dan tidak boleh digunakan untuk tujuan ukuran atau performa. Terlepas dari jumlah simpul atau infrastruktur yang mendasar, tujuan Microsoft adalah untuk memberikan performa sesuai dengan SLO; oleh karena itu, kami menyarankan agar semua latihan ukuran harus menggunakan cDWU sebagai panduan. Untuk informasi selengkapnya tentang Unit Gudang Data SLO dan komputasi, lihat Unit Gudang Data (DWUs) untuk kumpulan SQL khusus (sebelumnya SQL DW).

Maksimum konkurensi untuk grup beban kerja

Dengan diperkenalkannya grup beban kerja, konsep slot konkurensi tidak lagi berlaku. Sumber daya per permintaan dialokasikan berdasarkan basis persentase dan ditentukan dalam definisi grup beban kerja. Namun, bahkan dengan penghapusan slot konkurensi, terdapat jumlah minimum sumber daya yang diperlukan per kueri berdasarkan tingkat layanan. Tabel di bawah ini mendefinisikan jumlah minimum sumber daya yang diperlukan per kueri di seluruh tingkat layanan dan konkurensi terkait yang dapat dicapai.

Tingkat Layanan Kueri serentak maksimum Min % didukung untuk REQUEST_MIN_RESOURCE_GRANT_PERCENT
DW100c 4 25%
DW200c 8 12,5%
DW300c 12 8%
DW400c 16 6,25%
DW500c 20 5%
DW1000c 32 %3
DW1500c 32 %3
DW2000c 48 %2
DW2500c 48 %2
DW3000c 64 1,5%
DW5000c 64 1,5%
DW6000c 128 0,75%
DW7500c 128 0,75%
DW10000c 128 0,75%
DW15000c 128 0,75%
DW30000c 128 0,75%

Maksimum konkurensi untuk kelas sumber daya

Untuk memastikan setiap kueri memiliki sumber daya yang cukup untuk dijalankan secara efisien, Synapse SQL melacak pemanfaatan sumber daya dengan menetapkan slot konkurensi ke setiap kueri. Sistem ini menempatkan kueri ke dalam antrian berdasarkan slot penting dan konkurensi. Kueri menunggu dalam antrean sampai slot konkurensi yang cukup tersedia. Slot kepentingan dan konkurensi menentukan prioritas CPU. Untuk informasi selengkapnya, lihat Analisis beban kerja Anda

Kelas sumber daya statis

Tabel berikut ini memperlihatkan kueri bersamaan maksimum dan slot konkurensi untuk setiap kelas sumber daya statis.

Tingkat Layanan Kueri serentak maksimum Slot konkurensi tersedia Slot yang digunakan oleh staticrc10 Slot yang digunakan oleh staticrc20 Slot yang digunakan oleh staticrc30 Slot yang digunakan oleh staticrc40 Slot yang digunakan oleh staticrc50 Slot yang digunakan oleh staticrc60 Slot yang digunakan oleh staticrc70 Slot yang digunakan oleh staticrc80
DW100c 4 4 1 2 4 4 4 4 4 4
DW200c 8 8 1 2 4 8 8 8 8 8
DW300c 12 12 1 2 4 8 8 8 8 8
DW400c 16 16 1 2 4 8 16 16 16 16
DW500c 20 20 1 2 4 8 16 16 16 16
DW1000c 32 40 1 2 4 8 16 32 32 32
DW1500c 32 60 1 2 4 8 16 32 32 32
DW2000c 48 80 1 2 4 8 16 32 64 64
DW2500c 48 100 1 2 4 8 16 32 64 64
DW3000c 64 120 1 2 4 8 16 32 64 64
DW5000c 64 200 1 2 4 8 16 32 64 128
DW6000c 128 240 1 2 4 8 16 32 64 128
DW7500c 128 300 1 2 4 8 16 32 64 128
DW10000c 128 400 1 2 4 8 16 32 64 128
DW15000c 128 600 1 2 4 8 16 32 64 128
DW30000c 128 1200 1 2 4 8 16 32 64 128

Kelas sumber daya statis

Tabel berikut ini memperlihatkan kueri bersamaan maksimum dan slot konkurensi untuk setiap kelas sumber daya statis. Kelas sumber daya dinamis menggunakan alokasi persentase memori 3-10-22-70 untuk kelas sumber daya xlarge kecil-menengah-besar di seluruh tingkat layanan DW1000c ke DW30000c. Untuk alokasi memori di bawah DW1000c, lihat kelas sumber daya dinamis dokumen.

Tingkat Layanan Kueri serentak maksimum Slot konkurensi tersedia Slot yang digunakan oleh sumber daya kecil Slot yang digunakan oleh sumber daya menengah Slot yang digunakan oleh sumber daya besar Slot yang digunakan oleh sumber daya sangat besar
DW100c 4 4 1 1 1 2
DW200c 8 8 1 1 1 5
DW300c 12 12 1 1 2 8
DW400c 16 16 1 1 3 11
DW500c 20 20 1 2 4 14
DW1000c 32 40 1 4 8 28
DW1500c 32 60 1 6 13 42
DW2000c 32 80 2 8 17 56
DW2500c 32 100 3 10 22 70
DW3000c 32 120 3 12 26 84
DW5000c 32 200 6 20 44 140
DW6000c 32 240 7 24 52 168
DW7500c 32 300 9 30 66 210
DW10000c 32 400 12 40 88 280
DW15000c 32 600 18 60 132 420
DW30000c 32 1200 36 120 264 840

Ketika tidak ada slot konkurensi kosong yang cukup untuk memulai eksekusi kueri, kueri diantrikan dan dijalankan berdasarkan kepentingan. Jika ada kepentingan yang sama, kueri dijalankan dengan basis masuk pertama, keluar pertama. Saat kueri selesai dan jumlah kueri dan slot berada di bawah batas, Azure Synapse Analytics merilis kueri yang diantrikan.

Langkah berikutnya

Untuk mempelajari lebih lanjut tentang cara memanfaatkan kelas sumber daya untuk mengoptimalkan beban kerja Anda lebih lanjut, silakan tinjau artikel berikut: