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.
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 kecil-menengah-besar-sangat besar di semua tingkat layanan.
| 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: