Tabellreferens för fakturerbart användningssystem
Viktigt!
Den här funktionen finns som allmänt tillgänglig förhandsversion.
Den här artikeln innehåller en översikt över tabellen med fakturerbara användningssystem, inklusive schema- och exempelfrågor. Med systemtabeller centraliseras och dirigeras ditt kontos fakturerbara användningsdata till alla regioner, så att du kan visa kontots globala användning från vilken region din arbetsyta befinner sig i.
Schema för fakturerbar användningstabell
Tabellen för fakturerbara användningssystem finns på system.billing.usage
och använder följande schema:
Kolumnnamn | Datatyp | beskrivning | Exempel |
---|---|---|---|
record_id |
sträng | Unikt ID för den här posten | 11e22ba4-87b9-4cc2-9770-d10b894b7118 |
account_id |
sträng | ID för kontot som den här rapporten genererades för | 23e22ba4-87b9-4cc2-9770-d10b894b7118 |
workspace_id |
sträng | ID för arbetsytan som den här användningen var associerad med | 1234567890123456 |
sku_name |
sträng | SKU:ns namn | STANDARD_ALL_PURPOSE_COMPUTE |
cloud |
sträng | Moln som den här användningen är relevant för. Möjliga värden är AWS , AZURE och GCP . |
AWS , AZURE eller GCP |
usage_start_time |
timestamp | Starttiden som är relevant för den här användningsposten | 2023-01-09 10:00:00.000 |
usage_end_time |
timestamp | Den sluttid som är relevant för den här användningsposten | 2023-01-09 11:00:00.000 |
usage_date |
datum | Datum för användningsposten, det här fältet kan användas för snabbare aggregering efter datum | 2023-01-01 |
custom_tags |
map | Taggar som används av användarna för den här användningen | { “env”: “production” } |
usage_unit |
sträng | Enhet som den här användningen mäts i. Möjliga värden är DPU:er. | DBU |
usage_quantity |
decimal | Antal enheter som förbrukas för den här posten. | 259.2958 |
usage_metadata |
Struct | Metadata som tillhandahålls av systemet om användningen, inklusive ID:t för beräkningsresurser och jobb (om tillämpligt). Se Analysera användningsmetadata. | {cluster_id: null; instance_pool_id: null; notebook_id: null; job_id: null; node_type: null} |
identity_metadata |
Struct | Metadata som tillhandahålls av systemet om de identiteter som ingår i användningen. Se Analysera identitetsmetadata. | {run_as: example@email.com} |
record_type |
sträng | Om posten är en korrigering. Möjliga värden är ORIGINAL , RETRACTION och RESTATEMENT . |
ORIGINAL |
ingestion_date |
datum | Datum då posten matades in i usage tabellen. |
2024-01-01 |
billing_origin_product |
sträng | Den produkt som har sitt ursprung i användningen. Vissa produkter kan faktureras som olika SKU:er. Möjliga värden finns i Visa information om produkten som är associerad med användningen. | JOBS |
product_features |
Struct | Information om de specifika produktfunktioner som används. | Möjliga värden finns i Produktfunktioner. |
usage_type |
sträng | Den typ av användning som tillskrivs produkten eller arbetsbelastningen i faktureringssyfte. Möjliga värden är COMPUTE_TIME , COMPUTE_SLOT , STORAGE_SPACE , NETWORK_BYTES , API_CALLS , TOKEN eller GPU_TIME . |
STORAGE_SPACE |
Analysera användningsmetadata
Värdena i usage_metadata
berättar om de resurser som ingår i användningsposten.
Värde | Datatyp | beskrivning |
---|---|---|
cluster_id |
string |
ID för klustret som är associerat med användningsposten |
instance_pool_id |
string |
ID för instanspoolen som är associerad med användningsposten |
node_type |
string |
Instanstypen för beräkningsresursen |
job_id |
string |
ID för jobbet som är associerat med användningsposten |
job_run_id |
string |
ID för jobbkörningen som är associerad med användningsposten |
notebook_id |
string |
ID för notebook-filen som är associerad med användningen. Returnerar endast ett värde för serverlös beräkning för notebook-användning, annars returneras NULL . |
dlt_pipeline_id |
string |
ID för Delta Live Tables-pipelinen som är associerad med användningsposten |
Kommentar
I sällsynta fall job_run_id
fylls inte i för långvariga jobb vars beräkning började köras innan Azure Databricks började samla job_run_id
in metadata. Starta om jobbets beräkning för att börja spela in job_run_id
.
Hitta ett jobb eller en anteckningsbok i användargränssnittet med hjälp av job_id eller notebook_id
De här anvisningarna förklarar hur du hämtar ett visst jobb eller en anteckningsbok i användargränssnittet baserat på dess ID.
Så här hittar du ett jobb i användargränssnittet baserat på dess job_id
:
job_id
Kopiera från användningsposten. Anta i det här exemplet att ID:t är700809544510906
.- Gå till arbetsflödesgränssnittet på samma Azure Databricks-arbetsyta som jobbet.
- Kontrollera att filtret Endast jobb som ägs av mig är avmarkerat.
- Klistra in ID :t (700809544510906) i sökfältet Filterjobb.
Om du vill hitta en notebook-fil i användargränssnittet baserat på dess notebook_id
använder du följande instruktioner:
notebook_id
Kopiera från användningsposten. Anta i det här exemplet att ID:t är700809544510906
.- Gå till arbetsytegränssnittet på samma Azure Databricks-arbetsyta som notebook-filen.
- klicka på en anteckningsbok som du ser.
- När du har öppnat anteckningsboken granskar du URL:en i webbläsarens adressfält. Det bör se ut som
https://<account-console-url>/?o=<workspace ID>#notebook/<notebook ID>/command/<command ID>
. - I webbläsarens adressfält ersätter du notebook-ID:t med det ID som du kopierade i det första steget och tar sedan bort allt efter notebook-ID:t. Det bör se ut som
https://<account-console-url>/?o=<workspace ID>#notebook/700809544510906
. - När du har hämtat anteckningsboken kan du klicka på knappen Dela för att visa anteckningsbokens ägare.
Analysera identitetsmetadata
Kolumnen identity_metadata
kan hjälpa dig att identifiera vem som ansvarar för en serverlös faktureringspost. Kolumnen innehåller ett run_as
värde som tillskriver användningen till en identitet. Identiteten som registreras i identity_metadata.run_as
beror på vilken produkt som är associerad med användningen.
Referera till följande tabell för beteendet identity_metadata.run_as
:
Typ av arbetsbelastning | Identitet för run_as |
---|---|
Serverlös beräkning för arbetsflöden | Användaren eller tjänstens huvudnamn som definierats i körningen som inställning. Som standard körs jobb som identitet för jobbägaren, men administratörer kan ändra detta till en annan användare eller tjänstens huvudnamn. |
Serverlös beräkning för notebook-filer | Användaren som körde notebook-kommandona (specifikt användaren som skapade notebook-sessionen). För delade notebook-filer inkluderar detta användning av andra användare som delar samma notebook-session. |
Visa information om produkten som är associerad med användningen
Vissa Databricks-produkter faktureras under samma delade SKU. För att hjälpa dig att särskilja användningen ger kolumnerna billing_origin_product
och product_features
mer insikt i den specifika produkten och de funktioner som är associerade med användningen.
Kolumnen billing_origin_product
visar den Databricks-produkt som är associerad med användningsposten. Värdena omfattar:
JOBS
DLT
SQL
ALL_PURPOSE
MODEL_SERVING
INTERACTIVE
MANAGED_STORAGE
VECTOR_SEARCH
LAKEHOUSE_MONITORING
PREDICTIVE_OPTIMIZATION
ONLINE_TABLES
Kolumnen product_features
är ett objekt som innehåller information om de specifika produktfunktioner som används och innehåller följande nyckel/värde-par:
jobs_tier
: värden inkluderarLIGHT
,CLASSIC
, ellernull
sql_tier
: värden inkluderarCLASSIC
,PRO
, ellernull
dlt_tier
: värden inkluderarCORE
,PRO
,ADVANCED
, ellernull
is_serverless
: värden inkluderartrue
ellerfalse
, ellernull
is_photon
: värden inkluderartrue
ellerfalse
, ellernull
serving_type
: värden inkluderarMODEL
,GPU_MODEL
,FOUNDATION_MODEL
,FEATURE
ellernull
Serverlös beräkningsanvändning
Strategier för att analysera serverlös användning finns i Övervaka kostnaden för serverlös beräkning.
Exempelfrågor
Du kan använda följande exempelfrågor för att besvara vanliga frågor om fakturerbar användning:
- Vilken är den dagliga trenden i DBU-förbrukning?
- Hur många DPU:er för varje SKU har använts under hela den här månaden?
- Hur mycket av varje SKU använde en arbetsyta den 1 juni?
- Vilka jobb förbrukade flest DPU:er?
- Hur mycket användning kan tillskrivas resurser med en viss tagg?
- Visa mig de SKU:er där användningen växer
- Vad är användningstrenden för All Purpose Compute (Photon)?
- Vad är DBU-förbrukningen för en materialiserad vy eller en strömmande tabell?
Vilken är den dagliga trenden i DBU-förbrukning?
SELECT usage_date as `Date`, sum(usage_quantity) as `DBUs Consumed`
FROM system.billing.usage
WHERE sku_name = "STANDARD_ALL_PURPOSE_COMPUTE"
GROUP BY usage_date
ORDER BY usage_date ASC
Hur många DPU:er för varje SKU har använts under hela den här månaden?
SELECT sku_name, usage_date, sum(usage_quantity) as `DBUs`
FROM system.billing.usage
WHERE
month(usage_date) = month(NOW())
AND year(usage_date) = year(NOW())
GROUP BY sku_name, usage_date
Hur mycket av varje SKU använde en arbetsyta den 1 juni?
Se till att ersätta workspace_id
med ditt faktiska arbetsyte-ID.
SELECT sku_name, sum(usage_quantity) as `DBUs consumed`
FROM system.billing.usage
WHERE workspace_id = 1234567890123456
AND usage_date = "2023-06-01"
GROUP BY sku_name
Kommentar
Den här frågan returnerar en rad per unikt SKU-ID som används på arbetsytan på det valda datumet.
Vilka jobb förbrukade flest DPU:er?
SELECT usage_metadata.job_id as `Job ID`, sum(usage_quantity) as `DBUs`
FROM system.billing.usage
WHERE usage_metadata.job_id IS NOT NULL
GROUP BY `Job ID`
ORDER BY `DBUs` DESC
Hur mycket användning kan tillskrivas resurser med en specifik tagg?
Du kan dela upp kostnader på olika sätt. Det här exemplet visar hur du delar upp kostnader med en anpassad tagg. Se till att ersätta den anpassade taggens nyckel och värde i frågan.
SELECT sku_name, usage_unit, SUM(usage_quantity) as `DBUs consumed`
FROM system.billing.usage
WHERE custom_tags.{{key}} = "{{value}}"
GROUP BY 1, 2
Visa mig de SKU:er där användningen växer
SELECT after.sku_name, before_dbus, after_dbus, ((after_dbus - before_dbus)/before_dbus * 100) AS growth_rate
FROM
(SELECT sku_name, sum(usage_quantity) as before_dbus
FROM system.billing.usage
WHERE usage_date BETWEEN "2023-04-01" and "2023-04-30"
GROUP BY sku_name) as before
JOIN
(SELECT sku_name, sum(usage_quantity) as after_dbus
FROM system.billing.usage
WHERE usage_date BETWEEN "2023-05-01" and "2023-05-30"
GROUP BY sku_name) as after
where before.sku_name = after.sku_name
SORT by growth_rate DESC
Vad är användningstrenden för All Purpose Compute (Photon)?
SELECT sku_name, usage_date, sum(usage_quantity) as `DBUs consumed`
FROM system.billing.usage
WHERE year(usage_date) = year(CURRENT_DATE)
AND sku_name = "ENTERPRISE_ALL_PURPOSE_COMPUTE_(PHOTON)"
AND usage_date > "2023-04-15"
GROUP BY sku_name, usage_date
Vad är DBU-förbrukningen för en materialiserad vy eller en strömmande tabell?
För att fastställa DBU-användning och SKU för en specifik materialiserad vy eller strömningstabell behöver du det associerade pipeline-ID:t (dlt_pipeline_id
). Leta upp pipeline-ID:t på fliken Information när du visar relevant materialiserad vy eller strömningstabell i Katalogutforskaren.
SELECT
sku_name,
usage_date,
SUM(usage_quantity) AS `DBUs`
FROM
system.billing.usage
WHERE
usage_metadata.dlt_pipeline_id = "113739b7-3f45-4a88-b6d9-e97051e773b9"
AND usage_start_time > "2023-05-30"
GROUP BY
ALL
Feedback
https://aka.ms/ContentUserFeedback.
Kommer snart: Under hela 2024 kommer vi att fasa ut GitHub-problem som feedbackmekanism för innehåll och ersätta det med ett nytt feedbacksystem. Mer information finns i:Skicka och visa feedback för