Dela via

Fabric åtgärder

Varje upplevelse i Microsoft Fabric stöder unika åtgärder. En åtgärds förbrukningshastighet är det som konverterar användningen av upplevelsens råmått till beräkningsenheter (CU).

Microsoft Fabric Capacity Metrics-appens compute-sida ger en översikt över kapacitetens prestanda och listar Fabric åtgärder som använder beräkningsresurser.

Den här artikeln innehåller en lista över dessa åtgärder efter upplevelse och förklarar hur de förbrukar resurser i Fabric.

Interaktiva åtgärder och bakgrundsåtgärder

Microsoft Fabric delar upp åtgärder i två typer, interactive och background. Den här artikeln innehåller en lista över dessa åtgärder och förklarar skillnaden mellan dem.

Interaktiva åtgärder

Begäranden och åtgärder på begäran som kan utlösas av användarinteraktioner med användargränssnittet, till exempel datamodellfrågor som genereras av visuella rapportobjekt, klassificeras som interaktiva åtgärder. De utlöses vanligtvis av användarinteraktioner med användargränssnittet. En interaktiv åtgärd utlöses till exempel när en användare öppnar en rapport eller väljer ett utsnitt i en Power BI rapport. Interaktiva åtgärder kan också utlösas utan att interagera med användargränssnittet, till exempel när du använder SQL Server Management Studio (SSMS) eller ett anpassat program för att köra en DAX-fråga.

Bakgrundsåtgärder

Åtgärder som körs längre, till exempel semantisk modell eller dataflödesuppdateringar, klassificeras som bakgrundsåtgärder . De kan utlösas manuellt av en användare eller automatiskt utan användarinteraktion. Bakgrundsåtgärder omfattar schemalagda uppdateringar, interaktiva uppdateringar, REST-baserade uppdateringar och XMLA-baserade uppdateringsåtgärder. Användarna förväntas inte vänta tills de här åtgärderna har slutförts. I stället kan de komma tillbaka senare för att kontrollera status för åtgärderna.

Så här läser du det här dokumentet

Varje upplevelse har en tabell som visar dess åtgärder med följande kolumner:

  • Åtgärd – namnet på åtgärden. Visas i appen Microsoft Fabric Capacity Metrics.

  • Beskrivning – En beskrivning av åtgärden.

  • Objekt – det objekt som den här åtgärden kan tillämpas på. Visas i appen Microsoft Fabric Capacity Metrics.

  • Azure faktureringsmätare – namnet på mätaren på din Azure faktura som visar användning för den här åtgärden.

  • Type – visar en lista över typen av åtgärd. Åtgärder klassificeras som interaktiva åtgärder eller bakgrundsåtgärder .

När det finns mer information om förbrukningsfrekvensen finns en länk till dokumentet med den här informationen.

Fabric åtgärder efter erfarenhet

Det här avsnittet är indelat i Fabric upplevelse. Varje upplevelse hade en tabell som visar dess åtgärder.

Important

Förbrukningsfrekvensen kan ändras när som helst. Microsoft kommer att använda rimliga ansträngningar för att meddela via e-post eller via produktmeddelande. Ändringarna ska gälla den dag som anges i Microsoft Release Notes eller Microsoft Fabric blogg. Om någon ändring av en Microsoft Fabric arbetsbelastningsförbrukning väsentligt ökar de kapacitetsenheter (CU) som krävs för att använda en viss arbetsbelastning, kan kunderna använda de avbokningsalternativ som är tillgängliga för den valda betalningsmetoden.

Copilot i Fabric

Copilot-åtgärder visas i den här tabellen. Du hittar förbrukningsfrekvensen för Copilot i Copilot förbrukning.

Operation Description Item Azure faktureringsmätare Type
Copilot i Fabric Beräkna kostnad associerad med inkommande instruktioner och slutförande av genererade svar. Multiple Copilot och AI Background
AI-funktioner Beräkningskostnad som är associerad med användning av Fabric AI-funktioner och Azure OpenAI Service Multiple Copilot och AI Interaktiv, bakgrund
AI-tjänster Beräkningskostnad som är kopplad till användning av Azure AI-tjänster i Fabric (Text Analytics och Azure AI Translator) Notebook Copilot och AI Background

Note

Från och med den 17 mars 2026 visar appen Kapacitetsmått AI Functions och AI Services som separata åtgärder. Det här är en ändring som endast gäller rapportering. underliggande förbrukningstakten är oförändrad.

Dataagent i Fabric

Dataagentåtgärder visas i den här tabellen. I måttappens matris efter objekt och åtgärdstabell visas dataagentåtgärder under objekttypen LlmPlugin .

Du hittar förbrukningsfrekvensen för dataagenten i förbrukningen av dataagenten.

Operation Description Item Azure faktureringsmätare Type
AI-fråga Beräkna kostnad associerad med inkommande instruktioner och slutförande av genererade svar. LlmPlugin Copilot och AI Background

Data Factory

Data Factory-upplevelsen innehåller åtgärder för Dataflöden Gen2 och Pipelines.

Dataflöden Gen2

Du hittar förbrukningspriserna för Dataflöden Gen2 i Dataflow Gen2-priser för Data Factory i Microsoft Fabric.

Note

Från och med oktober 2025 har åtgärdsnamnet Dataflow Gen2 Refresh bytt namn till Dataflow Gen2 Kör Frågor.

Operation Description Item Azure faktureringsmätare Type
Köra frågor i Dataflow Gen2 Kostnad för beräkning som är associerad med utvärderingsåtgärden för dataflöde Gen2 Dataflöde Gen2 Användning av standardkapacitet för databeräkning (CU) för dataflöden Background
Dataflödesberäkning i hög skala – SQL-slutpunktsfråga Användning kopplad till SQL-slutpunkten för Gen2-mellanlagringsplatsen för dataflödet Warehouse Beräkningskapacitet för dataflöden i stor skala CU-användning Background

Pipelines

Du hittar förbrukningspriserna för Pipelines i Pipeline-priser för Data Factory i Microsoft Fabric.

Operation Description Item Azure faktureringsmätare Type
DataMovement Hur lång tid kopieringsaktiviteten används i en Data Factory-pipeline dividerat med antalet dataintegreringsenheter Pipeline CU för användning av dataförflyttningskapacitet Background
ActivityRun Utförande av en Data Factory-pipelineaktivitet Pipeline CU för kapacitet för dataorkestrering Background

Databases

En Fabric kapacitetsenhet = 0,383 virtuella SQL Database-kärnor.

Operation Description Item Azure faktureringsmätare Type
SQL-användning Beräkning för alla användargenererade och systemgenererade SQL-frågor, ändringar och databearbetningsåtgärder i en databas Database SQL-databas i Microsoft Fabric Kapacitetsanvändning CU Interactive
Allokerad SQL-lagring Det dynamiskt allokerade lagringsutrymmet för en SQL-databas i Fabric som används för att lagra tabeller, index, transaktionsloggar och metadata. Helt integrerad med OneLake. Database SQL-lagringsdata lagrade Background

Data Warehouse

En Fabric Data Warehouse kärna (beräkningsenhet för Data Warehouse) motsvarar två Fabric kapacitetsenheter (CUS).

Operation Description Item Azure faktureringsmätare Type
Informationslagerfråga Beräkna avgiften för alla användargenererade och systemgenererade T-SQL-instruktioner i ett datavaruhus Warehouse Data Warehouse Kapacitetsanvändning CU Background
SQL-slutpunktsfråga Beräkna avgift för alla användargenererade och systemgenererade T-SQL-instruktioner i SQL-analysslutpunkten i en Lakehouse. Warehouse Data Warehouse Kapacitetsanvändning CU Background

Fabric API för GraphQL

GraphQL-åtgärder består av begäranden som utförs på API för GraphQL-objekt av API-klienter. Varje bearbetningstid för GraphQL-begäran och svarsåtgärd rapporteras i kapacitetsenheter med en takt av tio kapacitetsenheter per timme.

Operation Description Item Azure faktureringsmätare Type
Query Beräkna avgiften för alla genererade GraphQL-frågor (läsningar) och mutationer (skrivningar) av klienter inom ett GraphQL-API GraphQL API för användning av GraphQL-frågekapacitet CU Interactive

Fabric användardatafunktioner

Fabric Användardatafunktioner åtgärder består av begäranden som initieras av Fabric-portalen, andra Fabric artefakter eller klientprogram. Varje operation medför en kostnad för funktionskörningen, intern lagring av funktionsmetadata i OneLake samt relaterade läs- och skrivoperationer i OneLake.

Operation Description Item Azure faktureringsmätare Type
Körning av användardatafunktioner Beräkna kostnad för körning av funktionen i objektet Användardatafunktioner. Den här åtgärden beror på att en funktion körs efter en begäran från Fabric-portalen, ett annat Fabric objekt eller ett externt program. Användardatafunktioner Utförande av funktion för användardata (CU/s) Interactive
Test av användardatafunktioner i portalen Beräkningskostnad för testkörningen av en funktion i objektet Användardatafunktioner. Den här åtgärden är resultatet av att testa en funktion i "Utveckla läge" under en testsession. Testsessionen har en varaktighet på minst 15 minuter. Användardatafunktioner Utförande av funktion för användardata (CU/s) Interactive
Statisk lagring av användardatafunktioner Statisk lagring av interna funktionsmetadata i ett tjänsthanterat OneLake-konto. Detta beräknas med den komprimerade storleken på metadata för användardatafunktioner-objektet. Det här är kostnaden för att skapa användardatafunktioner även om de inte används. OneLake Storage OneLake Storage Background
Läsning av statisk lagring för användardatafunktioner Läs driften av interna funktionsmetadata som lagras i ett tjänsthanterat OneLake-konto. Den här åtgärden körs varje gång en funktion körs efter en period av inaktivitet. Läsoperationer för OneLake Läsoperationer för OneLake Background
Användardatafunktioner Statisk Lagring Skriv Skrivningar och uppdateringar av interna funktionsmetadata som lagras i ett systemhanterat OneLake-konto. Den här åtgärden körs varje gång objektet Användardatafunktioner publiceras. OneLake-skrivoperationer OneLake-skrivoperationer Background
Iterativ läsning av statisk lagring för användardatafunktioner Läsåtgärder för interna funktionsmetadata som lagras i ett tjänsthanterat OneLake-konto. Den här åtgärden körs varje gång användardatafunktionerna visas. Iterativa läsåtgärder för OneLake Iterativa läsåtgärder för OneLake Background
Användardatafunktioner Statisk lagring Andra operationer Lagringsåtgärder som rör olika funktionsmetadata i ett tjänsthanterat OneLake-konto. OneLake Andra operationer OneLake Andra operationer Background

ML-modellslutpunkt

Med ml-modellslutpunktsdokument kan du hantera förutsägelser i realtid sömlöst. I bakgrunden snurrar Fabric upp och hanterar den underliggande containerinfrastrukturen som värd för din modell.

Operation Description Item Azure faktureringsmätare Type
Modellslutpunkt TBD ML-modell Användning av kapacitet för CU för ML-modellens slutpunkt Background

OneLake

One Lake-beräkningsåtgärder representerar de transaktioner som utförs på One Lake-objekt. Förbrukningshastigheten för varje åtgärd varierar beroende på dess typ. Mer information finns i One Lake-förbrukning.

Operation Description Item Azure faktureringsmätare Type
OneLake-åtkomst via omdirigering OneLake-åtkomst via omdirigering Multiple EnLake läsoperations kapacitetsanvändning CU Background
Läsåtkomst i OneLake via proxy Läsåtkomst i OneLake via proxy Multiple OneLake-läsoperationer via API:ets kapacitetsanvändning CU Background
Skriva till OneLake via omdirigering Skriva till OneLake via omdirigering Multiple Kapacitetsanvändning för skrivoperationer i OneLake CU Background
Skriv till OneLake via proxy Skriv till OneLake via proxy Multiple Skrivåtgärder i OneLake via API-kapacitetsanvändning CU Background
OneLake Iterativt skrivande via omdirigering OneLake Iterativt skrivande via omdirigering Multiple Iterativa skrivoperationer i OneLake Background
OneLake Iterativ läsningsteknik via omdirigering OneLake Iterativ läsningsteknik via omdirigering Multiple OneLake Iterativa läsoperationskapacitetsanvändning CU Background
OneLake Andra operationer OneLake Andra operationer Multiple OneLake Andra Operativa Kapacitetsanvändning CU Background
OneLake Andra åtgärder via omdirigering OneLake Andra åtgärder via omdirigering Multiple OneLake Andra operationer via API Kapacitetsanvändning CU Background
OneLake Upprepad skrivning via proxy OneLake Upprepad skrivning via proxy Multiple Iterativa skrivoperationer i OneLake via API kapacitetsanvändning CU Background
OneLake Iterativa läsning via proxy OneLake Iterativa läsning via proxy Multiple OneLake Iterativa läsoperationer via API kapacitetsanvändning CU Background
OneLake BCDR Läsa via Proxy OneLake BCDR Läsa via Proxy Multiple OneLake BCDR-läsoperationer via API-kapacitetsanvändning CU Background
OneLake BCDR-skrivning via proxy OneLake BCDR-skrivning via proxy Multiple OneLake BCDR-skrivåtgärder genom API kapacitetsanvändning CU Background
OneLake BCDR-avläsning via omdirigering OneLake BCDR-avläsning via omdirigering Multiple OneLake BCDR Läsoperationer Kapacitetsanvändning CU Background
OneLake BCDR-skrivning med omdirigering OneLake BCDR-skrivning med omdirigering Multiple OneLake BCDR Skrivoperationer Kapacitetsanvändning CU Background
OneLake BCDR Iterativ avläsning via proxy OneLake BCDR Iterativ avläsning via proxy Multiple OneLake BCDR Iterativa läsoperationer genom API-kapacitetsanvändning CU Background
OneLake BCDR Iterativ läsning med omdirigering OneLake BCDR Iterativ läsning med omdirigering Multiple OneLake BCDR Iterativa läsoperationer Kapacitetsanvändning CU Background
OneLake BCDR iterativ skrivning genom proxy OneLake BCDR iterativ skrivning genom proxy Multiple Iterativa skrivoperationer för OneLake BCDR via API Capacity Usage CU Background
OneLake BCDR Iterativ skrivning genom omdirigering OneLake BCDR Iterativ skrivning genom omdirigering Multiple OneLake BCDR Iterativa Skrivoperationer Kapacitetsanvändning CU Background
OneLake BCDR andra åtgärder OneLake BCDR andra åtgärder Multiple OneLake BCDR andra operationer kapacitetsanvändning CU Background
OneLake BCDR övriga åtgärder via omdirigering OneLake BCDR övriga åtgärder via omdirigering Multiple OneLake BCDR Andra Åtgärder Via API-Kapacitetsanvändning CU Background

Power BI

Användningen för varje åtgärd rapporteras som CU-bearbetningstid i sekunder. Åtta processorer motsvarar en Power BI v-core.

Note

Termen semantisk modell ersätter termen datauppsättning. Du kan fortfarande se den gamla termen i användargränssnittet tills den har ersatts helt.

Vi fakturerar för närvarande inte för visuella R/Py-objekt i Power BI.

Operation Description Item Azure faktureringsmätare Type
Artificiell intelligens (AI) Utvärdering av AI-funktion AI cu för Power BI kapacitetsanvändning Interactive
Bakgrundsfråga Förfrågningar för att uppdatera brickor och skapa ögonblicksbilder av rapporter Semantisk modell cu för Power BI kapacitetsanvändning Background
DirectQuery för dataflöde Ansluta direkt till ett dataflöde utan att behöva importera data till en semantisk modell Dataflöde Gen1 cu för Power BI kapacitetsanvändning Interactive
Uppdatering av dataflöde En uppdatering av bakgrundsdataflöde på begäran eller schemalagt, som utförs av tjänsten eller med REST-API:er. Dataflöde Gen1 cu för Power BI kapacitetsanvändning Background
Uppdatera semantisk modell vid behov En bakgrundssemantisk modelluppdatering som initierats av användaren med hjälp av tjänsten, REST-API:er eller offentliga XMLA-slutpunkter Semantisk modell cu för Power BI kapacitetsanvändning Background
Schemalagd uppdatering av semantisk modell En schemalagd uppdatering av en semantisk bakgrundsmodell som utförs av tjänsten, REST-API:er eller offentliga XMLA-slutpunkter Semantisk modell cu för Power BI kapacitetsanvändning Background
Fullständig e-postprenumeration för rapport En PDF- eller PowerPoint kopia av en hel Power BI rapport som är kopplad till en email-prenumeration Report cu för Power BI kapacitetsanvändning Background
Interaktiv fråga Frågor som initieras av en databegäran på begäran. Du kan till exempel läsa in en modell när du öppnar en rapport, använda interaktion med en rapport eller köra frågor mot en datauppsättning innan den återges. Inläsning av en semantisk modell kan rapporteras som en fristående interaktiv frågeåtgärd. Semantisk modell cu för Power BI kapacitetsanvändning Interactive
PublicApiExport En Power BI rapport som exporteras med exportera rapporten till filen REST API Report cu för Power BI kapacitetsanvändning Background
Render En Power BI sidnumrerad rapport som exporteras med exportera sidnumrerad rapport till filen REST API Sidnumrerad rapport cu för Power BI kapacitetsanvändning Background
Render En Power BI sidnumrerad rapport som visas i služba Power BI Sidnumrerad rapport cu för Power BI kapacitetsanvändning Interactive
Läsa om webbmodellering En läsoperation av datamodell inom användarupplevelsen för webmodellering av semantiska modeller. Semantisk modell cu för Power BI kapacitetsanvändning Interactive
Webbmodelleringsskrivning En skrivåtgärd för datamodeller i användarupplevelsen för semantisk modellwebbmodellering Semantisk modell cu för Power BI kapacitetsanvändning Interactive
XMLA-läsning XMLA-läsåtgärder som initieras av användaren för frågor och identifieringar Semantisk modell cu för Power BI kapacitetsanvändning Interactive
XMLA-skrivning En XMLA-skrivåtgärd i bakgrunden som ändrar modellen Semantisk modell cu för Power BI kapacitetsanvändning Background
Power BI skriptkörning Visuella R- och Py-objekt körs som utlöses av återgivning av Power BI rapport Power BI skriptrapport Optimerad kapacitet för Spark-minne (CU) Interactive

Realtidsinformation

Real-Time Intelligence-funktionen innehåller åtgärder för Anomaly Detector, Azure och Fabric händelser, digital twin builder (förhandsversion), Eventstream och KQL Database och KQL Queryset.

Anomaly Detector

Du hittar förbrukningsfrekvensen för avvikelseidentifiering i kapacitetsanvändning och fakturering för avvikelseidentifiering i Real-Time Intelligence.

Operation Description Item Azure faktureringsmätare Type
Kör frågor för Anomalidetektor Interaktiv analys och kontinuerlig övervakning Anomalidetektor Avvikelsedetektor frågar kapacitetsanvändning i CU Background

Azure och Fabric händelser

Du hittar förbrukningsfrekvensen för Azure och Fabric händelser i Azure och Fabric händelser kapacitetsförbrukning.

Operation Description Item Azure faktureringsmätare Type
Evenemangshantering Publicera, leverera och filtrera operationer Multiple Realtidsinformation – händelseåtgärder Background
Händelselyssnare Händelselyssnarens tillgänglighetstid Multiple Realtidsinformation – Händelselyssnare och avisering Background

Digital twin builder (förhandsversion)

Du hittar förbrukningsfrekvensen för digital tvillingbyggare (förhandsversion) i Kapacitetsförbrukning för Digital twin builder (förhandsversion), användningsrapportering och fakturering.

Note

Mätarna för digital tvilling builder är för närvarande i förhandsversion och kan komma att ändras.

Operation Description Item Azure faktureringsmätare Type
Digital Twin Builder-åtgärd Användning för flödesåtgärder på begäran och schemalagda digital twin builder-flöden Flöde för skapare av digitala tvillingar Kapacitetsanvändning för Digital Twin Builder-verksamhet CU Background

Eventstream

Du hittar förbrukningsfrekvensen för Eventstream i Övervaka kapacitetsförbrukning för Microsoft Fabric Eventstream.

Operation Description Item Azure faktureringsmätare Type
händelseflöde per timme Platt avgift Eventstream Kapacitetsanvändning för händelseflöde Background
Datatrafik för händelseström per GB Dataingress- och datautgångsvolym i standard- och härledda strömmar (inkluderar 24-timmars kvarhållning) Eventstream Händelseströmsdatatrafikens kapacitetsanvändning CU Background
Event-strömprocessor per timme Beräkningsresurser som förbrukas av processorn Eventstream Kapacitetsanvändning för Eventstream Processor CU Background
Eventstream Connectors per vCore-timme Beräkningsresurser som används av anslutningarna Eventstream Kapacitetsanvändning för Eventstream-anslutning CU Background

KQL-databas och KQL-frågeuppsättning

Du hittar förbrukningsfrekvensen för KQL Database i KQL Database-förbrukning.

Operation Description Item Azure faktureringsmätare Type
Eventhouse UpTime Mått på den tid då Eventhouse är aktivt Eventhouse Eventhouse kapacitetsanvändning CU Background

Spark

Två virtuella Spark-kärnor (en enhet för beräkningskraft för Spark) är lika med en kapacitetsenhet (CU). Information om hur Spark-åtgärder förbrukar PROCESSORer finns i Spark-pooler.

Operation Description Item Azure faktureringsmätare Type
Lakehouse-verksamhet Användarförhandstabell i Lakehouse Explorer Lakehouse Optimerad minnesanvändning för kapacitet i Spark (CU) Background
Lakehouse-tabellens belastning Användare läser in deltatabellen i Lakehouse Explorer Lakehouse Optimerad minnesanvändning för kapacitet i Spark (CU) Background
Notebook-körning Notebook som körs manuellt av användare Notebook Optimerad minnesanvändning för kapacitet i Spark (CU) Background
Körning av Notebook HC Körning av notebook under en Spark-session med hög samtidighet Notebook Optimerad minnesanvändning för kapacitet i Spark (CU) Background
Schemalagd körning av notebook Notebook-körning som utlöstes av schemalagda notebook-händelser Notebook Optimerad minnesanvändning för kapacitet i Spark (CU) Background
Pipeline-körning av notebook Notebook-körning som aktiveras av en pipeline Notebook Optimerad minnesanvändning för kapacitet i Spark (CU) Background
Kör Notebook i VS Code Notebook körs i VS Code. Notebook Optimerad minnesanvändning för kapacitet i Spark (CU) Background
Körning av Sparkjobb Spark batch-jobbkörningar som initierats av användarens inlämning Definition av Spark-jobb Optimerad minnesanvändning för kapacitet i Spark (CU) Background
Körning av Spark-jobb enligt schema Körningar av batchjobb som utlöses av schemalagda händelser i notebook-filer Definition av Spark-jobb Optimerad minnesanvändning för kapacitet i Spark (CU) Background
Körning av Spark-jobbkedja Batch-jobbkörningar som utlöses av pipelinesystemet Definition av Spark-jobb Optimerad minnesanvändning för kapacitet i Spark (CU) Background
Spark-jobb VS Code-exekvering Spark-jobbdefinition som skickats från VS Code Definition av Spark-jobb Optimerad minnesanvändning för kapacitet i Spark (CU) Background
Förverkligad sjöutsiktstur Användare schemalägger materialiserade sjövykörningar Lakehouse Optimerad minnesanvändning för kapacitet i Spark (CU) Background
Genvägstransformeringar Genvägstransformeringar som skapats i Lakehouse Lakehouse Optimerad minnesanvändning för kapacitet i Spark (CU) Background

Relaterat innehåll

  • Last updated on