Microsoft Fabric 内の各エクスペリエンスでは、独自の操作がサポートされています。 操作の消費率は、エクスペリエンスの生データの使用量をコンピューティングユニット (CU) に変換するものです。
The Microsoft Fabric Capacity Metrics app's compute page provides an overview of your capacity's performance and lists Fabric operations that consume compute resources.
この記事では、これらの操作をエクスペリエンス別に示し、それらによって Fabric 内のリソースがどのように消費されるかについて説明します。
インタラクティブおよびバックグラウンドの操作
Microsoft Fabric divides operations into two types, interactive and background. この記事では、これらの操作を一覧表示し、それらの違いについて説明します。
Interactive operations
On-demand requests and operations that can be triggered by user interactions with the UI, such as data model queries generated by report visuals, are classified as interactive operations. 通常は、UI を使用したユーザー操作によってトリガーされます。 たとえば、対話型操作は、ユーザーがレポートを開いたり、Power BI レポートでスライサーを選択したりしたときにトリガーされます。 また、対話型操作は、UI の操作なしにトリガーされることもあります。たとえば、SQL Server Management Studio (SSMS) やカスタム アプリケーションを使用して DAX クエリを実行する場合などです。
Background operations
Longer running operations such as semantic model or dataflow refreshes are classified as background operations. これらは、ユーザーが手動でトリガーするか、ユーザーの操作なしに自動的にトリガーすることができます。 バックグラウンド操作には、スケジュールされた更新、対話型の更新、REST ベースの更新、XMLA ベースの更新の操作が含まれます。 ユーザーは、これらの操作が完了するまで待機する必要はありません。 代わりに、操作の状態を確認するために、後で戻ってくることはできます。
このドキュメントの読み方
各エクスペリエンスには、その操作を一覧表示した表があり、次の列が含まれています。
Operation – The name of the operation. Microsoft Fabric Capacity Metrics アプリで表示されます。
Description – A description of the operation.
Item – The item that this operation can apply to. Microsoft Fabric Capacity Metrics アプリで表示されます。
Azure 課金メーター – この操作の使用量を示す Azure 請求書上のメーターの名前。
Type – Lists the type of the operation. Operations are classified as interactive or background operations.
従量課金率に関する詳細が入手可能な場合は、その情報が記載されたドキュメントへのリンクが提供されます。
エクスペリエンス別の Fabric の操作
このセクションは、Fabric エクスペリエンスに分かれています。 各エクスペリエンスには、その操作を一覧表示した表があります。
Important
従量課金制は、いつでも変更される可能性があります。 Microsoft は、電子メールまたは製品内通知を介して通知を提供するために、合理的な努力を行います。 Changes shall be effective on the date stated in Microsoft's Release Notes or Microsoft Fabric blog. Microsoft Fabric ワークロードの従量課金率の変更により、特定のワークロードを使用するために必要な容量ユニット (CU) が大幅に増加する場合は、顧客は選択した支払い方法で使用できるキャンセル オプションを使用する可能性があります。
Fabric の Copilot
この表に、Copilot 操作の一覧を示します。 Copilot の消費率は、Copilot の消費で見つけることができます。
| Operation | Description | Item | Azure 課金メーター | タイプ |
|---|---|---|---|---|
| Fabric の Copilot | 入力プロンプトと出力完了に関連するコンピューティング コスト | Multiple | Copilot と AI | Background |
Fabric 内のデータ エージェント
Data agent operations are listed in this table. メトリック アプリの 項目別マトリックスと操作テーブルでは、データ エージェントの操作が LlmPlugin 項目の種類の下に一覧表示されます。
データ エージェントの従量課金レートは、データ エージェントの 使用量で確認できます。
| Operation | Description | Item | Azure 課金メーター | タイプ |
|---|---|---|---|---|
| AI query | 入力プロンプトと出力完了に関連するコンピューティング コスト | LlmPlugin | Copilot と AI | Background |
Data Factory
The Data Factory experience contains operations for Dataflows Gen2 and Pipelines.
Dataflows Gen2
Dataflows Gen2 の使用量課金率は、「Microsoft Fabric の Data Factory での Dataflow Gen2 の価格」にあります。
| Operation | Description | Item | Azure 課金メーター | タイプ |
|---|---|---|---|---|
| データフロー Gen2 の更新 | データフロー Gen2 の更新操作に関連するコンピューティング コスト | Dataflow Gen2 | データフロー 標準コンピューティングの容量使用量 CU | Background |
| 高スケールのデータフロー コンピューティング - SQL エンドポイント クエリ | データフロー Gen2 ステージング ウェアハウス SQL エンドポイントに関連する使用状況 | Warehouse | 高スケールデータフロー計算のリソース使用量 CU | Background |
Pipelines
パイプラインの消費率は、「Microsoft Fabric の Data Factory におけるデータ パイプラインの料金」で確認できます。
| Operation | Description | Item | Azure 課金メーター | タイプ |
|---|---|---|---|---|
| DataMovement | Data Factory パイプラインのコピー アクティビティが使用した時間を、データ統合ユニットの数で割ったもの | パイプライン | データ移動の容量使用量 CU | Background |
| ActivityRun | Data Factory データ パイプライン アクティビティの実行 | パイプライン | データ オーケストレーションの容量使用量 CU | Background |
Databases
1 つのファブリック容量ユニット = 0.383 SQL データベース仮想コア。
| Operation | Description | Item | Azure 課金メーター | タイプ |
|---|---|---|---|---|
| SQL Usage | データベース内のすべてのユーザー生成およびシステム生成 SQL クエリ、変更、およびデータ処理操作のコンピューティング | Database | Microsoft Fabric Capacity Usage CU の SQL データベース | Interactive |
| 割り当てられた SQL Storage | テーブル、インデックス、トランザクション ログ、およびメタデータを格納するために使用される、Fabric の SQL データベース用に動的に割り当てられたストレージ領域。 OneLake と完全に統合されています。 | Database | 格納されている SQL Storage データ | Background |
Data Warehouse
1 つの Fabric Data Warehouse コア (Data Warehouse のコンピューティング単位) は、2 つのファブリック容量ユニット (CU) に相当します。
| Operation | Description | Item | Azure 課金メーター | タイプ |
|---|---|---|---|---|
| Warehouse Query | ウェアハウス内のすべてのユーザー生成およびシステム生成の T-SQL ステートメントに対するコンピューティング料金 | Warehouse | データウェアハウスの容量使用状況（CU） | Background |
| SQL エンドポイント クエリ | レイクハウスの SQL 分析エンドポイント内のすべてのユーザー生成およびシステム生成の T-SQL ステートメントに対するコンピューティング料金 | Warehouse | データウェアハウスの容量使用状況（CU） | Background |
GraphQL 用 Fabric API
GraphQL 操作は、API クライアントによって GraphQL 項目の API に対して実行される要求で構成されます。 各 GraphQL 要求と応答操作の処理時間は、1 時間あたり 10 CU の速度で秒単位の容量ユニット (CU) で報告されます。
| Operation | Description | Item | Azure 課金メーター | タイプ |
|---|---|---|---|---|
| Query | GraphQL API 内のクライアントによって生成されたすべての GraphQL クエリ (読み取り) と変更 (書き込み) のコンピューティング料金 | GraphQL | GraphQL クエリ用 API の容量使用量 CU | Interactive |
Fabricのユーザーデータ関数
Fabric ユーザー データ関数の操作は、Fabric ポータル、他の Fabric 成果物、またはクライアント アプリケーションによって開始された要求で構成されます。 各操作では、関数の実行、OneLake での関数メタデータの内部ストレージ、および OneLake での関連する読み取りおよび書き込み操作に対する料金が発生します。
| Operation | Description | Item | Azure 課金メーター | タイプ |
|---|---|---|---|---|
| ユーザー データ関数の実行 | ユーザー データ関数項目内での関数の実行に対する計算料金。 この操作は、Fabric ポータル、別の Fabric アイテム、または外部アプリケーションからの要求の後に関数を実行した結果です。 | ユーザー データ関数 | ユーザー データ関数の実行 (CU/秒) | Interactive |
| ユーザー データ関数の静的ストレージ | サービスで管理される OneLake アカウント内の内部関数メタデータの静的ストレージ。 これは、ユーザー データ関数項目メタデータの圧縮サイズで計算されます。 これは、ユーザー データ関数項目が使用されていない場合でも発生する作成コストです。 | OneLake Storage | OneLake Storage | Background |
| 静的ストレージからのユーザーデータ関数の読み取り | サービスで管理される OneLake アカウントに格納されている内部関数メタデータの読み取り操作。 この操作は、非アクティブな期間の経過後に関数が実行されるたびに行われます。 | OneLake 読み取り操作 | OneLake 読み取り操作 | Background |
| ユーザーデータ関数の静的ストレージ書き込み | システムで管理される OneLake アカウントに格納されている内部関数メタデータの書き込みと更新を行います。 この操作は、ユーザー データ関数項目が発行されるたびに実行されます。 | OneLake 書き込み操作 | OneLake 書き込み操作 | Background |
| ユーザー データ関数の静的ストレージの反復読み取り | サービスで管理される OneLake アカウントに格納されている内部関数メタデータの読み取り操作。 この操作は、ユーザー データ関数が一覧表示されるたびに実行されます。 | OneLake 反復読み取り操作 | OneLake 反復読み取り操作 | Background |
| ユーザーデータ機能、静的ストレージ、その他の操作 | サービスで管理される OneLake アカウント内のさまざまな関数メタデータに関連するストレージ操作。 | OneLake のその他の操作 | OneLake のその他の操作 | Background |
ML モデル エンドポイント
ML モデル エンドポイント ドキュメント を使用すると、リアルタイムの予測をシームレスに提供できます。 Fabric はバックグラウンドで起動し、基になるコンテナー インフラストラクチャを管理してモデルをホストします。
| Operation | Description | Item | Azure 課金メーター | タイプ |
|---|---|---|---|---|
| Model Endpoint | TBD | ML model | ML モデル エンドポイントの容量使用量 CU | Background |
OneLake
OneLake コンピューティング操作は、OneLake 項目に対して実行されるトランザクションを表します。 各操作の従量課金率は、その種類によって異なります。 詳細については、OneLake の従量課金に関するページを参照してください。
| Operation | Description | Item | Azure 課金メーター | タイプ |
|---|---|---|---|---|
| リダイレクト経由での OneLake の読み取り | リダイレクト経由での OneLake の読み取り | Multiple | OneLake 読み取り操作の容量使用量 CU | Background |
| プロキシを使用した OneLake 読み取り | プロキシを使用した OneLake 読み取り | Multiple | API を使用した OneLake 読み取り操作の容量使用量 CU | Background |
| リダイレクトを使用した OneLake 書き込み | リダイレクトを使用した OneLake 書き込み | Multiple | OneLake 書き込み操作の容量使用量 CU | Background |
| プロキシ経由の OneLake 書き込み | プロキシ経由の OneLake 書き込み | Multiple | API を使用した OneLake 書き込み操作の容量使用量 CU | Background |
| リダイレクトを使用した OneLake 反復書き込み | リダイレクトを使用した OneLake 反復書き込み | Multiple | OneLake 反復書き込み操作 | Background |
| リダイレクトを使用した OneLake 反復読み取り | リダイレクトを使用した OneLake 反復読み取り | Multiple | OneLake 反復読み取り操作の容量使用量 CU | Background |
| OneLake のその他の操作 | OneLake のその他の操作 | Multiple | OneLake のその他の操作の容量使用量 CU | Background |
| リダイレクトを使用した OneLake のその他の操作 | リダイレクトを使用した OneLake のその他の操作 | Multiple | API を使用した OneLake のその他の操作の容量使用量 CU | Background |
| プロキシを使用した OneLake 反復書き込み | プロキシを使用した OneLake 反復書き込み | Multiple | API を使用した OneLake 反復書き込み操作の容量使用量 CU | Background |
| プロキシを使用した OneLake 反復読み取り | プロキシを使用した OneLake 反復読み取り | Multiple | API を使用した OneLake 反復読み取り操作の容量使用量 CU | Background |
| プロキシを使用した OneLake BCDR 読み取り | プロキシを使用した OneLake BCDR 読み取り | Multiple | API を使用した OneLake BCDR 読み取り操作の容量使用量 CU | Background |
| プロキシを使用した OneLake BCDR 書き込み | プロキシを使用した OneLake BCDR 書き込み | Multiple | API を使用した OneLake BCDR 書き込み操作の容量の使用 CU | Background |
| リダイレクトを使用した OneLake BCDR 読み取り | リダイレクトを使用した OneLake BCDR 読み取り | Multiple | OneLake BCDR 読み取り操作の容量使用量 CU | Background |
| リダイレクトを使用した OneLake BCDR 書き込み | リダイレクトを使用した OneLake BCDR 書き込み | Multiple | OneLake BCDR 書き込み操作の容量使用量 CU | Background |
| プロキシを使用した OneLake BDCR 反復読み取り | プロキシを使用した OneLake BDCR 反復読み取り | Multiple | API を使用した OneLake BCDR 反復読み取り操作の容量使用量 CU | Background |
| リダイレクトを使用した OneLake BDCR 反復読み取り | リダイレクトを使用した OneLake BDCR 反復読み取り | Multiple | OneLake BCDR 反復読み取り操作の容量使用量 CU | Background |
| プロキシを使用した OneLake BDCR 反復書き込み | プロキシを使用した OneLake BDCR 反復書き込み | Multiple | API を使用した OneLake BCDR 反復書き込み操作の容量使用量 CU | Background |
| リダイレクトを使用した OneLake BDCR 反復書き込み | リダイレクトを使用した OneLake BDCR 反復書き込み | Multiple | OneLake BCDR 反復書き込み操作の容量使用量 CU | Background |
| OneLake BCDR のその他の操作 | OneLake BCDR のその他の操作 | Multiple | OneLake BCDR のその他の操作の容量使用量 CU | Background |
| リダイレクトを使用した OneLake BCDR のその他の操作 | リダイレクトを使用した OneLake BCDR のその他の操作 | Multiple | API 使用した OneLake BCDR のその他の操作の容量使用量 CU | Background |
Power BI
各操作の使用状況は、CU 処理時間 (秒単位) で報告されます。 8 つの CU は、1 つの Power BI 仮想コアに相当します。
Note
The term Semantic model replaces the term dataset. 完全に置き換えられるまで、UI に以前の用語が表示される場合があります。
現在、Power BI の R/Py ビジュアルに対しては課金されません。
| Operation | Description | Item | Azure 課金メーター | タイプ |
|---|---|---|---|---|
| 人工知能 (AI) | AI 関数評価 | AI | Power BI の容量使用量 (CU) | Interactive |
| Background query | タイルの更新とレポート スナップショットの作成に関するクエリ | Semantic model | Power BI の容量使用量 (CU) | Background |
| Dataflow DirectQuery | セマンティック モデルにデータをインポートする必要なく、データフローに直接接続する | Dataflow Gen1 | Power BI の容量使用量 (CU) | Interactive |
| Dataflow refresh | サービスまたは REST API によって実行される、バックグラウンド データフローのオンデマンドまたはスケジュールされた更新。 | Dataflow Gen1 | Power BI の容量使用量 (CU) | Background |
| セマンティック モデルのオンデマンド更新 | サービス、REST API、またはパブリック XMLA エンドポイントを使用して、ユーザーによって開始されたバックグラウンド セマンティック モデルの更新 | Semantic model | Power BI の容量使用量 (CU) | Background |
| セマンティック モデルのスケジュールされた更新 | サービス、REST API、またはパブリック XMLA エンドポイントによって実行される、バックグラウンド セマンティック モデルのスケジュールされた更新 | Semantic model | Power BI の容量使用量 (CU) | Background |
| メール購読の詳細レポート | A PDF or PowerPoint copy of an entire Power BI report, attached to an email subscription | レポート | Power BI の容量使用量 (CU) | Background |
| Interactive query | オンデマンド データ要求によって開始されるクエリ。 たとえば、レポートを開くときにモデルを読み込んだり、ユーザーがレポートを操作したり、レンダリング前にデータセットに対してクエリを実行したりします。 セマンティック モデルの読み込みは、スタンドアロンの対話型クエリ操作として報告される場合があります。 | Semantic model | Power BI の容量使用量 (CU) | Interactive |
| PublicApiExport | export report to file REST API を使用してエクスポートされた Power BI レポート | レポート | Power BI の容量使用量 (CU) | Background |
| Render | Power BI の改ページ対応レポートは、export paginated report to file REST API を使用してエクスポートされました。 | Paginated report | Power BI の容量使用量 (CU) | Background |
| Render | Power BI サービスで表示される Power BI のページ分割されたレポート | Paginated report | Power BI の容量使用量 (CU) | Interactive |
| Web モデリングの読み取り | セマンティック モデル Web モデリング ユーザー エクスペリエンスにおけるデータ モデル読み取り操作 | Semantic model | Power BI の容量使用量 (CU) | Interactive |
| Web モデリングの書き込み | セマンティック モデル Web モデリング ユーザー エクスペリエンスにおけるデータ モデル書き込み操作 | Semantic model | Power BI の容量使用量 (CU) | Interactive |
| XMLA read | クエリと検出のために、ユーザーによって開始される XMLA 読み取り操作 | Semantic model | Power BI の容量使用量 (CU) | Interactive |
| XMLA write | モデルを変更するバックグラウンド XMLA 書き込み操作 | Semantic model | Power BI の容量使用量 (CU) | Background |
| Power BI スクリプトのビジュアル実行 | Power BI レポートのレンダリングによって、R ビジュアルと Py ビジュアルが実行されます。 | Power BI スクリプト レポート | Spark メモリ最適化容量 (CU) | Interactive |
Real-Time Intelligence
Real-Time インテリジェンス エクスペリエンスには、 Azure イベントと Fabric イベント、 デジタル ツイン ビルダー (プレビュー)、 Eventstream、 KQL データベースおよび KQL クエリセットの操作が含まれています。
Azure と Fabric のイベント
Azure イベントと Fabric イベントの使用量は、 Azure イベントと Fabric イベントの容量使用量で確認できます。
| Operation | Description | Item | Azure 課金メーター | タイプ |
|---|---|---|---|---|
| Event Operations | 発行、配信、フィルター処理の操作 | Multiple | リアルタイム インテリジェンス - イベント操作 | Background |
| Event Listener | イベントリスナーの稼働時間 | Multiple | リアルタイム インテリジェンス – イベント リスナーとアラート | Background |
デジタル ツイン ビルダー (プレビュー)
デジタル ツイン ビルダー (プレビュー) の使用量レートは、 デジタル ツイン ビルダー (プレビュー) の容量使用量、使用状況レポート、課金で確認できます。
Note
デジタル ツイン ビルダーのメーターは現在プレビュー段階であり、変更される可能性があります。
| Operation | Description | Item | Azure 課金メーター | タイプ |
|---|---|---|---|---|
| デジタル ツイン ビルダーの操作 | オンデマンドおよびスケジュールされたデジタル ツイン ビルダー フロー操作の使用。 | デジタルツインビルダーのプロセス流れ | Digital Twin Builder 操作容量使用量 CU | Background |
Eventstream
Eventstream の従量課金レートについては、Microsoft Fabric Eventstream の容量消費の監視に関する記事をご覧ください。
| Operation | Description | Item | Azure 課金メーター | タイプ |
|---|---|---|---|---|
| 1 時間あたりのイベントストリーム | Flat charge | Eventstream | イベントストリーム容量使用量 CU | Background |
| GB あたりの Eventstream データ トラフィック | 既定と派生のストリームでのデータ イングレスおよびエグレス ボリューム (24 時間の保持を含む) | Eventstream | Eventstream データ トラフィックの容量使用量 CU | Background |
| 1 時間あたりのイベントストリームプロセッサ | プロセッサが消費するコンピューティング リソース | Eventstream | イベントストリームプロセッサの容量使用量 CU | Background |
| 仮想コア時間あたりの Eventstream コネクタ数 | コネクタが消費するコンピューティング リソース | Eventstream | Eventstream コネクタの容量使用量 CU | Background |
KQL データベースと KQL クエリセット
KQL データベースの従量課金率は、「KQL データベースの使用」にあります。
| Operation | Description | Item | Azure 課金メーター | タイプ |
|---|---|---|---|---|
| Eventhouse UpTime | Eventhouse がアクティブな時間の測定 | Eventhouse | イベントハウス容量使用量 CU | Background |
Spark
2 つの Spark 仮想コア (Spark のコンピューティング能力の単位) は、1 つの容量ユニット (CU) に相当します。 To understand how Spark operations consume CUs, refer to spark pools.
| Operation | Description | Item | Azure 課金メーター | タイプ |
|---|---|---|---|---|
| Lakehouse operations | レイクハウス エクスプローラーのユーザー プレビュー テーブル | Lakehouse | Spark メモリ最適化の容量使用量 CU | Background |
| レイクハウスのテーブル読み込み | ユーザーはレイクハウス エクスプローラーでデルタ テーブルを読み込みます | Lakehouse | Spark メモリ最適化の容量使用量 CU | Background |
| Notebook run | ノートブックはユーザーによって手動で実行されます | Notebook | Spark メモリ最適化の容量使用量 CU | Background |
| ノートブック HC の実行 | ノートブックは、コンカレンシーの高い Spark セッションで実行されます | Notebook | Spark メモリ最適化の容量使用量 CU | Background |
| ノートブックのスケジュールされた実行 | ノートブックは、ノートブックのスケジュールされたイベントによってトリガーされて実行されます | Notebook | Spark メモリ最適化の容量使用量 CU | Background |
| ノートブックのパイプライン実行 | ノートブックは、パイプラインによってトリガーされて実行されます | Notebook | Spark メモリ最適化の容量使用量 CU | Background |
| ノートブックの VS Code 実行 | ノートブックは VS Code で実行されます。 | Notebook | Spark メモリ最適化の容量使用量 CU | Background |
| Spark ジョブの実行 | Spark バッチ ジョブは、ユーザーの送信によって開始されます | Spark ジョブ定義 | Spark メモリ最適化の容量使用量 CU | Background |
| Spark ジョブのスケジュールされた実行 | バッチ ジョブは、ノートブックのスケジュールされたイベントによってトリガーされて実行されます | Spark ジョブ定義 | Spark メモリ最適化の容量使用量 CU | Background |
| Spark ジョブのパイプラインの実行 | バッチ ジョブは、パイプラインによってトリガーされて実行されます | Spark ジョブ定義 | Spark メモリ最適化の容量使用量 CU | Background |
| Spark ジョブを VS Code で実行 | VS Code から送信された Spark ジョブ定義 | Spark ジョブ定義 | Spark メモリ最適化の容量使用量 CU | Background |
| 具体化された湖のビューの実行 | ユーザーが具体化されたレイク ビューの実行をスケジュールする | Lakehouse | Spark メモリ最適化の容量使用量 CU | Background |
| Shortcut Transformations | Lakehouse で作成されたショートカット変換 | Lakehouse | Spark メモリ最適化の容量使用量 CU | Background |