Microsoft Fabric 내의 각 환경은 고유한 작업을 지원합니다. 작업의 사용률은 환경의 원시 메트릭 사용량을 CU(컴퓨팅 단위)로 변환하는 것입니다.
Microsoft Fabric 용량 메트릭 앱의 컴퓨팅 페이지는 용량의 성능에 대한 개요를 제공하고 컴퓨팅 리소스를 사용하는 패브릭 작업을 나열합니다.
이 문서에서는 이러한 작업을 환경별로 나열하고 Fabric 내에서 리소스를 사용하는 방법을 설명합니다.
대화형 작업 및 백그라운드 작업
Microsoft Fabric은 작업을 대화형 및 배경의 두 가지 유형으로 나눕니다. 이 문서에서는 이러한 작업을 나열하고 작업 간의 차이점을 설명합니다.
대화형 작업
보고서 시각적 개체에서 생성된 데이터 모델 쿼리와 같이 UI와의 사용자 상호 작용에 의해 트리거될 수 있는 주문형 요청 및 작업은 대화형 작업으로 분류됩니다. 이러한 작업은 일반적으로 사용자와 UI의 상호 작용에 의해 트리거됩니다. 예를 들어 사용자가 보고서를 열거나 Power BI 보고서에서 슬라이서를 선택하면 대화형 작업이 트리거됩니다. SSMS(SQL Server Management Studio) 또는 사용자 지정 애플리케이션을 사용하여 DAX 쿼리를 실행하는 경우와 같이 UI와의 상호 작용 없이 대화형 작업이 트리거될 수도 있습니다.
백그라운드 작업
의미 체계 모델 또는 데이터 흐름 새로 고침과 같은 장기 실행 작업은 백그라운드 작업으로 분류됩니다. 이러한 작업은 사용자가 수동으로 트리거하거나 사용자 상호 작용 없이 자동으로 트리거될 수 있습니다. 백그라운드 작업으로는 예약된 새로 고침, 대화형 새로 고침, REST 기반 새로 고침, XMLA 기반 새로 고침 작업 등이 있습니다. 사용자는 이러한 작업이 완료될 때까지 기다릴 필요가 없습니다. 대신 나중에 돌아와서 작업의 상태를 확인할 수 있습니다.
이 문서를 읽는 방법
각 환경에는 다음 열과 함께 해당 작업을 나열하는 테이블이 있습니다.
작업 – 작업의 이름입니다. Microsoft Fabric 용량 메트릭 앱에 표시됩니다.
설명 – 작업에 대한 설명입니다.
항목 – 이 작업이 적용할 수 있는 항목입니다. Microsoft Fabric 용량 메트릭 앱에 표시됩니다.
Azure 청구 미터 – 이 작업의 사용량을 보여 주는 Azure 청구서의 미터 이름입니다.
사용률에 대한 자세한 내용을 사용할 수 있는 경우 이 정보가 포함된 문서에 대한 링크가 제공됩니다.
경험별 Fabric 작업
이 섹션은 Fabric 경험으로 구분됩니다. 각 환경에는 해당 작업을 나열하는 테이블이 있었습니다.
Important
사용량 요금은 언제든지 변경될 수 있습니다. Microsoft는 이메일 또는 제품 내 알림을 통해 알리기 위해 합리적인 노력을 기울일 것입니다. 변경 내용은 Microsoft 릴리스 정보 또는 Microsoft Fabric 블로그에 명시된 날짜에 적용됩니다. Microsoft Fabric 워크로드 사용률을 변경하면 특정 워크로드를 사용하는 데 필요한 CU(용량 단위)가 크게 증가하는 경우 고객은 선택한 결제 방법에 사용할 수 있는 취소 옵션을 사용할 수 있습니다.
Fabric에서 Copilot
Copilot 작업이 이 표에 나와 있습니다. Copilot의 소비율은 Copilot 사용량에서 찾을 수 있습니다.
| Operation | Description | Item | Azure 청구 계량기 | Type |
|---|---|---|---|---|
| Fabric에서 Copilot | 입력 프롬프트 및 출력 완료와 관련된 컴퓨팅 비용 | Multiple | Copilot 및 AI | Background |
패브릭의 데이터 에이전트
데이터 에이전트 작업은 이 표에 나와 있습니다. 항목 및 작업 테이블별 메트릭 앱의 행렬에서 데이터 에이전트 작업은 LlmPlugin 항목 종류 아래에 나열됩니다.
데이터 에이전트 사용량에서 데이터 에이전트의 사용률을 확인할 수 있습니다.
| Operation | Description | Item | Azure 청구 계량기 | Type |
|---|---|---|---|---|
| AI 쿼리 | 입력 프롬프트 및 출력 완료와 관련된 컴퓨팅 비용 | LlmPlugin | Copilot 및 AI | Background |
Data Factory
Data Factory 환경에는 Dataflows Gen2 및 파이프라인에 대한 작업이 포함 됩니다.
데이터 흐름 Gen2
Microsoft Fabric의 Data Factory에 대한 Dataflow Gen2 가격 책정에서 Dataflows Gen2의 사용률을 확인할 수 있습니다.
Note
2025년 10월부터 Dataflow Gen2 새로 고침 작업 이름이 Dataflow Gen2 실행 쿼리로 이름이 바뀌었습니다.
| Operation | Description | Item | Azure 청구 계량기 | Type |
|---|---|---|---|---|
| Dataflow Gen2 쿼리 실행 | 데이터 흐름 Gen2 평가 작업과 관련된 컴퓨팅 비용 | 데이터 흐름 Gen2 | 데이터 흐름 표준 컴퓨팅 용량 사용량 CU | Background |
| 대규모 데이터 흐름 컴퓨팅 - SQL 엔드포인트 쿼리 | 데이터 플로우 Gen2 준비 웨어하우스 SQL 엔드포인트와 관련된 사용량 | Warehouse | 대규모 데이터 흐름 처리 용량 사용량 CU | Background |
Pipelines
Microsoft Fabric의 Data Factory에 대한 파이프라인 가격 책정에서 파이프라인의 사용률을 확인할 수 있습니다.
| Operation | Description | Item | Azure 청구 계량기 | Type |
|---|---|---|---|---|
| DataMovement | Data Factory 파이프라인의 복사 작업에서 사용하는 시간을 데이터 통합 단위 수로 나눈 시간입니다. | Pipeline | 데이터 이동 용량 사용량 CU | Background |
| ActivityRun | Data Factory 파이프라인 작업 실행 | Pipeline | 데이터 오케스트레이션 용량(CU) 사용량 | Background |
Databases
패브릭 용량 단위 하나 = 0.383 SQL 데이터베이스 vCores.
| Operation | Description | Item | Azure 청구 계량기 | Type |
|---|---|---|---|---|
| SQL 사용량 | 데이터베이스 내의 모든 사용자 생성 및 시스템 생성 SQL 쿼리, 수정 및 데이터 처리 작업에 대한 컴퓨팅 | Database | Microsoft Fabric 용량 사용량 CU 내의 SQL 데이터베이스 | Interactive |
| 할당된 SQL Storage | 테이블, 인덱스, 트랜잭션 로그 및 메타데이터를 저장하는 데 사용되는 Fabric의 SQL 데이터베이스에 대해 동적으로 할당된 스토리지 공간입니다. OneLake와 완전히 통합됩니다. | Database | 저장된 SQL Storage 데이터 | Background |
Data Warehouse
하나의 패브릭 데이터 웨어하우스 코어(데이터 웨어하우스의 컴퓨팅 단위)는 두 개의 CPU(패브릭 용량 단위)와 동일합니다.
| Operation | Description | Item | Azure 청구 계량기 | Type |
|---|---|---|---|---|
| 웨어하우스 쿼리 | 웨어하우스 내의 모든 사용자 생성 및 시스템 생성 T-SQL 문에 대한 컴퓨팅 요금입니다. | Warehouse | Data Warehouse 용량 사용량 CU | Background |
| SQL 엔드포인트 쿼리 | 레이크하우스의 SQL 분석 엔드포인트 내 사용자 생성 및 시스템 생성 T-SQL 문에 대한 모든 컴퓨팅 요금을 계산합니다. | Warehouse | Data Warehouse 용량 사용량 CU | Background |
GraphQL용 패브릭 API
GraphQL 작업은 API 클라이언트가 GraphQL 항목에 대해 API에서 수행하는 요청으로 구성됩니다. 각 GraphQL 요청 및 응답 작업 처리 시간은 시간당 10 CU 비율로 초 단위 용량 단위(CU)로 보고됩니다.
| Operation | Description | Item | Azure 청구 계량기 | Type |
|---|---|---|---|---|
| Query | GraphQL API 내의 클라이언트에서 생성된 모든 GraphQL 쿼리(읽기) 및 변형(쓰기)에 대한 컴퓨팅 요금 | GraphQL | GraphQL 쿼리 용량 사용량을 위한 CU API | Interactive |
패브릭 사용자 데이터 함수
패브릭 사용자 데이터 함수 작업은 패브릭 포털, 다른 패브릭 아티팩트 또는 클라이언트 애플리케이션에서 시작한 요청으로 구성됩니다. 각 작업에는 함수 실행, OneLake의 함수 메타데이터 내부 스토리지 및 OneLake의 관련 읽기 및 쓰기 작업에 대한 요금이 발생합니다.
| Operation | Description | Item | Azure 청구 계량기 | Type |
|---|---|---|---|---|
| 사용자 데이터 함수 실행 | 사용자 데이터 함수 항목 내의 함수 실행에 대한 컴퓨팅 요금입니다. 이 작업은 패브릭 포털, 다른 패브릭 항목 또는 외부 애플리케이션의 요청 후 함수를 실행한 결과입니다. | 사용자 데이터 함수 | 사용자 데이터 함수 실행 (CU/s) | Interactive |
| 사용자 데이터 함수 포털 테스트 | 사용자 데이터 함수 항목 내 함수의 테스트 실행에 대한 컴퓨팅 요금입니다. 이 작업은 테스트 세션 중에 "개발 모드"에서 함수를 테스트한 결과입니다. 테스트 세션의 최소 기간은 15분입니다. | 사용자 데이터 함수 | 사용자 데이터 함수 실행 (CU/s) | Interactive |
| 사용자 데이터 함수 정적 스토리지 | 서비스 관리형 OneLake 계정의 내부 함수 메타데이터의 정적 스토리지입니다. 사용자 데이터 함수 항목 메타데이터의 압축된 크기로 계산됩니다. 이는 사용자 데이터 함수 항목을 사용하지 않더라도 만드는 경우 드는 비용입니다. | OneLake Storage | OneLake Storage | Background |
| 사용자 데이터 함수 정적 스토리지 읽기 | 서비스 관리형 OneLake 계정에 저장된 내부 함수 메타데이터의 읽기 작업을 수행하는 것입니다. 이 작업은 비활성 기간 후에 함수가 실행될 때마다 실행됩니다. | OneLake 읽기 작업 | OneLake 읽기 작업 | Background |
| 사용자 데이터 함수 정적 스토리지 쓰기 | 시스템 관리형 OneLake 계정에 저장된 내부 함수 메타데이터를 작성하고 업데이트합니다. 이 작업은 사용자 데이터 함수 항목이 게시될 때마다 실행됩니다. | OneLake에 쓰기 작업 | OneLake에 쓰기 작업 | Background |
| 사용자 데이터 함수 정적 스토리지 반복 읽기 | 서비스 관리형 OneLake 계정에 저장된 내부 함수 메타데이터에 대한 작업을 읽습니다. 이 작업은 사용자 데이터 함수가 나열될 때마다 실행됩니다. | OneLake의 반복 읽기 작업 | OneLake의 반복 읽기 작업 | Background |
| 사용자 데이터 함수 정적 스토리지 기타 작업 | 서비스 관리형 OneLake 계정의 다양한 함수 메타데이터와 관련된 스토리지 작업입니다. | OneLake 기타 작업 | OneLake 기타 작업 | Background |
기계 학습 모델 엔드포인트
ML 모델 엔드포인트 문서를 사용하면 실시간 예측을 원활하게 제공할 수 있습니다. 백그라운드에서 Fabric은 모델을 호스트하기 위해 기본 컨테이너 인프라를 스핀업하고 관리합니다.
| Operation | Description | Item | Azure 청구 계량기 | Type |
|---|---|---|---|---|
| 모델 엔드포인트 | TBD | ML 모델 | ML 모델 엔드포인트 용량 사용량 CU | Background |
OneLake
One Lake 컴퓨팅 작업은 One Lake 항목에서 수행되는 트랜잭션을 나타냅니다. 각 작업의 사용률은 해당 유형에 따라 달라집니다. 자세한 내용은 One Lake 사용을 참조하세요.
| Operation | Description | Item | Azure 청구 계량기 | Type |
|---|---|---|---|---|
| 리디렉션을 통해 OneLake 읽기 | 리디렉션을 통해 OneLake 읽기 | Multiple | OneLake 읽기 작업 수행 용량 사용량(CU) | Background |
| 프록시를 통해 OneLake 읽기 | 프록시를 통해 OneLake 읽기 | Multiple | API 용량 사용량 CU를 통한 OneLake 읽기 작업 수행 | Background |
| 리디렉션을 통한 OneLake 데이터 쓰기 | 리디렉션을 통한 OneLake 데이터 쓰기 | Multiple | 원레이크 쓰기 작업 용량 사용량 CU | Background |
| 프록시를 통해 OneLake에 쓰기 | 프록시를 통해 OneLake에 쓰기 | Multiple | OneLake 쓰기 작업은 API 용량 사용량 CU를 통해 수행됩니다. | Background |
| 리디렉션을 통한 OneLake 반복 쓰기 | 리디렉션을 통한 OneLake 반복 쓰기 | Multiple | OneLake 반복 쓰기 작업 | Background |
| 리디렉션을 통한 OneLake 반복 읽기 | 리디렉션을 통한 OneLake 반복 읽기 | Multiple | OneLake 반복적 읽기 작업 용량 사용 CU | Background |
| OneLake 기타 작업 | OneLake 기타 작업 | Multiple | OneLake 기타 작업 용량 사용량 CU | Background |
| 리디렉션을 통한 OneLake 기타 작업 | 리디렉션을 통한 OneLake 기타 작업 | Multiple | API 용량 사용량 CU를 통한 OneLake 기타 작업 | Background |
| 프록시를 통한 OneLake 반복 쓰기 | 프록시를 통한 OneLake 반복 쓰기 | Multiple | API 용량 사용 CU를 통한 OneLake의 반복적 쓰기 작업 | Background |
| 프록시를 통한 OneLake 반복 읽기 | 프록시를 통한 OneLake 반복 읽기 | Multiple | API 용량 사용 CU를 통한 OneLake 반복적 읽기 작업 | Background |
| 프록시를 통해 읽은 OneLake BCDR | 프록시를 통해 읽은 OneLake BCDR | Multiple | API 용량 사용 CU를 통한 OneLake BCDR 읽기 작업 | Background |
| 프록시를 통한 OneLake BCDR 쓰기 | 프록시를 통한 OneLake BCDR 쓰기 | Multiple | API 용량 사용량 CU를 통한 OneLake BCDR 데이터 쓰기 작업 | Background |
| 리디렉션을 통해 OneLake BCDR 읽기 | 리디렉션을 통해 OneLake BCDR 읽기 | Multiple | OneLake BCDR 읽기 작업 용량 사용 비율 CU | Background |
| 리디렉션을 통해 OneLake BCDR 쓰기 | 리디렉션을 통해 OneLake BCDR 쓰기 | Multiple | OneLake BCDR 쓰기 작업 용량 사용량 CU (용량 단위) | Background |
| 프록시를 통한 OneLake BCDR 반복 읽기 | 프록시를 통한 OneLake BCDR 반복 읽기 | Multiple | API 용량 사용 CU를 통한 OneLake BCDR 반복적 읽기 작업 | Background |
| 리디렉션을 통한 OneLake BCDR 반복 읽기 | 리디렉션을 통한 OneLake BCDR 반복 읽기 | Multiple | OneLake BCDR 반복적 읽기 작업 용량 사용 CU | Background |
| 프록시를 통한 OneLake BCDR 반복 쓰기 | 프록시를 통한 OneLake BCDR 반복 쓰기 | Multiple | API 용량 사용량 CU를 통한 OneLake BCDR 반복 쓰기 작업 | Background |
| 리디렉션을 통한 OneLake BCDR 반복 쓰기 | 리디렉션을 통한 OneLake BCDR 반복 쓰기 | Multiple | OneLake BCDR 반복적 쓰기 작업의 용량 사용량 CU | Background |
| OneLake BCDR 기타 작업 | OneLake BCDR 기타 작업 | Multiple | OneLake BCDR 기타 작업 용량 사용량 CU | Background |
| 리디렉션을 통한 OneLake BCDR 기타 작업 | 리디렉션을 통한 OneLake BCDR 기타 작업 | Multiple | API 용량 사용 CU를 통한 OneLake BCDR의 기타 작업 | Background |
Power BI
각 작업의 사용량은 CU 처리 시간(초)으로 보고됩니다. 여덟 CPU는 한 Power BI v 코어와 동일합니다.
Note
의미 체계 모델이라는 용어는 데이터 세트라는 용어를 대체합니다. 완전히 바뀔 때까지 UI에 이전 용어가 계속 표시될 수 있습니다.
현재 Power BI에서는 R/Py 시각적 개체에 대한 요금이 청구되지 않습니다.
| Operation | Description | Item | Azure 청구 계량기 | Type |
|---|---|---|---|---|
| AI(인공 지능) | AI 함수 평가 | AI | Power BI 용량 사용량 (CU) | Interactive |
| 백그라운드 쿼리 | 타일 새로 고침 및 보고서 스냅샷 만들기에 대한 쿼리 | 의미 체계 모델 | Power BI 용량 사용량 (CU) | Background |
| Dataflow DirectQuery | 데이터를 의미 체계 모델로 가져올 필요 없이 데이터 흐름에 직접 연결 | 데이터 흐름 Gen1 | Power BI 용량 사용량 (CU) | Interactive |
| 데이터 흐름 새로 고침 | 서비스 또는 REST API를 사용하여 수행되는 주문형 또는 예약된 백그라운드 데이터 흐름 새로 고침 | 데이터 흐름 Gen1 | Power BI 용량 사용량 (CU) | Background |
| 시맨틱 모델 필요 시 새로 고침 | 서비스, REST API 또는 공용 XMLA 엔드포인트를 사용하여 사용자가 시작한 백그라운드 의미 체계 모델 새로 고침 | 의미 체계 모델 | Power BI 용량 사용량 (CU) | Background |
| 의미론적 모델 예약된 새로 고침 | 서비스, REST API 또는 공용 XMLA 엔드포인트에서 수행되는 예약된 백그라운드 의미 체계 모델 새로 고침 | 의미 체계 모델 | Power BI 용량 사용량 (CU) | Background |
| 전체 보고서 메일 구독 | 전자 메일 구독에 첨부된 전체 Power BI 보고서의 PDF 또는 PowerPoint 복사본 | Report | Power BI 용량 사용량 (CU) | Background |
| 대화형 쿼리 | 주문형 데이터 요청으로 시작된 쿼리입니다. 예를 들어 보고서를 열 때 모델을 로드하거나, 보고서와 사용자 상호 작용을 하거나, 렌더링하기 전에 데이터 세트를 쿼리합니다. 의미 체계 모델 로드는 독립 실행형 대화형 쿼리 작업으로 보고될 수 있습니다. | 의미 체계 모델 | Power BI 용량 사용량 (CU) | Interactive |
| PublicApiExport | 파일로 보고서를 내보내기 REST API를 사용하여 내보낸 Power BI 보고서. | Report | Power BI 용량 사용량 (CU) | Background |
| Render | Power BI 페이지를 매긴 보고서를 REST API인 '파일로 페이지를 매긴 보고서 내보내기'를 사용하여 내보낸 보고서 | 페이지 번호가 있는 보고서 | Power BI 용량 사용량 (CU) | Background |
| Render | Power BI 서비스에서 본 페이지 매김 보고서 | 페이지 번호가 있는 보고서 | Power BI 용량 사용량 (CU) | Interactive |
| 웹 모델링 읽기 | 의미 체계 모델 웹 모델링 사용자 환경의 데이터 모델 읽기 작업 | 의미 체계 모델 | Power BI 용량 사용량 (CU) | Interactive |
| 웹 모델링 작성 | 의미 체계 모델 웹 모델링 사용자 환경의 데이터 모델 쓰기 작업 | 의미 체계 모델 | Power BI 용량 사용량 (CU) | Interactive |
| XMLA 읽기 | 쿼리 및 검색을 위해 사용자가 시작한 XMLA 읽기 작업 | 의미 체계 모델 | Power BI 용량 사용량 (CU) | Interactive |
| XMLA 쓰기 | 모델을 변경하는 백그라운드 XMLA 쓰기 작업 | 의미 체계 모델 | Power BI 용량 사용량 (CU) | Background |
| Power BI 스크립팅 시각적 실행 | Power BI 보고서를 렌더링하면 트리거되는 R 및 Py 시각적 개체 실행 | Power BI 스크립팅 보고서 | 스파크 메모리 최적화 용량 (CU) | Interactive |
실시간 인텔리전스
Real-Time Intelligence 환경에는 Azure 및 Fabric 이벤트, 디지털 트윈 빌더(미리 보기), Eventstream 및 KQL 데이터베이스 및 KQL 쿼리 세트에 대한 작업이 포함됩니다.
Azure 및 패브릭 이벤트
Azure 및 Fabric 이벤트 용량 사용량에서 Azure 및 Fabric 이벤트의 사용률을 확인할 수 있습니다.
| Operation | Description | Item | Azure 청구 계량기 | Type |
|---|---|---|---|---|
| 이벤트 작업 | 게시, 배달 및 필터링 작업 | Multiple | 실시간 인텔리전스 - 이벤트 작업 | Background |
| 이벤트 수신기 | 이벤트 수신기의 작동 시간 | Multiple | 실시간 인텔리전스 – 이벤트 수신기 및 경고 | Background |
디지털 트윈 빌더(미리 보기)
디지털 트윈 빌더(미리 보기)의 소비량은 용량 소비, 사용량 보고 및 청구에서 확인할 수 있습니다.
Note
디지털 트윈 빌더의 미터는 현재 미리 보기로 제공되며 변경될 수 있습니다.
| Operation | Description | Item | Azure 청구 계량기 | Type |
|---|---|---|---|---|
| 디지털 트윈 생성기 운영 | 온디맨드 및 예약된 디지털 트윈 빌더 흐름 작업에 사용됩니다. | 디지털 트윈 빌더 흐름 | Digital Twin Builder 작업 용량 사용 CU | Background |
Eventstream
Microsoft Fabric Eventstream의 모니터 용량 사용량에서 Eventstream의 사용률을 확인할 수 있습니다.
| Operation | Description | Item | Azure 청구 계량기 | Type |
|---|---|---|---|---|
| 이벤트스트림 시간당 | 정액 요금 | Eventstream | 이벤트스트림 용량 사용 (CU) | Background |
| GB당 Eventstream 데이터 트래픽 | 기본 및 파생 스트림의 데이터 유입 & 유출량(24시간 보존 포함) | Eventstream | Eventstream 데이터 트래픽 용량 사용량 CU | Background |
| 시간당 이벤트스트림 프로세서 | 프로세서에서 사용하는 컴퓨팅 리소스 | Eventstream | Eventstream Processor 용량 사용(CU) | Background |
| vCore 시간당 Eventstream Connectors 사용 | 커넥터에서 사용하는 컴퓨팅 리소스 | Eventstream | Eventstream 커넥터 용량 사용 CU | Background |
KQL 데이터베이스 및 KQL 쿼리 세트
KQL 데이터베이스 사용량에서 KQL 데이터베이스의 사용률을 확인할 수 있습니다.
| Operation | Description | Item | Azure 청구 계량기 | Type |
|---|---|---|---|---|
| 이벤트하우스 업타임 | Eventhouse가 활성 상태인 시간 측정값 | Eventhouse | Eventhouse 용량 활용도 CU | Background |
Spark
Spark VCore 2개(Spark의 컴퓨팅 능력 단위)는 하나의 CU(용량 단위)와 같습니다. Spark 작업에서 CPU를 사용하는 방법을 이해하려면 Spark 풀을 참조하세요.
| Operation | Description | Item | Azure 청구 계량기 | Type |
|---|---|---|---|---|
| 레이크하우스 운영 | Lakehouse 탐색기의 사용자 프리뷰 테이블 | Lakehouse | Spark 메모리 최적화 사용 용량 CU | Background |
| 레이크하우스 테이블 로딩 | 사용자가 Lakehouse 탐색기에서 델타 테이블을 로드합니다. | Lakehouse | Spark 메모리 최적화 사용 용량 CU | Background |
| Notebook 실행 | 사용자가 수동으로 실행하는 노트북 | Notebook | Spark 메모리 최적화 사용 용량 CU | Background |
| 노트북 HC 실행 | 높은 동시성 Spark 세션에서 Notebook 실행 | Notebook | Spark 메모리 최적화 사용 용량 CU | Background |
| 노트북 예약 실행 | 노트북 예약 이벤트로 트리거된 노트북 실행 | Notebook | Spark 메모리 최적화 사용 용량 CU | Background |
| 노트북 파이프라인 실행 | 파이프라인에 의해 트리거된 노트북 실행 | Notebook | Spark 메모리 최적화 사용 용량 CU | Background |
| Notebook VS Code 실행 | Notebook은 VS Code에서 실행됩니다. | Notebook | Spark 메모리 최적화 사용 용량 CU | Background |
| Spark 작업 실행 | 사용자 제출에 의해 시작된 Spark 일괄 처리 작업 실행 | Spark 작업 정의 | Spark 메모리 최적화 사용 용량 CU | Background |
| Spark 작업 예약 실행 | Notebook 예약 이벤트로 트리거된 일괄 처리 작업 실행 | Spark 작업 정의 | Spark 메모리 최적화 사용 용량 CU | Background |
| Spark 작업 파이프라인 실행 | 파이프라인에 의해 트리거되는 일괄 처리 작업 실행 | Spark 작업 정의 | Spark 메모리 최적화 사용 용량 CU | Background |
| Spark 작업 VS Code 실행 | VS Code에서 제출된 Spark 작업 정의 | Spark 작업 정의 | Spark 메모리 최적화 사용 용량 CU | Background |
| 실현된 호수 경관 실행 | 사용자가 구체화된 레이크 뷰 실행을 예약합니다. | Lakehouse | Spark 메모리 최적화 사용 용량 CU | Background |
| 바로 가기 변형 | Lakehouse에서 생성된 바로 가기 변환 | Lakehouse | Spark 메모리 최적화 사용 용량 CU | Background |