コンピュート システムテーブルリファレンス
プレビュー
このシステムテーブルは パブリック プレビュー段階です。 テーブルにアクセスするには、 system
カタログでスキーマを有効にする必要があります。 詳細については、「 システムテーブル スキーマを有効にする」を参照してください。
この記事では、コンピュート テーブル システムのリファレンス ガイドを提供します。 これらのテーブルを使用して、アカウント内の汎用およびジョブ コンピュートのアクティビティとメトリクスを監視できます。
clusters
: コンピュート設定をアカウントに記録します。node_types
: ハードウェア情報を含む、現在使用可能なノード タイプごとに 1 つのレコードが含まれます。node_timeline
: コンピュートの使用状況メトリクスの分単位の記録が含まれます。
クラスターテーブルスキーマ
クラスター テーブルは、汎用およびジョブ コンピュートの長期にわたるコンピュート構成の完全な履歴を含む、ゆっくりと変化するディメンション テーブルです。
Table path: このシステムテーブルは system.compute.clusters
列名 |
データ型 |
説明 |
例 |
---|---|---|---|
|
string |
このクラスターが作成されたアカウントの ID。 |
|
|
string |
このクラスターが作成されたワークスペースの ID。 |
|
|
string |
このレコードが関連付けられているクラスターの ID。 |
|
|
string |
クラスターのユーザー定義名。 |
|
|
string |
クラスター所有者のユーザー名。 デフォルトをクラスター creator に公開しますが、クラスター API. |
|
|
timestamp |
このコンピュート定義の変更のタイムスタンプ。 |
|
|
timestamp |
クラスターが削除されたときのタイムスタンプ。 クラスターが削除されていない場合、値は |
|
|
string |
ドライバー ノードの種類の名前。 これは、クラウド プロバイダーのインスタンス タイプ名と一致します。 |
|
|
string |
ワーカー ノード タイプ名。 これは、クラウド プロバイダーのインスタンス タイプ名と一致します。 |
|
|
bigint |
労働者の数。 固定サイズのクラスターに対してのみ定義されます。 |
|
|
bigint |
設定された最小労働者数。 このフィールドはオートスケール クラスターに対してのみ有効です。 |
|
|
bigint |
設定された最大ワーカー数。 このフィールドはオートスケール クラスターに対してのみ有効です。 |
|
|
bigint |
設定された自動終了期間。 |
|
|
ブーリアン |
オートスケール ディスクの有効化ステータス。 |
|
|
マップ |
クラスターのユーザー定義タグ (デフォルトのタグは含まれません)。 |
|
|
string |
クラスターの作成者を示します: |
|
|
array |
init スクリプトのパスのセット。 |
|
|
構造体 |
AWS 固有の設定。 このフィールドは空になります。 |
|
|
構造体 |
Azure 固有の設定。 このフィールドは空になります。 |
|
|
構造体 |
GCP 固有の設定。 |
|
|
string |
ドライバーがインスタンス プール上に構成されている場合のインスタンス プール ID。 |
|
|
string |
ワーカーがインスタンス プール上に構成されている場合のインスタンス プール ID。 |
|
|
string |
クラスターの Databricks Runtime。 |
|
|
timestamp |
コンピュート定義の変更のタイムスタンプ。 |
|
|
日付 |
日付を変更します。 保持に使用されます。 |
|
ノード・タイプ・テーブル・スキーマ
ノードタイプテーブルは、現在使用可能なノードタイプとその基本的なハードウェア情報をキャプチャします。
テーブルパス:このシステムテーブルは system.compute.node_types
にあります。
列名 |
データ型 |
説明 |
例 |
---|---|---|---|
|
string |
このクラスターが作成されたアカウントの ID。 |
|
|
string |
ノード・タイプの一意の識別子。 |
<driver type> |
|
double |
インスタンスの vCPU の数。 |
|
|
ロング |
インスタンスの合計メモリ。 |
|
|
ロング |
インスタンスの GPU の数。 |
|
ノード タイムライン テーブル スキーマ
ノード タイムライン テーブルは、ノード レベルのリソース使用率データを分単位の粒度でキャプチャします。 各レコードには、インスタンスごとに特定の時間分のデータが含まれています。
テーブルパス:このシステムテーブルは system.compute.node_timeline
にあります。
列名 |
データ型 |
説明 |
例 |
---|---|---|---|
|
string |
このコンピュート リソースが実行されているアカウントの ID。 |
|
|
string |
このコンピュート リソースが実行されているワークスペースの ID。 |
|
|
string |
コンピュート リソースの ID。 |
|
|
string |
特定のインスタンスの ID。 |
|
|
timestamp |
レコードの開始時刻 (UTC)。 |
|
|
timestamp |
レコードの終了時刻 (UTC)。 |
|
|
ブーリアン |
インスタンスがドライバーノードかワーカーノードか。 |
|
|
double |
CPU がユーザーランドで費やした時間の割合。 |
|
|
double |
CPU がカーネルに費やした時間の割合。 |
|
|
double |
CPU が I/O の待機に費やした時間の割合。 |
|
|
double |
期間中に使用されたコンピュートのメモリの割合 (コンピュート上で実行されているバックグラウンド プロセスによって使用されたメモリを含む)。 |
|
|
double |
メモリスワップに起因するメモリ使用量の割合。 |
|
|
bigint |
ネットワーク トラフィックで送信されたバイト数。 |
|
|
bigint |
ネットワーク トラフィックから受信したバイト数。 |
|
|
マップ |
マウント・ポイント別にグループ化されたディスク使用率。 これは、コンピュートの実行中のみの一時的なストレージ プロビジョニングです。 |
|
|
string |
ノードの種類の名前。 これは、クラウド プロバイダーのインスタンス タイプ名と一致します。 |
<driver type> |
既知の制限事項
2023 年 10 月 23 日より前に削除済みとしてマークされたコンピュート リソースは、クラスター テーブルに表示されません。 これにより、
system.billing.usage
テーブルからの結合がクラスター テーブルのレコードと一致しなくなる可能性があります。 すべてのアクティブなコンピュート リソースがバックフィルされました。これらのテーブルには、汎用およびジョブ コンピュートのレコードのみが含まれます。 これらには、サーバーレス コンピュート、 Delta Live Tablesコンピュート、またはSQLのレコードは含まれません。
実行時間が 10 分未満のノードは、
node_timeline
テーブルに表示されない可能性があります。
サンプル クエリ
次のサンプル クエリを使用して、一般的な質問に答えることができます。
注:
これらの例のいくつかは、クラスター テーブルをsystem.billing.usage
テーブルに結合します。 課金レコードはリージョンをまたがっており、クラスター レコードはリージョン固有であるため、課金レコードはクエリ対象のリージョンのクラスター レコードとのみ一致します。 別の地域のレコードを表示するには、その地域でクエリを実行してください。
クラスターレコードを最新の請求レコードと結合する
このクエリは、時間の経過に伴う支出を理解するのに役立ちます。 usage_start_time
を最新の請求期間に更新すると、請求レコードの最新の更新が取得され、クラスター データに結合されます。
各レコードは、その特定の実行中にクラスター所有者に関連付けられます。 したがって、クラスターの所有者が変更された場合、クラスターが使用された時期に基づいて、コストは正しい所有者にロールアップされます。
SELECT
u.record_id,
c.cluster_id,
c.owned_by,
c.change_time,
u.usage_start_time,
u.usage_quantity
FROM
system.billing.usage u
JOIN system.compute.clusters c
JOIN (SELECT u.record_id, c.cluster_id, max(c.change_time) change_time
FROM system.billing.usage u
JOIN system.compute.clusters c
WHERE
u.usage_metadata.cluster_id is not null
and u.usage_start_time >= '2023-01-01'
and u.usage_metadata.cluster_id = c.cluster_id
and date_trunc('HOUR', c.change_time) <= date_trunc('HOUR', u.usage_start_time)
GROUP BY all) config
WHERE
u.usage_metadata.cluster_id is not null
and u.usage_start_time >= '2023-01-01'
and u.usage_metadata.cluster_id = c.cluster_id
and u.record_id = config.record_id
and c.cluster_id = config.cluster_id
and c.change_time = config.change_time
ORDER BY cluster_id, usage_start_time desc;
コストをクラスター所有者に帰属させる
コンピュートのコストを削減したい場合は、このクエリを使用して、アカウント内のどのクラスター所有者が最も多くの DBU を使用しているかを確認できます。
SELECT
u.record_id record_id,
c.cluster_id cluster_id,
max_by(c.owned_by, c.change_time) owned_by,
max(c.change_time) change_time,
any_value(u.usage_start_time) usage_start_time,
any_value(u.usage_quantity) usage_quantity
FROM
system.billing.usage u
JOIN system.compute.clusters c
WHERE
u.usage_metadata.cluster_id is not null
and u.usage_start_time >= '2023-01-01'
and u.usage_metadata.cluster_id = c.cluster_id
and c.change_time <= u.usage_start_time
GROUP BY 1, 2
ORDER BY cluster_id, usage_start_time desc;
平均使用率とピーク使用率が最も高いコンピュート リソースを特定する
平均 CPU 使用率とピーク CPU 使用率が最も高い汎用およびジョブ コンピュートを特定します。
SELECT
distinct cluster_id,
driver,
avg(cpu_user_percent + cpu_system_percent) as `Avg CPU Utilization`,
max(cpu_user_percent + cpu_system_percent) as `Peak CPU Utilization`,
avg(cpu_wait_percent) as `Avg CPU Wait`,
max(cpu_wait_percent) as `Max CPU Wait`,
avg(mem_used_percent) as `Avg Memory Utilization`,
max(mem_used_percent) as `Max Memory Utilization`,
avg(network_received_bytes)/(1024^2) as `Avg Network MB Received per Minute`,
avg(network_sent_bytes)/(1024^2) as `Avg Network MB Sent per Minute`
FROM
node_timeline
WHERE
start_time >= date_add(now(), -1)
GROUP BY
cluster_id,
driver
ORDER BY
3 desc;