Kommentar
Åtkomst till den här sidan kräver auktorisering. Du kan prova att logga in eller ändra kataloger.
Åtkomst till den här sidan kräver auktorisering. Du kan prova att ändra kataloger.
Databricks SQL-aviseringar kör frågor enligt ett schema och meddelar dig när ett villkor som du definierar uppfylls mot frågeresultatet. När du schemalägger en avisering körs dess associerade fråga och villkoret utvärderas. Du kan också visa en aviseringshistorik för att granska resultatet av tidigare utvärderingar.
Mer information om hur du arbetar med äldre aviseringar finns i Vad är äldre aviseringar?.
Vad du kan göra med aviseringar
Med aviseringar kan du övervaka sql-frågeresultat enligt ett schema. Använd dem för att spåra affärs-KPI:er, övervaka datakvalitet, titta på kostnadstrender och fånga driftsproblem i dina Azure Databricks arbetsbelastningar. Vanliga mönster i Azure Databricks är:
- Övervaka affärsmått i måttvyer: Referera till en måttvy i Unity Catalog med dess fullständigt kvalificerade namn i aviseringsfrågan för att övervaka styrda affärsmått. Se Varning om mätvärdesvyer.
- Identifiera datakvalitetsproblem och avvikelser: Koppla aviseringar med Övervakning av datakvalitet i Unity Catalog och avvikelseidentifiering så att ett oväntat mått, distributionsskift eller profiländring skickar ett meddelande. Se Aviseringar för avvikelseidentifiering och profilaviseringar.
- Spåra användning och kostnad: Skapa aviseringar på systemtabeller för serverlös fakturering eller inmatning för att fånga oväntade utgifter. Se Övervaka kostnaden för serverlös beräkning och Övervaka pipelinekostnaden för hanterad inmatning.
- Titta på SQL-lager och frågehälsa: Avisering om informationslagerhändelser eller frågehistorik för att fånga långsamma frågor, misslyckade sessioner eller kapacitetsproblem. Se Exempelfrågor för övervakning av SQL-lageraktivitet och systemtabellreferens för lagerhändelser.
- Granskningsåtkomst och säkerhetshändelser: Avisera om granskningsloggfrågor för att flagga ovanlig arbetsyteaktivitet. Se Övervaka Genie Spaces-användning med granskningsloggar och aviseringar.
- Fånga fel i AI-agenter: Avisering om agentkvalitetsmått så att fel och nya problem uppstår under utveckling och drift. Se Agentutvecklingslivscykel.
- Kör en varning som en uppgift i Lakeflow Jobs: Lägg till en varning som en uppgift så att villkorskontroller körs när en pipeline utlöses och efterföljande uppgifter kan förgrenas baserat på resultatet. Se SQL-varningsuppgift för jobb.
Kom igång med aviseringar
På följande sidor beskrivs de vanligaste aviseringsuppgifterna, från redigering av en ny avisering till pågående hantering:
| Topic | Beskrivning |
|---|---|
| Skapa en avisering | Gå igenom aviseringsredigeraren från början till slut. Innehåller avancerade inställningar och anpassning av meddelandemallar. |
| Hantera aviseringar | Hitta aviseringar på listsidan, dela dem, överföra ägarskap och spåra ändringar med Azure Databricks Git-mappar. |
| Kör aviseringar som uppgifter i Lakeflow Jobs | Lägg till en Databricks SQL-avisering som en aktivitet i ett jobb så att villkorskontroller körs vid en pipelineutlösare och underordnade aktiviteter kan förgrenas baserat på resultatet. |
| Aviseringsfrågemönster | SQL-mönster för sammansättningar, multikollumnvillkor och måttvyer. |
Skillnader från äldre aviseringar
Den senaste versionen av Databricks SQL-aviseringar fungerar annorlunda än äldre aviseringar på några viktiga sätt:
- Återanvändning av fråga: En befintlig sparad SQL-fråga kan inte återanvändas när en avisering skapas. Varje avisering äger sin frågedefinition, som kan redigeras direkt i den nya aviseringsredigeraren.
-
Aviseringsstatusvärden: Aviseringstillstånd förenklas och aviseringar stöder inte längre status från
UNKNOWNäldre aviseringar. Utvärderingar utvärderas tillOK,TRIGGERED, ellerERROR.
Du kan fortsätta att använda både de senaste aviseringarna och äldre aviseringar sida vid sida när du övergår.