作業系統數據表參考

本文作為使用 lakeflow 系統數據表來監控帳戶中作業的參考。 這些數據表包含您帳戶中部署於相同雲端區域之所有工作區的記錄。 若要查看來自另一個區域的記錄，您必須從部署於該區域的工作區檢視數據表。

要求

• 帳戶管理員必須啟用 system.lakeflow 架構。請參閱 啟用系統數據表架構。
• 若要存取這些系統數據表，用戶必須：
  • 同時為中繼存放區管理員和帳戶管理員，或
  • 具有系統架構的 USE 和 SELECT 許可權。 請參閱 授與系統資料表的存取權。

可用的作業數據表

所有作業相關的系統數據表都存在於架構中 system.lakeflow 。 目前，架構會裝載四個數據表：

詳細的架構參考

下列各節提供每個作業相關系統數據表的架構參考。

作業數據表架構

jobs 數據表是緩時變維度數據表 （SCD2）。 當數據列變更時，會發出新的數據列，以邏輯方式取代前一個數據列。

資料表路徑： system.lakeflow.jobs

範例查詢

-- Get the most recent version of a job
SELECT
  *,
  ROW_NUMBER() OVER(PARTITION BY workspace_id, job_id ORDER BY change_time DESC) as rn
FROM
  system.lakeflow.jobs QUALIFY rn=1

作業工作數據表架構

"工作任務表是一個緩慢變化的維度表（SCD2）。" 當數據列變更時，會發出新的數據列，以邏輯方式取代前一個數據列。

資料表路徑： system.lakeflow.job_tasks

範例查詢

-- Get the most recent version of a job task
SELECT
  *,
  ROW_NUMBER() OVER(PARTITION BY workspace_id, job_id ORDER BY change_time DESC) as rn
FROM
  system.lakeflow.job_tasks QUALIFY rn=1

作業執行時程表數據表架構

作業執行時間軸數據表在產生時是不可變且完成的。

資料表路徑： system.lakeflow.job_run_timeline

範例查詢

-- This query gets the daily job count for a workspace for the last 7 days:
SELECT
  workspace_id,
  COUNT(DISTINCT run_id) as job_count,
  to_date(period_start_time) as date
FROM system.lakeflow.job_run_timeline
WHERE
  period_start_time > CURRENT_TIMESTAMP() - INTERVAL 7 DAYS
GROUP BY ALL

-- This query returns the daily job count for a workspace for the last 7 days, distributed by the outcome of the job run.
SELECT
  workspace_id,
  COUNT(DISTINCT run_id) as job_count,
  result_state,
  to_date(period_start_time) as date
FROM system.lakeflow.job_run_timeline
WHERE
  period_start_time > CURRENT_TIMESTAMP() - INTERVAL 7 DAYS
  AND result_state IS NOT NULL
GROUP BY ALL

-- This query returns the average time of job runs, measured in seconds. The records are organized by job. A top 90 and a 95 percentile column show the average lengths of the job's longest runs.
with job_run_duration as (
    SELECT
        workspace_id,
        job_id,
        run_id,
        CAST(SUM(period_end_time - period_start_time) AS LONG) as duration
    FROM
        system.lakeflow.job_run_timeline
    WHERE
      period_start_time > CURRENT_TIMESTAMP() - INTERVAL 7 DAYS
    GROUP BY ALL
)
SELECT
    t1.workspace_id,
    t1.job_id,
    COUNT(DISTINCT t1.run_id) as runs,
    MEAN(t1.duration) as mean_seconds,
    AVG(t1.duration) as avg_seconds,
    PERCENTILE(t1.duration, 0.9) as p90_seconds,
    PERCENTILE(t1.duration, 0.95) as p95_seconds
FROM
    job_run_duration t1
GROUP BY ALL
ORDER BY mean_seconds DESC
LIMIT 100

-- This query provides a historical runtime for a specific job based on the `run_name` parameter. For the query to work, you must set the `run_name`.
SELECT
  workspace_id,
  run_id,
  SUM(period_end_time - period_start_time) as run_time
FROM system.lakeflow.job_run_timeline
WHERE
  run_type="SUBMIT_RUN"
  AND run_name={run_name}
  AND period_start_time > CURRENT_TIMESTAMP() - INTERVAL 60 DAYS
GROUP BY ALL

-- This query collects a list of retried job runs with the number of retries for each run.
with repaired_runs as (
    SELECT
    workspace_id, job_id, run_id, COUNT(*) - 1 as retries_count
    FROM system.lakeflow.job_run_timeline
    WHERE result_state IS NOT NULL
    GROUP BY ALL
    HAVING retries_count > 0
    )
SELECT
    *
FROM repaired_runs
ORDER BY retries_count DESC
    LIMIT 10;

作業工作執行時程表數據表架構

作業工作執行時程表數據表在產生時是不可變且完成的。

資料表路徑： system.lakeflow.job_task_run_timeline

常見的聯結模式

下列各節提供範例查詢，說明常用於作業系統表的聯結模式。

合併工作和任務運行時間線資料表

豐富作業運行資訊，加入作業名稱

with jobs as (
    SELECT
        *,
        ROW_NUMBER() OVER (PARTITION BY workspace_id, job_id ORDER BY change_time DESC) as rn
    FROM system.lakeflow.jobs QUALIFY rn=1
)
SELECT
    job_run_timeline.*
    jobs.name
FROM system.lakeflow.job_run_timeline
    LEFT JOIN jobs USING (workspace_id, job_id)

使用作業名稱擴充使用量

with jobs as (
  SELECT
    *,
    ROW_NUMBER() OVER (PARTITION BY workspace_id, job_id ORDER BY change_time DESC) as rn
  FROM system.lakeflow.jobs QUALIFY rn=1
)
SELECT
  usage.*,
  coalesce(usage_metadata.job_name, jobs.name) as job_name
FROM system.billing.usage
  LEFT JOIN jobs ON usage.workspace_id=jobs.workspace_id AND usage.usage_metadata.job_id=jobs.job_id
WHERE
  billing_origin_product="JOBS"

合併工作運行時間線和使用情況表

使用作業運行元數據豐富每個計費日誌

SELECT
    t1.*,
    t2.*
FROM system.billing.usage t1
    LEFT JOIN system.lakeflow.job_run_timeline t2
        ON t1.workspace_id = t2.workspace_id
            AND t1.usage_metadata.job_id = t2.job_id
            AND t1.usage_metadata.job_run_id = t2.run_id
            AND t1.usage_start_time >= date_trunc("Hour", t2.period_start_time)
            AND t1.usage_start_time < date_trunc("Hour", t2.period_end_time) + INTERVAL 1 HOUR
WHERE
    billing_origin_product="JOBS"

計算每個作業執行的成本

此查詢會與 billing.usage 系統數據表聯結，以計算每個作業執行的成本。

with jobs_usage AS (
  SELECT
    *,
    usage_metadata.job_id,
    usage_metadata.job_run_id as run_id,
    identity_metadata.run_as as run_as
  FROM system.billing.usage
  WHERE billing_origin_product="JOBS"
),
jobs_usage_with_usd AS (
  SELECT
    jobs_usage.*,
    usage_quantity * pricing.default as usage_usd
  FROM jobs_usage
    LEFT JOIN system.billing.list_prices pricing ON
      jobs_usage.sku_name = pricing.sku_name
      AND pricing.price_start_time <= jobs_usage.usage_start_time
      AND (pricing.price_end_time >= jobs_usage.usage_start_time OR pricing.price_end_time IS NULL)
      AND pricing.currency_code="USD"
),
jobs_usage_aggregated AS (
  SELECT
    workspace_id,
    job_id,
    run_id,
    FIRST(run_as, TRUE) as run_as,
    sku_name,
    SUM(usage_usd) as usage_usd,
    SUM(usage_quantity) as usage_quantity
  FROM jobs_usage_with_usd
  GROUP BY ALL
)
SELECT
  t1.*,
  MIN(period_start_time) as run_start_time,
  MAX(period_end_time) as run_end_time,
  FIRST(result_state, TRUE) as result_state
FROM jobs_usage_aggregated t1
  LEFT JOIN system.lakeflow.job_run_timeline t2 USING (workspace_id, job_id, run_id)
GROUP BY ALL
ORDER BY usage_usd DESC
LIMIT 100

合併工作任務運行時間線和叢集表格

使用叢集元數據執行擴充作業工作

with clusters as (
    SELECT
        *,
        ROW_NUMBER() OVER (PARTITION BY workspace_id, cluster_id ORDER BY change_time DESC) as rn
    FROM system.compute.clusters QUALIFY rn=1
),
exploded_task_runs AS (
  SELECT
    *,
    EXPLODE(compute_ids) as cluster_id
  FROM system.lakeflow.job_task_run_timeline
  WHERE array_size(compute_ids) > 0
)
SELECT
  exploded_task_runs.*,
  clusters.*
FROM exploded_task_runs t1
  LEFT JOIN clusters t2
    USING (workspace_id, cluster_id)

尋找在所有用途計算上執行的作業

此查詢會與 compute.clusters 系統數據表聯結，以傳回在所有用途計算上執行的最近作業，而不是作業計算。

with clusters AS (
  SELECT
    *,
    ROW_NUMBER() OVER(PARTITION BY workspace_id, cluster_id ORDER BY change_time DESC) as rn
  FROM system.compute.clusters
  WHERE cluster_source="UI" OR cluster_source="API"
  QUALIFY rn=1
),
job_tasks_exploded AS (
  SELECT
    workspace_id,
    job_id,
    EXPLODE(compute_ids) as cluster_id
  FROM system.lakeflow.job_task_run_timeline
  WHERE period_start_time >= CURRENT_DATE() - INTERVAL 30 DAY
),
all_purpose_cluster_jobs AS (
  SELECT
    t1.*,
    t2.cluster_name,
    t2.owned_by,
    t2.dbr_version
  FROM job_tasks_exploded t1
    INNER JOIN clusters t2 USING (workspace_id, cluster_id)
)
SELECT * FROM all_purpose_cluster_jobs LIMIT 10;

作業監視儀錶板

下列儀錶板會使用系統數據表來協助您開始監視作業和作業健康情況。 其中包含常見的使用案例，例如作業效能追蹤、失敗監視和資源使用率。

如需下載儀錶板的相關信息，請參閱 使用系統數據表監視作業成本 & 效能。

故障排除

作業未記錄在 lakeflow.jobs 數據表中

如果在系統資料表中無法看到工作：

• 在過去 365 天內，這份工作未被修改
• 職位是在不同的地區創建的
• 最近的就業創造（資料表延遲）

找不到在 job_run_timeline 數據表中看到的工作

並非所有作業執行都會在任何地方顯示。 雖然 JOB_RUN 項目出現在所有作業相關的數據表中，WORKFLOW_RUN（筆記本工作流程執行）和 SUBMIT_RUN（一次性提交的執行）只會記錄在 job_run_timeline 數據表中。 這些執行的項目不會填入其他作業系統資料表，例如 jobs 或 job_tasks。

如需查看每個執行類型的可見性與可存取性詳細明細，請參閱下表執行類型。

作業執行在 billing.usage 表格中看不到

在 system.billing.usage中，只會針對在作業計算或無伺服器計算上執行的作業填入 usage_metadata.job_id。

此外，WORKFLOW_RUN 作業在 system.billing.usage中沒有自己的 usage_metadata.job_id 或 usage_metadata.job_run_id 屬性。 相反地，其計算使用量會歸屬於觸發它們的父筆記本。 這表示當筆記本啟動工作流程執行時，所有計算資源成本都會顯示在父筆記本的使用量中，而不是作為個別的工作流程作業。

如需詳細資訊，請參閱 分析使用量元數據。

計算在全用途計算上執行之作業的成本

針對在目的計算上執行之作業的精確成本計算，無法達到 100% 精確度。 當作業在互動式（所有用途）計算上執行時，筆記本、SQL 查詢或其他作業等多個工作負載通常會在同一個計算資源上同時執行。 因為叢集資源是共用的，因此計算成本和個別作業執行之間沒有直接的 1：1 對應。

為了精確追蹤作業成本，Databricks 建議在專用作業計算或無伺服器計算上執行作業，在此環境中，usage_metadata.job_id 和 usage_metadata.job_run_id 使成本分配更為精確。

如果您必須使用通用計算，您可以：

• 根據 usage_metadata.cluster_id監視 system.billing.usage 的整體叢集使用量和成本。
• 分別追蹤作業執行時間的指標。
• 請考慮任何成本估計值都會因為共享資源而近似。

如需成本屬性的詳細資訊，請參閱 分析使用量元數據。

參考值

下一節包含工作相關表格中選定欄位的參考資料。

觸發程式類型值

資料列的可能值為 trigger_type ：

• CONTINUOUS
• CRON
• FILE_ARRIVAL
• ONETIME
• ONETIME_RETRY

執行類型值

資料列的可能值為 run_type ：

結果狀態值

資料列的可能值為 result_state ：

終止碼值

資料列的可能值為 termination_code ：