Optimieren der Kosten für den Findry IQ (Azure KI-Suche) Serverless-Dienst

Note

Foundry IQ (Azure KI-Suche) bietet direkte Indizierungs- und Abfrage-APIs zusammen mit Wissensquellen- und Knowledge Base-APIs auf höherer Ebene für den verwalteten Abruf. Verwenden Sie das Azure Portal, REST-APIs oder Azure SDKs, um diese Funktionen zu konfigurieren, oder verbinden Sie Agents mit Wissensdatenbanken im Microsoft Foundry-Portal.

Foundry IQ (Azure KI-Suche) bietet die Serverless-Service- und dedizierten Preisoptionen für verschiedene Workloadmuster:

  • Dedicated: Feste Preisgestaltung, gemessen in Sucheinheiten (SUs). Sie wählen eine Dienstebene aus, und Sie werden stündlich abgerechnet, basierend auf bereitgestellten Einheiten.

  • Serverless: Verbrauchsbasierte Preise gemessen durch Compute Units pro Stunde (CU/hr) und pro GB/Monat für indizierten Speicher.

Important

Die Abrechnung für die Serverless-Stufe begann am 13. September 2026. Gebühren für die Nutzung am oder nach diesem Datum werden auf Ihrer Azure Rechnung angezeigt. Sie werden nicht vor dem 13. September 2026 für die Nutzung belastet.

Die Serverless-Stufe unterstützt keine Migration zu oder von anderen Preisstufen.

Weitere Informationen zu Preismodell- und Dienstebenenunterschieden finden Sie unter Auswählen eines Preismodells und einer Serviceebene.

Wie die Kosten im Serverless-Modell bestimmt werden

Die Modelle "Dedicated" und "Serverless" berücksichtigen die Arbeit innerhalb des Foundry IQ-Diensts unterschiedlich. Dedizierte Dienste führen Abfragen, Indizierung und Ergebnisverarbeitung auf der bereitgestellten Kapazität aus, die Sie bereits erworben haben. Serverless-Dienste messen den Rechen-, Arbeitsspeicher- und Datenträger-E/A-Aufwand, den diese Vorgänge verbrauchen, und rechnen diese Nutzung in Compute Units (CUs) um. Daher wirkt sich die Leistungsoptimierung direkt auf serverlose Kosten aus.

Serverlose Kosten sind an die Workloadausführung gebunden:

  • Abfragen und Indizierung verbrauchen Rechenleistung, gemessen in Compute Units pro Stunde (CU/h).
  • Aktive Indizes verbrauchen Rechenressourcen abhängig von ihrer Ressourcennutzung und davon, wie lange sie aktiv bleiben.
  • Ein Index bleibt 10 Minuten nach der letzten Abfrage oder Indizierungsanforderung aktiv, bevor er inaktiv wird.
  • Inaktive Indizes haben keine minimale oder reservierte Berechnungsgebühr. Die Berechnungsauslastung für inaktive Indizes wird auf Null skaliert. Es gibt keine minimale Berechnungsgebühr, wenn ein Index inaktiv ist.
  • Der Speicher wird separat auf Grundlage der Indexgröße auf dem Datenträger abgerechnet, und die Abrechnung läuft weiter, unabhängig davon, ob ein Index verwendet wird oder nicht.
  • Agentic-Abruf verbraucht Compute für Suchabfragen und Orchestrierung, die im Foundry IQ-Dienst ausgeführt werden.

Speichergebühren werden nur beendet, wenn Sie den Index löschen.

Wenn Sie die Kostenaufschlüsselung und die Nutzungssätze für Ihren aktuellen Abrechnungszyklus anzeigen möchten, zeigen Sie die Registerkarte "Skalierung + Kosten" in Ihrem Azure-Portal an.

Screenshot der Registerkarte

Wie sich die Indexgröße auf die Rechennutzung auswirkt

Während ein Index aktiv ist, wertet Foundry IQ zwei endliche Ressourcen aus, um die Berechnungsnutzung zu bestimmen:

  • Gesamtindexgröße: Der gesamte Speicherplatz, den der Index auf dem Datenträger belegt, einschließlich Text, Metadaten und Vektoren.
  • Vektorindexgröße: Der vom Vektorindex verwendete Speicher. Der Speicher ist ressourcenintensiver als der Datenträger, sodass die Größe des Vektorindex bei der Konvertierung in CUs eine höhere Gewichtung aufweist.

Foundry IQ addt die beiden resultierenden CU-Beträge nicht zusammen. Die Berechnungsauslastung basiert auf dem höheren Betrag. Beispielsweise kann die Vektorindexgröße die Berechnungsauslastung bestimmen, auch wenn die Gesamtindexgröße auf dem Datenträger relativ klein ist.

Um die Auslastung der Aktiven Indexberechnung zu reduzieren, identifizieren Sie, welche Ressource den höheren CU-Wert erzeugt. Reduzieren Sie dann die Gesamtindexgröße, die Vektorindexgröße oder beides. Der indizierte Speicher bleibt eine separate Gebühr pro GB/Monat.

Das Serverless-Preismodell ist für Workloads mit variablem, intermittierenden oder unvorhersehbaren Datenverkehr am kostengünstigsten, wobei die bereitgestellte Kapazität unterlastet wäre.

Important

Serverlose CU-Gebühren decken die im Foundry IQ-Dienst durchgeführten Arbeiten ab, einschließlich Abfragen, Indizierung, Ergebnisverarbeitung und agentischer Abruf-Orchestrierung. Modellanrufe und andere Arbeiten, die außerhalb des Foundry IQ-Diensts ausgeführt werden, verwenden weiterhin ihre vorhandenen Abrechnungszähler. Beispiele hierfür sind semantische Rangfolge, agentische Abfrageumschreibung, Bildextraktion und Fähigkeitsausführung.

Grundlegendes zu Computeeinheiten (CUs)

Eine Compute Unit (CU) stellt die gemessenen Systemressourcen dar, die zum Ausführen von Such- und Indizierungsvorgängen im Serverless-Modell erforderlich sind. Die CU-Kosten werden in erster Linie durch die Auslastung von CPU, Arbeitsspeicher und E/A sowie in zweiter Linie durch die Indexgröße und die Größe der Dokumentnutzlast bestimmt, wobei die Nutzung pro Compute Unit und Stunde (CU/h) abgerechnet wird.

Berechnen von Kostenskalen mit:

  • Abfragekomplexität
  • Indexgröße (GB) und Struktur
  • Dokumentnutzlastgröße (KB)
  • Anzahl der Felder und abgerufenen Ergebnisse

Verschiedene Vorgänge weisen unterschiedliche Kostenprofile auf:

  • Nachschlagevorgang: Niedrige Kosten. Das Abrufen eines einzelnen Dokuments anhand seiner ID ist der effizienteste Vorgang.
  • Stichwortsuche: Niedrige Kosten. Bei der Textsuche werden invertierte Indizes verwendet, die für geschwindigkeits- und niedrige Berechnungsauslastung optimiert sind.
  • Vektorsuche: Hohe Kosten. Vektorabfragen sind rechenintensiv, da sie Ähnlichkeitsberechnungen für hochdimensionale Einbettungen erfordern. Im Vergleich zur Schlüsselwortsuche verbrauchen sie deutlich mehr Compute.
  • Hybridsuche: Kombiniert die Kosten für die Schlüsselwort- und Vektorsuche, da beide Pipelines für jede Abfrage ausgeführt werden, sowie einen kleinen zusätzlichen Aufwand für die Reziprozienbewertungsfusion (RRF) zum Zusammenführen von Ergebnissen.

Rechenauslastung überwachen

Wenn eine unterstützte synchrone Anforderung den x-ms-azs-compute-units-consumed Antwortheader zurückgibt, stellt der Wert die Verwendung der Anforderung in Computeeinheitenstunden (CU-Stunden) dar. Verwenden Sie diese Werte, um Vorgänge zu vergleichen und Abfragemuster zu optimieren.

Eine asynchrone Indizierungsantwort "Ausführen" bestätigt die Akzeptanz und nicht den Abschluss. Sein Antwortheader meldet nicht den CU-Verbrauch der vollständigen Hintergrundausführung. Informationen zur Indexerüberwachung finden Sie unter Indexer compute observability. Allgemeine Überwachungsoptionen finden Sie unter Monitor Foundry IQ.

  • Kopfzeile: x-ms-azs-compute-units-consumed: <value>
  • Wert: Die CU-Stunden, die die Anforderung verbraucht hat, werden mit neun Dezimalstellen angezeigt.

Beispiel:

Status: 200 OK
Content-Type: application/json
x-ms-azs-compute-units-consumed: 0.000066667

In diesem Beispiel verbrauchte die Anforderung 0.000066667 CU-Stunden. Sie können diesen Wert verwenden, um Vorgänge mit hohen Kosten zu identifizieren und die relativen Kosten verschiedener Abfragemuster zu vergleichen.

Verwenden Sie die Azure Monitor Metriken im Azure-Portal, um den verlaufsfreien Berechnungsverbrauch für einen serverlosen Foundry IQ-Dienst zu überprüfen:

  1. Navigieren Sie zu Ihrem Foundry IQ-Dienst.
  2. Klicken Sie auf Metriken.
  3. Wählen Sie + Metrik hinzufügen.
  4. Wählen Sie in der Metrikliste Auslastung der Compute-Einheiten aus.
  5. Verwenden Sie das Diagramm, um Nutzungstrends zu analysieren und Zeiträume mit erhöhter Berechnungsauslastung zu identifizieren.

Die Überwachung der aggregierten Nutzung hilft Ihnen, die Allgemeinen Dienstkosten zu verstehen und Workloads zu identifizieren, die die meisten Computeressourcen verbrauchen. Beschreibungen der verfügbaren Überwachungsmetriken finden Sie unter Monitoring Data Reference. Sie können Azure Monitor Protokolle verwenden, um die aggregierte CU-Nutzung im Laufe der Zeit nachzuverfolgen und mit Abfragevolumen- und Workloadänderungen zu korrelieren.

Screenshot des Metriküberwachungsdashboards für serverlose Computeeinheiten im Azure-Portal.

Konfigurieren Sie Warnungen für die Rechennutzung

Sie können eine Warnungsregel erstellen, die benachrichtigt werden soll, wenn der Berechnungsverbrauch einen angegebenen Schwellenwert im Azure-Portal erreicht.

  1. Wechseln Sie zu Warnungen in Ihrem Foundry IQ-Dienst.
  2. Wählen Sie + Warnungsregel erstellen aus.
  3. Wählen Sie unter Bedingung die Nutzung der Recheneinheiten als Signal aus.
  4. Definieren Sie die Warnungslogik. Wird beispielsweise ausgelöst, wenn die Gesamtnutzung größer als ein angegebener Wert ist.
  5. Konfigurieren von Aktionen, z. B. E-Mail-, SMS- oder Webhook-Benachrichtigungen.
  6. Führen Sie die verbleibenden Schritte aus, und wählen Sie "Überprüfen+ Erstellen" aus.

Warnungen helfen Ihnen dabei, proaktiv auf unerwartete Nutzungsspitzen zu reagieren und Kosten zu verwalten.

Screenshot des Erstellens einer Warnungsregel im Azure-Portal.

Schätzung der serverlosen Kosten

Der Azure-Preisrechner und die auf Search Units (SU) basierende Anleitung zur Kapazitätsplanung gelten nicht für Dienste, die das serverlose Preismodell verwenden.

So schätzen Sie serverlose Kosten:

  1. Indizieren Sie repräsentative Musterdaten.
  2. Führen Sie typische Indizierungs- und Abfrageworkloads aus.
  3. Notieren Sie den x-ms-azs-compute-units-consumed für jeden Vorgang zurückgegebenen Wert.
  4. Verwenden Sie Azure Monitor Metriken, um die aggregierte Nutzung im Laufe der Zeit zu messen.
  5. Extrapolieren Sie die Kosten basierend auf dem erwarteten Produktionsverkehr.

Verwenden Sie die Registerkarte "Skalieren + Kosten" im Azure-Portal, um Ihre aktuellen Nutzungs- und Kostenschätzungen anzuzeigen.

Da dieselbe Anforderung mit denselben Daten im Allgemeinen einen ähnlichen Berechnungsverbrauch erzeugt, können repräsentative Workloads eine zuverlässige Grundlage für die Kostenschätzung bieten.

Die serverlose Nutzung wird kontinuierlich gemessen und für die Abrechnung aggregiert. Der Berechnungsverbrauch wird in jeder Minute nachverfolgt und nur ausgegeben, wenn Rechenressourcen verwendet werden.

Verwenden Sie bei der Kostenschätzung die Werte der Anforderungsgebühr, um die Kosten einzelner Vorgänge zu verstehen, und Azure Monitor-Metriken, um allgemeine Verbrauchsmuster des Diensts zu verstehen.

Verwenden Sie beide Datenquellen zusammen, um Kosten zu verstehen: Daten pro Anforderung helfen Ihnen bei der Auswertung einzelner Vorgänge, während Azure Monitor Metriken Ihnen helfen, den aggregierten Dienstverbrauch im Laufe der Zeit zu verstehen. Berücksichtigen Sie für ein vollständiges Kostenbild auch Features, die separat von Compute Units in Rechnung gestellt werden.

Die Abrechnung basiert auf der aggregierten Computenutzung und nicht auf einzelnen Anforderungen. Die Verwendung wird in Intervallen von einer Minute gemessen. Diese Intervalle summieren sich im Laufe einer Stunde, um den abrechenbaren CU/h-Wert zu bestimmen. Intern werden Nutzungswerte von Milli-Compute-Einheiten (mCU) zu Compute-Einheiten (CU) aggregiert und in die stündliche, für die Abrechnung ausgewiesene Nutzung umgerechnet.

Unterschiedliche Vorgänge verbrauchen unterschiedliche Berechnungsmengen. Im Allgemeinen:

  • Schlüsselwortsuchen verwenden in der Regel die am wenigsten berechneten Ressourcen.
  • Vektorsuchen verwenden in der Regel mehr Computeressourcen als Stichwortsuchen.
  • Hybridsuchen kombinieren Die Ausführung von Schlüsselworten und Vektorsuchvorgängen, sodass sie in der Regel mehr Computeressourcen als beide Techniken allein verwenden.

Die tatsächliche Berechnungsauslastung hängt von Faktoren wie Abfragekomplexität, Indexgröße, Datenvolumen, Vektorkonfiguration und der Anzahl der zurückgegebenen Ergebnisse ab. Die Überwachung von Anforderungsgebühren und aggregierten Nutzungsmetriken kann Ihnen helfen, Optimierungsmöglichkeiten zu identifizieren und Produktionskosten besser vorherzusagen.

Reduzieren der Berechnungskosten durch Optimierung

Effiziente Abfragen und Indexdesign reduzieren den Berechnungsverbrauch und senken die Kosten.

Optimieren Ihres Schemas

Ihr Indexschema bestimmt die geplanten Berechnungs- und Speicherkosten:

  • Limit field attributes: Only enable attributes (searchable, filterable, facetable, sortable) when required. Jedes Attribut erhöht die Indexgröße und die Indizierungskosten.
  • Komplexe Typen abflachen: Ordnen Sie geschachtelte JSON-Strukturen einfachen Feldern oder Sammlungen zu, sofern möglich.
  • Set retrievable=false for filter-only or sort-only fields: If a field is used for filtering or sorting but doesn't need to be returned in results, keep it indexed and set retrievable=false to reduce on-disk storage and per-GB/month storage cost.
  • Verwenden Sie nur abrufbare Felder, wenn möglich: Beispielsweise sollten Felder, die nur für die Anzeige (z. B. Bild-URLs) verwendet werden, nicht durchsuchbar sein.
  • Reduzieren Sie die Vektordimensionen: Höherdimensionale Vektoren erhöhen die Speicher- und Abfragekosten. Verwenden Sie bei Bedarf kleinere Einbettungsmodelle oder Quantisierungen.
  • Minimieren Sie die Dokumentgröße vor der Indizierung: Größere Dokumente kosten mehr zum Indizieren. Entfernen Sie unnötige Felder, kürzen Sie langen Text, und entfernen Sie HTML,bevor Sie Dokumente an den Index senden.

Optimieren von Indizierungsanforderungen

Wie Sie Daten an den Index senden, wirkt sich sowohl auf Kosten als auch auf den Durchsatz aus:

  • Verwenden Sie nach Möglichkeit größere Batches: Die Batchindizierung reduziert den Aufwand pro Anforderung, indem Netzwerk- und Verarbeitungskosten auf mehr Dokumente verteilt werden. Im Allgemeinen sind Batches von bis zu ca. 1.000 Dokumenten oder ~16 MB cueffizienter als viele kleine Anforderungen. Die optimale Batchgröße hängt jedoch von Ihrer Workload ab. Testen Sie, um Durchsatz, Latenz und Zuverlässigkeit auszubalancieren.

  • Index nur neue oder geänderte Daten: Vermeiden Sie die vollständige Neuindizierung, wenn möglich. Durch das Senden von Ergänzungen und Updates wird die Anzahl der verarbeiteten Dokumente reduziert, die Berechnungskosten gesenkt und die Aufnahmegeschwindigkeit verbessert.

  • Überspringen Sie die Bildextraktion, sofern Sie sie nicht benötigen: Die Bildextraktion fügt zusätzlichen Verarbeitungsaufwand hinzu und kann zu einem separaten Kostentreiber werden. Aktivieren Sie sie nur für Dokumente oder Workflows, die tatsächlich Bildinhalte benötigen.

  • Berücksichtigen Sie das Wachstum der Indexgröße: Erstellen Sie nach Möglichkeit kleinere Indizes. Da ein Index wächst, steigen die Indizierungskosten, da mehr Daten gespeichert und verwaltet werden müssen, und Vorgänge erfordern mehr Berechnung. Bei sehr großen Datasets sollten Sie die Partitionierung von Daten über mehrere Indizes hinweg in Betracht ziehen, um die Leistung und Kosten zu verwalten. Obwohl die Kosten mit der Indexgröße steigen, ist die Erhöhung teillinear. Größere Indizes kosten mehr pro Vorgang, aber nicht proportional mehr.

Weitere Anleitungen finden Sie unter Tipps für eine bessere Leistung in Foundry IQ.

Optimieren von Indexervorgängen

Für berechtigte kostenpflichtige Serverless-Dienste fällt bei der Indexerausführung eine Compute Unit-Nutzung an. Diese Ausführungsgebühr gilt nicht für dedizierte Dienste, einschließlich S3 HD oder für kostenlose Dienste. Die anwendbaren Kapazitäts-, Speicher- und externen Servicegebühren bleiben getrennt.

Die Indexerausführung weist drei Arbeitsauslastungsprofile auf:

Workloadprofil Hauptnutzungstreiber
Leerer oder Änderungserkennungslauf Selbst wenn keine neuen Dokumente indiziert werden, wird ein kleines Mindestmaß an Rechenleistung benötigt. Wiederholte Leerläufe sind nicht unbedingt kostenfrei.
Zeilenorientierte Quelle Die Nutzung skaliert hauptsächlich mit der Anzahl der verarbeiteten Datensätze, z. B. Zeilen aus Azure SQL-Datenbank oder Dokumenten aus Azure Cosmos DB.
Dokumentorientierte Quelle Die Nutzung hängt von den gelesenen Bytes der Quelldatei und den Ausführungen der Anreicherungsfunktion „Count“ ab. Beispiele sind Azure Blob Storage und Azure Data Lake Storage Gen2.

Hierbei handelt es sich um Treiber für die aggregierte Computeeinheitsnutzung, keine separaten öffentlichen Meter für Ausführungen, Datensätze, Bytes und Fähigkeiten. Verwenden Sie die Supportanforderungen jedes Connectors, wenn Sie eine Quelle auswählen.

Hilfsfertigkeiten zum Zusammenführen, Teilen, Formen, für Bedingungen und zur Dokumentextraktion zählen nicht zur skillbasierten Komponente der Computenutzung des Indexers. Dieser Ausschluss macht die gesamte Pipeline nicht kostenlos. Für Quellverarbeitung, Indexvorgänge, Bildextraktion und externe Modell- oder Dienstaufrufe können weiterhin entsprechende Gebühren anfallen. Siehe Indexerausführungsgebühren.

So reduzieren Sie die Rechenauslastung des Indexers:

  • Verwenden Sie die Änderungserkennung und inkrementelle Indizierung: Verarbeiten Sie nur neue oder geänderte Daten, anstatt die vollständige Datenquelle wiederholt indizieren zu müssen.

  • Vermeiden Sie unnötige Zurücksetzungen: Eine Zurücksetzung kann die Extraktion und Anreicherung über unveränderten Inhalt wiederholen.

  • Indexerzeitpläne richtig dimensionieren: Wählen Sie einen Zeitplan aus, der Ihren Anforderungen an die Datenaktualität entspricht. Verwenden Sie Compute Unit-Telemetrie, um die Auswirkungen der Zeitplanhäufigkeit auszuwerten.

  • Reduzieren Sie unnötige Dokumentinhalte: Entfernen Sie Inhalte, die nicht indiziert werden müssen, und schließen Sie Dateien oder Dateitypen aus, die nicht erforderlich sind.

  • Skills zur Anreicherung sorgfältig einsetzen: Führen Sie Skills nur für Felder und Dokumente aus, die eine Anreicherung erfordern, und vermeiden Sie das Generieren von Ausgaben, die nachgelagert nicht verwendet werden. Rechnungsfähige Fähigkeiten können separate Transaktionsgebühren verursachen.

  • Fehlgeschlagene und wiederholte Ausführungen überwachen: Ein Indexer kann Rechenressourcen für abgeschlossene Arbeit verbrauchen, bevor ein Fehler auftritt. Überprüfen Sie den Ausführungsverlauf und die Verwendung der Computeeinheit, um wiederkehrende Fehler und Wiederholungsmuster zu identifizieren.

Gestaffelte Zeitpläne können die überlappende Nachfrage reduzieren und den Verbrauch der Laufzeit verteilen, aber sie reduziert nicht selbst die Gesamtarbeit oder erhöht das kumulative Laufzeitkontingent.

Indexer compute observability

Verwenden Sie die Metrik Compute units usage (AggregateComputeUnits), um den aggregierten Dienstverbrauch zu beobachten. Korrelieren Sie Änderungen über den gleichen Zeitraum mit dem Verlauf der Indexerausführung, Zeitplänen, verarbeiteten Elementen, dem Quelldateivolumen und den Änderungen des Skillset. Andere Dienstvorgänge tragen auch zur aggregierten Nutzung bei, sodass eine Erhöhung während einer Ausführung keine genaue Zuweisung des Verbrauchs pro Indexer ist.

Halten Sie die Überwachungsmengen getrennt:

Surface Was es Ihnen sagt
Indexerstatus- und Dienststatistiken Ausführungsergebnisse und Laufzeitkontingent-Sekunden im gemeldeten 24-Stunden-UTC-Fenster. Diese Sekunden sind keine Compute Units.
Nutzungsmetrik für Compute Units Aggregierte Diagnoseverwendung, ausgedrückt in Milli-Compute Units (mCUs). Siehe die Referenz zu Überwachungsdaten.
Kostenverwaltung und Abrechnungsdatensätze Angefallene abgerechnete Nutzung und Kosten für den ausgewählten Abrechnungszeitraum. Verwenden Sie kostenüberwachung und aktuelle Suchpreise, anstatt ein Metrikdiagramm als Rechnung zu behandeln.

Um die Kosten zu schätzen, führen Sie einen repräsentativen Workload aus, notieren Sie das Quellvolumen, die Anreicherung, die Zeitplanhäufigkeit und die beobachtete aggregierte Nutzung, und vergleichen Sie sie mit einem Basiswert, der andere Aktivitäten berücksichtigt. Wenden Sie die aktuellen Preise auf die anwendbaren Nutzungsmengen an. Leiten Sie abgerechnete Compute Units nicht aus der tatsächlichen Laufzeit ab und nehmen Sie keine exakte Umrechnung einer Diagnosemetrik in Rechnungswerte an.

Optimieren Ihrer Abfragen

Abfrageentwurf ist ein primärer Treiber für variable Kosten:

  • Wird $select verwendet, um zurückgegebene Felder einzuschränken: Dadurch wird die Nutzlastgröße reduziert und der für die Serialisierung erforderliche Rechenaufwand verringert.

    GET /docs?search=test&$select=id,title,url
    
  • Verwenden Sie searchFields, um einzuschränken, wo Text durchsucht wird: Beschränken Sie den Abgleich zur Abfragezeit auf die Felder, die für das Szenario wichtig sind. Jedes zusätzliche durchsuchbare Feld erhöht die Abfragearbeit und kann CU/h erhöhen.

  • Bevorzugen Sie genaue Übereinstimmungs- oder einfache Stichwortabfragen: Fuzzy-, Wildcard-, Regex- und Präfix-Abfragen können allgemeine Indexüberprüfungen erzwingen und deutlich mehr CU/h verbrauchen. Verwenden Sie sie nur, wenn Sie partielles Abgleichsverhalten benötigen, und wählen Sie nach Möglichkeit genaue Übereinstimmungs- oder einfachere Stichwortabfragen aus.

  • Verwenden Sie Nachschlagevorgänge anstelle von Suchvorgängen, wenn möglich: Das Abrufen eines Dokuments nach ID ist effizienter als das Ausführen einer Suchabfrage. Wenn Sie die Dokument-ID kennen, verwenden Sie eine Nachschlagefunktion anstelle einer Suchabfrage. Nachschlagevorgänge sind effizienter, da sie ein Dokument direkt nach Schlüssel abrufen, während Suchabfragen die vollständige Abfragepipeline aufrufen (Analyse, Indexdurchlauf, Bewertung und Rangfolge), wodurch die Berechnungskosten erhöht werden.

  • Vermeiden Sie deep paging ($skip): Große $skip Werte erhöhen den Rechenaufwand, da das Modul die Ergebnisse verarbeiten, bewerten und einstufen muss, die der angeforderten Seite vorangehen. Zum Beispiel erfordert $skip=5000, dass die Engine mindestens 5.000 Ergebnisse verarbeitet, die nicht zurückgegeben werden. Diese Wahl verbraucht zusätzliche Recheneinheiten (CUs) und kann die Kosten erhöhen. Verwenden Sie stattdessen Filter, um das Ergebnis set einzuschränken und $top die Anzahl der zurückgegebenen Ergebnisse einzuschränken. Passende Größe $top für Ihre Anwendung oder Benutzeroberfläche. Obwohl $top nichts daran ändert, wie viele übereinstimmende Dokumente bewertet werden, verringert ein kleinerer Wert die Anzahl der Ergebnisse, die erfasst, sortiert und serialisiert werden müssen. Fordern Sie nur so viele Ergebnisse an, wie Ihre Anwendung benötigt, und vermeiden Sie Paginierungsmuster, die die Engine dazu zwingen, große Mengen nicht verwendeter Ergebnisse zu verarbeiten.

  • Minimieren Sie die Facetanzahl und den Facetbereich: Fordern Sie nur die Facets an, die in der Benutzeroberfläche angezeigt werden, und behalten Sie jeden Facetwert count so niedrig wie praktisch. Facets erfordern Aggregationen pro Abfrage, und hohe Anzahlen erhöhen den Rechenaufwand.

  • search.in zum Filtern verwenden: Wenn Sie nach einer Liste von IDs oder Werten filtern, verwenden Sie die search.in-Funktion anstelle mehrerer or-Bedingungen (z. B. id eq '1' or id eq '2'). Dieser Ansatz ist effizienter und reduziert den Rechenaufwand. Außerdem sollten Sie es vermeiden, Felder mit hoher Kardinalität (d. h. Felder mit einer großen Anzahl eindeutiger Werte, wie z. B. eindeutigen IDs oder Freitextbeschreibungen) als filterbar oder facettierbar zu markieren, sofern es nicht erforderlich ist. da dies die Indexgröße und die Abfragekosten erhöht.

Optimieren Sie Ihre administrativen Anfragen

Neben Abfrage- und Indizierungsvorgängen umfasst Foundry IQ Verwaltungsvorgänge auf Objektebene und Verwaltungsvorgänge auf Dienstebene (z. B. Abrufen von Indexschemas oder Dienststatistiken). Diese Anfragen haben pauschale Kosten pro Anfrage. Während jede Anforderung kostengünstig ist, können sich wiederholte oder unnötige Aufrufe im Laufe der Zeit ansammeln und die allgemeine Berechnungsauslastung erhöhen.

  • Vermeiden Sie übermäßige administrative Anfragen: Speichern Sie Metadaten, z. B. Indexschemas, auf der Clientseite zwischen, anstatt sie wiederholt abzurufen. Beispielsweise führt das Abrufen des Indexschemas vor jedem Schreibvorgang zu unnötigen Kosten. Im Serverless-Modell erhöht dieses Muster die Berechnungsgebühren direkt, während die Auswirkungen in dedizierten Diensten häufig durch feste stundenweise Abrechnung ausgeblendet werden.

Vektorkosten optimieren

Vektor-Workloads stellen für das serverlose Preismodell bei der Suche in der Regel die kostenintensivste Komponente dar, da sie sich sowohl auf die Compute-Einheiten (Abfragen und Indizierung) als auch auf den Speicher (Vektorgröße auf dem Datenträger) auswirken. Um die Kosten zu reduzieren, optimieren Sie sowohl, wie Vektoren gespeichert werden, als auch wie sie abgefragt werden.

Optimieren von Vektorspeicher und -schema

Vektorfelder können die Indexgröße und die Indizierungskosten erheblich erhöhen. Verwenden Sie die folgenden Techniken, um den Speicheraufwand zu reduzieren:

  • Verwenden Sie die Komprimierung, um die Vektorgröße zu reduzieren: Wenden Sie die Quantisierung an, um den Speicherbedarf mit minimalen Auswirkungen auf die Relevanz zu reduzieren. Die skalare Quantisierung kann z. B. die Vektorspeicherung um bis zu 4× mit minimalen Auswirkungen auf die Suchqualität reduzieren.

  • Deaktivieren Sie die Speicherung für Vektoren, wenn sie nicht benötigt werden: Legen Sie für Vektorfelder „stored=false“ fest, wenn Sie Vektoren nur für die Suche, nicht zum Abrufen, benötigen. Dadurch wird verhindert, dass die ursprünglichen Vektoren im Index gespeichert werden, wodurch die Speicherkosten reduziert werden, ohne das Abfrageverhalten zu beeinträchtigen.

  • Verwenden Sie nach Möglichkeit kleinere Embedding-Dimensionen: Höherdimensionale Vektoren erhöhen sowohl Speicher- als auch Abfragekosten. Verwenden Sie für nicht kritische Workloads kleinere Einbettungsmodelle (z. B. 384 oder 768 Dimensionen anstelle von 1536), um Kosten zu reduzieren.

Optimieren der Vektorabfrageausführung

Vektorabfragen sind rechenintensiv, da sie Ähnlichkeitsberechnungen über hochdimensionale Datenstrukturen erfordern.

  • Selektive Verwendung der Hybridsuche: Hybridabfragen kombinieren schlüsselwort- und vektorbasierte Suche. Wird nur verwendet, wenn dies für die Relevanz erforderlich ist.

  • Verringern Sie maxTextRecallSize bei Hybridabfragen: Die hybridSearch.maxTextRecallSize Einstellung legt fest, wie viele nach BM25 eingestufte Ergebnisse in die Reciprocal Rank Fusion einfließen. Der Standardwert ist 1.000 (Bereich 1 bis 10.000). Der Rechenressourcenverbrauch skaliert annähernd linear mit diesem Wert, daher ist die Senkung dieses Werts für Hybrid-Workloads einer der direktesten Hebel zur Kostensenkung.

  • Werte um 500 reduzieren den Rechenaufwand oft deutlich bei nur geringem Relevanzverlust.

  • Ein niedrigerer Wert kann dazu führen, dass Keyword-Treffer verloren gehen, die von der Vektorsuche verpasst werden, etwa exakte Begriffe, IDs und Akronyme.

  • Steuern Sie Vektorkandidaten separat mit k für jede Vektorabfrage.

  • Testen Sie repräsentative Abfragen, und vergleichen Sie die Relevanz, Latenz und den x-ms-azs-compute-units-consumed Header, bevor Sie einen Wert festlegen.

  • Anwenden von Filtern vor Vektorabfragen: Schränken Sie den Kandidatensatz vor der Vektorsuche ein, um die Menge der verarbeiteten Daten zu reduzieren. Informationen zur Funktionsweise der Filterung in Vektorabfragen.

Kosten reduzieren, indem Sie die Nutzung minimieren

Das Serverless-Modell berechnet nur für verbrauchte Ressourcen. Wenn keine Anforderungen vorhanden sind, fällt die Berechnungsauslastung entsprechend ab.

So minimieren Sie die Nutzungskosten:

  • Führen Sie Abfragen nur bei Bedarf aus.
  • Vermeiden Sie redundante oder übermäßig häufige Anforderungen.
  • Überwachen Sie die Nutzung und optimieren Sie Workloads basierend auf Bedarf.

Tip

Dieselbe Abfrage kann unterschiedliche Latenz- und CU-Profile aufweisen, je nachdem, ob der Dienst warm oder kalt ist. Nach einem Zeitraum ohne Lese- oder Schreibdatenverkehr wird die Berechnungsauslastung im Serverless-Preismodell auf Null eingestellt. Die nächste Anforderung hat möglicherweise eine höhere Latenz und verbraucht mehr CUs, während Datenpfade warm werden. Größere Indizes benötigen in der Regel länger, um sich aufzuwärmen, als kleinere Indizes, sodass Kaltstarteffekte bei größeren Services oft deutlicher wahrnehmbar sind.

Optimieren der Speicherkosten

Der Speicher wird pro GB/Monat basierend auf der Datenträgerindexgröße in Rechnung gestellt, wodurch die Rohdatengröße überschritten werden kann. So reduzieren Sie die Speicherkosten:

  • Entfernen Sie nicht verwendete Indizes.
  • Minimieren Sie gespeicherte Felder.
  • Entwerfen Sie Schemas mit Berücksichtigung des Speicheraufwands.
  • Verwenden Sie Suggester selektiv, da sie die Speichergröße erheblich erhöhen können.

Vektorspezifische Techniken (Komprimierung, Pruning und Speichereinstellungen) finden Sie unter Optimieren für Vektorspeicher und -verarbeitung.

Weitere Anleitungen zu Speicher- und Abfrageleistungskonflikten finden Sie in Den Tipps für eine bessere Leistung in Foundry IQ.