可以從上表上對應於本地資料庫的效能採集的指標，可以估算出應該使用什麼樣級別的azure sql。 當然服務層選擇後仍然可以進行更改。
對於自己應用應該用多大規模的dtu，可以進行詳細的評估，可以使用下面工具
azure sql database dtu calculator
關於如何評估，且聽下回分解。
所以，dtu這個鬼來說就理解為azure資料庫的效能評估單位 。
那麼問題又來了什麼是edtu,dtu雖然不太好理解，但是從構架來說，不外乎就是為應用提供資料庫服務，也即是我們常用的模型，使用起來也簡單。我們稱之為單一資料庫。要理解edtu我們先要講講什麼是azure 彈性資料庫。
但是在雲的時代就有乙個典型的問題存在：所有應用幾乎都會有峰值和低谷。而單一資料庫一旦分配，資源就已經提供，沒有高峰和低谷的區別。那麼如何解決這樣的問題呢？
通常有兩個選項：
(1) 基於高峰使用情況過度設定資源，因此需要支付額外的費用;
(2) 為了節省成本而採用低配，但在高峰期間會出現效能下降而導致客戶滿意度降低。
彈性資料庫就是為了解決這樣的問題而誕生。彈性池通過確保資料庫在需要時獲得所需的效能資源來解決此問題。它們在可**的預算內提供簡單的資源分配機制。
其實這樣理解，我們可以建立乙個彈性的資料庫池，而多個資料庫使用這個池，充分利用池的資源。池很適合具有特定使用模式的大量資料庫。對於給定的資料庫，此模式的特徵是低平均使用量與相對不頻繁的使用高峰。可以加入池的資料庫越多，就可以節省更多的成本。具體取決於應用程式使用模式，你可能會看到與使用兩個 s3 資料庫相同的成本節約。
下圖顯示了乙個資料庫示例，該資料庫有大量的閒置時間，但也會定期出現活動高峰。這是適合池的使用模式：
在所示的五分鐘時間段內，db1 高峰最高達到 90 個 dtu，但其整體平均使用量低於五個 dtu。在單一資料庫中，執行此工作負荷需要 s3 效能級別，但在低活動期間，大多數資源都處在未使用的狀態。
池可讓這些未使用的 dtu 跨多個資料庫共享，因此減少了所需的 dtu 數和總體成本。
以上乙個示例為基礎，假設有其他資料庫具有與 db1 類似的使用模式。在接下來的兩個圖形中，4 個資料庫和 20 個資料庫的使用量分層放在相同的圖形上，以說明隨時間推移，它們的使用率非重疊的性質：
在上圖中，黑線表示跨所有 20 個資料庫的聚合 dtu 使用量。其中表明聚合 dtu 使用量永遠不會超過 100 個dtu，並指出 20 個資料庫可以在此時間段內共享 100 個 edtu。相比於將每個資料庫放在單一資料庫的 s3 效能級別，這會導致 dtu 減少 20 倍，**降低 13倍。
由於以下原因，此示例很理想：
池的**取決於池的 edtu。儘管池的 edtu 單位**比單一資料庫的 dtu 單位**多 1.5 倍，但池edtu 可由多個資料庫共享，因而所需的 edtu 總數更少。定價方面和 edtu 共享的這些差異是池可以提供成本節省可能性的基礎。
所以edtu乙個池化dtu的概念，單一資料庫效能可以動態的進行調節，而池中的資料庫也可以進行新增刪除。
立即訪問
NameNode中的Fsimage和Edits解析
在在 opt module hadoop 2.7.2 data tmp dfs name current 目錄下 1.fsimage檔案 hdfs檔案系統元資料的乙個永久性的檢查點，其中包含hdfs檔案系統的所有目錄和檔案idnode的序列化資訊 2.fsimage.md5檔案 是映象檔案的 md5...
關於EA和ED的區別
在申請美國大學本科的過程中，申請的截止時間往往分為兩輪 提前申請 early decision action 和常規申請 regular decision 提前申請，顧名思義，截止時間會相對早一些。我們通常說的提前申請分為兩種，early decision和early action，兩者的申請截止時...
DTU的工作原理和流程
dtu是無線資料傳輸模組,採用2g，3g，4g網路,將本地串列埠資料經dtu打包成tcp或者udp資料進行遠端傳輸的裝置。使用方便.已經在各行業遠端資料傳輸,裝置監控等領域大量應用。如智慧型儀器儀表 智慧型感測器 資料終端 rtu 觸控螢幕 工控機等裝置。塔石dtu工作原理軟體內部結構圖如下 dtu...