3.1監視とエラーハンドリング

データ処理は失敗しうるため、実行を監視し、失敗時に適切に対処する必要があります。Fabric は監視ハブや容量メトリックで状況を可視化します。

3.1.1監視とエラー対応

• 監視ハブ：パイプライン/データフロー/ノートブック/Spark の実行履歴・状態・所要時間を一元的に確認する。
• エラーハンドリング：パイプラインの再試行（retry）ポリシーや、成功/失敗で分岐するアクティビティで対処する。
• 容量メトリックアプリ：キャパシティの消費（CU）やスロットリングを可視化し、過負荷を検知する。
• アラート（Data Activator）：データの条件に基づき通知やアクションを自動起動する。

監視ハブ はテナント横断でパイプライン/データフロー/ノートブック/Spark/セマンティックモデル更新の 実行履歴・状態・所要時間 を一覧し、個々の実行をドリルダウンできます。エラー対応はパイプラインの 再試行（retry）ポリシー（回数・間隔）と、各アクティビティの 成功/失敗/完了/スキップ 依存で分岐し、失敗時は 失敗パス で通知やクリーンアップを行います。一時的障害はリトライ、恒久的障害はログ確認＋修正が基本。容量メトリックアプリ は 容量ユニット（CU） の消費を時系列で示し、スムージング（短時間のバーストを平準化）と スロットリング（超過時の遅延/拒否）の関係を可視化、過剰消費の発生源（どのアイテム/操作か）を特定します。Data Activator はデータやイベントの条件（例：閾値超過）を検知して 通知やアクション を自動起動します。Spark は Spark UI/アプリログ、Warehouse はクエリ分析で深掘り。「実行の状態＝監視ハブ」「容量の健全性＝容量メトリック」「データ条件の自動反応＝Data Activator」と整理します。

3.1.2この節のまとめ

• 監視＝監視ハブ＋容量メトリックアプリ
• 対処＝再試行ポリシー・Data Activator のアラート