We are at re:Invent 2026Book my merch
Cloud Intelligence™Cloud Intelligence™

Databricks

Jede Databricks-DBU, einem Job zugeordnet.

Cloud Intelligence™ importiert Ihre Databricks-Kosten und -Nutzung aus System Tables: DBUs nach Workspace, Job, Cluster, SQL Warehouse und Serving Endpoint, plus Cluster-CPU und -Speicher. Direkt neben Ihren übrigen Cloud-Ausgaben.

Service Principal · 6 Monate Historie · Stündlich aktualisiert

Databricks · October
$142,800
Jobs48%SQL warehouses31%All-purpose compute21%
DBUs
318K
Clusters
64
Jobs
212
By job, warehouse and cluster
nightly_etl job$28,400
bi-serverless-sql SQL warehouse$21,700
ml-feature-pipeline job$16,900
shared-analytics all-purpose cluster$12,300
dlt-ingest-events pipeline$9,100

Datenteams, die Databricks im großen Maßstab betreiben, vertrauen auf uns

Akamai
Blumira
Chess.com
Current
OneFootball
Promptly
Recurly
Lusha
Mux

Was wir importieren

Databricks-Daten in den Dimensionen, die Sie bereits nutzen.

Jede Position wird auf Standard-Dimensionen der Cloud Analytics abgebildet – plus Databricks-Labels für Cluster, Warehouse, Job, Notebook, Pipeline, Endpoint, run_as-Identität und Features wie Serverless und Photon.

Cloud AnalyticsDatabricksExample
Billing accountaccount_idacme-databricks
Project IDworkspace_id1234567890123456
Project/Account nameworkspace_nameprod-etl
Servicebilling_origin_productSQL
SKUusage_sku_nameENTERPRISE_ALL_PURPOSE_COMPUTE_(PHOTON)
Usage unitusage_unitDBU
Cost typerecord_typeORIGINAL
Plus Databricks labels
databricks/cluster_namedatabricks/warehouse_namedatabricks/usage_typedatabricks/cloudusage_metadata/job_nameusage_metadata/notebook_pathusage_metadata/endpoint_nameidentity_metadata/run_asproduct_features/is_serverlessproduct_features/is_photon
Tracked hourly · 6 months of history on connect

Was Sie damit erreichen

Von der Databricks-Rechnung zur Entscheidung

Kosten nach Job und Cluster

Aufschlüsselung nach Workspace, Job, Cluster, Notebook, Pipeline oder Serving Endpoint.

Serverless vs. klassisch

Sehen Sie, wie viel Ihrer DBU-Ausgaben auf Serverless Compute läuft.

Jobs vs. All Purpose

DBU-Nutzung und -Kosten nach Workload-Typ, plus Cluster-CPU und -Speicher.

Databricks Intelligence

Ein vorkonfiguriertes Dashboard – und Databricks direkt neben Ihren anderen Providern.

Budgets und Alerts

Leitplanken für DBU-Ausgaben, plus Benachrichtigungen bei Kostenanomalien.

Allocations

Ordnen Sie Databricks-Ausgaben Teams zu – nach Workspace, Job oder Identität.

In wenigen Stunden live

Databricks in drei Schritten verbinden

1

Service Principal anlegen.

Erstellen Sie ein OAuth-Secret und gewähren Sie Lesezugriff auf die System Tables für Billing und Compute.

2

Im Katalog verbinden.

Geben Sie Ihren Account-Namen, die Client-ID, das Secret und ein SQL Warehouse ein.

3

Reports in wenigen Stunden.

Bis zu 6 Monate Historie werden importiert. Wir benachrichtigen Sie per E-Mail, sobald alles bereit ist.

Nur Lesezugriff auf System Tables. Jederzeit trennbar.

Kostenlos starten

Frequently asked
questions

Wie verbinden wir Databricks?

Öffnen Sie die Databricks-Karte im Integrationskatalog und folgen Sie dem Assistenten: Geben Sie Ihren Account-Namen, die Client-ID und das Secret eines Service Principals sowie mindestens eine SQL-Warehouse-ID und einen Server-Hostnamen ein. Testen Sie die Verbindung und schließen Sie die Einrichtung ab.

Welche Berechtigungen werden benötigt?

Sie müssen Databricks Account Admin und Metastore-Admin sein, mit aktiviertem Unity Catalog. Der Service Principal erhält SELECT auf die Tabellen system.billing, system.compute und system.access sowie das Databricks-SQL-Zugriffsrecht (Entitlement).

Warum brauchen wir ein SQL Warehouse?

Wir nutzen es als Compute-Endpoint, um Ihre System Tables mehrmals täglich abzufragen – auch wenn Sie selbst kein Databricks SQL einsetzen. Ein vorhandenes Warehouse genügt, oder Sie erstellen ein kleines klassisches (2X-Small, 5 Minuten Auto-Stopp).

Wie viel Historie erhalten wir, und wie aktuell sind die Daten?

Beim Verbinden importieren wir die letzten 6 Monate an Billing- und Nutzungsdaten – das dauert einige Stunden. Danach werden die Daten stündlich erfasst und ausgewertet.

Welche Dimensionen und Labels stehen zur Verfügung?

Account, Workspace, Produkt, SKU, Nutzungseinheit und Record-Typ werden auf Standard-Dimensionen der Cloud Analytics abgebildet, sodass Databricks direkt neben Ihren anderen Providern steht. Labels ergänzen Cluster, Warehouse, Job, Notebook, Pipeline, Endpoint, run_as-Identität und Produkt-Features; CPU- und Speicherauslastung der Cluster erscheinen als erweiterte Metriken.

Müssen wir jeden Workspace verbinden?

Nein. Databricks-Billing-Daten liegen auf Account-Ebene vor, ein Warehouse deckt also alle Workspaces ab. Fügen Sie nur dann ein Warehouse pro Region hinzu, wenn Sie detailliertere Berichte zur Cluster-Auslastung wünschen.

Databricks verbinden. Wissen, was jede DBU kostet.

Kostenloser Start. Nur Lesezugriff. Reports in wenigen Stunden.