Onverwachte pieken in je Fabric-capaciteitsgebruik kunnen flink wat hoofdbrekens kosten. Rapportages die plotseling traag laden, pipelines die vastlopen of zelfs een volledig geblokkeerde capaciteit: het zijn signalen dat er iets misgaat, maar het is niet altijd duidelijk wat en waar. Gelukkig biedt Microsoft Fabric de tools om dit systematisch te onderzoeken en op te lossen.
In deze handleiding doorloop je stap voor stap hoe je een onverwachte piek in je Fabric-capaciteitsgebruik analyseert, de oorzaak opspoort en maatregelen treft om herhaling te voorkomen. Van de eerste blik in de Capacity Metrics-app tot het instellen van proactieve monitoring: na het volgen van deze stappen heb je grip op je capaciteitsbeheer.
Wat je nodig hebt voor de analyse
Voordat je begint, zorg je dat je toegang hebt tot de juiste tools en rechten. Zonder de benodigde permissies kun je de relevante gegevens niet inzien, en mis je mogelijk de context om de piek goed te interpreteren.
- Een actieve Microsoft Fabric-capaciteit (F-SKU of P-SKU via Power BI Premium)
- De rol van Capacity Administrator of een vergelijkbare beheerdersrol binnen Fabric
- Toegang tot de Microsoft Fabric Capacity Metrics-app (te installeren via AppSource)
- Inzicht in welke workspaces en workloads aan jouw capaciteit zijn gekoppeld
- Bij voorkeur: logboeken of meldingen die aangeven wanneer de piek zich voordeed
Heb je de Capacity Metrics-app nog niet geïnstalleerd? Installeer deze eerst via AppSource en koppel hem aan de juiste capaciteit. De app is het centrale startpunt voor alle volgende stappen in deze analyse.
Lokaliseer de piek in de Capacity Metrics-app
Open de Capacity Metrics-app en navigeer naar het tabblad Capacity Usage. Hier zie je een tijdlijn van het totale capaciteitsgebruik, uitgesplitst per tijdsblok van 30 seconden. De grafiek toont het verbruik als percentage van de beschikbare CU’s (Capacity Units). Een piek is zichtbaar als een scherpe stijging in de grafiek, vaak gepaard met een rode markering die aangeeft dat de capaciteitslimiet is overschreden.
- Selecteer de juiste capaciteit via het filterpaneel linksboven in de app.
- Stel de gewenste tijdsperiode in via de datumkiezer. Kies een periode die de piek omvat, bij voorkeur met enige marge ervoor en erna.
- Zoek in de tijdlijn naar het exacte tijdstip waarop het verbruik sterk steeg. Noteer dit tijdstip nauwkeurig.
- Klik op het betreffende tijdsblok om in te zoomen op de details van dat moment.
Na deze stap weet je exact wanneer de piek plaatsvond. Dit tijdstip is de basis voor de rest van de analyse. Controleer ook of de piek een eenmalig incident was of een terugkerend patroon vertoont, want dat bepaalt mede welke vervolgactie het meest passend is.
Identificeer de verantwoordelijke workloads en items
Met het exacte tijdstip van de piek in beeld, is de volgende stap het achterhalen welke workloads en specifieke items het meeste capaciteitsgebruik veroorzaakten. De Capacity Metrics-app biedt hiervoor een gedetailleerde uitsplitsing per operatie.
- Ga naar het tabblad Top Items by CU of een vergelijkbare weergave binnen de app.
- Filter op het tijdstip van de piek dat je in de vorige stap hebt genoteerd.
- Sorteer de lijst op CU-verbruik van hoog naar laag. De bovenste items zijn de grootste verbruikers op dat moment.
- Noteer de namen van de workloads (zoals Dataflow Gen2, Semantic Model Refresh, Spark Job of Pipeline) en de bijbehorende werkruimten.
Let bij het interpreteren van de resultaten op het verschil tussen interactive en background operaties. Interactieve bewerkingen, zoals het openen van een rapport, hebben directe invloed op de gebruikerservaring. Achtergrondprocessen, zoals geplande vernieuwingen, kunnen worden uitgesteld wanneer de capaciteit vol is. Dit onderscheid helpt je prioriteiten te stellen bij het nemen van maatregelen.
Analyseer de oorzaak van het overmatige verbruik
Nu je weet welke items de piek veroorzaakten, ga je dieper in op de oorzaak. Een hoog verbruik is niet altijd een probleem: een grote datavernieuwing die veel CU’s verbruikt maar snel klaar is, is anders dan een vastgelopen query die de capaciteit langdurig bezet houdt.
Controleer de duur en het patroon van de operatie
Klik op een specifiek item in de Capacity Metrics-app om de detailweergave te openen. Hier zie je hoe lang de operatie duurde, hoeveel CU’s er per tijdseenheid werden verbruikt en of er sprake was van throttling (vertraging door capaciteitsoverschrijding). Een operatie die normaal vijf minuten duurt maar nu dertig minuten in beslag nam, is een duidelijk signaal van een probleem.
Vergelijk met historisch gedrag
Gebruik de tijdlijn om het verbruik van het betreffende item te vergelijken met eerdere periodes. Stijgt het verbruik structureel, of was dit een eenmalige uitschieter? Mogelijke oorzaken van een plotselinge piek zijn onder andere:
- Een sterk gegroeide dataset die meer geheugen en rekenkracht vraagt bij vernieuwing
- Meerdere geplande vernieuwingen die tegelijkertijd starten
- Een inefficiënte DAX-query of M-query in een Fabric-pipeline of dataflow die onnodig veel resources verbruikt
- Een nieuwe of gewijzigde rapportage met complexe berekeningen
- Onverwacht hoog gelijktijdig gebruik door eindgebruikers
Met deze informatie kun je gericht actie ondernemen in de volgende stap.
Pas capaciteitsinstellingen of workloads aan
Op basis van de gevonden oorzaak pas je nu de instellingen of de workloads zelf aan. De juiste maatregel hangt af van wat je hebt ontdekt: soms is een kleine planningsaanpassing voldoende, soms is optimalisatie van de query of het datamodel nodig.
- Spreid geplande vernieuwingen: Als meerdere dataflows of semantische modellen tegelijk worden vernieuwd, verdeel deze dan over verschillende tijdslots. Vermijd piekuren waarop gebruikers actief zijn.
- Optimaliseer het datamodel of de query: Laat een BI-performance-analyse uitvoeren op de meest verbruikende items. Inefficiënte DAX-measures of brede M-queries zijn vaak snel te verbeteren.
- Begrens workload-instellingen: Ga in het Fabric-beheerportaal naar de capaciteitsinstellingen en controleer de limieten per workload. Voor Spark-jobs kun je bijvoorbeeld het aantal parallelle taken beperken.
- Overweeg capaciteitsschaling: Als het verbruik structureel hoog is en niet verder te optimaliseren valt, kan het verhogen van de capaciteit-SKU de juiste keuze zijn.
- Verplaats zware workloads naar een aparte capaciteit: Kritieke productie-workloads en zware batchprocessen kun je isoleren door ze op een eigen capaciteit te draaien, zodat ze elkaar niet beïnvloeden.
Voer na elke aanpassing een testrun uit en controleer in de Capacity Metrics-app of het verbruik is afgenomen. Zo weet je zeker dat de maatregel effect heeft gehad voordat je verdergaat.
Stel monitoring in om toekomstige pieken vroeg te signaleren
Reactief analyseren is waardevol, maar proactieve monitoring voorkomt dat een volgende piek je verrast. Met de juiste waarschuwingen ben je eerder op de hoogte dan je gebruikers klagen over trage rapporten.
- Ga in het Microsoft Fabric-beheerportaal naar de sectie Alerts of gebruik de ingebouwde meldingsfunctionaliteit van de Capacity Metrics-app.
- Stel een drempelwaarde in voor het CU-gebruik, bijvoorbeeld een melding bij 80% van de beschikbare capaciteit. Zo heb je nog ruimte om bij te sturen voordat de grens wordt bereikt.
- Configureer e-mailmeldingen of koppel waarschuwingen aan een Teams-kanaal zodat het juiste team direct op de hoogte is.
- Stel een periodieke review in van de Capacity Metrics-app, bijvoorbeeld wekelijks. Bekijk trends in het gebruik en signaleer structurele groei voordat het een probleem wordt.
Overweeg daarnaast om de Capacity Metrics-data te exporteren naar een BI-omgeving voor aanvullende analyse en trendrapportage op maat. Zo bouw je historisch inzicht op dat helpt bij capaciteitsplanning op langere termijn. Met monitoring op orde heb je een compleet beeld van je Fabric-capaciteitsgebruik en kun je toekomstige pieken vroegtijdig signaleren en aanpakken.
Hoe DBA helpt met Fabric-capaciteitsbeheer
Het analyseren van onverwachte pieken in je Fabric-capaciteitsgebruik vraagt om technische kennis van de Capacity Metrics-app, inzicht in workload-gedrag en ervaring met het optimaliseren van datamodellen en pipelines. Wij ondersteunen organisaties bij elk onderdeel van dit proces:
- Capaciteitsanalyse en diagnose: We onderzoeken jouw Fabric-omgeving grondig en brengen de oorzaken van piekbelasting in kaart.
- Performance-optimalisatie: We optimaliseren DAX-queries, dataflows en semantische modellen zodat het verbruik structureel lager ligt.
- Monitoring-inrichting: We richten proactieve monitoring en alerting in, zodat jij altijd als eerste op de hoogte bent van afwijkend capaciteitsgebruik.
- Capaciteitsplanning: Op basis van historische data en groeiprognoses adviseren we over de juiste SKU-keuze en workload-verdeling.
- Begeleiding en coaching: Via on-the-job coaching leren we jouw team zelf grip te houden op de Fabric-omgeving.
Wil je weten hoe wij jouw organisatie kunnen helpen om onverwachte pieken in het Fabric-capaciteitsgebruik structureel aan te pakken? Neem contact met ons op voor een vrijblijvend gesprek.
Related Articles
- Wanneer gebruik je een Lakehouse en wanneer een Warehouse binnen dezelfde Fabric-omgeving?
- Hoe automatiseer je ETL- of ELT-processen rondom het Gemeentelijk Gegevensmodel?
- Hoe gebruik je het Gemeentelijk Gegevensmodel in een gemeentelijk datawarehouse?
- Wat kost Power BI per maand?
- Hoe haal ik data uit mijn CRM naar Fabric?
- Hoe blijf ik op de hoogte van nieuwe Fabric-functies?
- Wat is OneLake en hoe werkt één datalake voor je hele organisatie?
- Wat is Microsoft Fabric voor beginners?
- Hoe automatiseer ik mijn maandelijkse rapportage?
- Welke programmeertaal is Power BI?





