課金利用 システムテーブル リファレンス

この記事では、スキーマやクエリの例など、課金利用 システムテーブルの概要について説明します。 システムテーブルを使えば、アカウントの課金利用データが一元管理され、すべての地域にルーティングされるため、ワークスペースがどの地域からでもアカウントのグローバルな利用状況を確認することができます。

このテーブルを使用してコストとサンプル クエリを監視する方法については、「 システムテーブルを使用してコストを監視する」を参照してください。

テーブルパス :このシステムテーブルは system.billing.usageにあります。

課金利用 テーブルのスキーマ

課金利用 システムテーブルは、次のスキーマを使用します。

列名	データ型	説明	例
record_id	string	この使用レコードの一意の ID	11e22ba4-87b9-4cc2-9770-d10b894b7118
account_id	string	このレポートが生成されたアカウントの ID	23e22ba4-87b9-4cc2-9770-d10b894b7118
workspace_id	string	この使用法が関連付けられたワークスペースの ID	1234567890123456
sku_name	string	SKU の名前	STANDARD_ALL_PURPOSE_COMPUTE
cloud	string	この使用状況に関連付けられたクラウド。 指定できる値は、 AWS、 AZURE、および GCPです。	AWS、 AZURE、または GCP
usage_start_time	タイムスタンプ	この使用レコードに関連する開始時刻。 タイムゾーン情報は、UTCタイムゾーンを表す +00:00 で値の末尾に記録されます。	2023-01-09 10:00:00.000+00:00
usage_end_time	タイムスタンプ	この使用レコードに関連する終了時刻。 タイムゾーン情報は、UTCタイムゾーンを表す +00:00 で値の末尾に記録されます。	2023-01-09 11:00:00.000+00:00
usage_date	日付	使用状況レコードの日付、このフィールドを使用すると、日付による集計を高速化できます	2023-01-01
custom_tags	マップ	使用状況レコードに関連付けられたカスタムタグ	{ “env”: “production” }
usage_unit	string	この使用量が測定される単位	DBU
usage_quantity	DECIMALタイプ	このレコードで消費されたユニット数	259.2958
usage_metadata	構造体	コンピュート リソースとジョブ (該当する場合) の ID など、使用状況に関するシステム提供のメタデータ。 使用状況メタデータを参照してください。	使用状況メタデータを参照してください
identity_metadata	構造体	使用に関連する ID に関するシステム提供のメタデータ。 ID メタデータを参照してください。	ID メタデータを参照してください。
record_type	string	レコードがオリジナル、撤回、または修正のいずれであるか。 レコードが修正に関連している場合を除き、値は ORIGINAL です。 レコードタイプを参照してください。	ORIGINAL
ingestion_date	日付	レコードが usage テーブルに取り込まれた日付	2024-01-01
billing_origin_product	string	使用を開始した製品。 一部の製品は、異なるSKUとして請求できます。 使用可能な値については、 製品を参照してください。	JOBS
product_features	構造体	使用されている特定の製品機能の詳細。 製品の機能を参照してください。	製品の機能を見る
usage_type	string	請求目的で製品またはワークロードに起因する使用のタイプ。 可能な値は、 COMPUTE_TIME、 STORAGE_SPACE、 NETWORK_BYTE、 NETWORK_HOUR、 API_OPERATION、 TOKEN、または GPU_TIMEです。	STORAGE_SPACE

使用状況メタデータのリファレンス

usage_metadataの値はすべて、使用状況レコードに関連するワークスペースオブジェクトとリソースを示す文字列です。

これらの値のサブセットのみが、使用されるコンピュートの種類と機能に応じて、特定の使用状況レコードに入力されます。 表の 3 番目の列は、各値が入力される原因となる使用タイプを示しています。

値	説明	(それ以外の場合は null) に入力されます
cluster_id	使用状況レコードに関連付けられたクラスターの ID	ノートブック、ジョブ、Lakeflow宣言型パイプライン、レガシーモデルサービングを含む非サーバレスコンピュートの使用
job_id	使用状況レコードに関連付けられたジョブの ID	ジョブ コンピュートにおけるサーバレスジョブとジョブの実行 (汎用コンピュートにおけるジョブの実行は充当しません)
warehouse_id	使用レコードに関連付けられた SQLウェアハウスの ID	SQLウェアハウスにおけるワークロードの実行
instance_pool_id	使用状況レコードに関連付けられたインスタンス・プールの ID	プールからの非サーバレス コンピュートの使用, including ノートブック, ジョブ, Lakeflow 宣言型パイプライン, and legacy モデルサービング
node_type	コンピュート リソースのインスタンスタイプ	ノートブック、ジョブ、Lakeflow宣言型パイプライン、すべてのSQLウェアハウスを含む非サーバレスコンピュートの使用
job_run_id	使用状況レコードに関連付けられたジョブ実行の ID	ジョブ コンピュートにおけるサーバレスジョブとジョブの実行 (汎用コンピュートにおけるジョブの実行は充当しません)
notebook_id	使用状況に関連付けられているノートブックの ID	サーバレス ノートブック
dlt_pipeline_id	使用状況レコードに関連付けられた宣言型パイプラインの ID	Lakeflow 宣言型パイプラインと、Lakeflow 宣言型パイプラインを使用する機能 (マテリアライズドビュー、オンライン テーブル、ベクトル検索 インデックス作成、Lakeflowコネクトなど)
endpoint_name	使用状況レコードに関連付けられているモデルサービング エンドポイントまたはベクトル検索エンドポイントの名前	モデルサービング and ベクトル検索
endpoint_id	使用状況レコードに関連付けられたモデルサービング エンドポイントまたはベクトル検索エンドポイントの ID	モデルサービング and ベクトル検索
dlt_update_id	使用状況レコードに関連付けられているパイプライン更新の ID	Lakeflow 宣言型パイプラインと、Lakeflow 宣言型パイプラインを使用する機能 (マテリアライズドビュー、オンライン テーブル、ベクトル検索 インデックス作成、Lakeflowコネクトなど)
dlt_maintenance_id	使用状況レコードに関連付けられたパイプラインメンテナンスタスクの ID	Lakeflow 宣言型パイプラインと、Lakeflow 宣言型パイプラインを使用する機能 (マテリアライズドビュー、オンライン テーブル、ベクトル検索 インデックス作成、Lakeflowコネクトなど)
metastore_id	デフォルト ストレージに関連付けられているメタストアの ID	デフォルトのストレージ
run_name	使用状況レコードに関連付けられた基盤モデル ファインチューニング 実行の一意のユーザー向け名前	基盤モデルのファインチューニング
job_name	使用状況レコードに関連付けられたジョブのユーザー指定の名前	ジョブ コンピュート上のサーバーレス ジョブとジョブ実行 (2025 年 9 月以降、ジョブ コンピュート用に入力されました)。 汎用コンピュート用には実装されていません。
notebook_path	使用状況に関連付けられているノートブックのワークスペース ストレージ パス	サーバレス コンピュートにおけるノートブックの実行
central_clean_room_id	使用レコードに関連付けられたセントラルクリーンルームのID	クリーンルーム
source_region	課金されたトラフィックが発生したリージョン。サーバレスネットワーク関連の値のみを返します。	サーバレス ネットワーキング
destination_region	課金されたトラフィックを受信したリージョン。サーバレスネットワーク関連の値のみを返します。	サーバレス ネットワーキング
app_id	使用状況レコードに関連付けられているアプリの ID	Databricks Apps
app_name	使用状況レコードに関連付けられているアプリのユーザー指定の名前	Databricks Apps
private_endpoint_name	この値は Databricks on AWS には入力されません	Databricks on AWSでは常にnull
budget_policy_id	ワークロードにアタッチされているサーバレス 予算ポリシーの ID	サーバレス コンピュート usage, including ノートブック, ジョブ, Lakeflow 宣言型パイプライン, and モデルサービング エンドポイント
storage_api_type	デフォルト ストレージで実行される操作の種類。可能な値はTIER_1 (PUT、COPY、POST、LIST) とTIER_2 (その他の操作) です。	デフォルトのストレージ
ai_runtime_workload_id	使用状況記録に関連付けられたサーバーレス GPU ワークロードの ID	サーバーレス GPUワークロード
uc_table_catalog	使用記録に関連付けられた Unity Catalog のカタログ名	マテリアライズドビュー
uc_table_schema	使用状況レコードに関連付けられたUnity Catalogスキーマ名	マテリアライズドビュー
uc_table_name	使用状況レコードに関連付けられたUnity Catalogテーブル名	マテリアライズドビュー
database_instance_id	使用状況レコードに関連付けられたデータベースインスタンスのID	Lakebaseデータベースインスタンス
sharing_materialization_id	使用記録に関連付けられた共有マテリアライゼーションのID	Delta Sharingを使用したビュー共有、マテリアライズドビュー、ストリーミングテーブル
usage_policy_id	使用記録に関連付けられた使用ポリシーのID	利用ポリシー
agent_bricks_id	使用状況レコードに関連付けられたエージェント ブリック ワークロードの ID	エージェントブリックのワークロード
base_environment_id	使用状況に関連付けられたベース環境のID	ワークスペースのサーバレス基本環境の構築または更新からの使用。 billing_origin_productがBASE_ENVIRONMENTSときに設定されます。

ID メタデータのリファレンス

identity_metadata列には、使用に関連する ID に関する詳細情報が表示されます。

• run_as フィールドには、ワークロードを実行したユーザーが記録されます。この値は、次の表に示す特定のワークロードの種類に対してのみ設定されます。

• owned_byフィールドはSQLウェアハウスの使用状況にのみ適用され、使用状況を担当するSQLウェアハウスを所有するユーザーまたはサービスプリンシパルをログに記録します。

• identity_metadata.created_byフィールドはDatabricksアプリに適用され、アプリを作成したユーザーのEメールがログに記録されます。

run_asのID

identity_metadata.run_asに記録される ID は、使用状況に関連付けられている製品によって異なります。identity_metadata.run_asの動作については、次の表を参照してください。

ワークロードの種類	アイデンティティ: run_as
ジョブ コンピュート	run_as設定で定義されているユーザーまたはサービスプリンシパル。デフォルトでは、ジョブはジョブ所有者のIDとして実行されますが、管理者はこれを別のユーザーまたはサービスプリンシパルに変更できます。
ジョブ用サーバレスコンピュート	run_as設定で定義されているユーザーまたはサービスプリンシパル。デフォルトでは、ジョブはジョブ所有者のIDとして実行されますが、管理者はこれを別のユーザーまたはサービスプリンシパルに変更できます。
ノートブック実行用サーバレスコンピュート	ノートブック コマンドを実行したユーザー (具体的には、ノートブック セッションを作成したユーザー)。 共有ノートブックの場合、これには同じノートブック セッションを共有する他のユーザーによる使用が含まれます。
Lakeflow 宣言型パイプライン	アクセス許可がパイプラインを実行するために使用されるユーザーまたはサービスプリンシパル。 これは、パイプラインの所有権を譲渡することで変更できます。
基盤モデルのファインチューニング	ファインチューニング トレーニング 実行を開始したユーザーまたはサービスプリンシパル。
予測的最適化	予測的最適化オペレーションを実行するDatabricks所有のサービスプリンシパル。
Lakehouseモニタリング	モニターを作成したユーザー。

注記

FedRamp コンプライアンス標準が有効になっているワークスペースでは、 identity_metadata 列のすべての null 以外の値が __REDACTED__に置き換えられます。

レコード・タイプのリファレンス

billing.usage テーブルは修正をサポートしています。修正は、使用レコードのいずれかのフィールドが正しくなく、修正する必要がある場合に発生します。

修正が行われると、Databricks は 2 つの新しいレコードをテーブルに追加します。 取り消しレコードは元の誤ったレコードを否定し、その後、修正された情報を再修正レコードに含めます。 修正レコードは、 record_type フィールドを使用して識別されます。

• RETRACTION: 元の誤った使用を否定するために使用されます。すべてのフィールドは、元の使用量を相殺する負の値である usage_quantityを除き、ORIGINALレコードと同じです。たとえば、元のレコードの使用量が 259.4356の場合、リトラクション レコードの使用量は -259.4356になります。
• RESTATEMENT: 正しいフィールドと使用量を含むレコード。

たとえば、次のクエリは、修正が加えられた場合でも、 job_idに関連する正しい時間単位使用量を返します。使用量を集計することにより、リトラクトレコードは元のレコードを否定し、リプレゼンテーションの値のみを返します。

SQL

SELECT
  usage_metadata.job_id, usage_start_time, usage_end_time,
  SUM(usage_quantity) as usage_quantity
FROM system.billing.usage
GROUP BY ALL
HAVING usage_quantity != 0

注記

元の使用レコードが書き込まれるべきではなかった修正の場合、修正は撤回レコードのみを追加し、修正レコードは追加できません。

請求元製品のリファレンス

一部の Databricks 製品は、同じ共有 SKU で請求されます。たとえば、レイクハウスモニタリング、予測的最適化、およびサーバレス ワークフローは、すべて同じサーバレス ジョブ SKUで請求されます。

使用状況を区別するために、 billing_origin_product 列と product_features 列では、使用状況に関連する特定の製品や機能について、より詳細な知見を得ることができます。

billing_origin_product 列には、使用状況レコードに関連付けられている Databricks 製品が表示されます。値には次のものが含まれます。

値	説明
JOBS	LakeFlow Jobsワークロードに関連するコスト
DLT	LakeFlow宣言型パイプラインワークロードに関連するコスト
SQL	Databricks SQLに関連するコスト ( SQLウェアハウスおよびマテリアライズドビューでのワークロードの実行を含む)
ALL_PURPOSE	古典的な汎用コンピュートに関連するコスト
MODEL_SERVING	Mosaic AI Model Servingに関連するコスト
INTERACTIVE	インタラクティブなワークロードに関連するコスト
DEFAULT_STORAGE	デフォルトストレージに関連するコスト
VECTOR_SEARCH	サーチに関連するコスト
LAKEHOUSE_MONITORING	レイクハウスモニタリングにかかる費用
PREDICTIVE_OPTIMIZATION	予測的最適化に関連するコスト
ONLINE_TABLES	オンラインテーブルに関連するコスト（レガシー）
FOUNDATION_MODEL_TRAINING	基盤モデルのファインチューニングに関連するコスト
AGENT_EVALUATION	エージェント評価に関連するコスト
FINE_GRAINED_ACCESS_CONTROL	専用コンピュートによるきめ細かいアクセス制御によるサーバレス利用
BASE_ENVIRONMENTS	ワークスペースのサーバレスベース環境の構築または更新に伴う使用法
DATA_CLASSIFICATION	データ分類操作に関連するコスト
AI_GATEWAY	AIゲートウェイの使用に関連するコスト
AI_RUNTIME	サーバーレスGPUワークロードに関連するコスト
NETWORKING	サーバーレスコンピュートをリソースに接続するためにかかるコスト
APPS	Databricks アプリの構築と実行に関連するコスト
DATABASE	Lakebaseデータベースインスタンスに関連するコスト

製品機能リファレンス

product_features列は、使用されている特定の製品機能に関する情報を含むオブジェクトであり、次のキーと値のペアが含まれます。

フィールド	説明
jobs_tier	値にはLIGHT 、 CLASSIC 、または null
sql_tier	値にはCLASSIC 、 PRO 、または null
dlt_tier	値にはCORE 、 PRO 、 ADVANCED 、または null
is_serverless	値には、 true 、 false 、またはnullが含まれます (値は、サーバレスとクラシック コンピュートのどちらかを選択できる場合はtrueまたはfalse 、それ以外の場合はnullです)
is_photon	値にはtrueまたはfalse 、あるいは null
serving_type	値にはMODEL 、 GPU_MODEL 、 FOUNDATION_MODEL 、 FEATURE 、または null
offering_type	値にはBATCH_INFERENCEまたは null
performance_target	サーバレスジョブまたはパイプラインのパフォーマンスモードを示します。 値にはPERFORMANCE_OPTIMIZED 、 STANDARD 、またはnullが含まれます。非サーバレスワークロードの値はnullです。
ai_runtime.compute_type	サーバレス GPU ワークロードのコンピュート タイプを示します。 null
model_serving.offering_type	モデルサービングまたは null
ai_gateway.feature_type	AIゲートウェイワークロードの機能タイプを示します。 null
serverless_gpu.workload_type	サーバレス GPU コンピュートまたは null
ai_functions.ai_function	AI機能の種類または null
networking.connectivity_type	値にはPUBLIC_IPと PRIVATE_IP
agent_bricks.problem_type	エージェントブリックのワークロードの問題の種類を示します。 null
agent_bricks.workload_type	エージェントブリックのワークロードタイプを示します。 null