本页介绍如何使用允许控件来维护流式处理查询的一致批大小。
允许控制会限制结构化流式处理查询的输入速率，这有助于保持一致的批大小，并防止大型批处理导致溢出和级联微批处理延迟。
Azure Databricks 提供用于控制 Delta Lake 和 Auto Loader 中 Structured Streaming 批大小的相同选项。
警告
如果在流停止时计划微分批，则在计划的微分包完成之前，对允许控件所做的任何更改都不会生效。 例如，当流在事务失败后停止时，可能需要删除检查点以强制流使用新的允许控制重新处理事务。 发生此行为的原因是结构化流式处理具有幂等性，微批处理在重复执行时必须包含相同的数据。 请参阅 结构化流式处理语义。
使用 maxFilesPerTrigger 限制输入速率
设置 maxFilesPerTrigger（或自动加载程序 cloudFiles.maxFilesPerTrigger）为每个微批处理中处理的文件数指定上限。 对于 Delta Lake 和自动加载程序，默认值为 1000。 （请注意，此选项也存在于 Apache Spark 中用于其他文件源，默认情况下没有最大值。
使用 maxBytesPerTrigger 限制输入速率
设置 maxBytesPerTrigger（或自动加载程序 cloudFiles.maxBytesPerTrigger）会为每个微批处理中处理的数据量设置“软最大值”。 这意味着，批处理处理的数据量大约相当于这个数值，并且在最小输入单元大于这个限制时，可能会处理超过限制的数据量，以便推动流式查询的进展。 此设置没有默认值。
例如，如果指定字节字符串（例如 10g）将每个微分块限制为 10 GB 的数据，并且每个文件为 3 GB，则 Azure Databricks 在微分包中处理 12 GB。
将多个输入速率设置在一起
如果将 maxBytesPerTrigger 与 maxFilesPerTrigger结合使用，则微批处理将处理数据，直到达到 maxFilesPerTrigger 或 maxBytesPerTrigger的下限。
限制其他结构化流式处理源的输入速率
Apache Kafka 等流式处理源都有自定义输入限制，例如 maxOffsetsPerTrigger。 有关详细信息，请参阅 Lakeflow Connect 中的标准连接器。