Сортировка:
№ 2517
Автор Eradzh Shams
14 сентября 2022, 09:05
1.01 Mb
№ 2455
Автор Eradzh Shams
25 марта 2022, 06:10
6.66 Mb
№ 2188
Автор Tatiana Teplukhina
11 января 2021, 10:00
955Cкачиваний
28.07 Mb
№ 2187
Автор Tatiana Teplukhina
10 января 2021, 10:00
793Cкачиваний
14.6 Mb
№ 2186
Автор Tatiana Teplukhina
09 января 2021, 10:30
4947Cкачиваний
13.72 Mb
№ 2172
Автор Tatiana Teplukhina
03 января 2021, 10:00
1030Cкачиваний
12. 35 Mb
№ 2171
Автор Tatiana Teplukhina
02 января 2021, 10:00
766Cкачиваний
16.45 Mb
№ 2170
Автор Tatiana Teplukhina
01 января 2021, 10:45
460Cкачиваний
13.71 Mb
№ 2143
Автор Irina Limonova
21 октября 2020, 10:00
356Cкачиваний
5.59 Mb
№ 2142
Автор Irina Limonova
20 октября 2020, 15:30
400Cкачиваний
2.24 Mb
№ 2140
Автор Irina Limonova
20 октября 2020, 09:00
436Cкачиваний
2.77 Mb
№ 2141
Автор Irina Limonova
19 октября 2020, 15:15
438Cкачиваний
1.51 Mb
№ 2139
Автор Irina Limonova
19 октября 2020, 09:15
351Cкачиваний
2. 43 Mb
№ 2138
Автор Irina Limonova
18 октября 2020, 14:45
339Cкачиваний
5.58 Mb
№ 2137
Автор Irina Limonova
17 октября 2020, 23:45
374Cкачиваний
2 Mb
№ 2135
Автор Irina Limonova
17 октября 2020, 09:15
413Cкачиваний
1.23 Mb
№ 2136
Автор Irina Limonova
17 октября 2020, 03:30
404Cкачиваний
30.79 Mb
№ 2133
Автор Irina Limonova
16 октября 2020, 13:15
383Cкачиваний
3.39 Mb
№ 2134
Автор Irina Limonova
16 октября 2020, 09:00
346Cкачиваний
3.6 Mb
№ 2132
Автор Irina Limonova
15 октября 2020, 15:00
515Cкачиваний
4. 72 Mb
№ 2131
Автор Irina Limonova
15 октября 2020, 11:45
324Cкачиваний
1.52 Mb
№ 2130
Автор Irina Limonova
14 октября 2020, 13:30
4.54 Mb
№ 2129
Автор Irina Limonova
14 октября 2020, 09:00
425Cкачиваний
1.46 Mb
№ 2128
Автор Irina Limonova
13 октября 2020, 14:45
413Cкачиваний
2.63 Mb
№ 2127
Автор Irina Limonova
13 октября 2020, 09:00
368Cкачиваний
3.45 Mb
№ 2126
Автор Irina Limonova
12 октября 2020, 13:45
390Cкачиваний
1.45 Mb
№ 2125
Автор Irina Limonova
12 октября 2020, 10:30
345Cкачиваний
5. 82 Mb
№ 2124
Автор Irina Limonova
11 октября 2020, 14:45
469Cкачиваний
827.29 Kb
№ 2123
Автор Irina Limonova
11 октября 2020, 10:30
401Cкачиваний
764.18 Kb
№ 2122
Автор Irina Limonova
10 октября 2020, 15:00
385Cкачиваний
1.44 Mb
№ 2121
Автор Irina Limonova
10 октября 2020, 10:00
488Cкачиваний
34.64 Mb
№ 2120
Автор Irina Limonova
09 октября 2020, 14:30
416Cкачиваний
7.6 Mb
№ 2119
Автор Irina Limonova
09 октября 2020, 09:30
341Cкачиваний
2.37 Mb
№ 2094
Автор Irina Limonova
17 сентября 2020, 09:00
533Cкачиваний
7. 28 Mb
№ 2093
Автор Irina Limonova
16 сентября 2020, 13:00
910Cкачиваний
10.22 Mb
№ 2070
Автор Tatiana Teplukhina
432Cкачиваний
287.3 Mb
№ 2006
Автор Irina Limonova
16 августа 2020, 15:45
441Cкачиваний
5.33 Mb
№ 2005
Автор Irina Limonova
16 августа 2020, 13:30
437Cкачиваний
172.95 Kb
№ 2004
Автор Irina Limonova
16 августа 2020, 11:15
445Cкачиваний
1.12 Mb
№ 2003
Автор Irina Limonova
16 августа 2020, 09:00
402Cкачиваний
1.49 Mb
№ 2002
Автор Irina Limonova
15 августа 2020, 15:45
381Cкачиваний
16. 67 Mb
№ 2001
Автор Irina Limonova
15 августа 2020, 13:30
424Cкачиваний
209.77 Kb
№ 2000
Автор Irina Limonova
470Cкачиваний
18.58 Mb
№ 1999
Автор Irina Limonova
15 августа 2020, 09:00
399Cкачиваний
21.56 Mb
№ 1968
Автор Irina Limonova
14 августа 2020, 15:45
364Cкачиваний
8.42 Mb
№ 1967
Автор Irina Limonova
14 августа 2020, 12:30
387Cкачиваний
11.48 Mb
№ 1965
Автор Irina Limonova
14 августа 2020, 09:00
438Cкачиваний
8.72 Mb
№ 1964
Автор Irina Limonova
13 августа 2020, 15:45
315Cкачиваний
33. 29 Mb
№ 1963
Автор Irina Limonova
13 августа 2020, 13:30
316Cкачиваний
5.06 Mb
№ 1962
Автор Irina Limonova
341Cкачиваний
3.37 Mb
№ 1961
Автор Irina Limonova
13 августа 2020, 09:00
352Cкачиваний
12.6 Mb
№ 1953
Автор Irina Limonova
12 августа 2020, 15:45
27Cкачиваний
2.8 Mb
№ 1952
Автор Irina Limonova
12 августа 2020, 13:30
485Cкачиваний
77.1 Mb
№ 1951
Автор Irina Limonova
12 августа 2020, 09:15
447Cкачиваний
71.33 Mb
№ 1950
Автор Irina Limonova
12 августа 2020, 09:00
465Cкачиваний
64. 27 Mb
№ 1949
Автор Irina Limonova
11 августа 2020, 15:45
426Cкачиваний
56.78 Mb
№ 1948
377Cкачиваний
90.38 Mb
№ 1947
Автор Irina Limonova
11 августа 2020, 11:15
377Cкачиваний
62.28 Mb
№ 1946
Автор Irina Limonova
11 августа 2020, 09:00
386Cкачиваний
70.12 Mb
№ 1945
Автор Irina Limonova
10 августа 2020, 15:45
332Cкачиваний
61.91 Mb
Примечание
В этой статье используется библиотека открытый код, размещенная на сайте GitHub по адресу https://github.com/mspnp/spark-monitoring. Библиотека поддерживает Azure Databricks 10.x (Spark 3.2.x) и более ранних версий. Azure Databricks 11.0 включает критические изменения в системах ведения журнала, с которыми интегрируется библиотека мониторинга Spark . Работа, необходимая для обновления библиотеки мониторинга Spark для поддержки Azure Databricks 11.0 (Spark 3.3.0) и более поздней версии, в настоящее время не планируется.
Это решение демонстрирует шаблоны и метрики наблюдаемости для повышения производительности обработки системы больших данных, которая использует Azure Databricks.
Решение включает следующие шаги:
Сервер отправляет большой файл GZIP, сгруппированный по клиентам, в папку Source в Azure Data Lake Storage (ADLS).
Затем ADLS отправляет успешно распакованный файл клиента в Сетку событий Azure, которая преобразует данные файла клиента в несколько сообщений.
Сетка событий Azure отправляет сообщения в службу Хранилища очередей Azure, которая сохраняет их в очереди.
Хранилище очередей Azure отправляет очередь на платформу аналитики данных Azure Databricks для обработки.
Azure Databricks распаковывает и обрабатывает данные очереди в обработанном файле, который отправляется обратно в ADLS:
Если обработанный файл является допустимым, он помещается в папку Landing.
В противном случае файл помещается в дерево папок Bad. Сначала файл помещается во вложенную папку Retry, и ADLS пытается повторить обработку файла клиента (шаг 2). Если в ходе двух повторных попыток Azure Databricks по-прежнему возвращает обработанные файлы, которые не являются допустимыми, обработанный файл помещается в вложенную папку Failure.
Когда платформа Azure Databricks распаковывает и обрабатывает данные на предыдущем шаге, она также отправляет журналы и метрики приложений в Azure Monitor для хранения.
Рабочая область Azure Log Analytics применяет запросы Kusto к журналам и метрикам приложений из Azure Monitor для устранения неполадок и подробной диагностики.
Ваша команда разработчиков может использовать шаблоны и метрики отслеживаемости для поиска узких мест и повышения производительности системы больших данных. Вашей команде необходимо выполнить нагрузочное тестирование большого потока метрик в крупномасштабном приложении.
В этом сценарии приводятся рекомендации по настройке производительности. Так как в этом сценарии неэффективно вести журналы для каждого клиента с точки зрения производительности, в нем используется платформа Azure Databricks, которая обеспечивает надежный мониторинг следующих элементов:
Данные мониторинга Azure Databricks можно отправлять в различные службы ведения журналов, например, в Azure Log Analytics.
В этом сценарии описывается прием большого набора данных, сгруппированных по клиентам и сохраненных в архиве GZIP. Подробные журналы Azure Databricks недоступны за пределами пользовательского интерфейса Apache Spark™ в режиме реального времени, поэтому вашей команде потребуется найти способ сохранения всех данных для каждого клиента и их последующего тестирования и сравнения. Для сценария с большим объемом данных важно найти оптимальное сочетание пула исполнителей и размера виртуальных машин (VM) для максимально быстрой обработки данных. Для этого бизнес-сценария приложение в целом полагается на требования к скорости приема и обработки запросов, поэтому пропускная способность системы не будет неожиданно снижаться с увеличением объема обрабатываемых данных. Сценарий должен гарантировать соответствие системы соглашениям об уровне обслуживания (SLA), установленным для ваших клиентов.
Ниже перечислены сценарии, которые могут использовать преимущества этого решения:
Эти рекомендации реализуют основные принципы Azure Well-Architected Framework, которая представляет собой набор руководящих принципов, которые можно использовать для повышения качества рабочей нагрузки. Дополнительные сведения см. в статье Майкрософт Azure Well-Architected Framework.
При рассмотрении данной архитектуры учитывайте следующие рекомендации:
Azure Databricks может автоматически выделять вычислительные ресурсы, необходимые для крупных заданий, что позволяет избежать проблем, которые могут возникнуть в других решениях. Например, в случае автомасштабирования, оптимизированного для Databricks, в Apache Spark чрезмерная подготовка может привести к неоптимальному использованию ресурсов. Или вам может быть неизвестно точное число исполнителей, необходимых для задания.
Максимальный размер сообщения в очереди Хранилища очередей Azure составляет 64 КБ. Очередь может содержать несколько миллионов сообщений, вплоть до общего ограничения емкости учетной записи хранения.
Оптимизация затрат заключается в поиске способов уменьшения ненужных расходов и повышения эффективности работы. Дополнительные сведения см. в разделе Обзор критерия «Оптимизация затрат».
Чтобы оценить затраты на реализацию этого решения, используйте Калькулятор цен Azure.
Примечание
Описанные здесь действия по развертыванию относятся только к Azure Databricks, Azure Monitor и Azure Log Analytics. Развертывание других компонентов не рассматривается в этой статье.
Чтобы получить все журналы и сведения о процессе, настройте Azure Log Analytics и библиотеку мониторинга Azure Databricks. Библиотека мониторинга осуществляет потоковую передачу событий уровня Apache Spark и метрик Spark Structured Streaming из ваших заданий в Azure Monitor. Для использования этих событий и метрик никаких изменений в код приложения вносить не потребуется.
Ниже приведены действия по настройке производительности для системы обработки больших данных:
На портале Azure создайте рабочую область Azure Databricks. Скопируйте и сохраните идентификатор подписки Azure (GUID), имя группы ресурсов, имя рабочей области Databricks и URL-адрес портала рабочей области для последующего использования.
В веб-браузере перейдите по URL-адресу рабочей области Databricks и создайте личный маркер доступа. Скопируйте и сохраните строку маркера (которая начинается с dapi
и содержит 32-разрядное шестнадцатеричное значение) для последующего использования.
Клонируйте репозиторий GitHub mspnp/spark-monitoring на локальный компьютер. Этот репозиторий содержит исходный код для следующих компонентов:
С помощью команды Azure CLI для развертывания шаблона ARM создайте рабочую область Azure Log Analytics с предварительно созданными запросами метрик Spark. В выходных данных команды скопируйте и сохраните имя созданной рабочей области Log Analytics (в формате spark-monitoring-<случайная строка>).
На портале Azure скопируйте идентификатор и ключ рабочей области Log Analytics и сохраните их для последующего использования.
Установите выпуск Community интегрированной среды разработки IntelliJ IDEA, которая имеет встроенную поддержку Java Development Kit (JDK) и Apache Maven. Добавьте подключаемый модуль Scala.
Используя IntelliJ IDEA, выполните сборку библиотек мониторинга Azure Databricks. Чтобы выполнить фактическую сборку, выберите Вид>Окна инструментов>Maven, чтобы открыть окно инструментов Maven, затем выберите Выполнить цель Maven>пакет mvn.
С помощью средства установки пакетов Python установите Azure Databricks CLI и настройте проверку подлинности с помощью личного маркера доступа Databricks, который был скопирован ранее.
Настройте рабочую область Azure Databricks, указав в скрипте инициализации Databricks значения параметров для Databricks и Log Analytics, скопированные ранее, а затем с помощью Azure Databricks CLI скопируйте скрипт инициализации и библиотеки мониторинга Azure Databricks в рабочую область Databricks.
На портале рабочей области Databricks создайте и настройте кластер Azure Databricks.
В IntelliJ IDEA создайте пример приложения с помощью Maven. Затем на портале рабочей области Databricks запустите пример приложения, чтобы создать примеры журналов и метрик для Azure Monitor.
Пока пример задания выполняется в Azure Databricks, перейдите на портал Azure, чтобы просмотреть и запросить типы событий (журналы и метрики приложений) в интерфейсе Log Analytics:
Дополнительные сведения о просмотре и выполнении предварительно созданных и настраиваемых запросов приведены в следующем разделе.
Ниже перечислены имена предварительно созданных запросов для получения метрик Spark.
Вы также можете создавать собственные запросы на языке запросов Kusto (KQL). Для этого просто нажмите на верхнюю среднюю панель, которую можно редактировать, и измените запрос в соответствии с вашими потребностями.
Следующие два запроса получают данные из событий ведения журнала Spark:
SparkLoggingEvent_CL | where logger_name_s contains "com.microsoft.pnp"
SparkLoggingEvent_CL | where TimeGenerated > ago(7d) | project TimeGenerated, clusterName_s, logger_name_s | summarize Count=count() by clusterName_s, logger_name_s, bin(TimeGenerated, 1h)
Эти два примера представляют собой запросы к журналу метрик Spark:
SparkMetric_CL | where name_s contains "executor.cpuTime" | extend sname = split(name_s, ".") | extend executor=strcat(sname[0], ".", sname[1]) | project TimeGenerated, cpuTime=count_d / 100000
SparkMetric_CL | where name_s contains "driver.jvm.total." | where executorId_s == "driver" | extend memUsed_GB = value_d / 1000000000 | project TimeGenerated, name_s, memUsed_GB | summarize max(memUsed_GB) by tostring(name_s), bin(TimeGenerated, 1m)
В следующей таблице описаны некоторые термины, используемые при создании запросов для журналов и метрик приложений.
Термин | ID | Комментарии |
---|---|---|
Инициализация кластера | Application ID | |
Очередь | Run ID | Один идентификатор запуска соответствует нескольким пакетам. |
Пакетная служба | Идентификатор пакета | Один пакет соответствует двум заданиям. |
Задание | Идентификатор задания | Одно задание соответствует двум этапам. |
Этап | Идентификатор этапа | Один этап содержит 100–200 идентификаторов задач в зависимости от задачи (чтение, запись или обработка в случайном порядке). |
Задания | Идентификатор задачи | Одна задача назначается одному исполнителю. Одной задаче назначается действие partitionBy для одной секции. Для 200 клиентов потребуется 200 задач. |
Следующие разделы содержат типичные метрики, используемые в этом сценарии для мониторинга пропускной способности системы, состояния выполнения заданий Spark и использования системных ресурсов.
Имя | Измерения | единиц(ы) |
---|---|---|
Пропускная способность потоковой передачи | Средняя скорость ввода данных по сравнению со средней скоростью обработки данных в минуту | Строк в минуту |
Длительность задания | Среднее время выполнения заданий Spark в минуту | Время выполнения в минуту |
Число заданий | Среднее число выполненных заданий Spark в минуту | Число заданий в минуту |
Длительность этапа | Средняя длительность завершенных этапов в минуту | Время выполнения в минуту |
Количество этапов | Среднее число завершенных этапов в минуту | Число этапов в минуту |
Длительность выполнения задачи | Среднее время завершения задач в минуту | Время выполнения в минуту |
Число задач | Среднее число выполненных задач в минуту | Число задач в минуту |
Имя | Измерения | единиц(ы) |
---|---|---|
Число пулов планировщика | Число различных пулов планировщика в минуту (число работающих очередей) | Число пулов планировщика |
Число запущенных исполнителей | Число запущенных исполнителей в минуту | Число запущенных исполнителей |
Трассировка ошибки | Все журналы ошибок с уровнем Error и соответствующими задачами или идентификатором этапа (показаны в thread_name_s ) |
Имя | Измерения | единиц(ы) |
---|---|---|
Среднее использование ЦП на одного исполнителя/общее | Процент использования ЦП на исполнителя в минуту | % в минуту |
Среднее использование прямой памяти (МБ) на узел | Среднее использование прямой памяти на исполнителей в минуту | МБ в минуту |
Объем памяти, записанной на диск, на узел | Средняя объем памяти, записанной на диск, на исполнителя | МБ в минуту |
Отслеживание влияния неравномерного распределения данных на длительность | Измерение диапазона и разности 70-го и 90-го процентилей и 90-го и 100-го процентилей в продолжительности задач | Чистая разница между 100 %, 90 % и 70 %; разница в процентах между 100 %, 90 % и 70 % |
Решите, как связать введенные пользователем данные, объединенные в файл архива GZIP, с определенным выходным файлом Azure Databricks, так как Azure Databricks обрабатывает всю пакетную операцию как единое целое. Здесь вы применяете детализацию к данным трассировки. Вы также применяете пользовательские метрики для трассировки одного выходного файла в исходный входной файл.
Более подробные определения каждой метрики см. в разделе Визуализации на панелях мониторинга на этом веб-сайте или в разделе Метрики документации по Apache Spark.
Вы и ваша команда разработчиков должны установить базовые показатели для оценки будущего состояния приложения.
Оцените производительность приложения количественно. В этом сценарии ключевой метрикой является задержка задания, которая является типичной для большинства операций предварительной обработки и приема данных. Попытайтесь ускорить обработку данных и сосредоточьтесь на измерении задержки, как показано на приведенной ниже диаграмме:
Оцените задержку выполнения задания: получите грубую оценку общей производительности задания и время выполнения задания от начала до завершения (время микропакетной обработки). На приведенной выше диаграмме на обработку задания требуется около 40 секунд (отметка 19:30).
Если рассмотреть эти 40 секунд подробнее, вы увидите приведенные ниже данные для этапов:
На отметке 19:30 есть два этапа: оранжевый этап продолжительностью 10 секунд и зеленый этап продолжительностью 30 секунд. Отслеживайте пики для этапа, так как пик указывает на задержку на этом этапе.
Если определенный этап выполняется медленно, изучите эту ситуацию. В сценарии секционирования обычно существует по крайней мере два этапа: один этап для чтения файла и другой этап для обработки данных в случайном порядке, секционирования и записи файла. Если задержка возникает преимущественно на этапе записи, то во время секционирования может возникнуть проблема, связанная с узким местом.
Следите за последовательным выполнением этапов в задачах, при котором запуск более поздних этапов возможен только после завершения более ранних этапов. В пределах этапа если одна задача выполняет секционирование в случайном порядке медленнее по сравнению с другими задачами, то все задачи в кластере должны дожидаться завершения более медленной задачи для завершения этапа. Поэтому задачи позволяют отслеживать неравномерное распределение данных и выявлять возможные узкие места. На приведенной выше диаграмме видно, что все задачи распределены равномерно.
Теперь отслеживайте время обработки. Так как вы используете сценарий потоковой передачи, посмотрите на пропускную способность потоковой передачи.
На приведенной выше диаграмме с пропускной способностью потоковой передачи/задержкой пакетной обработки оранжевая линия представляет скорость ввода данных (число входных строк в секунду). Синяя линия представляет скорость обработки данных (число обработанных строк в секунду). В некоторых случаях скорость обработки не является достаточно высокой для обработки данных с указанной скоростью ввода. Это может привести к тому, что входные файлы начнут накапливаться в очереди.
Так как на диаграмме скорость обработки данных не соответствует скорости ввода данных, попробуйте повысить скорость обработки, чтобы успевать обрабатывать все вводимые данные. Одной из возможных причин может быть неравномерное распределение данных клиента в каждом ключе секции, что приводит к появлению узких мест. Для следующего этапа и для реализации потенциального решения воспользуйтесь возможностями масштабирования Azure Databricks.
Сначала необходимо определить правильное число исполнителей масштабирования, необходимых для Azure Databricks. Примените эмпирическую оценку при назначении каждой секции выделенных ресурсов ЦП в запущенных исполнителях. Например, если у вас есть 200 ключей секций, то число процессоров, умноженное на число исполнителей, должно равняться 200. (Например, восемь ЦП в сочетании с 25 исполнителями будут хорошим совпадением.) При использовании 200 ключей секций каждый исполнитель может работать только с одной задачей, что снижает вероятность возникновения узких мест.
Поскольку в этом сценарии используется ряд медленных секций, изучите широкий разброс в продолжительности выполнения задач. Проверьте наличие пиков в продолжительности выполнения задач. Каждая задача обрабатывает одну секцию. Если задаче требуется больше времени, секция может стать слишком большой и привести к появлению узкого места.
Добавьте панель мониторинга для трассировки ошибок, чтобы выявлять ошибки обработки данных, связанные с клиентами. При предварительной обработке данных бывают случаи, когда файлы повреждены, а записи в файле не соответствуют схеме данных. На следующей панели мониторинга отображаются многие поврежденные файлы и неправильные записи.
На этой панели мониторинга отображаются количество ошибок, сообщение об ошибке и идентификатор задачи для отладки. С помощью сообщения можно легко найти ошибку в файле ошибок. При чтении возникли ошибки в нескольких файлах. Вы можете просмотреть общую временную шкалу и исследовать конкретные точки на диаграмме (16:20 и 16:40).
Дополнительные примеры и рекомендации см. в разделе Устранение узких мест производительности в Azure Databricks.
В этом сценарии с помощью этих метрик удалось обнаружить следующее:
Для диагностики этих проблем используются следующие метрики:
Эта статья поддерживается Майкрософт. Первоначально она была написана следующими участниками.
Основной автор:
Чтобы просмотреть недоступные профили LinkedIn, войдите в LinkedIn.
Получите скидку 50% на все шаблоны до 3 декабря, 23:59 по тихоокеанскому времени! Code: 1128CWWFTS123
Skip to main content
Trusted by teams at
Trusted by teams at
Business
Mobile
Corporate
CMS
Ecommerce
Memberships
Do you need a slick responsive website для вашего бизнеса? Метрика — это простой и понятный адаптивный шаблон, который вы можете легко настроить в соответствии с брендом вашего бизнеса в Webflow.
Элементы не найдены.
Адаптивный дизайн
Идеальное отображение на настольных компьютерах, планшетах и телефонах.
Адаптивный слайдер
Элегантно отображайте изображения и текст на любом устройстве с помощью нашего сенсорного слайдера.
Адаптивная навигация
Навигация по сайту автоматически сворачивается в удобное для мобильных устройств меню на небольших устройствах.
Создавайте списки потенциальных клиентов и базу подписчиков с помощью красивых форм.
Веб-шрифты
Используются шрифты из коллекции веб-шрифтов Google.
Retina ready
Вся графика оптимизирована для устройств с экранами с высоким разрешением.
Может использоваться только вами или одним клиентом для одного конечного продукта. Вы не можете перепродавать или распространять этот шаблон в его исходном или измененном состоянии.
Этот шаблон можно использовать бесплатно как в личных, так и в коммерческих проектах. Вы не можете перепродавать, распространять или лицензировать этот шаблон в его исходном или измененном состоянии.
Информация о лицензии
Доступна ли демонстрационная версия шаблона?
Используйте параметр «Предварительный просмотр в конструкторе», чтобы внести любые изменения в страницы шаблона и просмотреть, как макет будет соответствовать вашему контенту. Изменения в режиме предварительного просмотра не будут сохранены.
Можно ли использовать шаблоны в существующих проектах?
Невозможно применить шаблон к уже существующему проекту. Вместо этого вам нужно будет создать новый проект на основе шаблона.
Сколько страниц шаблонов можно редактировать с бесплатным тарифным планом?
С бесплатным планом учетной записи можно редактировать две страницы проекта на основе шаблона. Чтобы разблокировать больше страниц и функций, требуется премиум-план.
Можно ли экспортировать шаблоны?
Как приобрести шаблон из старой учетной записи группы?
Шаблоны Webflow доступны для покупки только через рабочие области и устаревшие индивидуальные учетные записи.
Как удалить функциональность CMS из шаблона?
Шаблоны CMS предназначены для использования возможностей CMS Webflow. Можно перейти на базовый план сайта, если весь контент CMS будет удален из проекта.
Используйте инструмент View Connections, чтобы понять, где на сайте находится содержимое CMS, и удалите все динамические списки и содержимое CMS. Мы также рекомендуем вам проверить компоненты и шаблоны страницы коллекции.
Как удалить функцию электронной торговли из шаблона?
Шаблоны для электронной торговли предназначены для использования возможностей электронной торговли Webflow. Невозможно удалить электронную торговлю из шаблона, однако удаление всех продуктов и категорий электронной торговли из проекта позволит выбрать более низкий план сайта.
Как удалить функцию членства из шаблона?
Шаблоны членства предназначены для использования возможностей членства в Webflow. Удалить членство из шаблона невозможно.
Все шаблоны были созданы дизайнерами с использованием Webflow без написания кода. Это означает, что вы также можете настроить их с помощью нашего визуального интерфейса.
Узнайте, как
Все бизнес-шаблоны
Встроенная функция электронной коммерции. Просто добавьте товары.
Встроен динамический контент и визуальная CMS.
Встроено несколько вариантов макета.
Встроена функция электронной торговли. Просто добавьте товары.
Встроен динамический контент и визуальная CMS.
Встроено несколько вариантов макета.
Встроена функция электронной торговли. Просто добавьте товары.
Встроенный динамический контент и Visual CMS.
Несколько встроенных вариантов макета.
Встроенная функция электронной коммерции. Просто добавьте товары.
Динамический контент и встроенная визуальная CMS.
Несколько встроенных вариантов макета.
Все шаблоны от Webflow
Встроенные функции электронной торговли.
Встроенные функции CMS.
Несколько вариантов макетов. встроенный.
Встроенная функциональность электронной коммерции.
Встроенная функциональность CMS.
Встроено несколько вариантов макета.
Встроенные функции электронной торговли.
Встроенные функции CMS.
Несколько встроенных вариантов макета.
Встроенные функции электронной торговли.
Встроенные функции CMS.
Фотография и видео
Блог
Маркетинг
Путешествия
Технологии
Спорт
Другое
Некоммерческие организации
Medical
Food & Drink
Fashion
Entertainment
Education
Design
Beauty & Wellness
Business
Multi Layout
UI Kit
Startup
One Page
Blog
Ресторан
Фотография
Дизайнер
Агентство
Портфолио
Недвижимость
Посмотреть все
Sidebar
Illustration
Organic
Elegant
Casual
Luxurious
Dark
Minimal
Clean
Content management system
Ecommerce
Memberships
Responsive slider
Media lightbox
Фоновое видео
Символы
Взаимодействия
Формы
3D-преобразования
Пользовательский 404 стр.
Retina Ready
Веб -шрифты
бесплатно
Premium
Basic
CMS
Ecommerce
One Page
UI Kit
Участники
Ознакомьтесь с процессом проверки и рекомендациями, чтобы начать продавать собственные шаблоны веб-сайтов.
Узнайте, как
Home > Чертежные принадлежности и инструменты > Чертежные шаблоны и шаблоны чертежей > Метрические шаблоны
Продукты 1-13 из 13
Сортировать по…БрендНазвание продуктаНовейшие продуктыЦена от низкой до высокойЦена от высокой до низкойОценка от высокой до низкойОбщее число отзывовPer4 9000 Page 9000 Page 9000 Страница96 На странице120 На странице
Timely
Метрический шаблон круговЦена: 6,60 долл. США
Розничная продажа: 7,80 долл. США
Артикул №: 89TM-
См. больше от Timely
Содержит 78 метрических кругов от 1 мм до 30 мм. Размер: 25см х 16см.
Пикетт
Гигантский метрический кругЦена: $9,85
Розница: $17,35
Артикул №: 1301i —
Узнайте больше о Pickett
Шаблоны Pickett были разработаны, чтобы соответствовать строгим требованиям профессионального архитектора, чертежника и инженера.
RapiDesign
Метрический шаблон круга Цена: 12,25 долл. США
Розничная цена: 19,15 долл. США
Артикул №: 2140R —
Узнайте больше от RapiDesign
Содержит 44 круга размером от 2 мм до 50 мм. Размер: 18,5 см х 21 см х 0,8 мм.
Timely
Шаблон метрической архитектурной сантехникиЦена: 7,00 долл. США
Розничная цена: 8,25 долл. США
Артикул №: 9383TAM-
См. больше от Timely
Содержит сантехнику и кухонное оборудование американского стандарта для организаций круги квадраты треугольники стрелки. Масштабы: 1:200 1:100 1:50. Размер: 15 см х 25 см х 5 мм.
Пикет
Метрический шаблон кругаЦена: 8,25 долл. США
Розничная цена: 14,50 долл. США
Артикул №: 1300i —
Подробнее от Pickett
Содержит: сорок один круг. Диапазон размеров: от 2 мм до 34 мм. Размер: 4-5/8 «х 9″»х 0,030».
RapiDesign
Шаблон метрического изометрического эллипсаЦена: $16,80
Розничная цена: $26,30
Артикул №: 2123R-
Узнайте больше от RapiDesign
Содержит 38 эллипсов от 3 мм до 40 мм с шагом 1 мм. Размер: 18,3 см х 32,4 см х 0,8 мм.
Пикетт
Образец метрического кругаЦена: 9,85 долл. США
Розничная цена: 17,35 долл. США
Артикул №: 1304i —
Узнайте больше от Pickett
Содержит 46 кругов от 2 мм до 48 мм. Размер: 75/8″ x 101/8″ x 0,030″
RapiDesign
Мастер-шаблон с эллипсами в метрических единицахЦена: 14,35 долл. США
Розничная цена: 22,45 долл. США
Артикул №: 2078R-
Узнайте больше от RapiDesign
Проекции 20°, 30°, 40° и 50°. Содержит 68 эллипсов от 5 мм до 30 мм, от 5 мм до 15 мм с шагом 1 мм и от 15 мм до 30 мм с различным шагом. Толщина: 0,8 мм.
Timely
Метрические круги ШаблонЦена: 5,60 долл. США
Розничная цена: 6,55 долл. США
Артикул №: 88TM-
См. больше от Timely
Содержит 43 метрических круга от 1 мм до 30 мм. Размер: 4¾» x 8″ x 0,020″.
RapiDesign
Шаблон метрической звездыЦена: 17,40 долл. США
Розничная цена: 27,25 долл. США
Артикул №: 2013R-
Узнайте больше от RapiDesign
Содержит 14 пятиконечных звезд от 1 см до 10 см. Размер: 21,5 см х 23,5 см х 0,8 мм.
RapiDesign
Шаблон метрического круга IЦена: 9,25 долл. США
Розничная цена: 14,50 долл. США
Артикул №: 2040R-
Узнайте больше от RapiDesign
Содержит 44 круга размером от 2 мм до 50 мм. Размер: 10 см х 18 см х 0,8 мм.
Пикет
Метрический шаблон общего назначенияЦена: 9,85 долл. США
Розничная цена: 17,35 долл. США
Артикул №: 1303i —
См.