Azure Databricks 中的容量限制并非产品问题，而是源于 Azure 底层虚拟机的可用性。当创建或扩展集群时，会从 Azure 动态配置虚拟机。如果特定区域中某些虚拟机 SKU 供应短缺，集群操作可能会停滞。最有效的解决路径是联系您的微软账户团队，由其启动 Azure 容量申请流程。在联系之前，务必准备具体信息，包括订阅 ID、目标区域、虚拟机系列和 SKU、核心数、工作负载特征以及时间要求。理解容量涉及三个层面：Azure 基础设施、Azure Databricks 平台以及 Spark 执行本身。第一层是 Azure 基础设施，受虚拟机 SKU 可用性、区域供应和订阅 vCPU 配额制约。第二层是 Azure Databricks 平台，其针对作业、任务和仓库定义了自身的资源限制。第三层是 Spark 执行，涉及并行度、内存压力和 I/O 需求。容量问题常表现为不一致的行为，例如集群卡在 pending 状态或自动扩展失败。诊断时，请检查集群终止原因和事件日志，并与 Azure 活动日志进行交叉比对。区分区域容量短缺与配额限制：配额问题需要提交增加请求，而容量问题可能需要更改虚拟机 SKU。面对即时容量约束时，可在非高峰时段重试操作，或切换至不同的虚拟机 SKU 或系列。可考虑使用替代虚拟机系列，例如针对 CPU 密集型任务选用 F 系列，针对 I/O 密集型工作负载选用 L 系列。通过在多个 Azure 区域部署工作区来实现区域多样性，可增强对容量约束的弹性。此外，扩展计算资源并非总是解决方案；工作负载设计问题（如数据倾斜或过度 Shuffle）可能模拟出容量问题。通过重分区、缓存和查询设计来优化 Spark 执行往往更为有效。最后，为保留已批准的容量，请为非无服务器工作负载配置实例池，以保持计算资源处于活跃部署状态。