Eigenständige Pipelines

Lakeflow-Pipelines sind die am häufigsten verwendete Methode zum Arbeiten mit Daten in Pipelines. Sie können auch eigenständige materialisierte Ansichten und Streamingtabellen außerhalb einer Lakeflow-Pipeline mit einfacher Abfragesyntax definieren und Azure Databricks die zugrunde liegenden Pipelines für Sie verwalten. Eigenständige Tabellen können aus einem Databricks SQL Warehouse oder aus einem Notizbuch erstellt und aktualisiert werden, das auf serverlosen allgemeinen Berechnungen ausgeführt wird.

Informationen zur Entscheidung zwischen eigenständigen Tabellen und einer Lakeflow-Pipeline finden Sie unter Eigenständige Pipelines im Vergleich zu Lakeflow-Pipelines.

Note

Dieser Abschnitt wurde zuvor als „Pipelines für Databricks SQL“ bezeichnet. Er wurde in „Eigenständige Pipelines“ umbenannt, um der neuen Unterstützung für die Erstellung eigenständiger materialisierter Sichten und Streaming-Tabellen aus einem Notebook Rechnung zu tragen, das auf serverloser Allzweckrechenleistung ausgeführt wird, zusätzlich zu einem Databricks SQL-Warehouse.

In diesem Abschnitt erfahren Sie mehr über die Verwendung von eigenständigen Pipelines, einschließlich der folgenden Themen.

Thema Description
Anforderungen für eigenständige Pipelines Erfahren Sie mehr über die Berechnungsoptionen für eigenständige materialisierte Ansichten und Streamingtabellen, einschließlich Featureunterstützung und regionaler Verfügbarkeit.
Verwenden von eigenständigen Streamingtabellen Erstellen, Aktualisieren, Konfigurieren und Überwachen von Streamingtabellen
Verwenden von eigenständigen materialisierten Ansichten Materialisierte Ansichten erstellen, aktualisieren und abfragen.

Informationen zum Erstellen und Aktualisieren eigenständiger materialisierter Ansichten und Streamingtabellen mit Python aus einem Notizbuch finden Sie unter Verwenden von Python mit eigenständigen Pipelines.

Weitere Ressourcen