Abfragen von Daten mithilfe des Lakehouse-Abfrage-Explorers

Der Lakehouse-Abfrage-Explorer ist ein integrierter Abfrage-Editor, der direkt im Fabric Lakehouse-Explorer eingebettet ist. Sie können Spark SQL-Abfragen für Ihre Lakehouse-Daten schreiben und ausführen, ohne den Explorer verlassen zu müssen. Sie müssen nicht zum SQL-Analyseendpunkt wechseln oder ein Notizbuch für schnelle Datensuche erstellen.

Der Abfrage-Explorer verwendet Apache Spark als Ausführungsmodul, indem er den Lakehouse Livy-Endpunkt nutzt. Sie erhalten den gleichen SQL-Dialekt wie Spark-Notizbücher, Unterstützung für Lese- und Schreibvorgänge und die Möglichkeit, große Datasets effizient abzufragen.

Öffnen des Abfrage-Explorers

Sie können den Abfrage-Explorer auf folgende Weise über den Lakehouse-Explorer öffnen:

• Oberes Navigationsmenü – Wählen Sie im oberen Navigationsmenü neue SparkSQL-Abfrage aus. Eine leere Abfrage-Registerkarte wird direkt im Lakehouse-Explorer geöffnet.
• Navigationsmenü links – Klicken Sie mit der rechten Maustaste auf eine beliebige Tabelle, Ansicht oder Verknüpfung in der Explorer-Struktur, und wählen Sie "Neue SparkSQL-Abfrage" aus. Eine Abfrage-Registerkarte öffnet sich mit einer vorgefüllten SELECT * FROM <table> LIMIT 100 Anweisung.

Die Explorer-Struktur bleibt links sichtbar, wenn der Abfrage-Explorer geöffnet ist, sodass Sie beim Schreiben von Abfragen auf Schemas und Tabellen verweisen können.

Funktionen des Abfrage-Editors

Der Abfrage-Editor bietet eine produktive Erstellungsumgebung für Spark SQL:

• IntelliSense – AutoVervollständigen für Tabellennamen, Spaltennamen, Schemas und SQL-Funktionen. Nach der Eingabe von FROM schlägt IntelliSense verfügbare Lakehouses, Schemas und Tabellen vor. Spaltenvorschläge werden angezeigt, wenn in der Abfrage auf eine Tabelle verwiesen wird. Zeigen Sie mit der Maus auf einen Tabellennamen, um die zugehörigen Spalten in einem Popup anzuzeigen.
• Syntaxmarkierung – Farbcodierte SQL-Schlüsselwörter, Bezeichner und Literale.
• Format – Wählen Sie " Format " in der Symbolleiste aus, um Sql automatisch einziehen und strukturieren zu können.
• Ausführen und Abbrechen – Wählen Sie "Ausführen" aus, um die Abfrage auszuführen, oder "Abbrechen ", um eine ausgeführte Abfrage zu beenden.
• Zeilennummern und Codefaltung – Reduzieren sie lange Abfrageabschnitte für eine einfachere Navigation.

Dynamische Registerkarten

Sie können mehrere Abfrage-Tabs gleichzeitig öffnen und sofort zwischen ihnen wechseln. Jede Registerkarte behält unabhängig voneinander ihren eigenen Abfragetext, Ausführungsstatus und Ergebnisse bei.

Um eine neue Registerkarte zu öffnen, wählen Sie im Menüband oder Kontextmenü neue SparkSQL-Abfrage aus. Um eine Registerkarte zu schließen, wählen Sie das X auf der Registerkarte aus. Das Schließen einer Registerkarte wirkt sich nicht auf andere aus.

Dynamische Registerkarten sind nützlich, wenn Sie verschiedene Aspekte Ihrer Daten gleichzeitig untersuchen müssen. Beispielsweise eine Registerkarte für Bestellungen, eine für Kunden und eine für regionale Aufschlüsselungen.

Abfragen ausführen

Wenn Sie auf der Symbolleiste des Abfragefensters "Ausführen" auswählen, stellt der Abfrage-Explorer eine Verbindung mit einer einfachen Spark-Sitzung her, die den Endpunkt Lakehouse Livy verwendet und für einen schnellen Start optimiert ist.

Die Statusleiste unten im Abfrage-Explorer zeigt den aktuellen Sitzungszustand an:

Bei nachfolgenden Abfragen (warmer Start) beginnt die Ausführung sofort ohne den Schritt "Sitzung starten".

Unterstützte SQL-Anweisungen

Der Abfrage-Explorer unterstützt alle Spark SQL-Anweisungen, einschließlich:

• SELECT — Daten in Schemata und Lakehouses abfragen und analysieren.
• DML – INSERT, UPDATE, DELETE und MERGE für Datenänderungen.
• DDL – CREATE VIEW, CREATE TABLE, ALTER und DROP für die Schemaverwaltung.
• Hilfsprogrammanweisungen – DESCRIBE, SHOW TABLES, SHOW SCHEMAS und andere Metadatenabfragen.

Schema- und Lakehouse-übergreifende Abfragen

Sie können Tabellen in verschiedenen Schemas innerhalb desselben Lakehouse, über mehrere Lakehouses im selben Arbeitsbereich und sogar über Lakehouses in verschiedenen Arbeitsbereichen hinweg abfragen – alles über eine einzige Abfrage-Registerkarte.

• Schemaübergreifend — Referenztabellen mithilfe der Syntax schema_name.table_name verwenden (z. B. SELECT * FROM sales.orders JOIN marketing.campaigns ON ...).
• Cross-lakehouse — Verwenden Sie den vollqualifizierten Pfad workspace_name.lakehouse_name.schema_name.table_name, um Tabellen in anderen Lakehouses abzufragen.

Ergebnisse

Abfrageergebnisse werden in einem Raster unterhalb des Editors angezeigt. Das Ergebnisraster bietet Folgendes:

• Spaltensortierung – Wählen Sie eine Spaltenüberschrift aus, um aufsteigend oder absteigend zu sortieren.
• Suchen und Filtern – Filtert Ergebnisse inline, um bestimmte Werte zu finden.
• Zeilenanzahlindikator – Zeigt die Anzahl der zurückgegebenen Zeilen an. Die Ergebnisse sind standardmäßig auf 1.000 Zeilen begrenzt. Ein klarer Indikator wird angezeigt, wenn Ergebnisse gekürzt werden.
• Kopieren – Markieren Sie Zellen, und kopieren Sie sie mit STRG+C. In Excel oder andere Tools einfügen.
• Exportieren – Ergebnisse im CSV-, JSON- oder XML-Format herunterladen.
• Inlinediagramme – Erstellen Sie Balken-, Linien-, Kreis- und andere Diagrammtypen direkt aus dem Resultset. Diagramme werden aktualisiert, wenn Sie den Diagrammtyp oder die zugrunde liegenden Daten ändern. Es ist kein Visualisierungscode erforderlich.

Ansichten erstellen

Sie können Ansichten direkt aus dem Abfrage-Explorer erstellen, um nützliche Abfragen als wiederverwendbare Ressourcen beizubehalten. Ansichten werden automatisch im Navigationsbaum des Lakehouse-Explorers neben Tabellen angezeigt.

Es gibt zwei Möglichkeiten zum Erstellen einer Ansicht:

• SQL-Anweisung – Schreiben und Ausführen einer CREATE VIEW Anweisung im Editor. Weitere Informationen zu Spark-Ansichten finden Sie unter Spark-Ansichten im Seehaus.

  CREATE VIEW my_view AS
  SELECT customer_id, SUM(amount) AS total
  FROM sales.orders
  GROUP BY customer_id
  

• Als Ansicht speichern – Wählen Sie nach dem Ausführen einer SELECT-Abfrage die Option "Als Ansicht speichern " in der Symbolleiste aus. Geben Sie einen Namen für die Ansicht im Dialogfeld an.

Einschränkungen

• Nur Spark SQL – Der Abfrage-Explorer unterstützt Spark SQL. PySpark, Scala und R werden nicht unterstützt. Verwenden Sie für die Unterstützung mehrerer Sprachen ein Notizbuch.
• Keine Abfragespeicherung – Abfragen werden nicht über Sitzungen hinweg beibehalten. Um eine nützliche Abfrage beizubehalten, speichern Sie sie als Ansicht.
• Kein Abfrageverlauf – Vorherige Abfragen werden nicht gespeichert. Das Speichern von Abfragen und der Verlauf sind für eine zukünftige Version geplant.
• Es wird keine materialisierte Ansichtserstellung unterstützt . Die Erstellung der materialisierten Ansicht (Materialized View, MLV) wird nicht unterstützt. Verwenden Sie ein Notizbuch, um materialisierte Ansichten zu erstellen.
• Keine Zusammenarbeit in Echtzeit – Der Abfrage-Explorer unterstützt keine gemeinsame Liveerstellung.
• Keine Abfrageplanung – Verwenden Sie Für die geplante Abfrageausführung Pipelines oder Notizbücher.

Verwandte Inhalte

• Navigieren Sie den Fabric Lakehouse Explorer
• Was ist ein Lakehouse?
• Lakehouse-SQL-Analyseendpunkt
• Erkundung von Daten mit einem Lakehouse-Notebook
• Spark-Ansichten im Lakehouse