Interrogare i dati con Query Explorer di Lakehouse

Lakehouse Query Explorer è un editor di query integrato incorporato direttamente all'interno di Fabric Lakehouse Explorer. È possibile scrivere ed eseguire query SPARK SQL sui dati lakehouse senza uscire dallo strumento di esplorazione. Non è necessario passare all'endpoint di analisi SQL o creare un notebook per un'esplorazione rapida dei dati.

L'esploratore di query usa Apache Spark come motore di esecuzione sfruttando l'endpoint Livy di Lakehouse. Si ottiene lo stesso dialetto SQL dei notebook Spark, il supporto per le operazioni di lettura e scrittura e la possibilità di eseguire query su set di dati di grandi dimensioni in modo efficiente.

Apri Esplora query

È possibile aprire Esplora query da Lakehouse Explorer nei modi seguenti:

• Menu di spostamento superiore: selezionare Nuova query SparkSQL dal menu di spostamento in alto. Si apre una scheda di query vuota in linea nell'esploratore Lakehouse.
• Menu di navigazione a sinistra — fai clic con il pulsante destro del mouse su qualsiasi tabella, vista o scorciatoia nella struttura ad albero di Esplora oggetti e seleziona Nuova query SparkSQL. Si apre una scheda di query con un'istruzione SELECT * FROM <table> LIMIT 100 prepopolata.

La struttura ad albero rimane visibile a sinistra quando è aperto Esplora query, così puoi consultare schemi e tabelle mentre scrivi query.

Funzionalità dell'editor di query

L'editor di query offre un'esperienza di creazione produttiva per Spark SQL:

• IntelliSense : completamento automatico per nomi di tabella, nomi di colonna, schemi e funzioni SQL. Dopo aver digitato FROM, IntelliSense suggerisce i lakehouse, gli schemi e le tabelle disponibili. I suggerimenti per le colonne vengono visualizzati quando viene fatto riferimento a una tabella nella query. Passare il puntatore del mouse su un nome di tabella per visualizzare le colonne in un popup.
• Evidenziazione della sintassi : parole chiave SQL codificate a colori, identificatori e valori letterali.
• Formato — Seleziona Formato nella barra degli strumenti per formattare automaticamente con rientri e struttura il codice SQL.
• Esegui e annulla : selezionare Esegui per eseguire la query oppure Annulla per arrestare una query in esecuzione.
• Numeri di riga e compressione del codice — Comprimi le sezioni lunghe delle query per semplificare la navigazione.

Tab dinamiche

È possibile aprire più schede di query contemporaneamente e passare immediatamente da una scheda all'altra. Ogni scheda mantiene in modo indipendente il testo della query, lo stato di esecuzione e i risultati.

Per aprire una nuova scheda, selezionare Nuova query SparkSQL dalla barra multifunzione o dal menu di scelta rapida. Per chiudere una scheda, selezionare la X nella scheda . La chiusura di una scheda non influisce sugli altri.

Le schede dinamiche sono utili quando è necessario esplorare contemporaneamente diversi aspetti dei dati. Ad esempio, una scheda per gli ordini, una per i clienti e una per i dettagli a livello di area.

Esegui una query

Quando si seleziona Esegui dalla barra degli strumenti della finestra di query, Esplora query si connette a una sessione Spark leggera che usa l'endpoint Livy lakehouse ed è ottimizzata per un avvio rapido.

La barra di stato nella parte inferiore di Esplora query mostra lo stato della sessione corrente:

Nelle query successive (avvio a caldo), l'esecuzione inizia immediatamente senza il passaggio "Avvio della sessione".

Istruzioni SQL supportate

Esplora query supporta tutte le istruzioni SPARK SQL, tra cui:

• SELECT : eseguire query ed esplorare i dati tra schemi e lakehouse.
• DML : INSERT, UPDATE, DELETE e MERGE per le modifiche ai dati.
• DDL : CREATE VIEW, CREATE TABLE, ALTER e DROP per la gestione dello schema.
• Istruzioni dell'utilità : DESCRIBE, SHOW TABLES, SHOW SCHEMAS e altre query di metadati.

Query tra schemi e cross lakehouse

È possibile eseguire query su tabelle in schemi diversi nella stessa lakehouse, tra più lakehouse nella stessa area di lavoro e persino tra lakehouse in aree di lavoro diverse, il tutto da un'unica scheda di query.

• Schema incrociato : fare riferimento alle tabelle usando schema_name.table_name la sintassi , ad esempio SELECT * FROM sales.orders JOIN marketing.campaigns ON ....
• Cross-lakehouse : usare il percorso workspace_name.lakehouse_name.schema_name.table_name completo per eseguire query sulle tabelle in altri lakehouse.

Results

I risultati della query vengono visualizzati in una griglia sotto l'editor. La griglia dei risultati fornisce:

• Ordinamento colonne : selezionare un'intestazione di colonna per ordinare in ordine crescente o decrescente.
• Ricerca e filtro : filtra i risultati inline per trovare valori specifici.
• Indicatore del conteggio delle righe — Mostra il numero di righe restituite. I risultati sono limitati a 1.000 righe per impostazione predefinita. Viene visualizzato un indicatore chiaro quando i risultati vengono troncati.
• Copia : selezionare le celle e copiare con CTRL+C. Incollare in Excel o in altri strumenti.
• Esporta : scaricare i risultati in formato CSV, JSON o XML.
• Grafici inline : creare barre, linee, torta e altri tipi di grafico direttamente dal set di risultati. I grafici vengono aggiornati quando si modifica il tipo di grafico o i dati sottostanti. Non è necessario alcun codice di visualizzazione.

Creare visualizzazioni

È possibile creare viste direttamente da Esplora query per rendere persistenti le query utili come asset riutilizzabili. Le viste appaiono automaticamente nell'albero di Lakehouse explorer accanto alle tabelle.

Esistono due modi per creare una visualizzazione:

• Istruzione SQL : scrivere ed eseguire un'istruzione CREATE VIEW nell'editor. Per altre informazioni sulle visualizzazioni Spark, vedere Viste Spark in lakehouse.

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

• Salva come vista — Dopo aver eseguito una query SELECT, seleziona Salva come vista nella barra degli strumenti. Specificare un nome per la visualizzazione nella finestra di dialogo.

Limitations

• Solo per Spark SQL — L'esplora query supporta Spark SQL. PySpark, Scala e R non sono supportati. Per il supporto multilingue, usare un notebook.
• Nessun salvataggio delle query : le query non vengono rese persistenti tra le sessioni. Per conservare una query utile, salvala come vista.
• Nessuna cronologia query : le query precedenti non vengono archiviate. Il salvataggio delle query e la cronologia sono pianificati per una versione futura.
• Nessuna creazione di viste materializzate : la creazione di una vista materializzata (MLV) non è supportata. Usare un notebook per creare viste materializzate.
• Nessuna collaborazione in tempo reale — Query Explorer non supporta la modifica collaborativa in tempo reale.
• Nessuna pianificazione delle query : per l'esecuzione pianificata delle query, usare pipeline o notebook.

Contenuti correlati

• Naviga nel Lakehouse Explorer di Fabric
• Che cos'è un lakehouse?
• Endpoint di analisi SQL di Lakehouse
• Esplora i dati con un notebook di tipo lakehouse
• Viste Spark nel lakehouse