Rychlý start: Vytvoření nové databáze Lake s využitím šablon databází

  • Článek

V tomto rychlém startu najdete kompletní ukázkový scénář, jak použít šablony databáze k vytvoření databáze Lake, zarovnání dat s novým modelem a použití integrovaného prostředí k analýze dat.

Požadavky

  • Ke zkoumání šablony databáze Lake z galerie se vyžadují alespoň oprávnění role uživatele Synapse .
  • Pro vytvoření databáze Lake se v pracovním prostoru Azure Synapse vyžadují oprávnění Správce Synapse nebo Přispěvatel Synapse.
  • Při použití možnosti vytvořit tabulku z data lake se vyžadují oprávnění Přispěvatel dat v objektech blob služby Storage.

Vytvoření databáze Lake z databázových šablon

Pomocí nové funkce šablon databází můžete vytvořit databázi Lake, kterou můžete použít ke konfiguraci datového modelu pro databázi.

V našem scénáři použijeme Retail šablonu databáze a vybereme následující entity:

  • RetailProduct – produkt je cokoli, co se dá nabídnout na trhu a které by mohlo uspokojovat potřeby potenciálních zákazníků. Tento produkt je součtem všech fyzických, psychických, symbolických a servisních atributů, které jsou s ním spojené.
  • Transakce – nejnižší úroveň spustitelné práce nebo aktivity zákazníka. Transakce se skládá z jedné nebo více diskrétních událostí.
  • TransactionLineItem – komponenty transakce rozčleněné podle product (Product) a Quantity (Množství), jedna pro každou položku řádku.
  • Strana – strana je jednotlivec, organizace, právnická osoba, sociální organizace nebo obchodní jednotka, která je pro firmu zajímavá.
  • Zákazník – zákazník je fyzická nebo právnická osoba, která má nebo zakoupila produkt nebo službu.
  • Kanál – kanál je prostředek, kterým se produkty nebo služby prodávají nebo distribuují.

Nejjednodušší způsob, jak najít entity, je použít vyhledávací pole nad různými obchodními oblastmi, které obsahují tabulky.

Snímek obrazovky s ukázkou používané šablony maloobchodní databáze

Konfigurace databáze Lake

Po vytvoření databáze se ujistěte, že účet úložiště a cesta k souboru jsou nastavené na umístění, kam chcete data uložit. Výchozí cesta bude k primárnímu účtu úložiště v rámci Azure Synapse Analytics, ale můžete ji změnit podle svých potřeb.

Snímek obrazovky s vlastnostmi jednotlivé entity v šabloně maloobchodní databáze

Pokud chcete rozložení uložit a zpřístupnit ho v Azure Synapse, publikujte všechny změny. Tento krok dokončí nastavení databáze Lake a zpřístupní ji všem komponentám v rámci Azure Synapse Analytics i mimo ni.

Ingestování dat do databáze Lake

Pokud chcete ingestovat data do databáze Lake, můžete spouštět kanály s mapováním toků dat bez kódu, která mají konektor databáze pracovního prostoru pro načítání dat přímo do databázové tabulky. K příjmu dat do tabulek databáze Lake můžete použít také interaktivní poznámkové bloky Sparku:

%%sql
INSERT INTO `retail_mil`.`customer` VALUES (1,date('2021-02-18'),1022,557,101,'Tailspin Toys (Head Office)','Waldemar Fisar',90410,466);

Vytváření dotazů na data

Po vytvoření databáze Lake existují různé způsoby dotazování na data. V současné době se podporují databáze SQL v bezserverových fondech SQL a automaticky rozumí nově vytvořenému formátu databáze Lake.

SELECT TOP (100) [ProductId]
,[ProductName]
,[ProductDescription]
,[ProductInternalName]
,[ItemSku]
,[PrimaryBrandId]
FROM [Retail_mil].[dbo].[RetailProduct]

Dalším způsobem, jak získat přístup k datům v rámci Azure Synapse, je otevřít nový poznámkový blok Sparku a použít integrované prostředí tam:

df = spark.sql("SELECT * FROM `Retail_mil`.`RetailProduct`")
df.show(10)

Trénování modelů strojového učení

Databázi Lake můžete použít k trénování modelů strojového učení a k určení skóre dat. Další podrobnosti najdete v trénování modelů strojového učení.

Další kroky

Pokračujte ve zkoumání možností návrháře databází pomocí následujících odkazů.