Hvad er SQL Analytics-slutpunktet for et lakehouse?

SQL analytics-endpointet giver dig en skrivebeskyttet T-SQL query surface over Delta-tabellerne i dit lakehouse. Hver lakehouse provisionerer automatisk et SQL-analyse-endpoint, når det oprettes — der er ikke noget ekstra at sætte op. Bag kulisserne kører SQL-analyse-endpointet på samme motor som Fabric data warehouse, så du får højtydende, lav-latenstid SQL-forespørgsler uden at administrere infrastrukturen.

SQL analytics-endpointet er ikke unikt for lakehouses. Andre Fabric-elementer — herunder warehouses, mirrored databases, SQL-databaser og Azure Cosmos DB — leverer også automatisk et SQL-analyseendepunkt. Oplevelsen og begrænsningerne er de samme på tværs af dem alle.

Skærmbillede af SQL-analyse-endpointet for et lakehouse, der viser query editor- og tabellisten.

Det kan du gøre

SQL-analyse-endpointet kører i skrivebeskyttet tilstand over Delta-tabeller — du kan ikke indsætte, opdatere eller slette data gennem det. For at ændre data, skift til søhuset og brug Apache Spark.

Inden for denne skrivebeskyttede grænse kan du:

  • Query Delta-tabeller med T-SQL — Kør SELECT-sætninger mod enhver Delta-tabel i dit lakehouse, inklusive tabeller eksponeret via genveje til ekstern Azure Data Lake Storage eller Amazon S3.
  • Opret visninger, funktioner og lagrede procedurer — Indkapsl forretningslogik og genanvendelige forespørgselsmønstre i T-SQL-objekter, der bevares i SQL-analyse-endpointet.
  • Anvend sikkerhed på række- og objektniveau — Brug SQL-granularrettigheder til at styre, hvilke brugere der kan se hvilke tabeller, kolonner eller rækker.
  • Byg Power BI-rapporter — Power BI semantiske modeller kan forbinde til SQL-analyse-endpointet via Tabular Data Stream (TDS)-endpointet, så du kan bygge rapporter over dine lakehouse-data.
  • Forespørg på tværs af arbejdsområder — Brug OneLake-genveje til at referere til Delta-tabeller i andre lakehouses eller lagre, og saml dem derefter i en enkelt forespørgsel. For flere scenarier på tværs af arbejdsområder, se Lakehouse SQL analytics endpoint use cases.

Note

Eksterne Delta-tabeller, der er oprettet med Spark-kode, er ikke synlige for SQL Analytics-slutpunktet. Brug genveje i tabellesektionen for at gøre eksterne Delta-tabeller synlige. For at lære hvordan, se Opret en genvej.

Access SQL-analyse-endpointet

Du kan åbne SQL-analyse-endpointet på to måder:

  • Fra arbejdsområdet — Find SQL analytics endpoint-elementet i din arbejdsområdeliste (det deler navn med dit lakehouse) og vælg det.
  • Fra Lakehouse Explorer — I øverste højre område af båndet bruger du dropdown-menuen til at skifte til SQL analytics endpoint-visningen.

Uanset hvad åbner query editor, hvor du kan skrive og køre T-SQL-forespørgsler mod dine Delta-tabeller.

Sikkerhed

SQL-sikkerhedsregler sat på SQL-analyse-endpointet gælder kun, når data tilgås via endpointet. De gælder ikke, når de samme data tilgås via Spark eller andre værktøjer.

For at sikre dine data:

For mere om sikkerhedsmodellen, se OneLake security for SQL analytics endpoints.

Synkronisering af metadata

Når du opretter eller opdaterer en Delta-tabel i dit lakehouse, opdager SQL-analyse-endpointet automatisk ændringen og opdaterer sine SQL-metadata — tabeldefinitioner, kolonnetyper og statistikker. Der er ingen importtrin og ingen manuel synkronisering nødvendig. Du har flere muligheder for manuelt at starte en opdatering af SQL-analyse-endpointets metadata.

For mere information, se SQL analytics endpoint metadata sync.

Klargøring igen

Hvis SQL analytics-endpointet ikke kan provisionere, når du opretter et lakehouse, kan du prøve igen direkte fra lakehouse-hjemmesiden uden at genskabe lakehouse.

Skærmbillede viser muligheden for at prøve SQL Analytics endpoint-provisionering igen i lakehouse.

Note

Reprovisionering kan stadig fejle, ligesom den oprindelige provisionering kan. Hvis gentagne forsøg fejler, kontakt support.

Begrænsninger

SQL-analyse-endpointet deler sin motor med lageret i Fabric, og de deler de samme begrænsninger.

Følgende begrænsninger gælder for automatisk generering af skemaer og registrering af metadata i SQL Analytics-slutpunktet.

  • Dataene skal være i Delta Parquet-format, så de automatisk kan findes i SQL-analyseslutpunktet. Delta Lake er et open source-lagringsframework , der muliggør opbygning af lakehouse-arkitektur.

  • Delta-kolonnetilknytning efter navn understøttes, men Delta-kolonnetilknytning efter id understøttes ikke. Du kan få flere oplysninger under Delta Lake-funktioner og Fabric-oplevelser.

  • Delta-tabeller, der er oprettet uden for mappen /tables , er ikke tilgængelige i SQL Analytics-slutpunktet.

    Hvis du ikke kan se en lakehouse-tabel i SQL analytics-endpointet, så tjek placeringen af tabellen. Kun tabellerne, der refererer til data i mappen /tables , er tilgængelige i SQL-analyse-endpointet. De tabeller, der refererer til data i mappen /files i søen, vises ikke i SQL Analytics-slutpunktet. Du kan løse problemet ved at flytte dine data til mappen /tables .

  • Nogle kolonner, der findes i Spark Delta-tabellerne, er muligvis ikke tilgængelige i tabellerne i SQL Analytics-slutpunktet. For hver Delta-tabel i din Lakehouse genererer SQL-analyse-endpointet automatisk en tabel med T-SQL-datatyper. SQL analytics endpoint-motoren er baseret på Fabric data warehouse-motoren og deler datatyper. Du kan se en komplet liste over understøttede datatyper under Datatyper i Fabric data warehouse.

  • Hvis du tilføjer en fremmed nøglebegrænsning mellem tabeller i SQL Analytics-slutpunktet, kan du ikke foretage yderligere skemaændringer (f.eks. tilføje de nye kolonner). Hvis du ikke kan se Delta Lake-kolonnerne med de typer, der skal understøttes i SQL Analytics-slutpunktet, skal du kontrollere, om der er en fremmed nøglebegrænsning, der kan forhindre opdateringer i tabellen.

  • Du kan finde oplysninger om og anbefalinger til ydeevnen for SQL-analyseslutpunktet under Overvejelser i forbindelse med ydeevnen for SQL-analyseslutpunkt.

  • Skalar-UDF'er understøttes, når de er indbyggede. Du kan få mere at vide under CREATE FUNCTION og Scalar UDF inlining.

  • Varchar(max)-datatypen understøttes kun i SQL-analyseendepunkter, der er aktiveret med den nye metadata-synkronisering.

Dataafskæring til 8 KB gælder stadig på tabellerne i SQL-analyse-endpointet i lakehouse, inklusive genveje til et spejlet element, hvis SQL-analyseendpointet ikke bruger ny metadata-synkronisering.

Du kan bekræfte, om en tabel har en varchar(max) -kolonne fra skemametadata ved hjælp af følgende T-SQL-forespørgsel. En max_length værdi af -1 repræsenterer varchar(max):

SELECT o.name, c.name, type_name(user_type_id) AS [type], max_length
FROM sys.columns AS c
INNER JOIN sys.objects AS o
ON c.object_id = o.object_id
WHERE max_length = -1 
AND type_name(user_type_id) IN ('varchar', 'varbinary');

  • Skemaer med navne, der er i konflikt med systemskemaer (såsom sys eller information_schema) og databasesikkerhedsprincipper (såsom db_owner, db_datareader), understøttes ikke i SQL-analyse-endpointet. Tabeller under disse skemaer vil ikke synkronisere til SQL-analyse-endpointet.

  • Et arbejdsområde understøtter op til 150 lager- og SQL-analyseendpoint-elementer tilsammen. Oprettelse af yderligere elementer ud over denne grænse understøttes ikke. Slet et eksisterende element, før du opretter et nyt.

Relateret indhold

  • Sidst opdateret den