Microsoft JDBC-driver til Microsoft Fabric Data Engineering (forhåndsvisning)

Notat

Denne funktion er en prøveversion.

JDBC (Java Database Connectivity) er en bredt anvendt standard, der gør det muligt for klientapplikationer at forbinde til og arbejde med data fra databaser og big data-platforme.

Microsoft JDBC Driver for Fabric Data Engineering lader dig forbinde, forespørge og administrere Spark-arbejdsbelastninger i Microsoft Fabric med pålideligheden og enkelheden fra JDBC-standarden. Drevet er bygget på Microsoft Fabrics Livy API'er og leverer sikker og fleksibel Spark SQL-forbindelse til dine Java-applikationer og BI-værktøjer. Denne integration gør det muligt at indsende og køre Spark-kode direkte uden at skulle oprette separate Notebook- eller Spark Job Definition-artefakter.

Vigtige funktioner

JDBC 4.2-kompatibel: Fuld implementering af JDBC 4.2-specifikationen
Microsoft Entra ID-autentificering: Flere autentificeringsflows, herunder interaktiv, klientoplysninger og certifikatbaseret autentificering
Enterprise Connection Pooling: Indbygget forbindelsespooling med sundhedsovervågning og automatisk gendannelse
Spark SQL Native Query Support: Direkte udførelse af Spark SQL-sætninger uden oversættelse
Omfattende understøttelse af datatyper: Understøttelse af alle Spark SQL-datatyper inklusive komplekse typer (ARRAY, MAP, STRUCT)
Asynkron resultatmængde forudhentning: Indlæsning af baggrundsdata for forbedret ydeevne
Circuit Breaker-mønster: Beskyttelse mod kaskaderede fejl med automatisk genprøvning
Auto-genforbindelse: Gennemsigtig sessionsgendannelse ved forbindelsesfejl
Proxy-understøttelse: HTTP- og SOCKS-proxykonfiguration til virksomhedsmiljøer

Forudsætninger

Før du bruger Microsoft JDBC-driveren til Microsoft Fabric Data Engineering, skal du sikre dig, at du har:

Java Development Kit (JDK): Version 11 eller højere (Java 21 anbefales)
Microsoft Fabric Access: Adgang til et Microsoft Fabric-arbejdsområde
Azure Entra ID Credentials: Passende legitimationsoplysninger til autentificering
Workspace og Lakehouse ID'er: GUID-identifikatorer for dit Fabric workspace og lakehouse

Download og installation

Microsoft JDBC Driver for Microsoft Fabric Data Engineering version 1.0.0 er den offentlige forhåndsvisning og understøtter Java 11, 17 og 21. Vi forbedrer løbende Java-forbindelsesunderstøttelsen og anbefaler, at du arbejder med den nyeste version af Microsoft JDBC-driveren.

Download enten zip- eller tar-filen fra linkene ovenfor.
Udpak den downloadede fil for at få adgang til driverens JAR-filer.
Vælg den JAR-fil, der matcher din JRE-version:
- For Java 11: ms-sparksql-jdbc-1.0.0.jre11.jar
- For Java 17: ms-sparksql-jdbc-1.0.0.jre17.jar
- For Java 21: ms-sparksql-jdbc-1.0.0.jre21.jar
Tilføj den valgte JAR-fil til din applikations classpath.
For JDBC-klienter konfigureres JDBC-driverklassen: com.microsoft.spark.livy.jdbc.LivyDriver

Eksempel på hurtigstart

Dette eksempel demonstrerer, hvordan man forbinder til Microsoft Fabric og udfører en forespørgsel ved hjælp af Microsoft JDBC Driver for Microsoft Fabric Data Engineering. Før du kører denne kode, skal du sikre dig, at du har opfyldt adgangskravene og installeret driveren.

import java.sql.*;

public class QuickStartExample {
    public static void main(String[] args) {
        // Connection string with required parameters
        String url = "jdbc:fabricspark://api.fabric.microsoft.com;" +
                     "FabricWorkspaceID=<workspace-id>;" +
                     "FabricLakehouseID=<lakehouse-id>;" +
                     "AuthFlow=2;" +  // Interactive browser authentication
                     "LogLevel=INFO";
        
        try (Connection conn = DriverManager.getConnection(url)) {
            // Execute a simple query
            try (Statement stmt = conn.createStatement();
                 ResultSet rs = stmt.executeQuery("SELECT 'Hello from Fabric!' as message")) {
                
                if (rs.next()) {
                    System.out.println(rs.getString("message"));
                }
            }
        } catch (SQLException e) {
            e.printStackTrace();
        }
    }
}

Forbindelsesstrengsformat

Grundlæggende forbindelsesstreng

Microsoft JDBC-driveren for Microsoft Fabric Data Engineering bruger følgende forbindelsesstrengsformat:

jdbc:fabricspark://<hostname>[:<port>][;<parameter1>=<value1>;<parameter2>=<value2>;...]

Forbindelsesstrengskomponenter

Komponent	Beskrivelse	Eksempel
Protokol	JDBC URL-protokolidentifikator	`jdbc:fabricspark://`
Værtsnavn	Microsoft Fabric endpoint værtsnavn	`api.fabric.microsoft.com`
Havn	Valgfrit portnummer (standard: 443)	`:443`
Parametre	Semikolon-separeret nøgle=værdipar	`FabricWorkspaceID=<guid>`

Eksempel på forbindelsesstrenge

Grundlæggende forbindelse (interaktiv autentificering)

jdbc:fabricspark://api.fabric.microsoft.com;FabricWorkspaceID=<workspace-id>;FabricLakehouseID=<lakehouse-id>;AuthFlow=2

Med Spark Resource Configuration

jdbc:fabricspark://api.fabric.microsoft.com;FabricWorkspaceID=<workspace-id>;FabricLakehouseID=<lakehouse-id>;DriverCores=4;DriverMemory=4g;ExecutorCores=4;ExecutorMemory=8g;NumExecutors=2;AuthFlow=2

Med Spark Session-egenskaber

jdbc:fabricspark://api.fabric.microsoft.com;FabricWorkspaceID=<workspace-id>;FabricLakehouseID=<lakehouse-id>;spark.sql.adaptive.enabled=true;spark.sql.shuffle.partitions=200;AuthFlow=2

Godkendelse

Microsoft JDBC-driveren for Microsoft Fabric Data Engineering understøtter flere autentificeringsmetoder via Microsoft Entra ID (tidligere Azure Active Directory). Autentificering konfigureres ved hjælp af parameteren AuthFlow i forbindelsesstrengen.

Autentificeringsflows

AuthFlow	Godkendelsesmetode	Brug sag
0	Azure CLI Credential	Udvikling ved brug af Azure CLI
1	Klientoplysninger (Service Principal)	Automatiseret/service-til-service autentificering
2	Interaktiv browser	Interaktiv brugerautentificering (standard)
3	SPN	Godkendelse af tjenesteprincipal
4	Certificate-Based	Certifikatbaseret service principal-autentificering
5	Adgangstoken	Foruderhvervet adgangstoken

Interaktiv browserautentificering

Bedst til: Udvikling og interaktive applikationer

String url = "jdbc:fabricspark://api.fabric.microsoft.com;" +
             "FabricWorkspaceID=<workspace-id>;" +
             "FabricLakehouseID=<lakehouse-id>;" +
             "AuthFlow=2;" +  // Interactive browser authentication
             "AuthTenantID=<tenant-id>;" +  // Optional
             "LogLevel=INFO";

Connection conn = DriverManager.getConnection(url);

Parametre:

AuthFlow=2: Specificerer interaktiv browserautentificering
AuthTenantID (optional): Azure tenant ID
AuthClientID (valgfrit): Applikations-ID (klient)

Adfærd:

Åbner et browservindue til brugerautentificering
Legitimationsoplysninger caches til efterfølgende forbindelser, indtil det er udløbet
Velegnet til enkeltbrugerapplikationer

Klientlegitimationsautentificering

Bedst til: Automatiserede tjenester og baggrundsjobs

String url = "jdbc:fabricspark://api.fabric.microsoft.com;" +
             "FabricWorkspaceID=<workspace-id>;" +
             "FabricLakehouseID=<lakehouse-id>;" +
             "AuthFlow=1;" +  // Client credentials authentication
             "AuthClientID=<client-id>;" +
             "AuthClientSecret=<client-secret>;" +
             "AuthTenantID=<tenant-id>;" +
             "LogLevel=INFO";

Connection conn = DriverManager.getConnection(url);

Påkrævede parametre:

AuthFlow=1: Angiver klientlegitimationsautentificering
AuthClientID: Application (klient) ID fra Microsoft Entra ID
AuthClientSecret: Klienthemmelighed fra Microsoft Entra ID
AuthTenantID: Azure tenant ID

Bedste praksis:

Lagre hemmeligheder sikkert (Azure Key Vault, miljøvariabler)
Brug managed identities, når det er muligt
Roterer hemmeligheder regelmæssigt

Certificate-Based Autentificering

Bedst til: Virksomhedsapplikationer, der kræver certifikatbaseret autentificering

String url = "jdbc:fabricspark://api.fabric.microsoft.com;" +
             "FabricWorkspaceID=<workspace-id>;" +
             "FabricLakehouseID=<lakehouse-id>;" +
             "AuthFlow=4;" +  // Certificate-based authentication
             "AuthClientID=<client-id>;" +
             "AuthCertificatePath=/path/to/certificate.pfx;" +
             "AuthCertificatePassword=<certificate-password>;" +
             "AuthTenantID=<tenant-id>;" +
             "LogLevel=INFO";

Connection conn = DriverManager.getConnection(url);

Påkrævede parametre:

AuthFlow=4: Specificerer certifikatbaseret autentificering
AuthClientID: Applikations-ID (klient)
AuthCertificatePath: Sti til PFX/PKCS12 certifikatfil
AuthCertificatePassword: Certifikatadgangskode
AuthTenantID: Azure tenant ID

Service Principal Autentificering

Bedst til: Headless-miljøer og fjernsessioner

String url = "jdbc:fabricspark://api.fabric.microsoft.com;" +
             "FabricWorkspaceID=<workspace-id>;" +
             "FabricLakehouseID=<lakehouse-id>;" +
             "AuthFlow=3;" +  // Device code authentication
             "AuthClientID=<client-id>;" +
             "AuthTenantID=<tenant-id>;" +
             "LogLevel=INFO";

Connection conn = DriverManager.getConnection(url);

Adfærd:

Viser en enhedskode og URL i konsollen
Brugeren besøger URL'en og indtaster koden
Autentificeringen fuldføres efter brugerverifikation

Adgangstoktuifikation

Bedst til: Brugerdefinerede autentificeringsscenarier

// Acquire token through custom mechanism
String accessToken = acquireTokenFromCustomSource();

String url = "jdbc:fabricspark://api.fabric.microsoft.com;" +
             "FabricWorkspaceID=<workspace-id>;" +
             "FabricLakehouseID=<lakehouse-id>;" +
             "AuthFlow=5;" +  // Access token authentication
             "AuthAccessToken=" + accessToken + ";" +
             "LogLevel=INFO";

Connection conn = DriverManager.getConnection(url);

Autentificeringscache

Driveren cacher automatisk autentificeringstokens for at forbedre ydeevnen:

// Enable/disable caching (enabled by default)
String url = "jdbc:fabricspark://api.fabric.microsoft.com;" +
             "FabricWorkspaceID=<workspace-id>;" +
             "FabricLakehouseID=<lakehouse-id>;" +
             "AuthFlow=2;" +
             "AuthEnableCaching=true;" +  // Enable token caching
             "AuthCacheTTLMS=3600000";    // Cache TTL: 1 hour

Connection conn = DriverManager.getConnection(url);

Konfigurationsparametre

Påkrævede parametre

Disse parametre skal være til stede i hver forbindelsesstreng:

Parameter	Type	Beskrivelse	Eksempel
`FabricWorkspaceID`	UUID	Microsoft Fabric workspace-identifikator	`<workspace-id>`
`FabricLakehouseID`	UUID	Microsoft Fabric lakehouse-identifikator	`<lakehouse-id>`
`AuthFlow`	Integer	Autentificeringsflowtype (0-5)	`2`

Valgfrie parametre

API-versionskonfiguration

Parameter	Type	Standard	Beskrivelse
`FabricVersion`	String	`v1`	Microsoft Fabric API-version
`LivyApiVersion`	String	`2023-12-01`	Livy API-versionen

Miljøkonfiguration

Parameter	Type	Standard	Beskrivelse
`FabricEnvironmentID`	UUID	Ingen	Fabric-miljøidentifikator til reference-miljøelement for Spark-session

Spark-konfiguration

Konfiguration af sessionsressourcer

Konfigurer Spark-sessionsressourcer for optimal ydeevne:

Parameter	Type	Standard	Beskrivelse	Eksempel
`DriverCores`	Integer	Spark standard	Antal CPU-kerner for driver	`4`
`DriverMemory`	String	Spark standard	Hukommelsesallokering til driver	`4g`
`ExecutorCores`	Integer	Spark standard	Antal CPU-kerner pr. eksekver	`4`
`ExecutorMemory`	String	Spark standard	Hukommelsesallokering pr. eksekutor	`8g`
`NumExecutors`	Integer	Spark standard	Antal eksekutorer	`2`

Eksempel:

DriverCores=4;DriverMemory=4g;ExecutorCores=4;ExecutorMemory=8g;NumExecutors=2

Brugerdefinerede Spark Session-egenskaber

Enhver parameter med præfikset spark. anvendes automatisk på Spark-sessionen:

Eksempler på gnistkonfigurationer:

spark.sql.adaptive.enabled=true
spark.sql.adaptive.coalescePartitions.enabled=true
spark.sql.shuffle.partitions=200
spark.sql.autoBroadcastJoinThreshold=10485760
spark.dynamicAllocation.enabled=true
spark.dynamicAllocation.minExecutors=1
spark.dynamicAllocation.maxExecutors=10
spark.executor.memoryOverhead=1g

Native Execution Engine (NEE):

spark.nee.enabled=true

Fuldstændigt eksempel:

jdbc:fabricspark://api.fabric.microsoft.com;FabricWorkspaceID=<guid>;FabricLakehouseID=<guid>;DriverMemory=4g;ExecutorMemory=8g;NumExecutors=2;spark.sql.adaptive.enabled=true;spark.nee.enabled=true;AuthFlow=2

HTTP Connection Pool-konfiguration

Konfigurer HTTP-forbindelsespooling for optimal netværksydelse:

Parameter	Type	Standard	Beskrivelse
`HttpMaxTotalConnections`	Integer	100	Maksimalt antal HTTP-forbindelser
`HttpMaxConnectionsPerRoute`	Integer	50	Maksimalt antal forbindelser pr. rute
`HttpConnectionTimeoutInSeconds`	Integer	30	Timeout for forbindelse
`HttpSocketTimeoutInSeconds`	Integer	60	Socket-læsetidsafbrydelse
`HttpReadTimeoutInSeconds`	Integer	60	HTTP-læsetimeout
`HttpConnectionRequestTimeoutSeconds`	Integer	30	Forbindelsesanmodning timeout fra poolen
`HttpEnableKeepAlive`	Boolean	sand	Aktivér HTTP keep-alive
`HttpKeepAliveTimeoutSeconds`	Integer	60	Keep-alive timeout
`HttpFollowRedirects`	Boolean	sand	Følg HTTP-omdirigeringer
`HttpUseAsyncIO`	Boolean	falsk	Brug asynkron HTTP I/O

Eksempel:

HttpMaxTotalConnections=200;HttpMaxConnectionsPerRoute=100;HttpConnectionTimeoutInSeconds=60

Proxy-konfiguration

Konfigurer HTTP- og SOCKS-proxyindstillinger til virksomhedsmiljøer:

Parameter	Type	Standard	Beskrivelse
`UseProxy`	Boolean	falsk	Aktiver proxy
`ProxyTransport`	String	`http`	Proxy-transporttype (http/tcp)
`ProxyHost`	String	Ingen	Proxy-værtsnavn
`ProxyPort`	Integer	Ingen	Proxy-port
`ProxyAuthEnabled`	Boolean	falsk	Aktivér proxy-autentificering
`ProxyUsername`	String	Ingen	Brugernavn til proxy-autentificering
`ProxyPassword`	String	Ingen	Proxy-autentificeringsadgangskode
`ProxyAuthScheme`	String	`basic`	Auth-skema (basic/digest/ntlm)
`ProxySocksVersion`	Integer	5	SOCKS-versionen (4/5)

HTTP-proxy eksempel:

UseProxy=true;ProxyTransport=http;ProxyHost=proxy.company.com;ProxyPort=8080;ProxyAuthEnabled=true;ProxyUsername=user;ProxyPassword=pass

SOCKS proxy-eksempel:

UseProxy=true;ProxyTransport=tcp;ProxyHost=socks.company.com;ProxyPort=1080;ProxySocksVersion=5

Konfiguration af logning

Parameter	Type	Standard	Beskrivelse
`LogLevel`	String	`INFO`	Logningsniveau: TRACE, DEBUG, INFO, WARNING, ERROR

Eksempel:

LogLevel=DEBUG

Standardlogplacering:

${user.home}/.microsoft/livy-jdbc-driver/driver.log

Brugerdefineret logkonfiguration: Brug en custom log4j2.xml eller logback.xml fil på din classpath.

Anvendelseseksempler

Grundlæggende forbindelse

import java.sql.*;

public class BasicConnectionExample {
    public static void main(String[] args) {
        String url = "jdbc:fabricspark://api.fabric.microsoft.com;" +
                     "FabricWorkspaceID=<workspace-id>;" +
                     "FabricLakehouseID=<lakehouse-id>;" +
                     "AuthFlow=2";
        
        try (Connection conn = DriverManager.getConnection(url)) {
            System.out.println("Connected successfully!");
            System.out.println("Database: " + conn.getMetaData().getDatabaseProductName());
            System.out.println("Driver: " + conn.getMetaData().getDriverName());
            System.out.println("Driver Version: " + conn.getMetaData().getDriverVersion());
        } catch (SQLException e) {
            System.err.println("Connection failed: " + e.getMessage());
            e.printStackTrace();
        }
    }
}

Udførelse af forespørgsler

Simpel forespørgsel

public void executeSimpleQuery(Connection conn) throws SQLException {
    String sql = "SELECT current_timestamp() as now";
    
    try (Statement stmt = conn.createStatement();
         ResultSet rs = stmt.executeQuery(sql)) {
        
        if (rs.next()) {
            Timestamp now = rs.getTimestamp("now");
            System.out.println("Current timestamp: " + now);
        }
    }
}

Forespørgsel med filter

public void executeQueryWithFilter(Connection conn) throws SQLException {
    String sql = "SELECT * FROM sales WHERE amount > 1000 ORDER BY amount DESC";
    
    try (Statement stmt = conn.createStatement();
         ResultSet rs = stmt.executeQuery(sql)) {
        
        while (rs.next()) {
            int id = rs.getInt("id");
            double amount = rs.getDouble("amount");
            Date date = rs.getDate("sale_date");
            
            System.out.printf("ID: %d, Amount: %.2f, Date: %s%n", 
                            id, amount, date);
        }
    }
}

Forespørgsel med grænse

public void executeQueryWithLimit(Connection conn) throws SQLException {
    String sql = "SELECT * FROM customers LIMIT 10";
    
    try (Statement stmt = conn.createStatement();
         ResultSet rs = stmt.executeQuery(sql)) {
        
        ResultSetMetaData metaData = rs.getMetaData();
        int columnCount = metaData.getColumnCount();
        
        // Print column names
        for (int i = 1; i <= columnCount; i++) {
            System.out.print(metaData.getColumnName(i) + "\t");
        }
        System.out.println();
        
        // Print rows
        while (rs.next()) {
            for (int i = 1; i <= columnCount; i++) {
                System.out.print(rs.getString(i) + "\t");
            }
            System.out.println();
        }
    }
}

Arbejde med resultatmængder

Navigering af resultatmængder

public void navigateResultSet(Connection conn) throws SQLException {
    String sql = "SELECT id, name, amount FROM orders";
    
    try (Statement stmt = conn.createStatement(
            ResultSet.TYPE_SCROLL_INSENSITIVE,
            ResultSet.CONCUR_READ_ONLY);
         ResultSet rs = stmt.executeQuery(sql)) {
        
        // Move to first row
        if (rs.first()) {
            System.out.println("First row: " + rs.getString("name"));
        }
        
        // Move to last row
        if (rs.last()) {
            System.out.println("Last row: " + rs.getString("name"));
            System.out.println("Total rows: " + rs.getRow());
        }
        
        // Move to specific row
        if (rs.absolute(5)) {
            System.out.println("Row 5: " + rs.getString("name"));
        }
    }
}

Behandling af store resultatsæt

public void processLargeResultSet(Connection conn) throws SQLException {
    String sql = "SELECT * FROM large_table";
    
    try (Statement stmt = conn.createStatement()) {
        // Set fetch size for efficient memory usage
        stmt.setFetchSize(1000);
        
        try (ResultSet rs = stmt.executeQuery(sql)) {
            int rowCount = 0;
            while (rs.next()) {
                // Process row
                processRow(rs);
                rowCount++;
                
                if (rowCount % 10000 == 0) {
                    System.out.println("Processed " + rowCount + " rows");
                }
            }
            System.out.println("Total rows processed: " + rowCount);
        }
    }
}

private void processRow(ResultSet rs) throws SQLException {
    // Process individual row
}

Brug af forberedte udsagn

public void usePreparedStatement(Connection conn) throws SQLException {
    String sql = "SELECT * FROM products WHERE category = ? AND price > ?";
    
    try (PreparedStatement pstmt = conn.prepareStatement(sql)) {
        // Set parameters
        pstmt.setString(1, "Electronics");
        pstmt.setDouble(2, 100.0);
        
        try (ResultSet rs = pstmt.executeQuery()) {
            while (rs.next()) {
                String name = rs.getString("name");
                double price = rs.getDouble("price");
                System.out.printf("Product: %s, Price: $%.2f%n", name, price);
            }
        }
    }
}

Batchoperationer

public void executeBatchInsert(Connection conn) throws SQLException {
    String sql = "INSERT INTO logs (timestamp, level, message) VALUES (?, ?, ?)";
    
    try (PreparedStatement pstmt = conn.prepareStatement(sql)) {
        conn.setAutoCommit(false);  // Disable auto-commit for batch
        
        // Add multiple statements to batch
        for (int i = 0; i < 1000; i++) {
            pstmt.setTimestamp(1, new Timestamp(System.currentTimeMillis()));
            pstmt.setString(2, "INFO");
            pstmt.setString(3, "Log message " + i);
            pstmt.addBatch();
            
            // Execute batch every 100 statements
            if (i % 100 == 0) {
                pstmt.executeBatch();
                pstmt.clearBatch();
            }
        }
        
        // Execute remaining statements
        pstmt.executeBatch();
        conn.commit();
        
        System.out.println("Batch insert completed successfully");
    } catch (SQLException e) {
        conn.rollback();
        throw e;
    } finally {
        conn.setAutoCommit(true);
    }
}

Datatypekortlægning

Driveren mapper Spark SQL-datatyper til JDBC SQL-typer og Java-typer:

Spark SQL Type	JDBC SQL Type	Java-type	Noter
`BOOLEAN`	`BOOLEAN`	`Boolean`
`BYTE`	`TINYINT`	`Byte`
`SHORT`	`SMALLINT`	`Short`
`INT`	`INTEGER`	`Integer`
`LONG`	`BIGINT`	`Long`
`FLOAT`	`FLOAT`	`Float`
`DOUBLE`	`DOUBLE`	`Double`
`DECIMAL`	`DECIMAL`	`BigDecimal`	Præcision og skala bevaret
`STRING`	`VARCHAR`	`String`
`VARCHAR(n)`	`VARCHAR`	`String`
`CHAR(n)`	`CHAR`	`String`
`BINARY`	`BINARY`	`byte[]`
`DATE`	`DATE`	`java.sql.Date`
`TIMESTAMP`	`TIMESTAMP`	`java.sql.Timestamp`
`ARRAY`	`VARCHAR`	`String`	Serialiseret som JSON
`MAP`	`VARCHAR`	`String`	Serialiseret som JSON
`STRUCT`	`VARCHAR`	`String`	Serialiseret som JSON

Feedback

Var denne side nyttig?

Last updated on 2025-12-05

Del via

Microsoft JDBC-driver til Microsoft Fabric Data Engineering (forhåndsvisning)

Vigtige funktioner

Forudsætninger

Download og installation

Eksempel på hurtigstart

Forbindelsesstrengsformat

Grundlæggende forbindelsesstreng

Forbindelsesstrengskomponenter

Eksempel på forbindelsesstrenge

Grundlæggende forbindelse (interaktiv autentificering)

Med Spark Resource Configuration

Med Spark Session-egenskaber

Godkendelse

Autentificeringsflows

Interaktiv browserautentificering

Klientlegitimationsautentificering

Certificate-Based Autentificering

Service Principal Autentificering

Adgangstoktuifikation

Autentificeringscache

Konfigurationsparametre

Påkrævede parametre

Valgfrie parametre

API-versionskonfiguration

Miljøkonfiguration

Spark-konfiguration

Konfiguration af sessionsressourcer

Brugerdefinerede Spark Session-egenskaber

HTTP Connection Pool-konfiguration

Proxy-konfiguration

Konfiguration af logning

Anvendelseseksempler

Grundlæggende forbindelse

Udførelse af forespørgsler

Simpel forespørgsel

Forespørgsel med filter

Forespørgsel med grænse

Arbejde med resultatmængder

Navigering af resultatmængder

Behandling af store resultatsæt

Brug af forberedte udsagn

Batchoperationer

Datatypekortlægning

Relateret indhold

Feedback

Yderligere ressourcer