Tabellen in Fabric Data Warehouse

Gilt für:✅ Warehouse in Microsoft Fabric

Dieser Artikel erklärt die wichtigsten Konzepte für das Design von Tabellen in Microsoft Fabric.

In Tabellen organisiert man die Daten logisch im Zeilen-und-Spalten-Format. Jede Zeile stellt einen eindeutigen Datensatz und jede Spalte ein Feld im Datensatz dar.

Bestimmen der Tabellenkategorie

In einem Sternschema werden Daten in Faktentabellen und Dimensionstabellen organisiert. Einige Tabellen werden für die Integration oder das Staging von Daten verwendet, bevor sie in eine Fakten- oder Dimensionstabelle verschoben werden. Wenn Sie eine Tabelle entwerfen, entscheiden Sie, ob die Tabellendaten in einer Faktentabelle, eine Dimensionstabelle oder eine Integrationstabelle gehören. Diese Entscheidung bestimmt die geeignete Tabellenstruktur.

  • Faktentabellen enthalten quantitative Daten, die von Transaktionssystemen generiert und dann in das Data Warehouse geladen werden. Beispielsweise generiert ein Einzelhandelsunternehmen täglich Verkaufstransaktionen und lädt dann die Daten zur Analyse in eine Faktentabelle in ein Data Warehouse.

  • Dimensionstabellen enthalten Attributdaten, die sich ändern können, es in der Regel jedoch nur selten tun. Speichern Sie zum Beispiel den Namen und die Adresse eines Kunden in einer Dimensionstabelle und aktualisieren Sie diese nur, wenn sich das Kundenprofil ändert. Damit eine Faktentabelle nicht zu groß wird, kann darauf verzichtet werden, den Namen und die Adresse des Kunden in jede Zeile der Faktentabelle aufzunehmen. Stattdessen kann eine Kunden-ID von der Faktentabelle und der Dimensionstabelle gemeinsam genutzt werden. Die beiden Tabellen können mithilfe einer Abfrage verknüpft werden, um das Profil eines Kunden den Transaktionen zuzuordnen.

  • Integrationstabellen werden für das Integrieren oder Staging von Daten verwendet. Sie können z. B. Daten in eine Stagingtabelle laden, Transformationen für die Daten in der Stagingumgebung durchführen und die Daten dann in eine Produktionstabelle einfügen.

In einer Tabelle werden Daten in OneLake als Teil des Warehouses gespeichert. Die Tabelle und die Daten werden unabhängig davon beibehalten, ob eine Sitzung geöffnet ist.

Tabellen im Lager

Um die Organisation der Tabellen anzuzeigen, verwenden Sie fact, dim oder int als Präfixe zu den Tabellennamen. Die folgende Tabelle zeigt einige der Schema- und Tabellennamen für das WideWorldImportersDW Beispiel-Datenwarehouse.

Name der Quelltabelle für „WideWorldImportersDW“ Tabellentyp Data Warehouse Tabellenname
Stadt Abmessung wwi.DimCity
Auftrag Tatsache wwi.FactOrder
  • Tabellennamen dürfen keinen / oder \ enthalten oder mit einem . enden.
  • Du kannst in Fabric Data Warehouse sitzungsbezogene temporäre (#temp) Tabellen erstellen. Weitere Informationen finden Sie unter Temp-Tabellen in Fabric Data Warehouse.

Erstellen einer Tabelle

Für Warehouse können Sie eine Tabelle als neue leere Tabelle erstellen. Alternativ können Sie eine Tabelle erstellen und mit den Ergebnissen einer SELECT-Anweisung füllen. Die folgende Tabelle zeigt die T-SQL-Befehle zur Erstellung einer Tabelle.

T-SQL-Anweisung BESCHREIBUNG
TABELLE ERSTELLEN Erstellt eine leere Tabelle durch die Definition der Tabellenspalten und Optionen.
TABELLE ERSTELLEN ALS SELECT Füllt eine neue Tabelle mit den Ergebnissen einer SELECT-Abfrage. Die Spalten und Datentypen der Tabelle basieren auf den Ergebnissen der SELECT-Anweisung. Mit dieser Anweisung können Daten zum Importieren aus einer externen Tabelle ausgewählt werden.

In diesem Beispiel wird eine Tabelle mit zwei Spalten erstellt:

CREATE TABLE MyTable (col1 int, col2 int );

Fabric Data Warehouse unterstützt IDENTITY-Spalten in Tabellen, um automatisch eine inkrementierende Zahlenfolge einzufügen. Um zu starten, siehe die Spalten "Use IDENTITY" in Fabric Data Warehouse.

Ähnlich können Sie bestehende Tabellen mit der ALTER TABLE (Transact-SQL) T-SQL-Syntax modifizieren.

Metadaten für Views im Warehouse können veraltet werden, weil es Änderungen an den zugrundeliegenden Tabellen gibt, auf denen die View basiert. Um die Metadaten einer Ansicht zu aktualisieren, verwenden Sie sys.sp_refreshview (Transact-SQL). Mit SCHEMABINDING erstellte Ansichten blockieren Änderungen an den zugrundeliegenden Objekten, wenn diese Änderungen die Ansichtsdefinition beeinflussen. Wenn du keine Ansicht mit SCHEMABINDING erstellst, führe sp_refreshview aus, wenn du Änderungen an den Objekten vornimmst, die die Ansichtsdefinition beeinflussen. Andernfalls könnte die Ansicht unerwartete Ergebnisse liefern, wenn Sie sie abfragen.

Schemanamen

Warehouse unterstützt die Erstellung von benutzerdefinierten Schemas. Wie in SQL Server sind Schemas eine gute Möglichkeit, Objekte zu gruppieren, die in ähnlicher Weise verwendet werden. Mit dem folgenden Code wird ein benutzerdefiniertes Schema mit dem Namen wwi erstellt.

  • Schemanamen dürfen keinen / oder \ enthalten oder mit einem . enden.
CREATE SCHEMA wwi;

Datentypen

Microsoft Fabric unterstützt die am häufigsten verwendeten T-SQL-Datentypen.

Kollation

Fabric Lagerhallen werden basierend auf der Sortierungseinstellung des Arbeitsbereichs konfiguriert, bei der standardmäßig die Sortierung zwischen Groß- und Kleinschreibung (CS) Latin1_General_100_BIN2_UTF8 festgelegt ist. Beim Erstellen eines neuen Lagers wird die Kollation des Arbeitsbereichs verwendet. Weitere Informationen finden Sie unter Data Warehouse Kollation.

Unterstützte Lagersortierungen sind:

  • Latin1_General_100_BIN2_UTF8 (Standardwert)
  • Latin1_General_100_CI_AS_KS_WS_SC_UTF8

Du kannst ein Warehouse mit einer nicht standardmäßigen Kollation erstellen, indem du die REST-API nutzt. Weitere Informationen finden Sie unter Anleitung: Erstellen eines Lagers mit schreibungsunabhängiger (CI)-Sortierung.

Nachdem Sie die Sortierung während der Datenbankerstellung gesetzt haben, übernehmen alle nachfolgenden Objekte (Tabellen, Spalten usw.) diese Standard-Sortierung. Nachdem du ein Lager erstellt hast, kannst du die Kollationseinstellung nicht mehr ändern.

Statistik

Der Abfrageoptimierer verwendet beim Erstellen des Plans für die Ausführung einer Abfrage Statistiken auf Spaltenebene. Um die Abfrageleistung zu verbessern, ist es wichtig, über Statistiken für einzelne Spalten zu verfügen, insbesondere für in Abfrageverknüpfungen verwendete Spalten. Warehouse unterstützt die automatische Erstellung von Statistiken.

Die Aktualisierung der Statistiken erfolgt nicht automatisch. Führen Sie die Statistikaktualisierung durch, wenn eine erhebliche Anzahl von Zeilen hinzugefügt oder geändert wurde. Aktualisieren Sie Statistiken z. B. nach einem Ladevorgang. Weitere Informationen finden Sie unter Statistics in Fabric Data Warehouse.

Primärschlüssel, Fremdschlüssel und eindeutiger Schlüssel

Für Warehouse kannst du UNIQUE und PRIMARY KEY Constraints nur verwenden, wenn du sowohl NONCLUSTERED als auch NOT ENFORCED verwendest.

Du kannst FOREIGN KEY nur verwenden, wenn du NOT ENFORCED verwendest.

Ausrichten von Quelldaten am Data Warehouse

Du kannst Warehouse-Tabellen füllen, indem du Daten aus einer anderen Datenquelle lädst. Um Daten erfolgreich zu laden, müssen die Anzahl und Datentypen der Spalten in den Quelldaten mit der Tabellendefinition im Warehouse übereinstimmen.

Wenn Daten aus mehreren Datenspeichern stammen, kannst du sie ins Warehouse portieren und in einer Integrationstabelle speichern. Wenn sich die Daten in der Integrationstabelle befinden, können Sie die Leistung des Data Warehouse nutzen, um Transformationsoperationen umzusetzen. Wenn die Daten vorbereitet sind, kannst du sie in Produktionstabellen einfügen.

Begrenzungen

Warehouse unterstützt viele, aber nicht alle Tabellenfunktionen, die in anderen Datenbanken zu finden sind.

  • Globale temporäre Tabellen werden derzeit nicht unterstützt.

Die folgende Liste enthält einige der Tabellenfunktionen, die zurzeit nicht unterstützt werden.

  • Maximal 1.024 Spalten pro Tabelle
  • Berechnete Spalten
  • Indizierte Sichten
  • Partitionierte Tabellen
  • Sequenz
  • Spärliche Spalten
  • Synonyme
  • Auslöser
  • Eindeutige Indizes
  • Benutzerdefinierte Typen
  • Externe Tabellen

Fabric Data Warehouse zwischenspeichert Metadaten von Objekten, um schnellen Zugriff auf Objekte und deren Definitionen zu ermöglichen. Für sehr große Warehouses mit mehr als 750.000 Objekten (zum Beispiel Tabellen, Ansichten, gespeicherte Prozeduren und Funktionen) legt das System Metadaten nicht mehr im Cache ab. Stattdessen fragen Schemavorgänge den Metadatenspeicher direkt ab. Dieses Design gewährleistet Systemstabilität und verhindert Cache-Starvation in extrem großen Datenbanken. Schemaaktualisierungsvorgänge können jedoch im Vergleich zu kleineren Lagerhäusern länger dauern, in denen die Metadatenzwischenspeicherung aktiviert ist.

Wichtig

Es gibt Einschränkungen beim Hinzufügen von Tabellenbedingungen oder Spalten, wenn man Git Integration für Fabric Warehouse Development verwendet.

Zugehöriger Inhalt

  • Zuletzt aktualisiert um