Azure Databricks-Tabellen

Azure Databricks bietet mehrere Tabellentypen und Speicherformate, um verschiedene Datenverwaltungsanforderungen zu erfüllen. In diesem Abschnitt werden verwaltete, externe und ausländische Tabellen zusammen mit den Speicherformaten Delta Lake und Apache Iceberg behandelt, die erweiterte Features wie Atomität, Konsistenz, Isolation und Haltbarkeit (ACID) sowie Zeitreisen ermöglichen.

Kernkonzepte

Lernen Sie die Grundlagen der Tabellentypen, Speicherformate und Unity Catalog-Integration kennen.

Thema	BESCHREIBUNG
Tabellenkonzepte	Kernkonzepte und grundlegende Informationen zu Tabellentypen, Speicherformaten und Unity-Katalogintegration.

Tabellentypen

Erkunden Sie verschiedene Tabellentypen und deren Funktionen für verschiedene Datenverwaltungsszenarien.

Tabellentyp	BESCHREIBUNG
Verwaltete Tabellen im Unity-Katalog in Azure Databricks für Delta Lake und Apache Iceberg	Azure Databricks verwaltet Metadaten und Datendateien. Wird für neue Tabellen verwendet, die eine optimierte Leistung erfordern.
Temporäre Tabellen	Sitzungsbezogen verwaltete Unity-Katalog-Tabellen für Zwischendaten. Nur SQL-Lager.
Arbeiten mit externen Tabellen	Daten, die in externen Systemen gespeichert sind. Unity-Katalog verwaltet nur Metadaten.
Arbeiten mit Fremdtabellen	Schreibgeschützter Zugriff auf Daten in externen Systemen, die über Lakehouse Federation verbunden sind.

Speicherformate

Arbeiten Sie mit geöffneten Tabellenformaten, die erweiterte Datenverwaltungsfunktionen bieten.

Format	BESCHREIBUNG
Delta Lake	Standardspeicherformat, das ACID-Transaktionen, Zeitreisen und Schemaerzwingung für verwaltete und externe Tabellen bereitstellt.
Apache Iceberg	Offenes Tabellenformat für die Integration in das Iceberg-Ökosystem, das erweiterte Metadatenverwaltung unterstützt.

Tabellenverwaltung

Konfigurieren und Optimieren des Tabellenverhaltens, der Struktur und der Leistung.

Merkmal	BESCHREIBUNG
Tabelleneinschränkungen	Definieren und Erzwingen von Datenqualitätsregeln mit Prüfeinschränkungen und nicht null-Einschränkungen.
Schemaerzwingung	Steuern, wie Azure Databricks Schemaänderungen und Erzwingung von Datentypen während Schreibvorgängen verarbeitet.
Tabellenpartitionierung	Organisieren Sie Daten nach Partitionsschlüsseln, um die Abfrageleistung und die Datenverwaltung zu verbessern.
Überwachung der Tabellengröße	Überwachen und Analysieren von Tabellenspeichernutzungs- und Wachstumsmustern
Extern in verwaltet konvertieren	Migrieren Sie externe Tabellen zu verwalteten Tabellen, um die Leistung und Verwaltung zu verbessern.
Erkennung externer Partitionen	Automatisches Ermitteln und Registrieren von Partitionen in externen Tabellen, die im Cloudspeicher gespeichert sind.