Neuerungen in Azure Synapse Analytics (Archiv)

In diesem Artikel werden Updates für den vorherigen Monat für Azure Synapse Analytics erläutert. Informationen zum Release des aktuellen Monats finden Sie unter Neuste Azure Synapse Analytics-Updates. Jedes Update ist mit dem Blog zu Azure Synapse Analytics und einem Artikel verknüpft, der weitere Informationen enthält.

Allgemein verfügbare Features

Die folgende Tabelle enthält einen Verlauf für die Features von Azure Synapse Analytics, die von der Vorschauversion auf die allgemeine Verfügbarkeit (General Availability, GA) umgestellt wurden.

Month (Monat)	Feature	Weitere Informationen
Juli 2022	Apache Spark™ 3.2 für Synapse Analytics	Apache Spark™ 3.2 für Synapse Analytics ist jetzt allgemein verfügbar. Lesen Sie die offiziellen Versionshinweise und Migrationsrichtlinien zwischen Spark 3.1 und 3.2, um mögliche Änderungen an Ihren Anwendungen zu bewerten. Weitere Informationen finden Sie unter Unterstützung von Apache Spark-Versionen und Azure Synapse-Runtime für Apache Spark 3.2. Highlights der Verbesserungen in Spark 3.2 im Azure Synapse Analytics-Update aus Juli 2022.
Juli 2022	Feature: Apache Spark in Azure Synapse Intelligent Cache	Intelligent Cache für Spark speichert jeden Lesevorgang automatisch innerhalb des zugewiesenen Cachespeicherplatzes. Dabei werden Änderungen an den zugrunde liegenden Dateien erkannt und die Dateien aktualisiert, um die neuesten Daten bereitzustellen. Weitere Informationen finden Sie unter Aktivieren/Deaktivieren des Caches für Ihren Apache Spark-Pool.
Juni 2022	Datenzuordnungstool	Das Datenzuordnungstool ist ein geführter Prozess, mit dem Benutzer ETL-Zuordnungen und Zuordnungsdatenflüsse zwischen Ihren Quelldaten und Synapse erstellen können, ohne Code schreiben zu müssen. Weitere Informationen zum Datenzuordnungstool finden Sie unter Zuordnen von Daten in Azure Synapse Analytics.
Juni 2022	Benutzerdefinierte Funktionen	Benutzerdefinierte Funktionen (UDFs) sind jetzt allgemein verfügbar. Weitere Informationen finden Sie unter Benutzerdefinierte Funktionen in Zuordnungsdatenflüssen.
Mai 2022	Azure Synapse Data Explorer-Connector für Power Automate, Logic Apps und Power Apps	Der Azure Data Explorer-Connector für Power Automate ermöglicht es Ihnen, Abläufe zu orchestrieren und zu planen, Benachrichtigungen und Warnungen als Teil eines geplanten oder ausgelösten Vorgangs zu koordinieren und zu planen. Weitere Informationen finden Sie unter Azure Data Explorer-Connector für Microsoft Power Automate und Anwendungsbeispiele für den Azure Data Explorer-Connector für Power Automate.
April 2022	Abonnementübergreifende Wiederherstellung für Azure Synapse SQL	Mit dem Update des PowerShell-Moduls Az.Sql 3.8 kann das Cmdlet Restore-AzSqlDatabase für die abonnementübergreifende Wiederherstellung von dedizierten SQL-Pools verwendet werden. Weitere Informationen finden Sie im Blog: Wiederherstellen eines dedizierten SQL-Pools (früher SQL DW) in einem anderen Abonnement. Dieses Feature ist jetzt allgemein für dedizierte SQL-Pools (ehemals SQL DW) und dedizierte SQL-Pools in einem Synapse-Arbeitsbereich verfügbar. Wo liegt der Unterschied?
April 2022	Datenbank-Designer	Mit dem Datenbank-Designer können Benutzer visuell Datenbanken in Synapse Studio erstellen, ohne eine einzige Zeile Code schreiben zu müssen. Weitere Informationen finden Sie unter Ankündigung der allgemeinen Verfügbarkeit des Datenbank-Designers. Lesen Sie mehr über Lake-Datenbanken und erfahren Sie, wie Sie eine bestehende Lake-Datenbank mithilfe des Datenbank-Designers ändern können.
April 2022	Datenbankvorlagen	Neue branchenspezifische Datenbankvorlagen wurden im Blog zur allgemeinen Verfügbarkeit von Synapse-Datenbankvorlagen vorgestellt. Erfahren Sie mehr über Datenbankvorlagen und die verbesserte Suchoberfläche.
April 2022	Synapse-Überwachungsoperator: RBAC-Rolle	Die RBAC-Rolle „Synapse-Überwachungsoperator“ (rollenbasierte Zugriffssteuerung) ermöglicht es einem Benutzer, die Ausführung von Synapse Pipelines- und Spark-Anwendungen zu überwachen, ohne die Möglichkeit zu haben, die Ausführung dieser Anwendungen zu starten oder abzubrechen. Weitere Informationen finden Sie in den Synapse RBAC-Rollen.
März 2022	Flowlets	Flowlets helfen Ihnen dabei, Teile einer neuen Datenflusslogik zu entwerfen oder Teile eines bestehenden Datenflusses zu extrahieren und sie als separates Artefakt in Ihrem Synapse Arbeitsbereich zu speichern. Dann können Sie diese Flowlets in anderen Datenflüssen wiederverwenden. Weitere Informationen finden Sie im Blogbeitrag zur Ankündigung der allgemeinen Verfügbarkeit von Flowlets und lesen Sie Flowlets im Zuordnungsdatenfluss.
März 2022	Änderungsfeed-Connectors	Transformationen der CDC-Feeddatenflussquelle (Change Data Capture) für Azure Cosmos DB, Azure Blob Storage, ADLS Gen1, ADLS Gen2 und Common Data Model (CDM) sind jetzt allgemein verfügbar. Durch einfaches Aktivieren eines Kontrollkästchens können Sie ADF anweisen, einen Prüfpunkt automatisch für Sie zu verwalten und nur die letzten Zeilen zu lesen, die seit der letzten Pipelineausführung aktualisiert oder eingefügt wurden. Weitere Informationen finden Sie im Blogbeitrag zur allgemeinen Verfügbarkeit von Änderungsfeed-Connectors (Vorschau), und lesen Sie Kopieren und Transformieren von Daten in Azure Data Lake Storage Gen2 mithilfe von Azure Data Factory oder Azure Synapse Analytics.
März 2022	Verschlüsselung auf Spaltenebene für dedizierte SQL-Pools	Die Verschlüsselung auf Spaltenebene ist jetzt allgemein verfügbar und kann auf neuen und bestehenden logischen Azure SQL-Servern mit dedizierten Azure Synapse-SQL-Pools sowie in den dedizierten SQL-Pools in Azure Synapse-Arbeitsbereichen verwendet werden. Die SSDT-Unterstützung (SQL Server Data Tools) für die Verschlüsselung auf Spaltenebene für die dedizierten SQL-Pools ist ab dem Build 17.2 Preview 2 von Visual Studio 2022 verfügbar.
März 2022	Synapse Spark: CDM-Connector (Common Data Model)	Der CDM-Formatleser/-schreiber ermöglicht es einem Spark-Programm, CDM-Entitäten in einem CDM-Ordner über Spark-Dataframes zu lesen und zu schreiben. Weitere Informationen finden Sie unter Wie der CDM-Connector das Lesen/Schreiben von Daten unterstützt, Beispiele und bekannte Probleme.
November 2021	PREDICT	Die T-SQL PREDICT-Syntax ist jetzt allgemein für dedizierte SQL-Pools verfügbar. Erste Schritte mit dem Assistenten für die Bewertung von Machine Learning-Modellen für dedizierte SQL-Pools.
Oktober 2021	Synapse RBAC-Rollen	Synapse RBAC-Rollen (rollenbasierte Zugriffssteuerung) sind jetzt allgemein verfügbar. Erfahren Sie mehr über Synapse RBAC-Rollen und Azure Synapse RBAC-Rollen (rollenbasierte Zugriffssteuerung) mithilfe von PowerShell.

Community

In diesem Abschnitt sind die Möglichkeiten der Azure Synapse Analytics-Community und des Azure Synapse Influencer-Programms von Microsoft archiviert.

Month (Monat)	Feature	Weitere Informationen
Mai 2022	Azure Synapse Influencer-Programm	Melden Sie sich für unser kostenloses Azure Synapse Influencer-Programm an, und schließen Sie sich einer Community von Synapse-Benutzern an, die anderen dabei helfen möchten, mit Cloudanalysen mehr zu erreichen. Registrieren Sie sich jetzt für unsere nächste Synapse Influencer-Sitzung mit Antworten von Experten. Die Teilnahme ist kostenlos und jeder ist herzlich eingeladen, sich an der Diskussion über Synapse-Themen zu beteiligen. Auf dem Azure Synapse YouTube-Kanal können Sie frühere aufgezeichnete Veranstaltungen mit Antworten von Experten ansehen.
März 2022	YouTube-Videoreihe zu Azure Synapse Analytics und Microsoft MVP	In Zusammenarbeit mit dem Azure Synapse Produktteam und der Microsoft MVP-Community wurde eine neue YouTube MVP-Videoreihe über die Features von Azure Synapse gestartet. Weitere Informationen finden Sie im YouTube-Kanal für Azure Synapse Analytics.

Apache Spark für Azure Synapse Analytics

In diesem Abschnitt sind die Features und Funktionen von Apache Spark für Azure Synapse Analytics archiviert.

Month (Monat)	Feature	Weitere Informationen
Mai 2022	Azure Synapse-Connector für dedizierte SQL-Pools für Apache Spark jetzt in Python verfügbar	Zuvor war der Azure Synapse-Connector für dedizierte SQL-Pools für Apache Spark nur mithilfe von Scala verfügbar. Jetzt kann der dedizierte SQL-Poolconnector für Apache Spark mit Python für Spark 3 verwendet werden.
Mai 2022	Verwalten der Azure Synapse Apache Spark-Konfiguration	Mit dem neuen Feature für Apache Spark-Konfigurationen können Sie ein eigenständiges Spark-Konfigurationsartefakt mit automatischen Vorschlägen und integrierten Validierungsregeln erstellen. Das Spark-Konfigurationsartefakt ermöglicht es Ihnen, Ihre Spark-Konfiguration innerhalb eines Azure Synapse-Arbeitsbereichs und arbeitsbereichsübergreifend freizugeben. Sie können die Spark-Konfiguration zur Wiederverwendung auch ganz einfach mit einem Spark-Pool, einem Notebook und einer Spark-Auftragsdefinition verknüpfen und so die Notwendigkeit minimieren, die Spark-Konfiguration an mehrere Speicherorte kopieren zu müssen.
April 2022	Apache Spark 3.2 für Synapse Analytics	Apache Spark 3.2 für Synapse Analytics mit Verfügbarkeit der Vorschauversion. Lesen Sie die offiziellen Spark 3.2-Versionshinweise und Migrationsrichtlinien zwischen Spark 3.1 und 3.2, um mögliche Änderungen an Ihren Anwendungen zu bewerten. Weitere Informationen finden Sie unter Unterstützung von Apache Spark-Versionen und Azure Synapse-Runtime für Apache Spark 3.2.
April 2022	Parametrisierung für die Spark-Auftragsdefinition	Sie können jetzt Parameter dynamisch auf der Grundlage von Variablen, Metadaten oder der Angabe von pipelinespezifischen Parametern für die Aktivität zur Spark-Auftragsdefinition zuweisen. Weitere Informationen finden Sie unter Transformieren von Daten mithilfe der Apache Spark-Auftragsdefinition.
April 2022	Momentaufnahme eines Apache Spark-Notebooks	Sie können auf eine Momentaufnahme des Notebooks zugreifen, wenn ein Ausführungsfehler bei einem Pipeline-Notebook oder ein zeitintensiver Notebookauftrag auftritt. Weitere Informationen finden Sie unter Transformieren von Daten durch Ausführen eines Synapse-Notebooks und Einführung in Microsoft Spark-Hilfsprogramme.
März 2022	Synapse Spark: CDM-Connector (Common Data Model)	Der CDM-Formatleser/-schreiber ermöglicht es einem Spark-Programm, CDM-Entitäten in einem CDM-Ordner über Spark-Dataframes zu lesen und zu schreiben. Weitere Informationen finden Sie unter Wie der CDM-Connector das Lesen/Schreiben von Daten unterstützt, Beispiele und bekannte Probleme.
März 2022	Leistungsoptimierung für Synapse Spark -Connector für dedizierten SQL-Pool	Neue Verbesserungen am Azure Synapse-Connector für dedizierte SQL-Pools für Apache Spark reduzieren die Datenverschiebung und nutzen COPY INTO. Leistungstests ergaben mindestens eine ~5-fache Verbesserung gegenüber der Vorgängerversion. Für diese Verbesserungen ist keine Maßnahme seitens des Benutzers erforderlich. Weitere Informationen finden Sie im Blog: Synapse Spark-Connector für dedizierten SQL-Pool (DW): Leistungsverbesserungen.
März 2022	Unterstützung für alle SaveMode-Optionen für den Spark-Datenrahmen	Der Azure Synapse-Connector für den dedizierten SQL-Pool für Apache Spark unterstützt jetzt alle vier SaveMode-Optionen für den Spark-Datenrahmen: Anfügen, Überschreiben, ErrorIfExists, Ignorieren. Weitere Informationen zu „SaveMode“ von Spark finden Sie in der offiziellen Apache Spark-Dokumentation.
März 2022	Feature: Apache Spark in Azure Synapse Analytics Intelligent Cache	Intelligent Cache für Spark speichert jeden Lesevorgang automatisch innerhalb des zugewiesenen Cachespeicherplatzes. Dabei werden Änderungen an den zugrunde liegenden Dateien erkannt und die Dateien aktualisiert, um die neuesten Daten bereitzustellen. Weitere Informationen zu dieser Previewfunktion finden Sie unter Aktivieren/Deaktivieren des Caches für Ihren Apache Spark-Pool oder im Blogbeitrag.

Datenintegration

In diesem Abschnitt sind die Features und Funktionen der Azure Synapse Analytics-Datenintegration archiviert. Erhalten Sie Informationen zum Laden von Daten in Azure Synapse Analytics mithilfe einer Azure Data Factory- (ADF) oder Synapse-Pipeline.

Month (Monat)	Feature	Weitere Informationen
Juni 2022	Vorschauversion des SAP CDC-Connectors	Ein neuer Datenconnector für SAP Change Data Capture (CDC) ist jetzt in der Vorschauversion verfügbar. Weitere Informationen finden Sie unter Ankündigung einer öffentlichen Vorschau der SAP CDC-Lösung in Azure Data Factory und Azure Synapse Analytics und SAP CDC-Lösung in Azure Data Factory.
Juni 2022	Fuzzy-Join-Option in Join-Transformation	Die Fuzzyübereinstimmung mit einem Schieberegler für den Ähnlichkeitsschwellenwert wurde der Join-Transformation in Zuordnungsdatenflüssen hinzugefügt.
Juni 2022	Allgemeine Verfügbarkeit des Datenzuordnungstools	Wir freuen uns, bekanntzugeben, dass das Datenzuordnungstool jetzt allgemein verfügbar ist. Das Datenzuordnungstool ist ein geführter Prozess, mit dem Benutzer ETL-Zuordnungen und Zuordnungsdatenflüsse zwischen Ihren Quelldaten und Synapse erstellen können, ohne Code schreiben zu müssen.
Juni 2022	Erneutes Ausführen der Pipeline mit neuen Parametern	Sie können jetzt Pipelineparameter ändern, wenn Sie eine Pipeline auf der Überwachungsseite erneut ausführen, ohne zum Pipeline-Editor zurückkehren zu müssen. Weitere Informationen finden Sie unter Erneutes Ausführen von Pipelines und Aktivitäten.
Juni 2022	Allgemeine Verfügbarkeit von benutzerdefinierten Funktionen (GA)	Benutzerdefinierte Funktionen (UDFs) in Zuordnungsdatenflüssen sind jetzt allgemein verfügbar (GA).
Mai 2022	Exportieren der Pipelineüberwachung als CSV	Die Möglichkeit, die Pipelineüberwachung in CSV zu exportieren und andere Verbesserungen zur Überwachung wurden in ADF eingeführt.
Mai 2022	Automatisches inkrementelles Laden von Quelldaten aus PostgreSQL und MySQL	Das automatische inkrementelle Laden von Quelldaten aus PostgreSQL und MySQL in Synapse SQL und Azure-Datenbank ist jetzt nativ in ADF verfügbar.
Mai 2022	Fehlerbehandlung bei der Assert-Transformation	Die Fehlerbehandlung wurde jetzt für Senken nach einer Assert-Transformation im Zuordnungsdatenfluss hinzugefügt. Jetzt können Sie auswählen, ob die fehlerhaften Zeilen in die ausgewählte Senke oder in eine separate Datei ausgegeben werden.
Mai 2022	Projektionsbearbeitung für Zuordnungsdatenflüsse	Bei Zuordnungsdatenflüssen können Sie jetzt Spaltennamen und Spaltentypen der Quellprojektion aktualisieren.
April 2022	Dataverse-Connector für Synapse-Datenflüsse	Dataverse ist jetzt ein Quellen- und Senkenconnector für Synapse-Datenflüsse. Sie können Daten von Dynamics 365 (Microsoft Dataverse) oder Dynamics CRM mithilfe von Azure Data Factory oder Azure Synapse Analytics kopieren und transformieren.
April 2022	Konfigurierbarer Antworttimeout für Webaktivitäten von Synapse-Pipelines	Mit der Antworttimeouteigenschaft httpRequestTimeout können Sie ein Timeout von bis zu 10 Minuten für die HTTP-Anforderung definieren. Webaktivitäten funktionieren außergewöhnlich gut mit APIs, die dem asynchronen Anforderung-Antwort-Muster folgen, einem empfohlenen Ansatz zum Erstellen skalierbarer Web-APIs/Dienste.
März 2022	sFTP-Connector für Synapse-Datenflüsse	Ein nativer sFTP-Connector in Synapse-Datenflüssen wird unterstützt, um Daten von sFTP mithilfe der visuellen Schnittstelle mit wenig Code für Datenflüsse in Synapse zu lesen und zu schreiben. Weitere Informationen finden Sie unter Daten in SFTP-Server mithilfe von Data Factory oder Azure Synapse Analytics kopieren und transformieren.
März 2022	Datenflussverbesserungen für die Datenvorschau	Überprüfen Sie die zur Datenvorschau hinzugefügten Features und die Debugverbesserungen in Zuordnungsdatenflüssen.
März 2022	Pipelineskriptaktivität	Sie können jetzt Daten transformieren, indem Sie die Skriptaktivität verwenden, um SQL-Befehle aufzurufen und sowohl DDL als auch DML durchzuführen.
Dezember 2021	Benutzerdefinierte Partitionen für Synapse Link für Azure Cosmos DB	Verbessern Sie die Ausführungszeiten für Ihre Spark-Abfragen, indem Sie benutzerdefinierte Partitionen auf der Grundlage von Feldern erstellen, die häufig in Ihren Abfragen verwendet werden. Weitere Informationen finden Sie unter Benutzerdefinierte Partitionierung in Azure Synapse Link für Azure Cosmos DB (Vorschauversion).

Datenbankvorlagen und Datenbank-Designer

In diesem Abschnitt sind die Features und Funktionen von Datenbankvorlagen und des Datenbank-Designers archiviert.

Month (Monat)	Feature	Weitere Informationen
April 2022	Datenbank-Designer	Mit dem Datenbank-Designer können Benutzer visuell Datenbanken in Synapse Studio erstellen, ohne eine einzige Zeile Code schreiben zu müssen. Weitere Informationen finden Sie unter Ankündigung der allgemeinen Verfügbarkeit des Datenbank-Designers. Lesen Sie mehr über Lake-Datenbanken und erfahren Sie, wie Sie eine bestehende Lake-Datenbank mithilfe des Datenbank-Designers ändern können.
April 2022	Datenbankvorlagen	Neue branchenspezifische Datenbankvorlagen wurden im Blog zur allgemeinen Verfügbarkeit von Synapse-Datenbankvorlagen vorgestellt. Erfahren Sie mehr über Datenbankvorlagen und die verbesserte Suchoberfläche.
April 2022	Klonen einer Lake-Datenbank	In Synapse Studio können Sie jetzt eine Datenbank klonen, indem Sie das Aktionsmenü verwenden, das für die Lake-Datenbank verfügbar ist. Weitere Informationen finden Sie unter Vorgehensweise: Klonen einer Lake-Datenbank.
April 2022	Verwenden von Platzhaltern zur Angabe benutzerdefinierter Ordnerhierarchien	Lake-Datenbanken enthalten Daten, die sich im Data Lake befinden, und diese Daten können sich in geschachtelten Ordnern befinden, die nicht in klare Partitionsmuster passen. Sie können jetzt mithilfe von Platzhaltern benutzerdefinierte Ordnerhierarchien angeben. Weitere Informationen finden Sie unter Vorgehensweise: Ändern eines Data Lake.
Januar 2022	Neue Datenbankvorlagen	Erfahren Sie mehr über die neuen branchenspezifischen Vorlagen für Automobilindustrie, Genomik, Fertigung und Pharmaindustrie, und nutzen Sie die Datenbankvorlagen im Synapse Studio-Katalog.

Entwicklerumgebung

In diesem Abschnitt sind die Verbesserungen der Lebensqualität und der Features für Entwickler in Azure Synapse Analytics archiviert.

Month (Monat)	Feature	Weitere Informationen
Mai 2022	Aktualisierter Azure Synapse Analyzer-Bericht	Erfahren Sie mehr über die neuen Features in Version 2.0 des Synapse Analyzer-Berichts.
April 2022	Azure Synapse Analyzer-Bericht	Der Azure Synapse Analyzer-Bericht hilft Ihnen, häufige Probleme in Ihrer Datenbank zu erkennen, die zu Leistungsproblemen führen können.
April 2022	Verweis auf unveröffentlichte Notebooks	Mit „%run notebooks“ können Sie die Einstellung unveröffentlichter Notebookverweis aktivieren, mit der Sie auf nicht veröffentlichte Notebooks verweisen können. Wenn sie aktiviert ist, werden bei der Notebook-Ausführung die aktuellen Inhalte im Webcache des Notebooks abgerufen, d. h., andere Notebooks können sofort auf die Änderungen im Notebook-Editor verweisen, ohne veröffentlicht (Livemodus) oder committet (Git-Modus) werden zu müssen.
März 2022	Codezellen mit Ausnahme zum Anzeigen der Standardausgabe	Jetzt werden in Synapse-Notebooks sowohl die Standardausgabe als auch Ausnahmemeldungen angezeigt, wenn bei einer Codeanweisung für die Sprachen Python und Scala ein Fehler auftritt. Beispiele finden Sie unter Synapse-Notebooks: Codezellen mit Ausnahme zum Anzeigen der Standardausgabe.
März 2022	Teilausgabe ist für das Ausführen von Notebook-Codezellen verfügbar	Jetzt können Sie in Synapse-Notebooks alles sehen, was Sie schreiben (z. B. mit println-Befehlen), während die Zelle ausgeführt wird, anstatt warten zu müssen, bis sie beendet wird. Beispiele finden Sie unter Synapse-Notebooks: Teilausgabe ist für das Ausführen von Notebook-Codezellen verfügbar.
März 2022	Dynamische Steuerung der Spark-Sitzungskonfiguration mit Pipelineparametern	Jetzt können Sie in Synapse-Notebooks Pipelineparameter verwenden, um die Sitzung mit dem Magic-Befehl „%%configure“ für Notebooks zu konfigurieren. Beispiele finden Sie unter Synapse-Notebooks: Dynamische Steuerung der Spark-Sitzungskonfiguration mit Pipelineparametern.
März 2022	Wiederverwenden und Verwalten von Notebooksitzungen	Jetzt ist es in Synapse-Notebooks ganz einfach, eine aktive Sitzung wiederzuverwenden, ohne eine neue starten zu müssen. Außerdem können Sie Ihre aktiven Sitzungen in der Liste Aktive Sitzungen anzeigen und verwalten. Wählen Sie zum Anzeigen Ihrer Sitzungen die drei Punkte im Notebook und dann Sitzungen verwalten aus. Beispiele finden Sie unter Synapse-Notebooks: Wiederverwenden und Verwalten von Notebooksitzungen.
März 2022	Unterstützung der Python-Protokollierung	Jetzt wird in Synapse-Notebooks alles, was über das Python-Protokollierungsmodul geschrieben wird, zusätzlich zu den Treiberprotokollen erfasst. Beispiele finden Sie unter Synapse-Notebooks: Unterstützung der Python-Protokollierung.

Maschinelles Lernen

In diesem Abschnitt sind die Features und Verbesserungen für Machine Learning-Modelle in Azure Synapse Analytics archiviert.

Month (Monat)	Feature	Weitere Informationen
Juni 2022	Verteiltes Deep Neural Network-Training (Vorschau)	Die Azure Synapse-Runtime enthält auch unterstützende Bibliotheken wie Petastorm und Horovod, die häufig für verteiltes Training verwendet werden. Dieses Feature befindet sich derzeit in der Vorschauversion. Die Azure Synapse Analytics-Runtime für Apache Spark 3.1 und 3.2 bietet jetzt auch Unterstützung für die gängigsten Deep Learning-Bibliotheken wie TensorFlow und PyTorch. Weitere Informationen dazu, wie Sie diese Bibliotheken in Ihren Azure Synapse Analytics-Pools mit GPU-Beschleunigung nutzen können, erhalten Sie in den Deep Learning-Tutorials.
November 2021	PREDICT	Die T-SQL PREDICT-Syntax ist jetzt allgemein für dedizierte SQL-Pools verfügbar. Erste Schritte mit dem Assistenten für die Bewertung von Machine Learning-Modellen für dedizierte SQL-Pools.

Beispiele und Anleitungen

In diesem Abschnitt sind Anleitungen und Beispielprojektressourcen für Azure Synapse Analytics archiviert.

Month (Monat)	Feature	Weitere Informationen
Juni 2022	Azure Orbital Analytics mit Synapse Analytics	Wir bieten jetzt eine Azure Orbital Analytics-Beispiellösung mit einer End-to-End-Implementierung zum Extrahieren, Laden, Transformieren und Analysieren von Raumfahrtdaten mithilfe von räumlichen Bibliotheken und KI-Modellen mit Azure Synapse Analytics. Die Beispiellösung veranschaulicht außerdem, wie raumbezogene Azure KI Services-Modelle, KI-Modelle von Partnern und BYOD-Modelle (Bring-Your-Own-Data) integriert werden.
Juni 2022	Migrationsleitfäden für Oracle	Ein neuer, von Microsoft verfasster Migrationsleitfaden für Oracle zu Azure Synapse Analytics ist jetzt verfügbar. Entwurf und Leistung für Oracle-Migrationen.
Juni 2022	Mit dem richtigen Azure Synapse-Entwurf zum Erfolg	Das Azure Synapse-Proof-of-Concept-Playbook bietet einen Leitfaden zum Umfang, Entwerfen, Ausführen und Bewerten eines Proof-of-Concept für SQL- oder Spark-Workloads.
Juni 2022	Migrationsleitfäden für Teradata	Ein neuer, von Microsoft verfasster Migrationsleitfaden für Teradata zu Azure Synapse Analytics ist jetzt verfügbar. Entwurf und Leistung für Teradata-Migrationen.
Juni 2022	Migrationsleitfäden für IBM Netezza	Ein neuer, von Microsoft verfasster Migrationsleitfaden für IBM Netezza zu Azure Synapse Analytics ist jetzt verfügbar. Entwurf und Leistung für IBM Netezza-Migrationen.

Sicherheit

In diesem Abschnitt sind Sicherheitsfeatures und -einstellungen in Azure Synapse Analytics archiviert.

Month (Monat)	Feature	Weitere Informationen
April 2022	Synapse-Überwachungsoperator: RBAC-Rolle	Die RBAC-Rolle „Synapse-Überwachungsoperator“ (rollenbasierte Zugriffssteuerung) ermöglicht es einem Benutzer, die Ausführung von Synapse Pipelines- und Spark-Anwendungen zu überwachen, ohne die Möglichkeit zu haben, die Ausführung dieser Anwendungen zu starten oder abzubrechen. Weitere Informationen finden Sie in den Synapse RBAC-Rollen.
März 2022	Erzwingen der TLS-Mindestversion	Sie können jetzt die TLS-Mindestversion für dedizierte SQL-Pools in Synapse-Arbeitsbereichen erhöhen oder verringern. Weitere Informationen finden Sie unter Azure SQL-Konnektivitätseinstellungen. Die vom Arbeitsbereich verwaltete SQL-API kann verwendet werden, um die minimalen TLS-Einstellungen zu ändern.
März 2022	Azure Synapse Analytics unterstützt jetzt die reine Azure Active Directory (Azure AD)-Authentifizierung	Sie können jetzt die Azure Active Directory-Authentifizierung verwenden, um den Zugriff auf alle Azure Synapse-Ressourcen, einschließlich SQL-Pools, zentral zu verwalten. Sie können die lokale Authentifizierung bei der Erstellung oder nach der Erstellung eines Arbeitsbereichs über das Azure-Portal deaktivieren.
Dezember 2021	Benutzerseitig zugewiesene verwaltete Identitäten	Jetzt können Sie benutzerseitig zugewiesene verwaltete Identitäten in verknüpften Diensten zur Authentifizierung in Synapse-Pipelines und Datenflüssen verwenden. Weitere Informationen finden Sie unter Anmeldeinformationen in Azure Data Factory und Azure Synapse.
Dezember 2021	Durchsuchen von ADLS Gen2-Ordnern im Azure Synapse Analytics-Arbeitsbereich	Sie können nun einen ADLS Gen2-Container oder -Ordner (Azure Data Lake Storage Gen2) in Ihrem Azure Synapse Analytics-Arbeitsbereich durchsuchen und sichern, indem Sie mit einem bestimmten Container oder Ordner in Synapse Studio eine Verbindung herstellen.
Dezember 2021	Erzwingen von TLS 2.1 für neue Synapse-Arbeitsbereiche	Ab Dezember 2021 wurde eine Anforderung für TLS 1.2 nur für neue Synapse-Arbeitsbereiche implementiert.

Azure Synapse Data Explorer

Azure Data Explorer (ADX) ist ein schneller und hochgradig skalierbarer Dienst zur Untersuchung von Protokoll- und Telemetriedaten. Es ermöglicht die Erfassung von Daten aus Event Hubs, aus IoT Hub-Instanzen, aus Blobs, die in Blobcontainer geschrieben wurden, und aus Azure Stream Analytics-Aufträgen. In diesem Abschnitt sind die Features und Möglichkeiten von Azure Synapse Data Explorer und der Kusto-Abfragesprache (KQL) archiviert. Weitere Informationen finden Sie unter Was ist der Unterschied zwischen Azure Synapse Data Explorer und Azure Data Explorer? (Vorschau).

Month (Monat)	Feature	Weitere Informationen
Juni 2022	Neue Web Explorer-Homepage	Die neue Azure Synapse Web Explorer-Homepage erleichtert den Einstieg in Synapse Web Explorer.
Juni 2022	Beispielkatalog für Web Explorer	Der Web Explorer-Beispielkatalog enthält End-to-End-Beispiele dafür, wie Kunden und Kundinnen den Synapse Data Explorer für gängige Anwendungsfälle wie Protokolldaten, Metrikdaten, IoT-Daten und grundlegende Big Data-Beispiele nutzen.
Juni 2022	Drillthrough-Funktionen des Web Explorer-Dashboards	Sie können jetzt Drillthrough-Funktionen als Parameter in Ihren Synapse Web Explorer-Dashboards verwenden.
Juni 2022	Zeitzoneneinstellungen für Web Explorer	Die Zeitzoneneinstellungen für Web Explorer gelten jetzt sowohl für die Abfrageergebnisse als auch für das Dashboard. Wenn Sie die Zeitzone ändern, weren die Dashboards automatisch aktualisiert, um die Daten mit der ausgewählten Zeitzone darzustellen.
Mai 2022	Synapse Data Explorer-Liveabfrage in Excel	Mit der neuen Funktion „In Excel öffnen“ der Webbenutzeroberfläche von Data Explorer können Sie jetzt Zugriff auf Liveergebnisse Ihrer Abfrage bereitstellen, indem Sie die verbundene Excel-Arbeitsmappe für Kollegen und Teammitglieder freigeben. Sie können die Liveabfrage in einer Excel-Arbeitsmappe öffnen und direkt in Excel aktualisieren, um die neuesten Abfrageergebnisse abzurufen. Um eine Excel-Arbeitsmappe zu erstellen, die mit Synapse Data Explorer verbunden ist, führen Sie zunächst eine Abfrage über die Weboberfläche aus.
Mai 2022	Verwenden von verwalteten Identitäten für externe SQL Server-Tabellen	Mit der Unterstützung für verwaltete Identitäten ist die Definition von Synapse Data Explorer-Tabellen jetzt einfacher und sicherer. Anstatt Ihre Anmeldeinformationen einzugeben, können Sie nun verwaltete Identitäten verwenden. Weitere Informationen zu externen Tabellen finden Sie unter Erstellen und Ändern externer SQL Server-Tabellen.
Mai 2022	Azure Synapse Data Explorer-Connector für Microsoft Power Automate, Logic Apps und Power Apps	Neue Azure Data Explorer-Connectors für Power Automate sind allgemein verfügbar (GA). Weitere Informationen finden Sie unter Azure Data Explorer-Connector für Microsoft Power Automate, Microsoft Logic App und Azure Data Explorer und unter der Möglichkeit zum Erstellen von Power Apps-Anwendungen zum Abfragen von Daten in Azure Data Explorer.
Mai 2022	Dynamisches Ereignisrouting von Event Hub zu mehreren Datenbanken	Wir unterstützen jetzt das Routing von Ereignisdaten von Azure Event Hub/Azure IoT Hub/Azure Event Grid zu mehreren Datenbanken, die in einem einzelnen ADX-Cluster gehostet werden. Weitere Informationen zum dynamischen Routing finden Sie unter Erfassung aus Event Hub.
Mai 2022	Konfigurieren einer Datenbank mithilfe eines KQL-Inlineskripts als Teil der JSON ARM-Bereitstellungsvorlage	Das Ausführen eines KQL-Skripts (Kusto Query Language) zur Konfiguration Ihrer Datenbank kann jetzt mithilfe eines Inlineskripts erfolgen, das als Parameter für eine JSON ARM-Vorlage bereitgestellt wird.

Azure Synapse Link

Azure Synapse Link ist ein automatisiertes System zur Replikation von Daten aus SQL Server oder Azure SQL-Datenbank, Azure Cosmos DB oder Dataverse in Azure Synapse Analytics. In diesem Abschnitt sind die Neuigkeiten über das Azure Synapse Link-Feature archiviert.

Month (Monat)	Feature	Weitere Informationen
Mai 2022	Azure Synapse Link für SQL (Vorschau)	Azure Synapse Link für SQL befindet sich für SQL Server 2022 und Azure SQL-Datenbank in der Vorschauversion. Das Feature Azure Synapse Link ermöglicht eine Datenreplikation mit wenig oder ohne Code in Quasi-Echtzeit von Ihren SQL-basierten Betriebsspeichern zu Azure Synapse Analytics. Stellen Sie BI-Berichte für operative Daten ganz einfach in Quasi-Echtzeit und mit minimalen Auswirkungen auf Ihren Betriebsspeicher bereit. Die Vorschauversion von Azure Synapse Link für SQL wurde angekündigt. Weitere Informationen finden Sie unter Blog: Azure Synapse Link für SQL – Ausführliche Betrachtung.

Synapse-SQL

In diesem Abschnitt sind Verbesserungen und Features der SQL-Pools in Azure Synapse Analytics archiviert.

Month (Monat)	Feature	Weitere Informationen
Juni 2022	Erhöhung des Resultset-Größenlimits	Die maximale Größe von Abfrageresultsets in serverlosen SQL-Pools wurde von 200 GB auf 400 GB erhöht.
Mai 2022	Automatische Berechnung der Länge von Zeichenspalten für serverlose SQL-Pools	Es ist nicht mehr notwendig, die Länge von Zeichenspalten für serverlose SQL-Pools im Data Lake zu definieren. Sie können eine optimale Abfrageleistung erzielen, ohne das Schema definieren zu müssen, da der serverlose SQL-Pool automatisch berechnete durchschnittliche Spaltenlängen und Kardinalitätsschätzungen verwendet.
April 2022	Allgemeine Verfügbarkeit der abonnementübergreifenden Wiederherstellung für Azure Synapse SQL	Mit dem Update des PowerShell-Moduls Az.Sql 3.8 kann das Cmdlet Restore-AzSqlDatabase für die abonnementübergreifende Wiederherstellung von dedizierten SQL-Pools verwendet werden. Weitere Informationen finden Sie unter Wiederherstellen eines dedizierten SQL-Pools in einem anderen Abonnement. Dieses Feature ist jetzt allgemein für dedizierte SQL-Pools (ehemals SQL DW) und dedizierte SQL-Pools in einem Synapse-Arbeitsbereich verfügbar. Wo liegt der Unterschied?
April 2022	Wiederherstellen des SQL-Pools von einem gelöschten Server oder Arbeitsbereich	Mit den PowerShell-Wiederherstellungs-Cmdlets in den Modulen Az.Sql und Az.Synapse können Sie jetzt Wiederherstellungen von gelöschten Servern oder Arbeitsbereichen durchführen, ohne ein Supportticket einzureichen. Weitere Informationen finden Sie abhängig von Ihrem Szenario unter Wiederherstellen eines dedizierten SQL-Pools aus einem gelöschten Azure Synapse-Arbeitsbereich oder Wiederherstellen eines eigenständigen dedizierten SQL-Pools (früher SQL DW) von einem gelöschten Server.
März 2022	Verschlüsselung auf Spaltenebene für dedizierte SQL-Pools	Die Verschlüsselung auf Spaltenebene ist jetzt allgemein verfügbar und kann auf neuen und bestehenden logischen Azure SQL-Servern mit dedizierten Azure Synapse-SQL-Pools sowie in den dedizierten SQL-Pools in Azure Synapse-Arbeitsbereichen verwendet werden. Die SSDT-Unterstützung (SQL Server Data Tools) für die Verschlüsselung auf Spaltenebene für die dedizierten SQL-Pools ist ab dem Build 17.2 Preview 2 von Visual Studio 2022 verfügbar.
März 2022	Parallele Ausführung für CETAS	Jetzt werden bessere Leistungen für CREATE TABLE AS SELECT (CETAS) und nachfolgende SELECT-Anweisungen mithilfe von parallelen Ausführungsplänen ermöglicht. Beispiele hierfür finden Sie unter Bessere Leistung für CETAS- und nachfolgende SELECT-Anweisungen.

Vorherige monatliche Updates in Azure Synapse Analytics

Im Anschluss finden Sie das bisherige Format der monatlichen Neuigkeiten für Synapse Analytics.

Update vom Juni 2022

Allgemein

• Azure Orbital Analytics mit Synapse Analytics – Wir bieten jetzt eine Azure Orbital Analytics-Beispiellösung mit einer End-to-End-Implementierung von Extrahieren, Laden, Transformieren und Analysieren von Spaceborne-Daten mithilfe von Geospatialbibliotheken und AI-Modellen mit Azure Synapse Analytics an. Die Beispiellösung veranschaulicht außerdem, wie raumbezogene Azure KI Services-Modelle, KI-Modelle von Partnern und BYOD-Modelle (Bring-Your-Own-Data) integriert werden.

• Azure Synapse Success by Design – Projekterfolg ist kein Unfall und erfordert sorgfältige Planung und Ausführung. Die Success by Design Playbooks von Synapse Analytics sind jetzt verfügbar. Das Azure Synapse-Proof-of-Concept-Playbook bietet einen Leitfaden zum Umfang, Entwerfen, Ausführen und Bewerten eines Proof-of-Concept für SQL- oder Spark-Workloads. Diese Leitfäden enthalten bewährte Methoden aus den anspruchsvollsten und komplexen Lösungsimplementierungen, die Azure Synapse enthalten. Weitere Informationen zum Azure Synapse Proof-of-Concept-Playbook finden Sie unter Success by Design.

SQL

Erhöhung der Resultset-Größenbeschränkung – Wir wissen, dass Sie zu Azure Synapse Analytics wechseln, um mit großen Datenmengen zu arbeiten. Daher wurde die maximale Größe von Abfrage-Resultsets in serverlosen SQL-Pools von 200 GB auf 400 GB erhöht. Diese Begrenzung wird zwischen gleichzeitigen Abfragen geteilt. Weitere Informationen zu dieser Erhöhung der Größenbeschränkung und anderen Beschränkungen finden Sie in der Selfbsthilfe für serverlose SQL-Pools.

Synapse Daten-Explorer

• Neue Homepage des Web Explorer – Die neue Synapse Web Explorer-Homepage erleichtert den Einstieg in Synapse Web Explorer. Die Homepage des Web Explorer enthält jetzt die folgenden Abschnitte:

  • Erste Schritte – Beispielkatalog mit Beispielabfragen und Dashboards für beliebte Synapse Data Explorer-Anwendungsfälle.
  • Empfohlen – Beliebte Lernmodule, die Ihnen helfen sollen, Synapse Web Explorer und KQL zu meistern.
  • Dokumentation – Grundlegende und erweiterte Dokumentation von Synapse Web Explorer.

• Web Explorer-Beispielkatalog – Eine großartige Möglichkeit, sich über ein Produkt zu informieren, besteht darin, zu sehen, wie es von anderen verwendet wird. Der Web Explorer-Beispielkatalog enthält End-to-End-Beispiele dafür, wie Kunden den Synapse Data Explorer für gängige Anwendungsfälle wie Protokolldaten, Metrikdaten, IoT-Daten und grundlegende Big-Data-Anwendungen nutzen. Jedes Beispiel enthält das Dataset, gut dokumentierte Abfragen und ein Beispieldashboard. Weitere Informationen zum Beispielkatalog finden Sie im Azure Daten-Explorer in 60 Minuten mit dem neuen Beispielkatalog.

• Drill-Through-Funktionen für Web Explorer-Dashboards – Sie können jetzt Drill-Through-Funktionen zu Ihren Synapse Web Explorer-Dashboards hinzufügen. Mit den neuen Drill-Through-Funktionen können Sie ganz einfach zwischen Dashboardseiten springen. Dies wird mithilfe eines Kontextfilters ermöglicht, um Ihre Dashboards zu verbinden. Das Definieren dieser kontextbezogenen Drillthroughs erfolgt durch Bearbeiten der visuellen Interaktionen der ausgewählten Kachel im Dashboard. Weitere Informationen zu Drill-Through-Funktionen finden Sie unter Verwenden von Drillthroughs als Dashboardparameter.

• Zeitzoneneinstellungen für Web Explorer – Die Möglichkeit, Daten in verschiedenen Zeitzonen anzuzeigen, ist sehr leistungsfähig. Sie können jetzt entscheiden, die Daten in UTC-Zeit, Ihrer lokalen Zeitzone oder der Zeitzone des überwachten Geräts/Computers anzuzeigen. Die Zeitzoneneinstellungen des Web Explorer gelten jetzt sowohl für die Abfrageergebnisse als auch für das Dashboard. Wenn Sie die Zeitzone ändern, weren die Dashboards automatisch aktualisiert, um die Daten mit der ausgewählten Zeitzone darzustellen. Weitere Informationen zu Zeitzoneneinstellungen finden Sie unter Ändern von Datumsangaben zu bestimmten Zeitzonen.

Datenintegration

• Fuzzy Join-Option in der Verknüpfungstransformation – Fuzzy-Übereinstimmung mit einer gleitenden Ähnlichkeitsbewertungsoption wurde der Verknüpfungstransformation in Zuordnungsdatenflüssen hinzugefügt. Sie können innere und äußere Verknüpfungen für Datenwerte erstellen, die ähnlich sind, anstatt genau übereinzustimmen! Zuvor mussten Sie eine genaue Übereinstimmung verwenden. Der Gleitmaßstabwert wechselt von 60 % bis 100 %, wodurch der Ähnlichkeitsschwellenwert der Übereinstimmung leicht angepasst werden kann. Weitere Informationen zu Fuzzy-Verknüpfungen finden Sie unter „Verknüpfungstransformation“ im Zuordnungsdatenfluss.

• Zuordnungsdaten [Allgemein verfügbar] – Wir freuen uns, bekanntzugeben, dass das Datenzuordnungstool jetzt allgemein verfügbar ist. Das Datenzuordnungstool ist ein geführter Prozess, mit dem Benutzer ETL-Zuordnungen und Zuordnungsdatenflüsse zwischen Ihren Quelldaten und Synapse erstellen können, ohne Code schreiben zu müssen. Weitere Informationen zu Kartendaten finden Sie unter „Kartendaten“ in Azure Synapse Analytics.

• Erneutes Ausführen der Pipeline mit neuen Parametern – Sie können jetzt Pipelineparameter ändern, wenn Sie eine Pipeline auf der Überwachungsseite erneut ausführen, ohne zum Pipeline-Editor zurückkehren zu müssen. Nachdem Sie eine Pipeline mit neuen Parametern ausgeführt haben, können Sie die neue Ausführung ganz einfach mit den alten überwachen, ohne zwischen den Seiten umschalten zu müssen. Weitere Informationen zum Erneuten Ausführen von Pipelines mit neuen Parametern finden Sie unter Erneutes Ausführen von Pipelines und Aktivitäten.

• Benutzerdefinierte Funktionen [Allgemein verfügbar] – Wir freuen uns, bekanntzugeben, dass benutzerdefinierte Funktionen (UDFs) jetzt allgemein verfügbar sind. Mit dem neuen Feature für benutzerdefinierte Funktionen können Sie jetzt benutzerdefinierte Ausdrücke erstellen, die in mehreren Zuordnungsdatenflüssen wiederverwendet werden können. Sie müssen nicht mehr die gleiche Zeichenfolgenbearbeitung, mathematische Berechnungen oder andere komplexe Logik mehrmals verwenden. Benutzerdefinierte Funktionen werden in Bibliotheken gruppiert, damit Entwickler allgemeine Funktionen leichter in Gruppen zusammenfassen können. Weitere Informationen zu benutzerdefinierten Funktionen finden Sie unter Benutzerdefinierte Funktionen im Zuordnungsdatenfluss.

Machine Learning

Distributed Deep Neural Network Training mit Horovod und Petastorm [Öffentliche Vorschau] – Um die Erstellung und Verwaltung von Pools mit GPU-Beschleunigung zu vereinfachen, nimmt Ihnen.Azure Synapse die Vorinstallation untergeordneter Bibliotheken und die Einrichtung aller komplexen Netzwerkanforderungen zwischen Computeknoten ab. Dank dieser Integration können Benutzer innerhalb weniger Minuten mit der Verwendung von Pools mit GPU-Beschleunigung beginnen.

Azure Synapse Analytics bietet integrierte Unterstützung für Deep Learning-Infrastruktur. Die Azure Synapse Analytics-Runtime für Apache Spark 3.1 und 3.2 bietet jetzt Unterstützung für die gängigsten Deep Learning-Bibliotheken wie TensorFlow und PyTorch. Die Azure Synapse-Runtime enthält auch unterstützende Bibliotheken wie Petastorm und Horovod, die häufig für verteiltes Training verwendet werden. Dieses Feature ist derzeit in der Public Preview-Version verfügbar.

Weitere Informationen dazu, wie Sie diese Bibliotheken in Ihren Azure Synapse Analytics-Pools mit GPU-Beschleunigung nutzen können, erhalten Sie in den Deep Learning-Tutorials.

Update vom Mai 2022

Die folgenden Updates sind für Azure Synapse Analytics diesen Monat neu.

Allgemein

Nehmen Sie am neuen Azure Synapse Influencer-Programm teil, um sich mit Experten und Kollegen zu vernetzen.Treten Sie einer Community von Azure Synapse-Influencern bei, die sich gegenseitig dabei unterstützen, mit Cloudanalysen mehr zu erreichen. Das Azure Synapse Influencer-Programm würdigt Benutzer und Befürworter von Azure Synapse Analytics, die die Community aktiv unterstützen, indem sie Synapse-bezogene Inhalte, Ankündigungen und neue Produktinformationen über soziale Medien teilen.

SQL

• Data Warehouse-Migrationsleitfaden für dedizierte SQL-Pools in Azure Synapse Analytics: Die Migration zur Cloud bietet erhebliche Vorteile. Viele unserer Kunden wünschen sich daher Anleitungen, Prozesse oder Richtlinien für die schnelle und einfache Migration vorhandener Data Warehouse-Umgebungen. Wir haben kürzlich eine Reihe von Leitfäden für die Data Warehouse-Migration veröffentlicht, die Ihnen die Migration zu dedizierten SQL-Pools in Azure Synapse Analytics erleichtern.

• Automatische Berechnung der Länge von Zeichenspalten: Die Länge von Zeichenspalten muss nicht mehr definiert werden. Serverlose SQL-Pools ermöglichen es Ihnen, Dateien im Data Lake abzufragen, ohne das Schema vorab zu kennen. Die bewährte Methode zum Erzielen einer optimalen Leistung bestand darin, die Länge von Zeichenspalten anzugeben. Das hat sich geändert. Mit dem neuen Feature können Sie eine optimale Abfrageleistung erzielen, ohne das Schema definieren zu müssen. Der serverlose SQL-Pool berechnet die durchschnittliche Spaltenlänge für alle abgeleiteten Zeichenspalten oder Zeichenspalten, für die eine Größe von mehr als 100 Bytes definiert ist. Das Schema bleibt unverändert, während der serverlose SQL-Pool die berechneten durchschnittliche Spaltenlängen intern verwendet. Falls noch keine Statistik erstellt wurde, wird auch die Kardinalitätsschätzung automatisch berechnet.

Apache Spark für Synapse

• Azure Synapse-Connector für dedizierte SQL-Pools für Apache Spark in Python: Bisher war der Azure Synapse-Connector für dedizierte SQL-Pools nur in Scala verfügbar. Jetzt kann er mit Python in Spark 3 verwendet werden. Der einzige Unterschied zwischen den Scala- und Python-Implementierungen ist das optionale Scala-Rückrufhandle, das den Empfang von Metriken nach dem Schreiben ermöglicht.

  Folgendes wird jetzt in Python in Spark 3 unterstützt:

  • Lesen mit Azure Active Directory (AD)-Authentifizierung oder Standardauthentifizierung
  • Schreiben in interne Tabellen mit Azure AD-Authentifizierung oder Standardauthentifizierung
  • Schreiben in externe Tabellen mit Azure AD-Authentifizierung oder Standardauthentifizierung

  Weitere Informationen zum Connector in Python finden Sie unter Azure Synapse-Connector für dedizierte SQL-Pools für Apache Spark.

• Verwalten der Azure Synapse Apache Spark-Konfiguration: Die Apache Spark-Konfigurationsverwaltung ist immer eine schwierige Aufgabe, da es in Spark Hunderte von Eigenschaften gibt. Den optimalen Wert für Spark-Konfigurationen zu finden, stellt ebenfalls eine Herausforderung dar. Mit dem neuen Feature für die Spark-Konfigurationsverwaltung können Sie ein eigenständiges Spark-Konfigurationsartefakt mit automatischen Vorschlägen und integrierten Validierungsregeln erstellen. Das Spark-Konfigurationsartefakt ermöglicht es Ihnen, Ihre Spark-Konfiguration innerhalb eines Azure Synapse-Arbeitsbereichs und arbeitsbereichsübergreifend freizugeben. Sie können die Spark-Konfiguration zur Wiederverwendung auch ganz einfach mit einem Spark-Pool, einem Notebook und einer Spark-Auftragsdefinition verknüpfen und so die Notwendigkeit minimieren, die Spark-Konfiguration an mehrere Speicherorte kopieren zu müssen. Weitere Informationen zum neuen Feature für die Spark-Konfigurationsverwaltung finden Sie unter Verwalten der Apache Spark-Konfiguration.

Synapse Data Explorer

• Synapse Data Explorer-Liveabfrage in Excel: Mit der neuen Funktion „In Excel öffnen“ der Webbenutzeroberfläche von Data Explorer können Sie jetzt Zugriff auf Liveergebnisse Ihrer Abfrage bereitstellen, indem Sie die verbundene Excel-Arbeitsmappe für Kollegen und Teammitglieder freigeben.  Sie können die Liveabfrage in einer Excel-Arbeitsmappe öffnen und direkt in Excel aktualisieren, um die neuesten Abfrageergebnisse abzurufen. Weitere Informationen zur Excel-Liveabfrage finden Sie unter Öffnen einer Liveabfrage in Excel.

• Verwenden von verwalteten Identitäten für externe SQL Server-Tabellen: Einer der wichtigsten Vorteile von Azure Synapse ist die Möglichkeit, Datenintegration, Data Warehousing für Unternehmen und Big Data-Analyse zu vereinen. Mit der Unterstützung für verwaltete Identitäten ist die Definition von Synapse Data Explorer-Tabellen jetzt einfacher und sicherer. Anstatt Ihre Anmeldeinformationen einzugeben, können Sie nun verwaltete Identitäten verwenden.

  Eine externe SQL-Tabelle ist eine Schemaentität, die auf Daten verweist, die außerhalb der Synapse Data Explorer-Datenbank gespeichert sind. Mit dem Befehl zum Erstellen und Ändern externer SQL Server-Tabellen können externe SQL-Tabellen dem Synapse Data Explorer-Datenbankschema problemlos hinzugefügt werden.

  Weitere Informationen zu verwalteten Identitäten finden Sie in der Übersicht über verwaltete Identitäten.

  Weitere Informationen zu externen Tabellen finden Sie unter Erstellen und Ändern externer SQL Server-Tabellen.

• Neues Learn-Modul für KQL (2 von 3): Der große Vorteil der Kusto-Abfragesprache (Kusto Query Language, KQL) ist die Einfachheit, mit der strukturierte, teilweise strukturierte und unstrukturierte Daten zusammen abgefragt werden können. Unsere Learn-Module erleichtern Ihnen das Erlernen von KQL. Das Learn-Modul Schreiben Ihrer ersten Abfrage mit der Kusto-Abfragesprache wurde bereits veröffentlicht. Neu in diesem Monat ist Gewinnen von Erkenntnissen aus Ihren Daten mithilfe der Kusto-Abfragesprache.

  KQL ist die Abfragesprache, die zum Abfragen von Big Data in Synapse Data Explorer verwendet wird. KQL hat eine schnell wachsende Benutzercommunity mit Hunderttausenden von Entwicklern, technischen Fachkräften für Daten, Data Analysts und Studenten.

  Sehen Sie sich das neueste Learn-Modul für KQL an, und machen Sie sich selbst ein Bild davon, wie einfach KQL zu meistern ist.

  Weitere Informationen zu KQL finden Sie unter Übersicht: Kusto-Abfragesprache (KQL).

• Azure Synapse Data Explorer-Connector für Microsoft Power Automate, Logic Apps und Power Apps [allgemein verfügbar]: Der Azure Data Explorer-Connector für Power Automate ermöglicht es Ihnen, Abläufe zu orchestrieren und zu planen sowie Benachrichtigungen und Warnungen als Teil einer geplanten oder ausgelösten Aufgabe zu senden. Weitere Informationen finden Sie unter Azure Data Explorer-Connector für Microsoft Power Automate und Anwendungsbeispiele für den Azure Data Explorer-Connector für Power Automate.

• Routing dynamischer Ereignisse aus einem Event Hub an mehrere Datenbanken: Das Weiterleiten von Ereignissen aus einem Event Hub/IOT Hub/Event Grid ist eine Aktivität, die Benutzer von Azure Data Explorer (ADX) häufig ausführen. Bisher konnten Sie Ereignisse nur an eine einzelne Datenbank pro definierte Verbindung weiterleiten. Wenn Sie die Ereignisse an mehrere Datenbanken weiterleiten wollten, mussten Sie mehrere ADX-Clusterverbindungen erstellen.

  Zur Vereinfachung dieses Prozesses wird jetzt das Routing von Ereignisdaten an mehrere Datenbanken unterstützt, die in einem einzelnen ADX-Cluster gehostet werden. Weitere Informationen zum dynamischen Routing finden Sie unter Erfassung aus Event Hub.

• Konfigurieren einer Datenbank mithilfe eines KQL-Inlineskripts als Teil der JSON-ARM-Bereitstellungsvorlage: Bisher konnten Sie in Azure Data Explorer ein KQL-Skript (Kusto-Abfragesprache) ausführen, um Ihre Datenbank während der Bereitstellung einer Azure Resource Manager (ARM)-Vorlage zu konfigurieren. Jetzt können Sie dazu ein Inlineskript verwenden, das inline als Parameter in einer JSON-ARM-Vorlage bereitgestellt wird. Weitere Informationen zur Verwendung eines KQL-Inlineskripts finden Sie unter Konfigurieren einer Datenbank mithilfe eines Skripts für die Kusto-Abfragesprache.

Datenintegration

• Exportieren der Pipelineüberwachung als CSV: Die Möglichkeit, die Pipelineüberwachung in eine CSV-Datei zu exportieren, wurde aufgrund zahlreicher Anfragen aus der Community hinzugefügt. Filtern Sie den Bildschirm „Pipelineausführungen“ einfach nach den gewünschten Daten, und klicken Sie auf In CSV exportieren*. Weitere Informationen zum Exportieren der Pipelineüberwachung und zu weiteren Verbesserungen der Überwachung finden Sie unter Verbesserungen am Azure Data Factory-Monitoring.

• Einfaches inkrementelles Laden von Daten für Azure Synapse und Azure Database for PostgreSQL und MySQL: Das inkrementelle Laden von Daten nach einem anfänglichen vollständigen Datenladevorgang ist in einer Datenintegrationslösung ein gängiges Szenario. Das automatische inkrementelle Laden von Quelldaten ist jetzt nativ für Azure Synapse SQL und Azure Database for PostgreSQL und MySQL verfügbar. Benutzer können die inkrementelle Extraktion aktivieren, und es werden nur eingefügte oder aktualisierte Zeilen von der Pipeline gelesen. Weitere Informationen zum inkrementellen Laden von Daten finden Sie unter Inkrementelles Kopieren von Daten aus einem Quelldatenspeicher in einen Zieldatenspeicher.

• Benutzerdefinierte Funktionen für Zuordnungsdatenflüsse [Public Preview]: Unsere Kunden berichten, dass sie die gleichen Zeichenfolgenbearbeitungen und mathematischen Berechnungen oder andere komplexe Logik immer wieder ausführen. Mit dem neuen Feature für benutzerdefinierte Funktionen können Sie jetzt benutzerdefinierte Ausdrücke erstellen, die in mehreren Zuordnungsdatenflüssen wiederverwendet werden können. Benutzerdefinierte Funktionen werden in Bibliotheken gruppiert, damit Entwickler allgemeine Funktionen leichter in Gruppen zusammenfassen können. Nachdem Sie eine Datenflussbibliothek erstellt haben, können Sie ihr Ihre benutzerdefinierten Funktionen hinzufügen. Sie können sogar mehrere Argumente hinzufügen, damit Funktionen wiederverwendet werden können. Weitere Informationen zu benutzerdefinierten Funktionen finden Sie unter Benutzerdefinierte Funktionen im Zuordnungsdatenfluss.

• Behandlung von Assert-Fehlern: Senken nach einer Assert-Transformation wurde eine Fehlerbehandlung hinzugefügt. Assert-Transformationen ermöglichen Ihnen das Erstellen benutzerdefinierter Regeln für die Datenqualität und Datenüberprüfung. Jetzt können Sie auswählen, ob die fehlerhaften Zeilen in die ausgewählte Senke oder in eine separate Datei ausgegeben werden. Weitere Informationen zur Fehlerbehandlung finden Sie unter Assert-Datentransformation in einem Zuordnungsdatenfluss.

• Bearbeiten der Projektion in Zuordnungsdatenflüssen: Die Benutzeroberfläche zum Bearbeiten der Quellprojektion in Zuordnungsdatenflüssen wurde aktualisiert. Sie können jetzt Spaltennamen und Spaltentypen der Quellprojektion aktualisieren. Weitere Informationen zum Bearbeiten der Quellprojektion finden Sie unter Quelltransformation in einem Zuordnungsdatenfluss.

Azure Synapse Link

Azure Synapse Link für SQL Server: Auf der Microsoft Build 2022 haben wir sowohl für SQL Server 2022 als auch Azure SQL-Datenbank die Verfügbarkeit der Public Preview von Azure Synapse Link für SQL bekannt gegeben. Datengesteuerte Erkenntnisse zur Qualität sind für Unternehmen entscheidend, um wettbewerbsfähig zu bleiben. Die Geschwindigkeit, mit der diese Erkenntnisse gewonnen werden, kann den Unterschied ausmachen. Die kostspieligen und zeitaufwendigen herkömmlichen ETL- und ELT-Pipelines (Extrahieren, Transformieren und Laden/Extrahieren, Laden und Transformieren) reichen nicht mehr aus. Ab diesem Release können Sie eine Datenreplikation in Quasi-Echtzeit von Ihren SQL-basierten Betriebsspeichern in Azure Synapse Analytics nutzen, die wenig oder gar keinen Code erfordert. BI-Berichte für operative Daten können dadurch ganz einfach in Quasi-Echtzeit und mit minimalen Auswirkungen auf Ihren Betriebsspeicher ausgeführt werden. Weitere Informationen finden Sie in der Ankündigung der Public Preview von Azure Synapse Link für SQL und in unserem YouTube-Video.

Update vom April 2022

Die folgenden Updates sind für Azure Synapse Analytics diesen Monat neu.

SQL

• Die abonnementübergreifende Wiederherstellung für Azure Synapse SQL ist jetzt allgemein verfügbar. Zuvor waren viele nicht dokumentierte Schritte erforderlich, um einen dedizierten SQL-Pool in einem anderen Abonnement wiederherzustellen. Mit Update 3.8 des PowerShell-Moduls „Az.Sql“ kann das Cmdlet „Restore-AzSqlDatabase“ nun für die abonnementübergreifende Wiederherstellung verwendet werden. Weitere Informationen finden Sie unter Wiederherstellen eines dedizierten SQL-Pools (früher SQL DW) in einem anderen Abonnement.

• Es ist jetzt möglich, einen SQL-Pool von gelöschten Servern oder Arbeitsbereichen wiederherzustellen. Mit den PowerShell-Wiederherstellungs-Cmdlets in den Modulen „Az.Sql“ und „Az.Synapse“ können Sie jetzt Wiederherstellungen von gelöschten Servern oder Arbeitsbereichen durchführen, ohne ein Supportticket einzureichen. Weitere Informationen finden Sie, je nach Szenario, unter SQL-Pools in Synapse-Arbeitsbereichen oder Eigenständige SQL-Pools (früher SQL DW).

Synapse-Datenbankvorlagen und -Datenbank-Designer

• Basierend auf häufigem Kundenfeedback haben wir erhebliche Verbesserungen an der Suchoberfläche für die Erstellung einer Lake-Datenbank mithilfe einer Branchenvorlage vorgenommen. Weitere Informationen finden Sie unter Schnellstart: Erstellen einer neuen Lake-Datenbank anhand von Datenbankvorlagen.

• Wir haben die Option zum Klonen einer Lake-Datenbank hinzugefügt. Dies eröffnet neue Möglichkeiten für die Verwaltung neuer Datenbankversionen oder Unterstützungsschemas, die sich in separaten Schritten entwickeln. Sie können eine Datenbank schnell über das Aktionsmenü in der Lake-Datenbank klonen. Weitere Informationen finden Sie unter Vorgehensweise: Klonen einer Lake-Datenbank.

• Sie können jetzt mithilfe von Platzhaltern benutzerdefinierte Ordnerhierarchien angeben. Lake-Datenbanken enthalten Daten, die sich im Data Lake befinden, und diese Daten können sich in geschachtelten Ordnern befinden, die nicht in klare Partitionsmuster passen. Das Abfragen von Lake-Datenbanken erforderte bisher, dass Ihre Daten in einer einfachen Verzeichnisstruktur vorlagen. Diese konnten Sie mithilfe des Ordnersymbols durchsuchen, ohne dabei Sie die Verzeichnisstruktur manuell angeben oder Platzhalterzeichen verwenden zu können. Weitere Informationen finden Sie unter Vorgehensweise: Ändern eines Data Lake.

Apache Spark für Synapse

• Wir freuen uns, die Verfügbarkeit der Vorschauversion von Apache Spark™ 3.2 in Synapse Analytics bekanntzugeben. Diese neue Version enthält von Benutzer*innen geforderte Verbesserungen und löst mehr als 1.700 Jira-Tickets. Eine vollständige Liste aller Fixes und Features finden Sie in den offiziellen Versionshinweisen. Lesen Sie außerdem die Richtlinien für die Migration zwischen Spark 3.1 und 3.2, um potenzielle Änderungen an Ihren Anwendungen einschätzen zu können. Weitere Informationen finden Sie unter Unterstützung von Apache Spark-Versionen und Azure Synapse-Runtime für Apache Spark 3.2.

• Das dynamische Zuweisen von Parametern basierend auf Variablen oder Metadaten oder durch Angeben von pipelinespezifischen Parametern war eines der am meisten geforderten Features. Mit der Veröffentlichung der Parametrisierung der Spark-Auftragsdefinitionsaktivität ist dies nun endlich möglich. Weitere Informationen finden Sie unter Transformieren von Daten mithilfe der Apache Spark-Auftragsdefinition.

• Bei Ausführungsfehlern von Pipeline-Notebooks oder zeitintensiven Notebook-Aufträgen senden Kunden uns oft Anforderungen für den Zugriff auf die Momentaufnahme des Notebooks. Dank der Veröffentlichung des Synapse-Features für Notebook-Momentaufnahmen können Sie jetzt die Momentaufnahme der Notebook-Aktivitätsausführung mit dem ursprünglichen Notebook-Code, der Zellenausgabe und den Eingabeparametern anzeigen. Sie können über die Zellenausgabe des referenzierenden Notebooks außerdem auf die Momentaufnahme des referenzierten Notebooks zugreifen, wenn Sie über Spark-Hilfsprogramme auf andere Notebooks verweisen. Weitere Informationen finden Sie unter Transformieren von Daten durch Ausführen eines Synapse-Notebooks und Einführung in Microsoft Spark-Hilfsprogramme.

Sicherheit

• Die RBAC-Rolle „Synapse-Überwachungsoperator“ ist jetzt allgemein verfügbar. Seit der allgemeinen Verfügbarkeit von Synapse haben Kunden eine differenzierte RBAC-Rolle (Role-Based Access Control, rollenbasierte Zugriffssteuerung) gefordert, mit der Benutzerpersonas die Ausführung von Synapse Pipelines- und Spark-Anwendungen überwachen können, ohne diese Anwendungen ausführen oder deren Ausführung abbrechen zu können. Kunden können solchen Überwachungspersonas nun die Rolle „Synapse-Überwachungsoperator“ zuweisen. Auf diese Weise können Organisationen ihre Konformität wahren und gleichzeitig Aufgaben flexibel an Einzelpersonen oder Teams delegieren. Weitere Informationen finden Sie unter Synapse-RBAC-Rollen.

Datenintegration

• Microsoft hat Dataverse als Quelle und Senkenconnector zu Synapse-Datenflüssen hinzugefügt, sodass Sie jetzt in Synapse mit geringem Programmieraufwand ETL-Aufträge für die Datentransformation erstellen können, indem Sie direkt auf Ihre Dataverse-Umgebung zugreifen. Weitere Informationen zur Verwendung dieses neuen Connectors finden Sie unter Eigenschaften von Zuordnungsdatenflüssen.

• Wir haben das Feedback erhalten, dass ein 1-minütiges Timeout für Webaktivitäten nicht lang genug ist, insbesondere im Fall von synchronen APIs. Mit der Antworttimeouteigenschaft „httpRequestTimeout“ können Sie nun ein Timeout von bis zu 10 Minuten für die HTTP-Anforderung definieren. Weitere Informationen finden Sie unter Verbesserungen des Antworttimeouts für Webaktivitäten.

Entwicklerumgebung

• Wenn Sie früher in einem Notebook auf ein anderes Notebook verweisen wollten, konnten Sie nur auf veröffentlichte oder committete Inhalte verweisen. Mit „%run notebooks“ können Sie die Einstellung „unveröffentlichter Notebookverweis“ aktivieren, mit der Sie auf nicht veröffentlichte Notebooks verweisen können. Wenn sie aktiviert ist, werden bei der Notebook-Ausführung die aktuellen Inhalte im Webcache des Notebooks abgerufen, d. h., andere Notebooks können sofort auf die Änderungen im Notebook-Editor verweisen, ohne veröffentlicht (Livemodus) oder committet (Git-Modus) werden zu müssen. Weitere Informationen finden Sie unter Verweisen auf nicht veröffentlichte Notebooks.

Update vom März 2022

Die folgenden Updates sind für Azure Synapse Analytics diesen Monat neu.

Entwickleroberfläche

• Codezellen in Synapse-Notebooks, die zu einer Ausnahme führen, zeigen jetzt zusammen mit der Ausnahmemeldung die Standardausgabe an. Dieses Feature wird für die Sprachen Python und Scala unterstützt. Weitere Informationen finden Sie in der Beispielausgabe, wenn eine Codeanweisung fehlschlägt.

• Synapse-Notebooks unterstützen jetzt Teilausgaben beim Ausführen von Codezellen. Weitere Informationen finden Sie in den Beispielen in diesem Blogbeitrag.

• Sie können jetzt die Spark-Sitzungskonfiguration für die Notebookaktivität mittels Pipelineparametern dynamisch steuern. Weitere Informationen finden Sie unter dem Feature „Variablen-Explorer“ von Synapse-Notebooks.

• Sie können jetzt Notebooksitzungen wiederverwenden und verwalten, ohne eine neue starten zu müssen. Sie können ein ausgewähltes Notebook ganz einfach mit einer aktiven Sitzung in der Liste verbinden, die von einem anderen Notebook gestartet wurde. Sie können eine Sitzung von einem Notebook trennen, die Sitzung beenden und sie überwachen. Weitere Informationen finden Sie unter Verwalten Ihrer aktiven Notebooksitzungen.

• Synapse-Notebooks erfassen jetzt alles Geschriebene über das Python-Protokollierungsmodul, zusätzlich zu den Treiberprotokollen. Weitere Informationen finden Sie unter Unterstützung für die Python-Protokollierung.

SQL

• Verschlüsselung auf Spaltenebene für dedizierte SQL-Pools in Azure Synapse ist jetzt allgemein verfügbar. Mit der Verschlüsselung auf Spaltenebene können Sie verschiedene Schutzschlüssel für jede Spalte verwenden, wobei jeder Schlüssel über eigene Zugriffsberechtigungen verfügt. Die Daten Spalten mit erzwungener Verschlüsselung auf Spaltenebene werden auf dem Datenträger verschlüsselt und bleiben im Arbeitsspeicher verschlüsselt, bis die DECRYPTBYKEY-Funktion verwendet wird, um sie zu entschlüsseln. Weitere Informationen finden Sie unter Verschlüsseln einer Datenspalte.

• Serverlose SQL-Pools unterstützen jetzt bessere Leistung für CETAS (CREATE EXTERNAL TABLE AS SELECT) und nachfolgende SELECT-Abfragen. Die Leistungsverbesserungen umfassen einen parallelen Ausführungsplan, der zu einer schnelleren CETAS-Ausführung und der Ausgabe mehrerer Dateien führt. Weitere Informationen finden Sie im Artikel CETAS mit Synapse SQL und in dem Blogbeitrag.

Apache Spark für Synapse

• Der CDM-Connector (Common Data Model) von Synapse Spark ist jetzt allgemein verfügbar. Der CDM-Formatleser/-schreiber ermöglicht es einem Spark-Programm, CDM-Entitäten in einem CDM-Ordner über Spark-Dataframes zu lesen und zu schreiben. Weitere Informationen finden Sie unter Wie der CDM-Connector das Lesen/Schreiben von Daten unterstützt, Beispiele und bekannte Probleme.

• Der dedizierte SQL-Pool-Connector (DW) von Synapse Spark unterstützt jetzt verbesserte Leistung. Die neue Architektur beseitigt redundante Datenverschiebungen und verwendet COPY-INTO anstelle von PolyBase. Sie können sich über SQL-Standardauthentifizierung authentifizieren oder für die Azure Active Directory/Azure AD-basierten Authentifizierungsmethode anmelden. Sie verfügt jetzt über ca. 5-fache Verbesserungen gegenüber der vorherigen Version. Weitere Informationen finden Sie unter Azure Synapse-Connector für dedizierte SQL-Pools für Apache Spark.

• Der dedizierte SQL-Pool-Connector (DW) von Synapse Spark unterstützt jetzt alle SaveMode-Optionen für Spark-Dataframes. Er unterstützt die Modi „Append“ (Anfügen), „Overwrite“ (Überschreiben), „ErrorIfExists“ (Fehler, falls vorhanden) und „Ignore“ (Ignorieren). „Append“ und „Overwrite“ sind von kritischer Bedeutung für das Verwalten der Datenerfassung im großen Stil. Weitere Informationen finden Sie unter SaveMode-Unterstützung beim Schreiben von DataFrames.

• Beschleunigen Sie die Spark-Ausführungsgeschwindigkeit mithilfe des neuen intelligenten Cachefeatures. Dieses Feature ist zurzeit als öffentliche Preview verfügbar. Der intelligente Cache speichert die einzelnen Lesevorgänge automatisch im zugeordneten Cachespeicherplatz,wobei er zugrunde liegende Dateiänderungen erkennt und die Dateien aktualisiert, um die neuesten Daten bereitzustellen. Weitere Informationen finden Sie unter Aktivieren/Deaktivieren des Caches für Ihren Apache Spark-Pool oder im Blogbeitrag.

Sicherheit

• Azure Synapse Analytics unterstützt jetzt Azure Active Directory (Azure AD)-Authentifizierung. Sie können Azure AD-Authentifizierung während oder nach der Erstellung des Arbeitsbereichs aktivieren. Weitere Informationen finden Sie unter Verwenden von Azure AD-Authentifizierung mit Synapse SQL.

• API-Unterstützung, um die TLS-Mindestversion für verwaltete SQL Server und dediziertes SQL des Arbeitsbereichs zu erhöhen oder zu verringern. Weitere Informationen finden Sie unter Aktualisieren der TLS-Mindesteinstellung, oder lesen Sie den Blogbeitrag.

Datenintegration

• Flowlets und CDC-Connectors sind jetzt allgemein verfügbar. Flowlets in Synapse-Datenflüsse ermöglichen wiederverwendbare und zusammensetzbare ETL-Logik. Weitere Informationen finden Sie unter Flowlets im Zuordnungsdatenfluss oder im Blogbeitrag.

• sFTP-Connector für Synapse-Datenflüsse. Sie können Daten während der Transformation von Daten mithilfe der visuellen Schnittstelle für Low-Code-Datenflüssen in Synapse von sftp lesen und schreiben. Weitere Informationen finden Sie unter Quelltransformation.

• Datenflussverbesserungen für die Datenvorschau. Weitere Informationen finden Sie unter Verbesserungen der Datenvorschau und des Debuggens in Zuordnungsdatenflüssen.

• Pipelineskriptaktivität. Mit der Skriptaktivität können technische Fachkräfte für Daten leistungsstarke Datenintegrationspipelines erstellen, die aus Synapse-Datenbanken und anderen Datenbanktypen lesen und in diese schreiben können. Weitere Informationen finden Sie unter Transformieren von Daten mithilfe der Skriptaktivität in Azure Data Factory oder Synapse Analytics.

Update vom Februar 2022

Die folgenden Updates sind für Azure Synapse Analytics diesen Monat neu.

SQL

• Serverlose SQL-Pools unterstützen jetzt konsistentere Abfrageausführungszeiten. Erfahren Sie, wie serverlose SQL-Pools automatisch Spitzen bei der Leselatenz erkennen und konsistente Abfrageausführungszeiten unterstützen.

• Die OPENJSON-Funktion erleichtert das Abrufen von Arrayelementindizes. Erfahren Sie, wie Ihnen die OPENJSON-Funktion in einem serverlosen SQL-Pool ermöglicht, geschachtelte Arrays zu analysieren und eine Zeile für jedes JSON-Arrayelement mit dem Index der einzelnen Elemente zurückzugeben.

Datenintegration

• Das Upserting von Daten wird jetzt von der Kopieraktivität unterstützt. Erfahren Sie, wie Sie Daten nativ in eine temporäre Tabelle laden und diese Daten dann mit upsert in einer Senkentabelle zusammenführen können.

• Visuelles Transformieren von Dynamics-Daten in Synapse-Datenflüsse. Erfahren Sie mehr darüber, wie Sie ein Dynamics-Dataset oder ein Inlinedataset als Quell- und Senkentypen verwenden, um Daten im großen Stil zu transformieren.

• Herstellen einer Verbindung mit Ihren SQL-Quellen in Datenflüssen mithilfe von Always Encrypted. Weitere Informationen finden Sie unter Herstellen einer sicheren Verbindung mit Ihren SQL-Datenbanken aus Synapse-Datenflüssen mithilfe von Always Encrypted.

• Erfassen von Beschreibungen aus Asserts in Datenflüssen Weitere Informationen finden Sie unter Definieren eigener dynamischer beschreibender Nachrichten in der Assert-Datenflusstransformation auf Zeilen- oder Spaltenebene.

• Einfaches Definieren von Schemas für komplexe Typfelder. Erfahren Sie, wie Sie die Engine zum automatischen Erkennen des Schemas eines eingebetteten komplexen Felds in einer Zeichenfolgenspalte erstellen können.

Update vom Januar 2022

Die folgenden Updates sind für Azure Synapse Analytics diesen Monat neu.

Apache Spark für Synapse

Sie können jetzt vier neue Datenbankvorlagen in Azure Synapse verwenden. Weitere Informationen zu Vorlagen für Automobilindustrie, Genomics, Fertigung und Pharmaprodukte finden Sie im Blogbeitrag oder im Artikel zu Datenbankvorlagen. Diese Vorlagen befinden sich derzeit in der öffentlichen Vorschauphase und sind im Synapse Studio-Katalog verfügbar.

Machine Learning

Verbesserungen an der Synapse Machine Learning-Bibliothek v0.9.5 (zuvor als MMLSpark bezeichnet). Dieses Release vereinfacht die Erstellung von hochgradig skalierbaren Machine Learning-Pipelines mit Apache Spark. Weitere Informationen finden Sie im Blogbeitrag zu den neuen Funktionen in dieser Version oder in den vollständigen Versionshinweisen.

Sicherheit

• Die Azure Synapse Analytics-Sicherheitsübersicht: Ein Whitepaper, das die fünf Sicherheitsebenen behandelt. Zu den Sicherheitsebenen gehören Authentifizierung, Zugriffssteuerung, Datenschutz, Netzwerksicherheit und Bedrohungsschutz. Machen Sie sich mit den einzelnen Sicherheitsfeatures im Detail vertraut, um eine dem Branchenstandard entsprechende Sicherheitsbaseline zu implementieren und Ihre Daten in der Cloud zu schützen.

• TLS 1.2 ist jetzt für neu erstellte Synapse-Arbeitsbereiche erforderlich. Weitere Informationen zu TLS 1.2 und der verbesserten Sicherheit finden Sie in diesem Artikel oder im Blogbeitrag. Anmeldeversuche bei einem neu erstellten Synapse-Arbeitsbereich über Verbindungen mit einer niedrigeren TSL-Version als 1.2 führen zu einem Fehler.

Datenintegration

• Überprüfungsregeln für die Datenqualität mithilfe der Assert-Transformation: Sie können Ihren Synapse-ETL-Aufträgen jetzt problemlos Datenqualität, Datenüberprüfung und Schemaüberprüfung hinzufügen, indem Sie die Assert-Transformation in Synapse-Datenflüssen nutzen. Weitere Informationen finden Sie im Artikel „Assert-Transformation in einem Zuordnungsdatenfluss“ oder im Blogbeitrag.

• Nativer Datenflussconnector für Dynamics: Synapse-Datenflüsse können Daten jetzt über den neuen Dynamics-Connector für Datenflüsse direkt in Dynamics lesen und schreiben. Weitere Informationen zum Erstellen von Datasets in Datenflüssen zum Lesen, Transformieren, Aggregieren, Verknüpfen usw. finden Sie in diesem Artikel oder im Blogbeitrag. Anschließend können Sie die Daten mithilfe der integrierten Synapse Spark-Computeressource zurück in Dynamics schreiben.

• IntelliSense und automatische Vervollständigung zu Pipelineausdrücken hinzugefügt: IntelliSense vereinfacht das Erstellen und Bearbeiten von Ausdrücken. Weitere Informationen finden Sie unter dem Überprüfen der Ausdruckssyntax, Suchen nach Funktionen und Hinzufügen von Code zu Pipelines.

Synapse-SQL

• COPY-Schemaerkennung für komplexe Datenerfassung. Weitere Informationen finden Sie im Blogbeitrag oder im Artikel zur Nutzung dieser Funktionalität durch Github unter Einführung in die automatische Schemaerkennung mit automatischer Tabellenerstellung für komplexe Datentypen.

• Serverlose SQL-Pools unterstützen jetzt die HASHBYTES-Funktion. HASHBYTES ist eine T-SQL-Funktion, die Werte hasht. Informationen zur Verwendung von Hashwerten beim Verteilen von Daten finden Sie in diesem Artikel oder im Blogbeitrag.

Update vom Dezember 2021

Die folgenden Updates sind für Azure Synapse Analytics diesen Monat neu.

Apache Spark für Synapse

• Accelerate Spark workloads with NVIDIA GPU acceleration (Beschleunigen von Spark-Workloads mit NVIDIA-GPU-Beschleunigung) BlogArtikel
• Mount remote storage to a Synapse Spark pool (Einbinden von Remotespeicher in einen Synapse Spark-Pool) BlogArtikel
• Natives Lesen und Schreiben von Daten in ADLS mit Pandas Blog-Artikel
• Dynamic allocation of executors for Spark (Dynamische Zuordnung von Executors für Spark) BlogArtikel

Maschinelles Lernen

• The Synapse Machine Learning library (Die Machine Learning-Bibliothek von Synapse) BlogArtikel
• Getting started with state-of-the-art pre-built intelligent models (Erste Schritte mit hochmodernen vorgefertigten intelligenten Modellen) BlogArtikel
• Building responsible AI systems with the Synapse ML library (Erstellen verantwortungsbewusster KI-Systeme mit der ML-Bibliothek von Synapse) BlogArtikel
• PREDICT is now GA for Synapse Dedicated SQL pools (PREDICT ist jetzt allgemein für dedizierte Synapse-SQL-Pools verfügbar) BlogArtikel
• Einfaches und skalierbares Bewerten mit PREDICT und MLFlow für Apache Spark für Synapse Blog-Artikel
• Retail AI solutions (KI-Lösungen für den Einzelhandel) BlogArtikel

Sicherheit

• User-Assigned managed identities now supported in Synapse Pipelines in preview (Benutzerseitig zugewiesene verwaltete Identitäten werden jetzt als Vorschaufeature in Synapse Pipelines unterstützt) BlogArtikel
• Browse ADLS Gen2 folders in an Azure Synapse Analytics workspace in preview (Vorschaufeature: Durchsuchen von ADLS Gen2-Ordnern in einem Azure Synapse Analytics-Arbeitsbereich) BlogArtikel

Datenintegration

• Pipeline Fail activity (Aktivität beim Fehlschlagen einer Pipeline) BlogArtikel
• Mapping Data Flow gets new native connectors (Neue native Konnektoren für den Zuordnungsdatenfluss) BlogArtikel
• Zusätzliche Exportformate für Notebooks: HTML-, Python- und LaTeX Blog
• Drei neue Diagrammtypen in der Notebookansicht: Boxplot, Histogramm und PivotTable Blog
• Wiederherstellen einer Verbindung mit einer unterbrochenen Notebooksitzung Blog

Integrieren

• Azure Synapse Link für Dataverse BlogArtikel
• Benutzerdefinierte Partitionen für Azure Synapse Link für Azure Cosmos DB (Vorschauversion) BlogArtikel
• Datenzuordnungstool (öffentliche Vorschau), eine geführte ETL-Funktion ohne Code BlogArtikel
• Schnelle Wiederverwendung eines Spark-Clusters BlogArtikel
• Transformation externer Aufrufe BlogArtikel
• Flowlets (öffentliche Vorschau) BlogArtikel

Update vom November 2021

Die folgenden Updates sind für Azure Synapse Analytics diesen Monat neu.

Synapse Data Explorer

• Synapse Data Explorer jetzt in der Vorschau verfügbar BlogArtikel

Arbeiten mit Datenbanken und Data Lakes

• Einführung in Lake-Datenbanken (früher als Spark-Datenbanken bekannt) BlogArtikel
• Lake-Datenbank-Designer jetzt in der Vorschau verfügbar BlogArtikel
• Datenbankvorlagen und Datenbank-Designer BlogArtikel

SQL

• Delta Lake-Unterstützung für serverlose SQL jetzt allgemein verfügbar BlogArtikel
• Abfragen mehrerer Dateipfade mithilfe von OPENROWSET in einer serverlosen SQL-Abfrage BlogArtikel
• Serverlose SQL-Abfragen können jetzt bis zu 200 GB an Ergebnissen zurückgeben. BlogArtikel
• Behandeln ungültiger Zeilen mit OPENROWSET in einer serverlosen SQL-Abfrage BlogArtikel

Apache Spark für Synapse

• Accelerate Spark workloads with NVIDIA GPU acceleration (Beschleunigen von Spark-Workloads mit NVIDIA-GPU-Beschleunigung) BlogArtikel
• Mount remote storage to a Synapse Spark pool (Einbinden von Remotespeicher in einen Synapse Spark-Pool) BlogArtikel
• Natives Lesen und Schreiben von Daten in ADLS mit Pandas Blog-Artikel
• Dynamic allocation of executors for Spark (Dynamische Zuordnung von Executors für Spark) BlogArtikel

Maschinelles Lernen

• The Synapse Machine Learning library (Die Machine Learning-Bibliothek von Synapse) BlogArtikel
• Getting started with state-of-the-art pre-built intelligent models (Erste Schritte mit hochmodernen vorgefertigten intelligenten Modellen) BlogArtikel
• Building responsible AI systems with the Synapse ML library (Erstellen verantwortungsbewusster KI-Systeme mit der ML-Bibliothek von Synapse) BlogArtikel
• PREDICT is now GA for Synapse Dedicated SQL pools (PREDICT ist jetzt allgemein für dedizierte Synapse-SQL-Pools verfügbar) BlogArtikel
• Einfaches und skalierbares Bewerten mit PREDICT und MLFlow für Apache Spark für Synapse Blog-Artikel
• Retail AI solutions (KI-Lösungen für den Einzelhandel) BlogArtikel

Sicherheit

• User-Assigned managed identities now supported in Synapse Pipelines in preview (Benutzerseitig zugewiesene verwaltete Identitäten werden jetzt als Vorschaufeature in Synapse Pipelines unterstützt) BlogArtikel
• Browse ADLS Gen2 folders in an Azure Synapse Analytics workspace in preview (Vorschaufeature: Durchsuchen von ADLS Gen2-Ordnern in einem Azure Synapse Analytics-Arbeitsbereich) BlogArtikel

Datenintegration

• Pipeline Fail activity (Aktivität beim Fehlschlagen einer Pipeline) BlogArtikel
• Mapping Data Flow gets new native connectors (Neue native Konnektoren für den Zuordnungsdatenfluss) BlogArtikel

Azure Synapse Link

• Azure Synapse Link für Dataverse BlogArtikel
• Benutzerdefinierte Partitionen für Azure Synapse Link für Azure Cosmos DB (Vorschauversion) BlogArtikel

Update vom Oktober 2021

Die folgenden Updates sind für Azure Synapse Analytics diesen Monat neu.

Allgemein

• Verwalten Sie Ihre Kosten mit Azure Synapse-Plänen mit Vorauszahlung BlogArtikel
• Verschieben Ihres Azure Synapse-Arbeitsbereichs in Azure-Regionen BlogArtikel

Apache Spark für Synapse

• Blogeintrag zu Spark-Leistungsoptimierungen

Sicherheit

• Alle Synapse RBAC-Rollen jetzt allgemein für die Verwendung in der Produktion verfügbar BlogArtikel
• Nutzen von benutzerseitig zugewiesenen verwalteten Identitäten für die Mehrfachverschlüsselung BlogArtikel
• Synapse-Administrator*innen haben jetzt erhöhte Zugriffsrechte auf dedizierte SQL-Pools BlogArtikel

Governance

• Synapse-Arbeitsbereiche können jetzt Herkunftsdaten automatisch in Microsoft Purview übertragen BlogArtikel

Integrieren

• Verwenden von „Stringifizieren“ in Datenflüssen zum einfachen Transformieren komplexer Datentypen in Zeichenfolgen BlogArtikel
• Steuern der Gültigkeitsdauerdauer (TTL) einer Spark-Sitzung in Datenflüssen BlogArtikel

CI/CD & Git

• Bereitstellen von Synapse-Arbeitsbereichen mithilfe von GitHub Actions BlogArtikel
• Weitere Steuerungsoptionen beim Erstellen von Git-Verzweigungen in Synapse Studio BlogArtikel

Entwickleroberfläche

• Verbesserte Markdown-Bearbeitung in Synapse-Notebooks (Vorschau) BlogArtikel
• Pandas-Dataframes werden automatisch als übersichtlich formatierte HTML-Tabellen gerendert BlogArtikel
• Verwenden von IPython-Widgets in Synapse-Notebooks BlogArtikel
• MSSparkUtils-Runtimekontext jetzt für Python und Scala verfügbar BlogArtikel

Nächste Schritte

Erste Schritte mit Azure Synapse Analytics