Περιπτώσεις χρήσης τελικού σημείου ανάλυσης SQL Lakehouse

Το τελικό σημείο ανάλυσης SQL είναι μια βελτιστοποιημένη για ανάγνωση, επιφάνεια T-SQL πάνω από δεδομένα Delta στο Microsoft Fabric. Αυτό το άρθρο εξηγεί τον Fabric φόρτο εργασίας αποθήκευσης δεδομένων με το τελικό σημείο ανάλυσης SQL του Lakehouse και σενάρια για τη χρήση του Lakehouse στην αποθήκευση δεδομένων.

Τι είναι ένα τελικό σημείο ανάλυσης SQL Lakehouse;

Το τελικό σημείο ανάλυσης SQL σάς επιτρέπει να υποβάλετε ερωτήματα σε δεδομένα στο Lakehouse χρησιμοποιώντας τη γλώσσα T-SQL και το πρωτόκολλο TDS.

  • Το τελικό σημείο ανάλυσης SQL εκθέτει πίνακες Delta από το Lakehouse ως πίνακες SQL στους οποίους μπορείτε να υποβάλετε ερωτήματα με την T-SQL.
  • Κάθε πίνακας δέλτα από ένα Lakehouse αντιπροσωπεύεται ως ένας πίνακας. Τα δεδομένα πρέπει να είναι σε μορφή δέλτα.
  • Κάθε Lakehouse διαθέτει ένα τελικό σημείο ανάλυσης SQL και κάθε χώρος εργασίας μπορεί να έχει περισσότερα από ένα Lakehouse. Ο αριθμός των τελικών σημείων ανάλυσης SQL σε έναν χώρο εργασίας συμφωνεί με τον αριθμό των στοιχείων Lakehouse.

Δεν χρειάζεται να δημιουργήσετε ένα τελικό σημείο ανάλυσης SQL στο Microsoft Fabric. Ένα τελικό σημείο ανάλυσης SQL δημιουργείται αυτόματα για κάθε λίμνη, βάση δεδομένων ή βάση δεδομένων κατοπτρισμού. Ένα τελικό σημείο ανάλυσης SQL λειτουργεί ως μια ελαφριά δυνατότητα αποθήκευσης δεδομένων για τα γονικά τους στοιχεία, συμπληρώνοντας την αρχιτεκτονική lakehouse της αποθήκης. Αυτή η αρχιτεκτονική επιτρέπει στον κατοπτρισμό Spark ή Fabric να ελέγχει δεδομένα σε μια δομή φακέλου στη λίμνη που μπορεί να προβάλει το τελικό σημείο ανάλυσης SQL.

Σημείωμα

Στα παρασκήνια, το τελικό σημείο ανάλυσης SQL χρησιμοποιεί τον ίδιο μηχανισμό με την Αποθήκη για την εξυπηρέτηση ερωτημάτων SQL υψηλής απόδοσης και χαμηλού λανθάνοντος χρόνου.

Αυτόματος εντοπισμός μεταδεδομένων

Μια απρόσκοπτη διαδικασία διαβάζει τα αρχεία καταγραφής Delta από το /Tables φάκελο και διασφαλίζει ότι τα μεταδεδομένα SQL για πίνακες, όπως στατιστικά στοιχεία, είναι πάντα ενημερωμένα. Δεν απαιτείται καμία ενέργεια χρήστη και δεν χρειάζεται εισαγωγή, αντιγραφή δεδομένων ή ρύθμιση υποδομής. Για περισσότερες πληροφορίες, ανατρέξτε στο θέμα Σχήμα που δημιουργείται αυτόματα στο τελικό σημείο ανάλυσης SQL.

Σενάρια που επιτρέπει το Lakehouse για αποθήκευση δεδομένων

Στο Fabric, προσφέρουμε μία αποθήκη.

Το Lakehouse, με το τελικό σημείο ανάλυσης SQL, που υποστηρίζεται από την Αποθήκη, μπορεί να απλοποιήσει το παραδοσιακό δέντρο αποφάσεων με μοτίβα αρχιτεκτονικής δέσμης, ροής ή λάμδα. Μαζί με μια αποθήκη, το lakehouse επιτρέπει πολλά σενάρια προσθετικής ανάλυσης. Αυτή η ενότητα εξερευνά τον τρόπο χρήσης ενός Lakehouse μαζί με μια Αποθήκη για μια καλύτερη στρατηγική ανάλυσης φυλών.

Ανάλυση με το χρυσό στρώμα του Fabric Lakehouse σας

Μια πολύ γνωστή στρατηγική για την οργάνωση δεδομένων λιμνών είναι η αρχιτεκτονική μεταλλίων. Αυτή η στρατηγική οργανώνει τα αρχεία σε ακατέργαστα (χάλκινα), ενοποιημένα (ασημένια) και εξευγενισμένα (χρυσά) στρώματα. Μπορείτε να χρησιμοποιήσετε ένα τελικό σημείο ανάλυσης SQL για να αναλύσετε δεδομένα στο χρυσό επίπεδο της αρχιτεκτονικής μεταλλίων, εάν τα αρχεία είναι αποθηκευμένα σε μορφή Delta Lake, ακόμα και αν είναι αποθηκευμένα εκτός του Microsoft Fabric OneLake.

Χρησιμοποιήστε τις συντομεύσεις OneLake για να αναφέρετε χρυσούς φακέλους σε εξωτερικούς λογαριασμούς χώρου αποθήκευσης Azure Data Lake που διαχειρίζονται οι μηχανισμοί Synapse Spark ή Azure Databricks.

Μπορείτε επίσης να προσθέσετε αποθήκες ως λύσεις προσανατολισμένες στη θεματική περιοχή ή στον τομέα για συγκεκριμένο θέμα που μπορεί να έχουν εξατομικευμένες απαιτήσεις ανάλυσης.

Εάν επιλέξετε να διατηρήσετε τα δεδομένα σας σε Fabric, είναι πάντα ανοιχτά και προσβάσιμα μέσω API, μορφής Delta και φυσικά T-SQL.

Υποβολή ερωτήματος ως υπηρεσία σε πίνακες δέλτα από το Lakehouse και άλλα στοιχεία από το OneLake

Οι αναλυτές, οι επιστήμονες δεδομένων και οι μηχανικοί δεδομένων μπορεί να χρειαστεί να υποβάλουν ερωτήματα σε δεδομένα μέσα σε μια λίμνη δεδομένων. Στο Fabric, αυτή η ολοκληρωμένη εμπειρία είναι πλήρως SaaSified.

Το OneLake είναι μια ενιαία, ενοποιημένη, λογική λίμνη δεδομένων για ολόκληρο τον οργανισμό. Το OneLake είναι το OneDrive για δεδομένα. Το OneLake μπορεί να περιέχει πολλούς χώρους εργασίας, για παράδειγμα, κατά μήκος των εταιρικών τμημάτων σας. Κάθε στοιχείο στο Fabric καθιστά τα δεδομένα προσβάσιμα μέσω του OneLake.

Τα δεδομένα σε ένα Microsoft Fabric Lakehouse αποθηκεύονται φυσικά στο OneLake με την ακόλουθη δομή φακέλου:

  • Ο /Files φάκελος περιέχει ακατέργαστα και μη ενοποιημένα (χάλκινα) αρχεία που πρέπει να επεξεργαστούν οι μηχανικοί δεδομένων πριν από την ανάλυση. Τα αρχεία μπορεί να είναι σε διάφορες μορφές, όπως CSV, Parquet, διαφορετικούς τύπους εικόνων και άλλα.
  • Ο /Tables φάκελος περιέχει εκλεπτυσμένα και ενοποιημένα (χρυσά) δεδομένα που είναι έτοιμα για επιχειρηματική ανάλυση. Τα ενοποιημένα δεδομένα είναι σε μορφή Delta Lake.

Ένα τελικό σημείο ανάλυσης SQL μπορεί να διαβάσει δεδομένα στον /tables φάκελο στο OneLake. Η ανάλυση είναι τόσο απλή όσο η υποβολή ερωτημάτων στο τελικό σημείο ανάλυσης SQL του Lakehouse. Μαζί με την Αποθήκη, λαμβάνετε επίσης ερωτήματα μεταξύ βάσεων δεδομένων και τη δυνατότητα απρόσκοπτης εναλλαγής από ερωτήματα μόνο για ανάγνωση στη δημιουργία πρόσθετης επιχειρηματικής λογικής πάνω από τα δεδομένα σας στο OneLake με Fabric αποθήκη δεδομένων.

Διαχείριση δεδομένων με Spark και εξυπηρέτηση με SQL

Οι επιχειρήσεις που βασίζονται σε δεδομένα πρέπει να διατηρούν τα συστήματα παρασκηνίων και αναλύσεων σε συγχρονισμό σχεδόν σε πραγματικό χρόνο με εφαρμογές που απευθύνονται στον πελάτη. Οι επιπτώσεις των συναλλαγών πρέπει να αντικατοπτρίζουν με ακρίβεια μέσω ολοκληρωμένων διαδικασιών, σχετικών εφαρμογών και συστημάτων επεξεργασίας ηλεκτρονικών συναλλαγών (OLTP).

Στο Fabric, μπορείτε να χρησιμοποιήσετε ροή Spark ή διαχείριση δεδομένων για την επιμέλεια των δεδομένων σας. Μπορείτε να χρησιμοποιήσετε το τελικό σημείο ανάλυσης SQL Lakehouse για να επικυρώσετε την ποιότητα των δεδομένων και για υπάρχουσες διαδικασίες T-SQL. Αυτό μπορεί να γίνει σε μια αρχιτεκτονική μεταλλίων ή μέσα σε πολλά επίπεδα του Lakehouse, εξυπηρετώντας χάλκινα, αργυρά, χρυσά ή σκηνοθετημένα, επιμελημένα και βελτιστοποιημένα δεδομένα. Μπορείτε να προσαρμόσετε τους φακέλους και τους πίνακες που δημιουργούνται μέσω του Spark, ώστε να ικανοποιούν τις απαιτήσεις σας για τη διαχείριση δεδομένων και τις επιχειρηματικές απαιτήσεις. Όταν είναι έτοιμη, μια Αποθήκη μπορεί να εξυπηρετήσει όλες τις κατάντη εφαρμογές επιχειρηματικής ευφυΐας σας και άλλες περιπτώσεις χρήσης ανάλυσης, χωρίς αντιγραφή δεδομένων, χρήση προβολών ή βελτίωσης δεδομένων με χρήση CREATE TABLE AS SELECT (CTAS), αποθηκευμένων διαδικασιών και άλλων εντολών DML/ DDL.

Ενοποίηση με το χρυσό στρώμα του Open Lakehouse σας

Ένα τελικό σημείο ανάλυσης SQL δεν περιορίζεται στην ανάλυση δεδομένων μόνο στο Fabric Lakehouse. Χρησιμοποιώντας ένα τελικό σημείο ανάλυσης SQL, μπορείτε να αναλύσετε δεδομένα λίμνης σε οποιαδήποτε λίμνη χρησιμοποιώντας το Synapse Spark, το Azure Databricks ή οποιονδήποτε άλλο μηχανισμό μηχανικής δεδομένων με επίκεντρο τη λίμνη. Μπορείτε να αποθηκεύσετε τα δεδομένα στο Azure Data Lake Storage ή στο Amazon S3.

Μπορείτε πάντα να έχετε πρόσβαση σε αυτήν τη στενή, αμφίδρομη ενοποίηση με το Fabric Lakehouse μέσω οποιουδήποτε μηχανισμού χρησιμοποιώντας ανοιχτά API, τη μορφή Delta και φυσικά την T-SQL.

Εικονικοποίηση δεδομένων εξωτερικών λιμνών δεδομένων με συντομεύσεις

Χρησιμοποιήστε το OneLake shortcuts για να αναφέρετε χρυσούς φακέλους σε εξωτερικούς λογαριασμούς αποθήκευσης Azure Data Lake που διαχειρίζονται οι μηχανές Synapse Spark ή Azure Databricks, καθώς και σε οποιονδήποτε πίνακα δέλτα που είναι αποθηκευμένος στο Amazon S3.

Μπορείτε να αναλύσετε οποιονδήποτε φάκελο στον οποίο αναφέρεται μια συντόμευση από ένα τελικό σημείο ανάλυσης SQL και να δημιουργήσετε έναν πίνακα SQL για τα δεδομένα αναφοράς. Χρησιμοποιήστε τον πίνακα SQL για να εκθέσετε δεδομένα σε εξωτερικά διαχειριζόμενες λίμνες δεδομένων και να ενεργοποιήσετε την ανάλυση σε αυτές.

Αυτή η συντόμευση λειτουργεί ως εικονική αποθήκη που μπορείτε να αξιοποιήσετε από μια αποθήκη για πρόσθετες απαιτήσεις ανάλυσης κατάντη ή να υποβάλετε απευθείας ερώτημα.

Για να αναλύσετε δεδομένα σε εξωτερικούς λογαριασμούς αποθήκευσης λιμνών δεδομένων, ακολουθήστε τα παρακάτω βήματα:

  1. Δημιουργήστε μια συντόμευση που αναφέρεται σε έναν φάκελο στο Azure Data Lake Storage ή στον λογαριασμό Amazon S3. Αφού εισαγάγετε λεπτομέρειες σύνδεσης και διαπιστευτήρια, εμφανίζεται μια συντόμευση στο Lakehouse.
  2. Μεταβείτε στο τελικό σημείο ανάλυσης SQL του Lakehouse και βρείτε έναν πίνακα SQL που έχει ένα όνομα που συμφωνεί με το όνομα συντόμευσης. Αυτός ο πίνακας SQL αναφέρεται στο φάκελο στο ADLS ή στο S3.
  3. Υποβάλετε ερώτημα στον πίνακα SQL που αναφέρεται σε δεδομένα σε ADLS ή S3. Χρησιμοποιήστε τον πίνακα όπως θα κάνατε με οποιονδήποτε άλλο πίνακα στο τελικό σημείο ανάλυσης SQL. Μπορείτε να ενώσετε πίνακες που αναφέρονται σε δεδομένα σε διαφορετικούς λογαριασμούς χώρου αποθήκευσης.

Σημείωμα

Εάν ο πίνακας SQL δεν εμφανίζεται αμέσως στο τελικό σημείο ανάλυσης SQL, περιμένετε μερικά λεπτά. Ο πίνακας SQL που αναφέρεται σε δεδομένα σε εξωτερικό λογαριασμό χώρου αποθήκευσης δημιουργείται με μια καθυστέρηση.

Ανάλυση αρχειοθετημένων ή ιστορικών δεδομένων σε μια λίμνη δεδομένων

Ο διαμερισμός δεδομένων είναι μια γνωστή τεχνική βελτιστοποίησης πρόσβασης δεδομένων σε λίμνες δεδομένων. Αποθηκεύστε τα διαμερισμένα σύνολα δεδομένων σε ιεραρχικές δομές φακέλων με τη μορφή /year=<year>/month=<month>/day=<day>, όπου year, month, και day είναι οι στήλες διαμέρισης. Αυτή η δομή διατηρεί τα ιστορικά δεδομένα λογικά διαχωρισμένα και επιτρέπει στις υπολογιστικές μηχανές να διαβάζουν τα δεδομένα όπως απαιτείται με φιλτράρισμα απόδοσης, αντί να διαβάζουν ολόκληρο τον κατάλογο και όλους τους φακέλους και τα αρχεία μέσα.

Τα διαμερισμένα δεδομένα επιτρέπουν ταχύτερη πρόσβαση εάν τα ερωτήματα φιλτράρονται στα κατηγορήματα που συγκρίνουν τις στήλες κατηγορημάτων με μια τιμή.

Ένα τελικό σημείο ανάλυσης SQL μπορεί να διαβάσει εύκολα αυτόν τον τύπο δεδομένων χωρίς να απαιτείται ρύθμιση παραμέτρων. Για παράδειγμα, μπορείτε να χρησιμοποιήσετε οποιαδήποτε εφαρμογή για την αρχειοθέτηση δεδομένων σε μια λίμνη δεδομένων, συμπεριλαμβανομένων των SQL Server 2022 ή Azure SQL Managed Instance. Αφού διαμερίσετε τα δεδομένα και τα προσγειώσετε σε μια λίμνη για σκοπούς αρχειοθέτησης χρησιμοποιώντας εξωτερικούς πίνακες, ένα τελικό σημείο ανάλυσης SQL μπορεί να διαβάσει διαμερισμένους πίνακες Delta Lake ως πίνακες SQL και να επιτρέψει στον οργανισμό σας να τους αναλύσει. Αυτή η προσέγγιση μειώνει το συνολικό κόστος ιδιοκτησίας, μειώνει την αντιγραφή δεδομένων και φωτίζει τα μεγάλα δεδομένα, την τεχνητή νοημοσύνη και άλλα σενάρια ανάλυσης.

Μπορείτε επίσης να χρησιμοποιήσετε ερωτήματα ταξιδιού στο χρόνο για να υποβάλετε γρήγορα ερωτήματα σε προηγούμενες εκδόσεις δεδομένων. Το ταξίδι στο χρόνο είναι μια χαμηλού κόστους και αποτελεσματική δυνατότητα αναζήτησης δεδομένων σε προηγούμενες καταστάσεις με ερωτήματα T-SQL. Για ένα τελικό σημείο ανάλυσης SQL Lakehouse, η χρονική μετακίνηση περιορίζεται από τις ρυθμίσεις διατήρησης κενού. Για να ξεκινήσετε, ανατρέξτε στο θέμα Διαδικασία: Υποβολή ερωτήματος με χρήση της χρονικής διαδρομής σε επίπεδο δήλωσης.

Απεικόνιση δεδομένων Fabric με συντομεύσεις

Στο Fabric, οι χώροι εργασίας σάς επιτρέπουν να διαχωρίζεις δεδομένα με βάση σύνθετες επιχειρηματικές, γεωγραφικές ή ρυθμιστικές απαιτήσεις.

Ένα τελικό σημείο ανάλυσης SQL σάς επιτρέπει να αφήσετε τα δεδομένα στη θέση τους και να αναλύσετε τα δεδομένα στο Warehouse ή Lakehouse, ακόμη και σε άλλους χώρους εργασίας Microsoft Fabric, μέσω μιας απρόσκοπτης απεικόνισης. Κάθε Microsoft Fabric Lakehouse αποθηκεύει δεδομένα στο OneLake.

Οι συντομεύσεις σάς επιτρέπουν να αναφέρετε φακέλους σε οποιαδήποτε θέση OneLake.

Κάθε Αποθήκη Microsoft Fabric αποθηκεύει δεδομένα πίνακα στο OneLake. Εάν ένας πίνακας προσαρτάται μόνο, τα δεδομένα πίνακα εμφανίζονται ως δεδομένα της λίμνης Delta στο OneLake. Οι συντομεύσεις σάς επιτρέπουν να αναφέρετε φακέλους σε οποιαδήποτε OneLake όπου εμφανίζονται οι πίνακες Warehouse.

Κοινή χρήση και υποβολή ερωτημάτων μεταξύ χώρων εργασίας

Ενώ οι χώροι εργασίας σάς επιτρέπουν να διαχωρίζεις δεδομένα με βάση σύνθετες επιχειρηματικές, γεωγραφικές ή κανονιστικές απαιτήσεις, μερικές φορές χρειάζεται να διευκολύνετε την κοινή χρήση μεταξύ αυτών των γραμμών για συγκεκριμένες ανάγκες ανάλυσης.

Ένα τελικό σημείο ανάλυσης SQL Lakehouse μπορεί να επιτρέψει την εύκολη κοινή χρήση δεδομένων μεταξύ τμημάτων και χρηστών, όπου ένας χρήστης μπορεί να φέρει τους δικούς του εκχωρημένους πόρους και αποθήκη. Οι χώροι εργασίας οργανώνουν τμήματα, επιχειρηματικές μονάδες ή τομείς ανάλυσης. Χρησιμοποιώντας συντομεύσεις, οι χρήστες μπορούν να βρουν οποιαδήποτε δεδομένα Warehouse ή Lakehouse. Οι χρήστες μπορούν να εκτελέσουν αμέσως τις δικές τους προσαρμοσμένες αναλύσεις από τα ίδια κοινόχρηστα δεδομένα. Εκτός από τη βοήθεια με τις αντιστροφές χρέωσης του τμήματος και την κατανομή χρήσης, αυτή η προσέγγιση είναι μια έκδοση μηδενικού αντιγράφου των δεδομένων.

Το τελικό σημείο ανάλυσης SQL επιτρέπει την υποβολή ερωτημάτων για οποιονδήποτε πίνακα και την εύκολη κοινή χρήση. Μπορείτε να προσθέσετε στοιχεία ελέγχου χρησιμοποιώντας ρόλους χώρου εργασίας και ρόλους ασφαλείας για να ικανοποιήσετε πρόσθετες επιχειρηματικές απαιτήσεις.

Για να ενεργοποιήσετε την ανάλυση δεδομένων μεταξύ χώρων εργασίας, ακολουθήστε τα παρακάτω βήματα:

  1. Δημιουργήστε μια συντόμευση OneLake που αναφέρεται σε έναν πίνακα ή σε έναν φάκελο σε έναν χώρο εργασίας στον οποίο μπορείτε να αποκτήσετε πρόσβαση.
  2. Επιλέξτε ένα Lakehouse ή Warehouse που περιέχει έναν πίνακα ή έναν φάκελο Delta Lake που θέλετε να αναλύσετε. Όταν επιλέγετε έναν πίνακα ή φάκελο, εμφανίζεται μια συντόμευση στο Lakehouse.
  3. Μεταβείτε στο τελικό σημείο ανάλυσης SQL του Lakehouse και βρείτε τον πίνακα SQL που έχει ένα όνομα που συμφωνεί με το όνομα συντόμευσης. Αυτός ο πίνακας SQL αναφέρεται στον φάκελο σε έναν άλλο χώρο εργασίας.
  4. Υποβάλετε ερώτημα στον πίνακα SQL που αναφέρει δεδομένα σε έναν άλλο χώρο εργασίας. Μπορείτε να χρησιμοποιήσετε τον πίνακα όπως θα κάνατε με οποιονδήποτε άλλο πίνακα στο τελικό σημείο ανάλυσης SQL. Μπορείτε να ενώσετε τους πίνακες που αναφέρονται σε δεδομένα σε διαφορετικούς χώρους εργασίας.

Για περισσότερες πληροφορίες σχετικά με την ασφάλεια στο τελικό σημείο ανάλυσης SQL, ανατρέξτε στο θέμα Ασφάλεια OneLake για τελικά σημεία ανάλυσης SQL.

Σημείωμα

Εάν ο πίνακας SQL δεν εμφανίζεται αμέσως στο τελικό σημείο ανάλυσης SQL, περιμένετε μερικά λεπτά. Ο πίνακας SQL που αναφέρεται σε δεδομένα σε έναν άλλο χώρο εργασίας δημιουργείται με μια καθυστέρηση.

Ανάλυση διαμετμημένων δεδομένων

Ο διαμερισμός δεδομένων είναι μια γνωστή τεχνική βελτιστοποίησης πρόσβασης δεδομένων σε λίμνες δεδομένων. Μπορείτε να αποθηκεύσετε διαμερισμένα σύνολα δεδομένων σε ιεραρχικές δομές φακέλων με τη μορφή /year=<year>/month=<month>/day=<day>, όπου year, month, και day είναι οι στήλες διαμερίσματος. Τα διαμερισμένα σύνολα δεδομένων επιτρέπουν ταχύτερη πρόσβαση στα δεδομένα εάν τα ερωτήματα χρησιμοποιούν κατηγορήματα που φιλτράρουν δεδομένα συγκρίνοντας τις στήλες κατηγορημάτων με μια τιμή.

Ένα τελικό σημείο ανάλυσης SQL μπορεί να αντιπροσωπεύει διαμεικοποιημένα σύνολα δεδομένων Delta Lake ως πίνακες SQL και να σας επιτρέψει να τα αναλύσετε.

Για περισσότερες πληροφορίες και παραδείγματα σχετικά με την υποβολή ερωτημάτων σε εξωτερικά δεδομένα, ανατρέξτε στο θέμα Υποβολή ερωτημάτων σε αρχεία λίμνης εξωτερικών δεδομένων χρησιμοποιώντας το Fabric αποθήκη δεδομένων ή το τελικό σημείο ανάλυσης SQL. Για ένα παράδειγμα και μια περίπτωση χρήσης για την υποβολή ερωτημάτων σε διαμερισμένα αρχεία parquet, ανατρέξτε στο θέμα Υποβολή ερωτημάτων σε διαμερισμένα δεδομένα.

Ανάλυση δεδομένων στο Lakehouse, την Αποθήκη ή την Αποθήκη συμβάντων

Οι κύριες σελίδες Lakehouse και Warehouse περιλαμβάνουν το τελικό σημείο Eventhouse ως μέρος του μενού Ανάλυση δεδομένων με . Το τελικό σημείο Eventhouse παρέχει μια εμπειρία ερωτημάτων που υποστηρίζεται από Eventhouse απευθείας πάνω από τα δεδομένα Lakehouse και Warehouse, χωρίς αντιγραφή δεδομένων ή μη αυτόματο συγχρονισμό.

Στιγμιότυπο οθόνης του κουμπιού Ανάλυση δεδομένων με αναπτυγμένο για να δείτε τις επιλογές τελικού σημείου ανάλυσης SQL και τελικού σημείου Eventhouse.

Όταν ενεργοποιείτε το τελικό σημείο Eventhouse, μια βάση δεδομένων Eventhouse και μια βάση δεδομένων KQL δημιουργούνται αυτόματα ως θυγατρικά στοιχεία του Lakehouse ή της Αποθήκης προέλευσης, με τον συγχρονισμό σχήματος να γίνεται στο παρασκήνιο. Το τελικό σημείο αντικατοπτρίζει πάντα το τρέχον σχήμα των δεδομένων προέλευσης, επιτρέποντας την αναλυτική πρόσβαση σχεδόν σε πραγματικό χρόνο.

Αυτή η ενοποίηση καθιστά την υπηρεσία Eventhouse μια φυσική επέκταση της προέλευσης δεδομένων, αντί για ένα ξεχωριστό σύστημα που πρέπει να ρυθμίσετε και να διαχειριστείτε. Για περισσότερες πληροφορίες σχετικά με το τελικό σημείο Eventhouse, ανατρέξτε στο θέμα Ενεργοποίηση τελικού σημείου Eventhouse για lakehouse και αποθήκη.

Σχετικό περιεχόμενο

  • Last updated on