Nota
El acceso a esta página requiere autorización. Puede intentar iniciar sesión o cambiar directorios.
El acceso a esta página requiere autorización. Puede intentar cambiar los directorios.
Las pipelines Lakeflow son la forma más común de construir vistas materializadas y tablas de streaming con Apache Spark™ Declarative Pipelines en Azure Databricks. También puede definir vistas materializadas independientes y tablas de streaming fuera de una canalización de Lakeflow mediante la sintaxis de consulta simple y Azure Databricks administra las canalizaciones subyacentes. Las tablas independientes se pueden crear y actualizar desde una instancia de Databricks SQL Warehouse o desde un cuaderno que se ejecuta en un proceso general sin servidor.
Para decidir entre tablas independientes y una canalización de Lakeflow, consulte Canalizaciones independientes frente a canalizaciones de Lakeflow. Para construir vistas materializadas y tablas de streaming como parte de una tubería gestionada, consulte Spark Declarative Pipelines en Lakeflow.
Note
Esta sección se llamaba anteriormente "Pipelines para Databricks SQL." Se renombró como "Vistas materializadas independientes y tablas de streaming" para reflejar el nuevo soporte para crear vistas materializadas independientes y tablas de streaming desde un cuaderno que se ejecuta en computación general sin servidor, además de un almacén SQL de Databricks.
Los siguientes temas cubren vistas materializadas independientes y tablas de streaming.
| Topic | Description |
|---|---|
| Requisitos para canalizaciones independientes | Conozca las opciones de computación para las vistas materializadas independientes y las tablas de transmisión, incluidas las funciones compatibles y la disponibilidad regional. |
| Uso de tablas de streaming independientes | Crear, actualizar, configurar y supervisar tablas de streaming. |
| Utilice vistas materializadas independientes | Crear, actualizar y consultar vistas materializadas. |
| Cuándo usar REPLACE WHERE vs. vistas materializadas | Elige entre flujos REPLACE WHERE y vistas materializadas para cargas de trabajo de extracción, transformación y carga por lotes (ETL). |
Para crear y actualizar vistas materializadas independientes y tablas de streaming con Python desde un cuaderno, consulte Uso de Python con canalizaciones independientes.