Microsoft ODBC -ajuri Microsoft Fabric Data Engineeringille (Preview)

Tärkeää

ODBC (Open Database Connectivity) on laajasti hyväksytty standardi, joka mahdollistaa asiakassovellusten yhteyden tietokantojen ja big data -alustojen datan käsittelyn ja sen kanssa.

Microsoft ODBC Driver for Fabric Data Engineering mahdollistaa Spark-työkuormien yhdistämisen, kyselyn ja hallinnan Microsoft Fabricissa ODBC-standardin luotettavuudella ja yksinkertaisuudella. Microsoft Fabricin Livy-rajapintojen pohjalta rakennettu ajuri tarjoaa turvallisen ja joustavan Spark SQL -yhteyden .NET-, Python- ja muihin ODBC-yhteensopiviin sovelluksiin ja BI-työkaluihin.

Tärkeimmät ominaisuudet

ODBC 3.x -yhteensopivuus: ODBC 3.x -määrityksen täysi toteutus
Microsoft Entra ID autentikointi: Useita todennusvirtoja, mukaan lukien Azure CLI, interaktiivinen, asiakastunnukset, varmennepohjainen ja pääsytunnustunnistus
Spark SQL query support: Spark SQL -lauseiden suora suoritus
Kattava tietotyyppituki: Tuki kaikille Spark SQL -tietotyypeille, mukaan lukien monimutkaiset tyypit (ARRAY, MAP, STRUCT)
Istunnon uudelleenkäyttö: Sisäänrakennettu istunnonhallinta suorituskyvyn parantamiseksi
Suuren taulukon tuki: Optimoitu käsittely suurille tulosjoukoille, joissa sivukoot on konfiguroitavissa
Asynkroninen esilataus: Taustalla lataava datan lataus suorituskyvyn parantamiseksi
Välityspalvelintuki: HTTP-välityspalvelimen konfiguraatio yritysympäristöihin
Moniskeemainen Lakehouse-tuki: Yhdistä tiettyyn skeemaan Lakehousen sisällä
OneLake-integraatio: Pääsy Lakehouse-tietoihin, jotka on tallennettu Microsoft OneLakeen, mukaan lukien taulukot useiden skeemien yli, yhtenäisen ODBC-rajapinnan kautta ilman erillistä tallennuskonfiguraatiota
Environment items support: Liitä Fabric ympäristöelementtejä työn suorituksen aikana soveltaaksesi työtilakirjastoja, Spark-ominaisuuksia ja muuttujia jokaiseen istuntoon
Custom Spark configuration: Välitä Spark-konfiguraatioominaisuudet suoraan yhteysmerkkijono:n kautta istuntokäyttäytymisen säätämiseksi

Muistio

Avoimen lähdekoodin Apache Sparkissa tietokantaa ja skeemaa käytetään synonyymeinä. Esimerkiksi Fabric Notebookin suorittaminen SHOW SCHEMASSHOW DATABASES palauttaa saman tuloksen — listan kaikista Lakehousen skeemoista.

edellytykset

Ennen Microsoft ODBC Driverin käyttöä Microsoft Fabric Data Engineeringiin, varmista, että sinulla on:

Käyttöjärjestelmä: Windows 10/11 tai Windows Server 2016+
Microsoft Fabricin käyttö: Pääsy Microsoft Fabricin työtilaan
Microsoft Entra ID tunnistetiedot: Sopivat tunnistetiedot todennukseen
Workspace- ja Lakehouse-tunnisteet: GUID-tunnisteet Fabric-työtilallesi ja järvenrakennukselle
Azure CLI (valinnainen): Vaaditaan Azure CLI -todennusmenetelmälle

Lataus ja MSI-asennus

Microsoft ODBC Driver for Microsoft Fabric Data Engineering versio 1.0.0 on julkisessa esikatselussa, jonka voit ladata tästä latauskeskuksen linkistä.

Lataa Microsoft ODBC Driver for Microsoft Fabric Data Engineering (zip)

Lataa Microsoft ODBC Driver for Microsoft Fabric Data Engineering MSI -paketti
Kaksoisklikkaus MicrosoftFabricODBCDriver-1.0.msi
Seuraa asennusohjainta ja hyväksy lisenssisopimus
Valitse asennushakemisto (oletus: C:\Program Files\Microsoft ODBC Driver for Microsoft Fabric Data Engineering\)
Viimeistele asennus

Hiljainen asentaminen

# Silent installation
msiexec /i "MicrosoftFabricODBCDriver-1.0.msi" /quiet

# Installation with logging
msiexec /i "MicrosoftFabricODBCDriver-1.0.msi" /l*v install.log

Asennuksen tarkistaminen

Asennuksen jälkeen varmista, että ajuri on rekisteröity:

Suorita odbcad32.exe (ODBC Data Source Administrator)
Siirry Kuljettajat-välilehdelle
Varmista, että "Microsoft ODBC Driver for Microsoft Fabric Data Engineering" on listattu

Nopea aloitusesimerkki

Tämä esimerkki osoittaa, miten yhdistetään Microsoft Fabriciin ja suoritetaan kysely Microsoft ODBC Driver for Microsoft Fabric Data Engineering -ajurilla. Ennen tämän koodin suorittamista varmista, että olet suorittanut vaaditut vaatimukset ja asentanut ajurin.

Python-esimerkki

import pyodbc

# Connection string with required parameters
connection_string = (
    "DRIVER={Microsoft ODBC Driver for Microsoft Fabric Data Engineering};"
    "WorkspaceId=<workspace-id>;"
    "LakehouseId=<lakehouse-id>;"
    "AuthFlow=AZURE_CLI;"
)

# Connect and execute query
conn = pyodbc.connect(connection_string, timeout=30)
cursor = conn.cursor()

cursor.execute("SELECT 'Hello from Fabric!' as message")
row = cursor.fetchone()
print(row.message)

conn.close()

.NET-esimerkki

using System.Data.Odbc;

// Connection string with required parameters
string connectionString = 
    "DRIVER={Microsoft ODBC Driver for Microsoft Fabric Data Engineering};" +
    "WorkspaceId=<workspace-id>;" +
    "LakehouseId=<lakehouse-id>;" +
    "AuthFlow=AZURE_CLI;";

using var connection = new OdbcConnection(connectionString);
await connection.OpenAsync();

Console.WriteLine("Connected successfully!");

using var command = new OdbcCommand("SELECT 'Hello from Fabric!' as message", connection);
using var reader = await command.ExecuteReaderAsync();

if (await reader.ReadAsync())
{
    Console.WriteLine(reader.GetString(0));
}

Yhteysmerkkijonomuoto

Perusyhteysjono

Microsoft ODBC Driver for Microsoft Fabric Data Engineering käyttää seuraavaa yhteysmerkkijonomuotoa:

DRIVER={Microsoft ODBC Driver for Microsoft Fabric Data Engineering};<parameter1>=<value1>;<parameter2>=<value2>;...

Yhteysmerkkijonon komponentit

Osa	Kuvaus	Esimerkki
KULJETTAJA	ODBC-ajurin tunniste	`{Microsoft ODBC Driver for Microsoft Fabric Data Engineering}`
WorkspaceId	Microsoft Fabric workspace identifier (GUID)	`xxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxx`
LakehouseId	Microsoft Fabric Lakehouse -tunniste (GUID)	`xxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxx`
AuthFlow	Todentamismenetelmä	`AZURE_CLI`, `INTERACTIVE`, , `CLIENT_CREDENTIALCLIENT_CERTIFICATE`, ,`ACCESS_TOKEN`

Esimerkkejä yhteysmerkkijonoista

Perusyhteys (Azure CLI authentication)

DRIVER={Microsoft ODBC Driver for Microsoft Fabric Data Engineering};WorkspaceId=<workspace-id>;LakehouseId=<lakehouse-id>;AuthFlow=AZURE_CLI

Suorituskykyvaihtoehdoilla

DRIVER={Microsoft ODBC Driver for Microsoft Fabric Data Engineering};WorkspaceId=<workspace-id>;LakehouseId=<lakehouse-id>;AuthFlow=AZURE_CLI;ReuseSession=true;LargeTableSupport=true;PageSizeBytes=18874368

Metsänhakkuun kanssa

DRIVER={Microsoft ODBC Driver for Microsoft Fabric Data Engineering};WorkspaceId=<workspace-id>;LakehouseId=<lakehouse-id>;AuthFlow=AZURE_CLI;LogLevel=DEBUG;LogFile=odbc_driver.log

Todennus

Microsoft ODBC Driver for Microsoft Fabric Data Engineering tukee useita todennusmenetelmiä Microsoft Entra ID:n (entinen Azure Active Directory) kautta. Tunnistautuminen konfiguroidaan yhteysmerkkijonon AuthFlow parametrin avulla.

Todennusmenetelmät

AuthFlow-arvo	Kuvaus
`AZURE_CLI`	Kehitys Azure CLI -tunnisteuksilla
`INTERACTIVE`	Interaktiivinen selainpohjainen tunnistautuminen
`CLIENT_CREDENTIAL`	Palvelupäähenkilö asiakassalaisuudella
`CLIENT_CERTIFICATE`	Palvelupäämies todistuksella
`ACCESS_TOKEN`	Ennakkoon hankittu haltijan pääsytunnus

Azure CLI -todennus

Paras: Kehitykseen ja interaktiivisiin sovelluksiin

# Python Example
connection_string = (
    "DRIVER={Microsoft ODBC Driver for Microsoft Fabric Data Engineering};"
    "WorkspaceId=<workspace-id>;"
    "LakehouseId=<lakehouse-id>;"
    "AuthFlow=AZURE_CLI;"
    "Scope=https://api.fabric.microsoft.com/.default;"
)
conn = pyodbc.connect(connection_string)

Edellytykset:

Azure CLI asennettu: az --version
Kirjautunut sisään: az login

Interaktiivinen selaimen tunnistautuminen

Parhaiten: Käyttäjäkohtaisille sovelluksille

# Python Example
connection_string = (
    "DRIVER={Microsoft ODBC Driver for Microsoft Fabric Data Engineering};"
    "WorkspaceId=<workspace-id>;"
    "LakehouseId=<lakehouse-id>;"
    "AuthFlow=INTERACTIVE;"
    "TenantId=<tenant-id>;"
    "Scope=https://api.fabric.microsoft.com/.default;"
)
conn = pyodbc.connect(connection_string)

Toiminta:

Avaa selaimen ikkunan käyttäjän tunnistautumista varten
Tunnistetiedot tallennetaan välimuistiin seuraavia yhteyksiä varten

Asiakastunnisteiden (palvelupäähenkilön) todennus

Paras: Automatisoidut palvelut ja taustatyöt

connection_string = (
    "DRIVER={Microsoft ODBC Driver for Microsoft Fabric Data Engineering};"
    "WorkspaceId=<workspace-id>;"
    "LakehouseId=<lakehouse-id>;"
    "AuthFlow=CLIENT_CREDENTIAL;"
    f"TenantId={tenant_id};"
    f"ClientId={client_id};"
    f"ClientSecret={client_secret};"
)

Vaaditut parametrit

TenantId: Azure vuokralaisen tunnus
ClientId: Application (client) ID Microsoft Entra ID:stä
ClientSecret: Asiakassalaisuus Microsoft Entra ID:stä

Parhaat käytännöt

Tallenna salaisuudet turvallisesti (Azure Key Vault, ympäristömuuttujat)
Käytä hallittuja identiteettejä aina kun mahdollista
Kierrätä salaisuuksia säännöllisesti

Varmennepohjainen todentaminen

Paras: Yrityssovelluksiin, jotka vaativat varmennepohjaista todennusta

connection_string = (
    "DRIVER={Microsoft ODBC Driver for Microsoft Fabric Data Engineering};"
    "WorkspaceId=<workspace-id>;"
    "LakehouseId=<lakehouse-id>;"
    "AuthFlow=CLIENT_CERTIFICATE;"
    "TenantId=<tenant-id>;"
    "ClientId=<client-id>;"
    "CertificatePath=C:\\certs\\mycert.pfx;"
    "CertificatePassword=<password>;"
)

Vaaditut parametrit:

TenantId: Azure vuokralaisen tunnus
ClientId: Sovelluksen (asiakas) tunnus
CertificatePath: Polku PFX/PKCS12-varmennetiedostoon
CertificatePassword: Varmenteen salasana

Pääsytunnuksen tunnistautuminen

Parhaiten: Mukautetut todennusskenaariot

# Acquire token through custom mechanism
access_token = acquire_token_from_custom_source()

connection_string = (
    "DRIVER={Microsoft ODBC Driver for Microsoft Fabric Data Engineering};"
    "WorkspaceId=<workspace-id>;"
    "LakehouseId=<lakehouse-id>;"
    "AuthFlow=ACCESS_TOKEN;"
    f"AccessToken={access_token};"
)

Määritysparametrit

Pakolliset parametrit

Nämä parametrit täytyy olla läsnä jokaisessa yhteysjonossa:

Parametri	Tyyppi	Kuvaus	Esimerkki
WorkspaceId	UUID	Microsoft Fabric workspace identifier	`4bbf89a8-...`
LakehouseId	UUID	Microsoft Fabric Lakehouse -tunniste	`d8faa650-...`
AuthFlow	String	Tunnistautumisen virtaustyyppi	`AZURE_CLI`

Valinnaiset parametrit

Yhteysasetukset

Parametri	Tyyppi	Oletus	Kuvaus
Tietokanta	String	Ei toistuvuutta	Erityinen tietokanta yhdistettäväksi
Käyttöalue	String	`https://api.fabric.microsoft.com/.default`	OAuthin laajuus

Esitysasetukset

Parametri	Tyyppi	Oletus	Kuvaus
ReuseSession	totuusarvo	`true`	Käytä olemassa olevaa Spark-istuntoa uudelleen
LargeTableSupport	totuusarvo	`false`	Ota optimointi käyttöön suurille tulosjoukoille
EnableAsyncPrefetch	totuusarvo	`false`	Ota taustatietojen esihakemus käyttöön
PageSizeBytes	Kokonaisluku	`18874368` (18 MB)	Sivun koko tulossivuille (1–18 MB)

Lokiasetukset

Parametri	Tyyppi	Oletus	Kuvaus
LogLevel	String	`INFO`	Logaritmitaso: `TRACE`, `DEBUG`, `INFOWARN`, ,`ERROR`
Lokitiedosto	String	`odbc_driver.log`	Lokitiedoston polku (absoluuttinen tai suhteellinen)

Välityspalvelimen asetukset

Parametri	Tyyppi	Oletus	Kuvaus
UseProxy	totuusarvo	`false`	Ota välityspalvelin käyttöön
ProxyHost	String	Ei toistuvuutta	Välityspalvelimen isäntänimi
ProxyPort	Kokonaisluku	Ei toistuvuutta	Proxy-portti
ProxyUsername	String	Ei toistuvuutta	Välityspalvelimen todennuskäyttäjätunnus
ProxyPassword	String	Ei toistuvuutta	Välityspalvelimen todennussalasana

Ympäristöasetukset

Voit liittää Fabric-ympäristön esineen Spark-istuntoon, jonka kuljettaja aloittaa. Valitun ympäristön kirjastot, Spark-ominaisuudet ja muuttujat otetaan automaattisesti käyttöön istunnon luomisen yhteydessä.

Parametri	Tyyppi	Oletus	Kuvaus
EnvironmentId	UUID	Ei toistuvuutta	Fabric-ympäristön kohdetunniste (GUID) käytettäväksi Spark-istunnon luomisen yhteydessä

Esimerkki yhteysmerkkijono, jossa on ympäristökohde:

DRIVER={Microsoft ODBC Driver for Microsoft Fabric Data Engineering};WorkspaceId=<workspace-id>;LakehouseId=<lakehouse-id>;AuthFlow=AZURE_CLI;EnvironmentId=<environment-id>

Muistio

Ympäristö aktivoituu, kun Spark-istunto alkaa. Jos määrität myös omat Spark-konfiguraatioominaisuudet, istuntotason ominaisuudet menevät ympäristön oletusten edelle.

Mukautettu Spark-konfiguraatio

Voit välittää Sparkin konfiguraatioominaisuudet suoraan yhteysmerkkijonoiin. Mikä tahansa parametri, joka on etuliite, spark. sovelletaan automaattisesti Spark-istuntoon luomishetkellä, jolloin voit ohittaa työtilan tai ajonaikaiset oletusasetukset.

Esimerkkejä kipinäkonfiguraatioista:

spark.sql.shuffle.partitions=200
spark.sql.adaptive.enabled=true
spark.sql.autoBroadcastJoinThreshold=10485760

Esimerkki yhteysmerkkijono mukautetuilla Spark-ominaisuuksilla:

DRIVER={Microsoft ODBC Driver for Microsoft Fabric Data Engineering};WorkspaceId=<workspace-id>;LakehouseId=<lakehouse-id>;AuthFlow=AZURE_CLI;spark.sql.shuffle.partitions=200;spark.sql.adaptive.enabled=true

Muistio

Kipinän konfiguraatioominaisuudet otetaan käyttöön istunnon luomisen yhteydessä. Ne koskevat kaikkia kyseisessä istunnossa suoritettuja kyselyjä ja ohittavat ympäristön tai ajonaikaiset oletusasetukset samoille ominaisuuksille.

DSN-konfiguraatio

Luo järjestelmän DSN

Open ODBC Administrator
```
%SystemRoot%\System32\odbcad32.exe
```
Luo uusi järjestelmä DSN
- Mene "System DSN" -välilehdelle
- Valitse "Lisää"
- Valitse "Microsoft ODBC Driver for Microsoft Fabric Data Engineering"
- Valitse "Viimeistele"
Määritä DSN-asetukset
- Tietolähteen nimi: Syötä yksikäsitteinen nimi (esim. FabricODBC)
- Kuvaus: Valinnainen kuvaus
- Workspace ID: Fabric-työtilan GUID
- Lakehouse ID: Kangasjärvimajan GUID
- Tunnistautuminen: Valitse todennusmenetelmä
- Environment ID (valinnainen): Syötä Fabric ympäristön elementin käyttöliittymä, joka liitetään istunnon luomisen yhteydessä
- Säädä lisäasetuksia tarpeen mukaan
Testiyhteys
- Valitse "Test Connection" vahvistaaksesi asetukset
- Valitse "OK" tallentaaksesi

Käytä DSN:ää sovelluksissa

# Python - Connect using DSN
conn = pyodbc.connect("DSN=FabricODBC")

// .NET - Connect using DSN
using var connection = new OdbcConnection("DSN=FabricODBC");
await connection.OpenAsync();

Käyttöesimerkkejä

Perusyhteys ja kysely

Python

import pyodbc

def main():
    connection_string = (
        "DRIVER={Microsoft ODBC Driver for Microsoft Fabric Data Engineering};"
        "WorkspaceId=<workspace-id>;"
        "LakehouseId=<lakehouse-id>;"
        "AuthFlow=AZURE_CLI;"
        "ReuseSession=true;"
    )
    
    conn = pyodbc.connect(connection_string, timeout=30)
    cursor = conn.cursor()
    
    print("Connected successfully!")
    
    # Show available tables
    print("\nAvailable tables:")
    cursor.execute("SHOW TABLES")
    for row in cursor.fetchall():
        print(f"  {row}")
    
    # Query data
    print("\nQuery results:")
    cursor.execute("SELECT * FROM employees LIMIT 10")
    
    # Print column names
    columns = [desc[0] for desc in cursor.description]
    print(f"Columns: {columns}")
    
    # Print rows
    for row in cursor.fetchall():
        print(row)
    
    conn.close()

if __name__ == "__main__":
    main()

.NET

using System.Data.Odbc;

class Program
{
    static async Task Main(string[] args)
    {
        string connectionString = 
            "DRIVER={Microsoft ODBC Driver for Microsoft Fabric Data Engineering};" +
            "WorkspaceId=<workspace-id>;" +
            "LakehouseId=<lakehouse-id>;" +
            "AuthFlow=AZURE_CLI;" +
            "ReuseSession=true;";

        using var connection = new OdbcConnection(connectionString);
        await connection.OpenAsync();
        
        Console.WriteLine("Connected successfully!");

        // Show available tables
        Console.WriteLine("\nAvailable tables:");
        using (var cmd = new OdbcCommand("SHOW TABLES", connection))
        using (var reader = await cmd.ExecuteReaderAsync())
        {
            while (await reader.ReadAsync())
            {
                Console.WriteLine($"  {reader.GetString(0)}");
            }
        }

        // Query data
        Console.WriteLine("\nQuery results:");
        using (var cmd = new OdbcCommand("SELECT * FROM employees LIMIT 10", connection))
        using (var reader = await cmd.ExecuteReaderAsync())
        {
            // Print column names
            var columns = new List<string>();
            for (int i = 0; i < reader.FieldCount; i++)
            {
                columns.Add(reader.GetName(i));
            }
            Console.WriteLine($"Columns: {string.Join(", ", columns)}");

            // Print rows
            while (await reader.ReadAsync())
            {
                var values = new object[reader.FieldCount];
                reader.GetValues(values);
                Console.WriteLine(string.Join("\t", values));
            }
        }
    }
}

Työskentely suurten tulosjoukkojen kanssa

import pyodbc

connection_string = (
    "DRIVER={Microsoft ODBC Driver for Microsoft Fabric Data Engineering};"
    "WorkspaceId=<workspace-id>;"
    "LakehouseId=<lakehouse-id>;"
    "AuthFlow=AZURE_CLI;"
    "LargeTableSupport=true;"
    "PageSizeBytes=18874368;"  # 18 MB pages
    "EnableAsyncPrefetch=1;"
)

conn = pyodbc.connect(connection_string)
cursor = conn.cursor()

# Execute large query
cursor.execute("SELECT * FROM large_table")

# Process in batches
row_count = 0
while True:
    rows = cursor.fetchmany(1000)  # Fetch 1000 rows at a time
    if not rows:
        break
    
    for row in rows:
        # Process row
        row_count += 1
        
    if row_count % 10000 == 0:
        print(f"Processed {row_count} rows")

print(f"Total rows processed: {row_count}")
conn.close()

Skeeman löytö

import pyodbc

conn = pyodbc.connect(connection_string)
cursor = conn.cursor()

# List all tables
print("Tables in current default schema / database:")
cursor.execute("SHOW TABLES")
tables = cursor.fetchall()
for table in tables:
    print(f"  {table}")

# Describe table structure
print("\nTable structure for 'employees':")
cursor.execute("DESCRIBE employees")
for col in cursor.fetchall():
    print(f"  {col}")

# List schemas (for multi-schema Lakehouses)
print("\nAvailable schemas:")
cursor.execute("SHOW SCHEMAS")
for db in cursor.fetchall():
    print(f"  {db}")

conn.close()

Tietotyyppien kartoittaminen

Ajuri kartoittaa Spark SQL -tietotyypit ODBC:n SQL-tyyppeihin:

Spark SQL Type	ODBC SQL Type	C/C++-tyyppi	Python-tyyppi	NET-tyyppi
BOOLEAN	SQL_BIT	SQLCHAR	bool	bool
BYTE	SQL_TINYINT	SQLSCHAR	int	sbyte
LYHYT	SQL_SMALLINT	SQLSMALLINT	int	lyhyt
INT	SQL_INTEGER	SQLINTEGER	int	int
PITKÄ	SQL_BIGINT	SQLBIGINT	int	long
KELLUA	SQL_REAL	SQLREAL	liukuluku	liukuluku
KAKSINKERTAINEN	SQL_DOUBLE	SQLDOUBLE	liukuluku	double
DESIMAALI	SQL_DECIMAL	SQLCHAR*	desimaali. Desimaali	desimaali
MERKKIJONO	SQL_VARCHAR	SQLCHAR*	Str	merkkijono
VARCHAR(n)	SQL_VARCHAR	SQLCHAR*	Str	merkkijono
CHAR(n)	SQL_CHAR	SQLCHAR*	Str	merkkijono
BINÄÄRI	SQL_BINARY	SQLCHAR*	tavut	tavu[]
PÄIVÄMÄÄRÄ	SQL_TYPE_DATE	SQL_DATE_STRUCT	datetime.date	Päivämäärä ja aika
AIKALEIMA	SQL_TYPE_TIMESTAMP	SQL_TIMESTAMP_STRUCT	datetime.datetime	Päivämäärä ja aika
VALIKOIMA	SQL_VARCHAR	SQLCHAR*	voima (JSON)	merkkijono
KARTTA	SQL_VARCHAR	SQLCHAR*	voima (JSON)	merkkijono
RAKENNE	SQL_VARCHAR	SQLCHAR*	voima (JSON)	merkkijono

BI-työkalujen integrointi

Microsoft Excel

Open Excel -> Data -> Hae dataa -> muista lähteistä -> ODBC:stä
Valitse konfiguroitu DSN (esim. FabricODBC)
Autentikointi, jos pyydetään
Selaa ja valitse taulukot
Lataa data Excel-työarkisteeseen

Power BI Desktop

Avaa Power BI työpöytä -> Hae data -> ODBC
Valitse konfiguroidun DSN-tunnuksesi
Selaa tietoluetteloa ja valitse taulukot
Muunna dataa tarpeen mukaan
Visualisointien luominen

SQL Server Management Studio (Linked Server)

-- Create linked server
EXEC sp_addlinkedserver 
    @server = 'FABRIC_LINKED_SERVER',
    @srvproduct = 'Microsoft Fabric',
    @provider = 'MSDASQL',
    @datasrc = 'FabricODBC'

-- Configure RPC
EXEC master.dbo.sp_serveroption 
    @server = N'FABRIC_LINKED_SERVER',
    @optname = N'rpc out',
    @optvalue = N'true';

-- Query via linked server
SELECT * FROM OPENQUERY(FABRIC_LINKED_SERVER, 'SHOW TABLES');
SELECT * FROM OPENQUERY(FABRIC_LINKED_SERVER, 'SELECT * FROM employees LIMIT 20');

-- Execute statements
EXEC('SELECT * FROM employees LIMIT 10') AT FABRIC_LINKED_SERVER;

Vianmääritys

Tämä osio antaa ohjeita yleisten ongelmien ratkaisemiseen, joita saatat kohdata Microsoft ODBC Driver for Microsoft Fabric Data Engineering -ajuria käyttäessäsi.

Yleisiä ongelmia

Seuraavissa osioissa kuvataan yleisiä ongelmia ja niiden ratkaisuja:

Yhteyden epäonnistumiset

Ongelma: En saa yhteyttä Microsoft Fabriciin

Ratkaisut:

Varmista, että Workspace ID ja Lakehouse ID ovat oikeat GUID:t
Tarkista Azure CLI -autentikointi: az account show
Varmista, että sinulla on asianmukaiset Fabric-työtilaoikeudet
Tarkista verkkoyhteys ja välityspalvelinasetukset

Todennusvirheet

Ongelma: Todennus epäonnistuu Azure CLI:llä

Ratkaisut:

Juokse az login päivittääksesi tunnukset
Varmista oikea vuokralainen: az account set --subscription <subscription-id>
Tarkista tokenin pätevyys: az account get-access-token --resource https://api.fabric.microsoft.com

Kyselyn aikakatkaisut

Ongelma: Kyselyt aikakatkaistuvat suurilla tauluilla

Ratkaisut:

LargeTableSupport=true ottaminen käyttöön
Säädä PageSizeBytes optimaalisen lohkon kokoa
Ota käyttöön asynkroninen esilataus: EnableAsyncPrefetch=1
Käytä LIMIT lauseketta tuloskoon rajoittamiseen

Lokituksen ottaminen käyttöön

Ongelmien vianetsinnässä yksityiskohtainen lokitus voi auttaa tunnistamaan juurisyyn. Voit ottaa kirjautumisen käyttöön yhteysjonon kautta.

Yksityiskohtaisen lokituksen mahdollistamiseksi:

LogLevel=DEBUG;LogFile=C:\temp\odbc_driver_debug.log;

Lokitasot:

TRACE: Monisanainen, sisältää kaikki API-kutsut
DEBUG: Yksityiskohtaista virheenkorjaustietoa
INFO: Yleistä tietoa (oletus)
WARN: Vain varoitukset
ERROR: Vain virheet

ODBC:n jäljitys

Matalan tason diagnostiikkaan voit ottaa käyttöön Windowsin ODBC-jäljityksen, joka tallentaa yksityiskohtaisia ODBC-API-kutsuja ja ajurien käyttäytymistä. Muista poistaa jäljitys käytöstä, kun sitä ei tarvita, jotta suorituskyky pysyy optimaalisena.

ODBC-jäljityksen mahdollistamiseksi:

Avaa odbcad32.exe
Mene "Jäljitys"-välilehdelle
Aseta jäljitystiedoston polku (esim. C:\temp\odbctrace.log)
Valitse "Aloita jäljitys nyt"
Toista numero
Valitse "Lopeta jäljittäminen nyt"

Palaute

Onko tästä sivusta apua?

Last updated on 2026-04-27

Microsoft ODBC -ajuri Microsoft Fabric Data Engineeringille (Preview)

Tärkeimmät ominaisuudet

edellytykset

Lataus ja MSI-asennus

Hiljainen asentaminen

Asennuksen tarkistaminen

Nopea aloitusesimerkki

Python-esimerkki

.NET-esimerkki

Yhteysmerkkijonomuoto

Perusyhteysjono

Yhteysmerkkijonon komponentit

Esimerkkejä yhteysmerkkijonoista

Perusyhteys (Azure CLI authentication)

Suorituskykyvaihtoehdoilla

Metsänhakkuun kanssa

Todennus

Todennusmenetelmät

Azure CLI -todennus

Interaktiivinen selaimen tunnistautuminen

Asiakastunnisteiden (palvelupäähenkilön) todennus

Varmennepohjainen todentaminen

Pääsytunnuksen tunnistautuminen

Määritysparametrit

Pakolliset parametrit

Valinnaiset parametrit

Yhteysasetukset

Esitysasetukset

Lokiasetukset

Välityspalvelimen asetukset

Ympäristöasetukset

Mukautettu Spark-konfiguraatio

DSN-konfiguraatio

Luo järjestelmän DSN

Käytä DSN:ää sovelluksissa

Käyttöesimerkkejä

Perusyhteys ja kysely

Python

.NET

Työskentely suurten tulosjoukkojen kanssa

Skeeman löytö

Tietotyyppien kartoittaminen

BI-työkalujen integrointi

Microsoft Excel

Power BI Desktop

SQL Server Management Studio (Linked Server)

Vianmääritys

Yleisiä ongelmia

Yhteyden epäonnistumiset

Todennusvirheet

Kyselyn aikakatkaisut

Lokituksen ottaminen käyttöön

ODBC:n jäljitys

Liittyvä sisältö

Palaute

Lisäresursseja