Quel est le point de terminaison SQL analytique d’un lakehouse ?

Le point de terminaison d'analytique SQL vous fournit une interface de requêtes T-SQL en lecture seule sur les tables Delta de votre lakehouse. Chaque lakehouse provisionne automatiquement un point de terminaison d’analytique SQL lors de sa création. Il n’y a rien d’supplémentaire à configurer. En arrière-plan, le point de terminaison d’analytique SQL s’exécute sur le même moteur que le Fabric Data Warehouse, ce qui vous permet d’obtenir des requêtes SQL hautes performances et à faible latence sans gérer l’infrastructure.

Le point de terminaison d’analytique SQL n’est pas unique pour les lakehouses. Autres éléments de Fabric, y compris les warehouses, les bases de données miroir, SQL et Azure Cosmos DB, approvisionnent également automatiquement un point de terminaison d'analytique SQL. L’expérience et les limitations sont les mêmes pour tous.

Ce que vous pouvez faire

Le point de terminaison d’analytique SQL fonctionne en mode lecture seule sur les tables Delta . Vous ne pouvez pas insérer, mettre à jour ou supprimer des données par le biais de celui-ci. Pour modifier les données, passez au lakehouse et utilisez Apache Spark.

Dans ce périmètre en lecture seule, vous pouvez :

Interroger les tables Delta avec T-SQL : exécutez des instructions SELECT sur n’importe quelle table Delta de votre lakehouse, y compris les tables exposées via des raccourcis vers des stockages externes Azure Data Lake ou Amazon S3.
Créez des vues, des fonctions et des procédures stockées : encapsulez des modèles de requête métier et réutilisables dans des objets T-SQL qui persistent dans le point de terminaison d’analyse SQL.
Appliquer la sécurité au niveau des lignes et des objets : utilisez des autorisations granulaires SQL pour contrôler les utilisateurs qui peuvent voir les tables, colonnes ou lignes.
Créer des rapports Power BI : les modèles sémantiques Power BI peuvent se connecter au point de terminaison d’analyse SQL via son point de terminaison TDS (Tabular Data Stream), afin de pouvoir générer des rapports sur vos données lakehouse.
Interroger les espaces de travail : utilisez des raccourcis OneLake pour référencer des tables Delta dans d’autres lakehouses ou entrepôts, puis les joindre dans une requête unique. Pour plus de scénarios inter-espaces de travail, consultez les cas d’utilisation du point de terminaison d’analytique SQL Lakehouse.

Remarque

Les tables Delta externes créées avec du code Spark ne sont pas visibles par le point de terminaison d’analytique SQL. Utilisez des raccourcis dans la section Tables pour rendre les tables Delta externes visibles. Pour savoir comment procéder, consultez Créer un raccourci.

Accéder au point de terminaison SQL d'analytique

Vous pouvez ouvrir le point de terminaison d’analytique SQL de deux façons :

Dans l’espace de travail : dans la liste des éléments de votre espace de travail, recherchez l’élément de point de terminaison d’analyse SQL (il partage un nom avec votre lakehouse) et sélectionnez-le.
À partir de l’explorateur Lakehouse : dans la zone supérieure droite du ruban, utilisez la liste déroulante pour basculer vers la vue du point de terminaison d’analyse SQL.

Dans les deux cas, le query editor s’ouvre où vous pouvez écrire et exécuter des requêtes T-SQL sur vos tables Delta.

Sécurité

Les règles de sécurité SQL définies sur le point de terminaison d’analytique SQL s’appliquent uniquement lorsque les données sont accessibles via le point de terminaison. Ils ne s’appliquent pas lorsque les mêmes données sont accessibles via Spark ou d’autres outils.

Pour sécuriser vos données :

Définissez les autorisations granulaires SQL sur le point de terminaison analytique SQL pour contrôler l'accès à de tables, de colonnes ou de lignes spécifiques.
Définissez les rôles et autorisations du workspace pour contrôler qui peut accéder au lakehouse et à ses données par d'autres voies.

Pour plus d’informations sur le modèle de sécurité, consultez La sécurité OneLake pour les points de terminaison d’analytique SQL.

Synchronisation des métadonnées

Lorsque vous créez ou mettez à jour une table Delta dans votre lakehouse, le point de terminaison d’analyse SQL détecte automatiquement la modification et met à jour ses métadonnées SQL : définitions de table, types de colonnes et statistiques. Il n’existe aucune étape d’importation et aucune synchronisation manuelle n’est requise. Vous avez plusieurs options pour lancer manuellement une actualisation des métadonnées de point de terminaison SQL Analytics.

Pour plus d’informations, consultez synchronisation des métadonnées de point de terminaison SQL Analytics.

Réapprovisionnement

Si le point de terminaison d’analyse SQL ne parvient pas à provisionner lorsque vous créez un lakehouse, vous pouvez réessayer directement à partir de la page d’accueil lakehouse sans recréer le lakehouse.

Remarque

Le reprovisionnement peut toujours échouer, tout comme l’approvisionnement initial. Si des tentatives répétées échouent, contactez le support technique.

Limites

Le point de terminaison d’analytique SQL partage son moteur avec le Data Warehouse Fabric, et ils partagent les mêmes limitations.

Les limitations suivantes s’appliquent à la génération automatique de schéma de point de terminaison d’analytique SQL et à la découverte de métadonnées.

Les données doivent être au format Delta Parquet pour être automatiquement découvertes dans le point de terminaison analytique SQL. Delta Lake est un framework de stockage open source qui permet de construire l'architecture Lakehouse.
Le mappage de colonnes Delta par nom est pris en charge, mais le mappage de colonnes Delta par ID n'est pas pris en charge. Pour plus d'informations, consultez les fonctionnalités de Delta Lake et les expériences Fabric.
- Le Mappage de colonnes Delta dans le point de terminaison d’analytique SQL est actuellement en préversion.
Les tables delta créées en dehors du dossier /tables ne sont pas disponibles dans le point de terminaison d’analytique SQL.

Si vous ne voyez pas de table Lakehouse dans le point de terminaison d’analyse SQL, vérifiez l’emplacement de la table. Seules les tables qui référencent des données dans le /tables dossier sont disponibles dans le point de terminaison d’analytique SQL. Les tables qui référencent les données dans le dossier /files du lac ne sont pas exposées dans le point de terminaison d’analytique SQL. Pour contourner ce problème, déplacez vos données vers le dossier /tables.
Certaines colonnes qui existent dans les tables Spark Delta peuvent ne pas être disponibles dans les tables du point de terminaison d’analytique SQL. Pour chaque table Delta de votre Lakehouse, le point de terminaison d’analytique SQL génère automatiquement une table avec des types de données T-SQL. Le moteur de point de terminaison d’analyse SQL est basé sur le moteur de Fabric Data Warehouse et partage les types de données. Pour obtenir la liste complète des types de données pris en charge, consultez Les types de données dans Fabric Data Warehouse.
Si vous ajoutez une contrainte de clé étrangère entre les tables dans le point de terminaison d’analytique SQL, vous ne pourrez plus apporter de modifications au schéma (par exemple, ajouter les nouvelles colonnes). Si vous ne voyez pas les colonnes Delta Lake avec les types qui doivent être pris en charge dans le point de terminaison d’analytique SQL, vérifiez s’il existe une contrainte de clé étrangère qui pourrait empêcher les mises à jour sur la table.
Pour obtenir des informations et des recommandations sur les performances du point de terminaison SQL analytics, voir Considérations sur les performances du point de terminaison SQL analytics.
Les fonctions définies par l’utilisateur scalaire sont prises en charge lorsqu’elles sont inlineables. Pour plus d’informations, consultez CREATE FUNCTION et l'inlining des UDF scalaires.
Le type de données varchar(max) est pris en charge uniquement dans les points de terminaison d’analyse SQL des éléments mis en miroir et des bases de données Fabric, et non pour Lakehouses. Les tables créées après le 10 novembre 2025 seront automatiquement mappées avec varchar(max). Les tables créées avant le 10 novembre 2025 doivent être recréées pour adopter un nouveau type de données, ou seront automatiquement mises à niveau vers varchar(max) lors de la prochaine modification du schéma.

La troncation des données à 8 Ko s’applique toujours aux tables du point de terminaison d’analyse SQL du Lakehouse, y compris les raccourcis vers un élément mis en miroir.

Puisque toutes les tables ne prennent pas en charge les jointures varchar(max) sur ces colonnes, elles peuvent ne pas fonctionner comme prévu si l’une des tables a toujours une troncature des données. Par exemple, si vous utilisez CTAS pour une table d’un élément mis en miroir nouvellement créé dans une table du Lakehouse à l’aide de Spark, puis rejoignez-les en utilisant la colonne avec varchar(max), les résultats de la requête seront différents par rapport au type de données varchar(8000). Si vous souhaitez continuer à avoir un comportement précédent, vous pouvez convertir la colonne en varchar(8000) dans la requête.

Vous pouvez vérifier si une table contient une colonne varchar(max) à partir des métadonnées de schéma à l’aide de la requête T-SQL suivante. Valeur max_length de -1 représente varchar(max) :

SELECT o.name, c.name, type_name(user_type_id) AS [type], max_length
FROM sys.columns AS c
INNER JOIN sys.objects AS o
ON c.object_id = o.object_id
WHERE max_length = -1 
AND type_name(user_type_id) IN ('varchar', 'varbinary');

Les schémas avec des noms qui entrent en conflit avec les schémas système (tels que sys ou information_schema) et les principaux de sécurité de base de données (tels que db_owner, db_datareader) ne sont pas pris en charge dans le point de terminaison d’analyse SQL. Les tables sous ces schémas ne peuvent pas être synchronisées avec le point de terminaison d’analytique SQL.
Un espace de travail prend en charge jusqu’à 150 éléments combinés de points de terminaison pour entrepôts et d’analyse SQL. La création d’éléments supplémentaires au-delà de cette limite n’est pas prise en charge. Supprimez un élément existant avant de en créer un nouveau.

Commentaires

Cette page a-t-elle été utile ?

Last updated on 2026-05-26