Önálló streamelési táblák használata

Az önálló streamelési tábla egy, a Unity Catalogban regisztrált tábla, amely további támogatást nyújt a streameléshez vagy növekményes adatfeldolgozáshoz, amelyet a Lakeflow-folyamaton kívül határoznak meg. A rendszer automatikusan létrehoz egy folyamatot az egyes streamelési táblákhoz. Streamtáblák használatával növekményes adatbetöltést végezhet a Kafkából és a felhőobjektum-tárolóból.

Önálló streamelési táblákat hozhat létre és frissíthet egy Databricks SQL-raktárból vagy egy kiszolgáló nélküli általános számításon futó jegyzetfüzetből. A két számítási lehetőség közötti különbségekkel kapcsolatos részletekért lásd az önálló folyamatokra vonatkozó követelményeket.

Ha különálló streamelési táblákat szeretne létrehozni és frissíteni Python egy jegyzetfüzetből, olvassa el a Python használata önálló folyamatokkal című témakört.

Note

Ha szeretné megtudni, hogyan használhatja a Delta Lake-táblákat streamelési forrásként és célként, olvassa el a következő témakört: Delta Lake-táblák streamelési olvasása és írása.

Requirements

Az önálló streamelési táblák létrehozására, frissítésére és lekérdezésére vonatkozó számítási lehetőségekről, engedélyekről és egyéb követelményekről az önálló folyamatokra vonatkozó követelmények című témakörben olvashat.

Adatfolyam táblák létrehozása

A streamelési táblát egy SQL-lekérdezés határozza meg a Databricks SQL-ben. Streamelési tábla létrehozásakor a rendszer a forrástáblákban lévő adatokat használja a streamelési tábla létrehozásához. Ezután frissíti a táblát, általában ütemezés szerint, hogy megszerezze a forrástáblákban hozzáadott adatokat, és hozzáadja a streamelési táblához.

Streamelési tábla létrehozásakor a rendszer a tábla tulajdonosának tekinti.

Ha streamelési táblát szeretne létrehozni egy meglévő táblából, használja az CREATE STREAMING TABLE utasítást az alábbi példához hasonlóan:

CREATE OR REFRESH STREAMING TABLE sales
  SCHEDULE EVERY 1 hour
  AS SELECT product, price FROM STREAM raw_data;

Ebben az esetben a streamelési táblázat sales a raw_data tábla adott oszlopaiból jön létre, és óránként frissül. A használt lekérdezésnek streamelési lekérdezésnek kell lennie. Használja a STREAM kulcsszót stream szemantikával, hogy olvasson a forrásból.

Frissítéshez használt számítás

Amikor streamelési táblát hoz létre az CREATE OR REFRESH STREAMING TABLE utasítással, a kezdeti adatfrissítés és betöltés azonnal megkezdődik. Ezek a műveletek nem használnak Databricks SQL Warehouse-számítást. Ehelyett a streamelési táblák kiszolgáló nélküli folyamatokra támaszkodnak a létrehozáshoz és a frissítéshez. A rendszer automatikusan létrehoz és felügyel egy dedikált kiszolgáló nélküli folyamatot az egyes streamelési táblákhoz.

Fájlok betöltése automatikus betöltővel

Ha streamelési táblázatot szeretne létrehozni egy kötet fájljaiból, használja az Automatikus betöltőt. Használja az Automatikus betöltőt a legtöbb adatbetöltési feladathoz a felhőobjektum-tárolóból. Az Auto Loader és a csővezetékek úgy vannak kialakítva, hogy növekményesen és idempotensen töltsék be az egyre növekvő adatokat, amint azok a felhőbeli tárolóba érkeznek.

A Databricks SQL-ben az Automatikus Betöltő használatához használja a read_files függvényt. Az alábbi példák azt szemléltetik, hogy az Automatikus betöltő használatával jSON-fájlokat olvas be egy streamelési táblába:

CREATE OR REFRESH STREAMING TABLE sales
  SCHEDULE EVERY 1 hour
  AS SELECT * FROM STREAM read_files(
    "/Volumes/my_catalog/my_schema/my_volume/path/to/data",
    format => "json"
  );

Az adatok felhőbeli tárolóból való olvasásához használhatja az Automatikus betöltőt is:

CREATE OR REFRESH STREAMING TABLE sales
  SCHEDULE EVERY 1 hour
  AS SELECT *
  FROM STREAM read_files(
    'abfss://myContainer@myStorageAccount.dfs.core.windows.net/analysis/*/*/*.json',
    format => "json"
  );

Az automatikus betöltőről további információt a Mi az automatikus betöltő? című témakörben talál. Ha többet szeretne megtudni az automatikus betöltő SQL-ben való használatáról, példákkal, tekintse meg az adatok betöltése objektumtárolóból című témakört.

Adatfolyam-betöltés más forrásokból

Például más forrásokból, például a Kafkából való betöltésről lásd: Adatok betöltése folyamatokban.

Változásadat-rögzítés (CDC) alkalmazása automatikus CDC-folyamatokkal

FLOW AUTO CDC A záradék használatával egy forrás adatrögzítési (CDC) rekordjait streamelési táblává alakíthatja. Korábban az MERGE INTO utasítást gyakran használták CDC-rekordok feldolgozására az Azure Databricksben. MERGE INTO A nem sorozatos rekordok miatt azonban helytelen eredményeket hozhat, vagy összetett logikát igényel a rekordok újrarendezéséhez. Lásd: Adatrögzítés és pillanatképek módosítása.

AUTO CDC leegyszerűsíti a CDC-t a sorrenden kívüli rekordok automatikus kezelésével. Kulcsokat adhat meg a rekordok azonosításához, egy sorrendi oszlophoz, valamint azt, hogy az eredményeket SCD 1-es (közvetlen frissítések) vagy 2. típusú SCD -ként (előzménykövetés) tárolja-e.

Az alábbi példa létrehoz egy adatfolyam táblát, amely az 1-es SCD típus alkalmazásával valósítja meg a CDC-módosításokat.

CREATE OR REFRESH STREAMING TABLE target
  FLOW AUTO CDC
  FROM stream(cdc_data.users)
  KEYS (userId)
  SEQUENCE BY sequenceNum
  STORED AS SCD TYPE 1;

Az alábbi példa a 2. scd típust használja a módosítások előzményeinek megőrzéséhez:

CREATE OR REFRESH STREAMING TABLE target
  FLOW AUTO CDC
  FROM stream(cdc_data.users)
  KEYS (userId)
  APPLY AS DELETE WHEN operation = "DELETE"
  SEQUENCE BY sequenceNum
  COLUMNS * EXCEPT (operation, sequenceNum)
  STORED AS SCD TYPE 2;

Az automatikus CDC beállításaival és működésével kapcsolatos részletes információkért tekintse meg az AUTO CDC API-kat: Egyszerűsítse az adatváltozások rögzítését folyamatok segítségével. A szintaxis teljes hivatkozását lásd: CREATE STREAMING TABLE.

Szelektív kötegelt csere alkalmazása REPLACE WHERE folyamatokkal

Használja a FLOW REPLACE WHERE záradékot egy streamelő tábla célzott részhalmazának újraszámításához és felülírásához anélkül, hogy a teljes táblaelőzményt újra fel kellene dolgoznia. REPLACE WHERE a folyamatok jól használhatók az illesztések és aggregációk növekményes kötegelt feldolgozásához, a későn érkező adatokhoz, a felsőbb rétegbeli újrafeldolgozáshoz, a sémafejlődéshez és a háttérbetöltésekhez.

A REPLACE WHERE folyamatokkal kapcsolatos teljes körű részletekért – beleértve a követelményeket, a predikátumok felülbírálását és a növekményes frissítést – lásd: önálló streamingtáblákhoz tartozó REPLACE WHERE folyamatok.

Részleges pillanatképcsere alkalmazása REPLACE USING folyamatokkal

Important

CSERÉLJE HASZNÁLATOS folyamatokat a béta verzióban vannak.

Használd ezt FLOW REPLACE USING a záradékot, hogy egy streaming táblázatot szinkronban tartsd a részleges pillanatképek áramlásával. Minden frissítésnél egy REPLACE USING folyamat lecseréli az összes sort, amely megegyezik a megadott kulcsoszlopokkal, és a többi sort változatlan marad. Egy SEQUENCE BY oszlop sorolja a frissítéseket, így a kulcs legmagasabb sorrendje mindig nyer, még akkor is, ha a frissítések nem érkeznek sorrendben. Példa:

CREATE OR REFRESH STREAMING TABLE payments_current
FLOW REPLACE USING (payment_id) SEQUENCE BY payment_date BY NAME
SELECT payment_id, booking_id, status, payment_date
FROM STREAM(samples.wanderbricks.payments);

A BY NAME használata kötelező. Az oszlopokat név alapján párosítja, nem pedig pozíció alapján.

A REPLACE USING ugyanúgy működik az önálló streamelési táblák esetében, mint a Lakeflow-folyamatokban. A működéséről, szekvenálásról, elvárásokról, korlátokról és példákról lásd: Részleges pillanatkép helyettesítés HELYETTESÍTÉS folyamokkal. Az alábbi különbségek önálló streaming táblákra vonatkoznak:

• Definiáljuk az áramlást SQL-ben. Hozza létre a REPLACE USING folyamatot az inline SQL FLOW REPLACE USING záradékkal a(z) CREATE OR REFRESH STREAMING TABLE lapon. Az önálló CREATE FLOW állítás egy Lakeflow pipeline konstrukció, és önálló streaming táblákhoz nem használják.
• A számítást helyetted kezelik. Az önálló streaming táblák rendszerkezelő szerver nélküli pipeline-eken futnak, és Databricks Runtime 18.2 vagy annál magasabb rendszert igényelnek. Nem választhatsz a klasszikus és szerver nélküli számítás között.

Csak új adatok betöltése

Alapértelmezés szerint a függvény beolvassa a read_files forrásmappában lévő összes meglévő adatot a tábla létrehozásakor, majd minden frissítéssel feldolgozza az újonnan érkező rekordokat.

Ha el szeretné kerülni, hogy a tábla létrehozásakor a forrásmappában már létező adatok bekerüljenek, állítsa a includeExistingFiles opciót false értékre. Ez azt jelenti, hogy csak azok az adatok kerülnek feldolgozásra, amelyek a táblalétrehozás után érkeznek a mappába. Példa:

CREATE OR REFRESH STREAMING TABLE sales
  SCHEDULE EVERY 1 hour
  AS SELECT *
  FROM STREAM read_files(
    '/path/to/files',
    includeExistingFiles => false
  );

Futtatókörnyezet verziója

A streaming táblák mindig a legújabb Databricks SQL futási verzión futnak. A pipelines.channel tulajdonságot, amelyet korábban a current vagy preview futtatókörnyezeti csatorna kiválasztására használtak, a rendszer már nem támogatja, és nincs hatása. Ha egy meglévő definíció tartalmazza ezt a tulajdonságot, akkor biztonságosan figyelmen kívül hagyjuk, és nem kell eltávolítani.

Bizalmas adatok elrejtése

Streamelhető táblák használatával megvédheti a bizalmas adatokat a táblához hozzáférő felhasználók elől. Az egyik módszer a lekérdezés definiálása, hogy teljesen kizárja a bizalmas oszlopokat vagy sorokat. Alternatív megoldásként oszlopmaszkokat vagy sorszűrőket is alkalmazhat a lekérdezést végző felhasználó engedélyei alapján. Elrejtheti például az oszlopot a tax_id csoportban HumanResourcesDeptnem szereplő felhasználók számára. Ehhez használja a ROW FILTER és MASK szintaxist a streamelési táblázat létrehozása során. További információ: Sorszűrők és oszlopmaszkok.

Streamelési tábla frissítése

A streamelő táblák automatikusan kiszolgáló nélküli folyamatokat hoznak létre és használnak a frissítési műveletek feldolgozásához. A frissítést a folyamat felügyeli, a frissítést pedig a streamelési tábla létrehozásához használt Databricks SQL Warehouse figyeli. A streamelési táblák ütemezés szerint futó folyamattal frissíthetők.

Még ha ütemezett frissítés is van, bármikor meghívhat manuális frissítést. A frissítéseket ugyanaz a folyamat kezeli, amely automatikusan létre lett hozva a streamelési táblával együtt.

A streamelő tábla frissítése:

REFRESH STREAMING TABLE sales;

A legújabb frissítés állapotát a KITERJESZTETT verzióval DESCRIBE TABLEellenőrizheti.

Note

Előfordulhat, hogy az időutazási lekérdezések használata előtt frissítenie kell a streamelési táblát.

A frissítések ütemezéséről további információt a Frissítések ütemezése című témakörben talál. Az ütemezett frissítések frissítési értesítéseket tartalmazhatnak, és beállíthatja a frissítés teljesítménymódot .

A frissítés működése

A streamelési tábla frissítése csak az utolsó frissítés után érkezett új sorokat értékeli ki, és csak az új adatokat fűzi hozzá.

Minden frissítés a streamelési tábla jelenlegi definícióját használja az új adatok feldolgozásához. A streamelési tábla definíciójának módosítása nem számítja újra automatikusan a meglévő adatokat. Ha egy módosítás nem kompatibilis a meglévő adatokkal (például egy adattípus módosítása), a következő frissítés hiba miatt meghiúsul.

Az alábbi példák azt mutatják be, hogy a streamelési tábla definíciójának módosítása hogyan befolyásolja a frissítési viselkedést:

• A szűrő eltávolítása nem dolgozza fel újra a korábban szűrt sorokat.
• Az oszlopvetítések módosítása nem befolyásolja a meglévő adatok feldolgozását.
• A statikus pillanatképekkel való összekapcsolások a pillanatkép állapotát használják a kezdeti feldolgozáskor. A rendszer figyelmen kívül hagyja azokat a késői adatokat, amelyek megfeleltek volna a frissített pillanatképnek. Ez a tények elvetéséhez vezethet, ha a dimenziók késnek.
• Egy meglévő oszlop CAST-jének módosítása hibát eredményez.

Ha az adatok olyan módon változnak, amely nem támogatott a meglévő streamelési táblában, teljes frissítést végezhet.

Streamelési tábla teljes frissítése

A teljes frissítések újra feldolgozzák a forrásban elérhető összes adatot a legújabb definícióval. Nem ajánlott teljes frissítéseket meghívni olyan forrásokon, amelyek nem őrzik meg az adatok teljes előzményeit, vagy rövid megőrzési időszakuk van (például Kafka), mert a teljes frissítés csonkolja a meglévő adatokat. Előfordulhat, hogy nem tudja helyreállítani a régi adatokat, ha az adatok már nem érhetők el a forrásban.

Példa:

REFRESH STREAMING TABLE sales FULL;

Frissítések ütemezése és figyelése

A streamelési táblákat automatikusan frissítheti ütemezés szerint vagy a felsőbb rétegbeli adatváltozások esetén, és beállíthatja a frissítési időtúllépéseket, értesítéseket és teljesítménymódokat. Lásd: Frissítések ütemezése.

Streamelő táblákhoz való hozzáférés szabályozása

A streamelőtáblák gazdag hozzáférés-vezérlést támogatnak az adatmegosztás támogatásához, miközben elkerülik a potenciálisan privát adatok felfedését. A streamelési tábla tulajdonosa vagy a MANAGE jogosultsággal rendelkező felhasználók jogosultságokat adhatnak SELECT más felhasználóknak. A streamelési táblához hozzáféréssel rendelkező SELECT felhasználók nem igényelnek SELECT hozzáférést a streamelési tábla által hivatkozott táblákhoz. Ez a hozzáférés-vezérlés lehetővé teszi az adatmegosztást a mögöttes adatokhoz való hozzáférés szabályozása közben.

A streamelési tábla tulajdonosát is módosíthatja.

Jogosultságok megadása streamelési táblához

A streamelési táblákhoz való hozzáférés biztosításához használja a következő utasítástGRANT:

GRANT <privilege_type> ON <st_name> TO <principal>;

A privilege_type következő lehet:

• SELECT - a felhasználó használhatja SELECT a streamelési táblát.
• REFRESH - a felhasználó használhatja REFRESH a streamelési táblát. A frissítések a tulajdonos engedélyeinek használatával futnak.

Az alábbi példa létrehoz egy streamelési táblát, és kiválasztási és frissítési jogosultságokat ad a felhasználóknak:

CREATE OR REFRESH STREAMING TABLE st_name AS SELECT * FROM STREAM source_table;

-- Grant read-only access:
GRANT SELECT ON st_name TO read_only_user;

-- Grant read and refresh access:
GRANT SELECT ON st_name TO refresh_user;
GRANT REFRESH ON st_name TO refresh_user;

A Unity Catalog biztonságos objektumaihoz való jogosultságok megadásáról további információt a Unity Catalog jogosultságokkal kapcsolatos hivatkozásában talál.

Jogosultságok visszavonása streamelési táblából

A streamelési táblából való hozzáférés visszavonásához használja a következő utasítástREVOKE:

REVOKE privilege_type ON <st_name> FROM principal;

Ha a forrástábla jogosultságait visszavonják a streamelő tábla tulajdonosától vagy bármely más felhasználótól, aki a streamelő táblán kapott SELECT vagy MANAGE jogosultságokat, vagy ha a forrástáblát törlik, a streamelő tábla tulajdonosa vagy a hozzáféréssel rendelkező felhasználó továbbra is le tudja kérdezni a streamelő táblát. A következő viselkedés azonban előfordul:

• A streamelőtábla tulajdonosa vagy azok, akik nem férnek hozzá a streamelőtáblához, nem használhatják tovább REFRESH a streamelési táblát, és a streamelési tábla idővel elavulttá válik.
• Ha ütemezéssel automatizálja, a következő ütemezett feladat REFRESH meghiúsul vagy nem fut.

Az alábbi példa visszavonja a SELECT jogosultságot read_only_user-től/-től.

REVOKE SELECT ON st_name FROM read_only_user;

Streamelési tábla tulajdonosának módosítása

Az önálló streamelőtáblák engedélyeivel rendelkező MANAGE felhasználók új tulajdonost állíthatnak be a Katalóguskezelőben. Az új tulajdonos lehet saját maga vagy egy szolgáltatásnév, amelyen a szolgáltatásnév felhasználói szerepkörrel rendelkezik.

1. Az Azure Databricks-munkaterületen kattintson az Katalógus a Katalóguskezelő megnyitásához.

2. Válassza ki a frissíteni kívánt streamelési táblát.

3. A jobb oldali oldalsávon, a Streamelési táblázatról szóló részben keresse meg Tulajdonos elemet, és kattintson a a szerkesztéshez.

   Note

   Ha megjelenik egy üzenet, amely közli, hogy frissítse a tulajdonost a Futtatás felhasználóként beállítás módosításával a folyamatbeállításokban, akkor a streamelési tábla egy Lakeflow-folyamatban van definiálva, nem önálló táblaként. Az üzenet tartalmaz egy hivatkozást a folyamat beállításaira, ahol módosíthatja a futtatás felhasználóként lehetőséget .

4. Válasszon egy új tulajdonost a streamelési táblához.

   A tulajdonosok automatikusan rendelkeznek MANAGE és SELECT jogosultságokkal a tulajdonukban lévő streamelési táblákon. Ha egy szolgáltatási főszereplőt állít be a tulajdonában lévő streaming táblák tulajdonosának, és Ön nem rendelkezik SELECT vagy MANAGE privilégiumokkal a streaming táblán, akkor ez a módosítás miatt elveszíti a streaming táblához való összes hozzáférését. Ebben az esetben a rendszer arra kéri, hogy explicit módon adja meg ezeket a jogosultságokat.

   Válassza mind a MANAGE, mind a GrantSELECT jogosultságokat, hogy ezeket a mentés során megadja.

5. Kattintson a Mentés gombra a tulajdonos módosításához.

A streamelési tábla tulajdonosa frissül. Minden jövőbeli frissítés az új tulajdonos identitásával fut.

Amikor a tulajdonos elveszíti a forrástáblákra vonatkozó jogosultságokat

Ha módosítja a tulajdonost, és az új tulajdonos nem fér hozzá a forrástáblákhoz (vagy SELECT visszavonja a jogosultságokat a mögöttes forrástáblákon), a felhasználók továbbra is lekérdezhetik a streamelési táblát. Azonban:

• Nem tudják REFRESH a streamelési táblát.
• A streamelési tábla következő ütemezett frissítése sikertelen.

A forrásadatokhoz való hozzáférés elvesztése megakadályozza a frissítéseket, de nem érvényteleníti azonnal a meglévő streamelési táblázat olvasását.

Rekordok végleges törlése streamelési táblából

Important

REORG A streamelő táblákkal rendelkező utasítás támogatása nyilvános előzetes verzióban érhető el.

Note

• A REORG utasítás streamelési táblával való használatához a Databricks Runtime 15.4-et vagy újabb verzióját kell használni.
• Bár az REORG utasítást bármilyen streamelő táblával használhatja, ez csak akkor szükséges, ha rekordokat töröl egy streamelési táblából, és engedélyezve vannak a törlési vektorok . A parancsnak nincs hatása, ha olyan streamelési táblával használja, amelyen nincs engedélyezve törlési vektor.

Ha olyan rekordokat szeretne fizikailag törölni a mögöttes tárolóból, amelyeken engedélyezettek a törlési vektorok, például a GDPR-megfelelőség esetében, további lépéseket kell tenni annak biztosítására, hogy egy VACUUM művelet futhasson a streamelési tábla adatain.

Rekordok fizikai törlése a mögöttes tárolóból:

1. Rekordok frissítése vagy rekordok törlése a streamelési táblából.
2. Futtasson egy REORG utasítást a stream táblán a APPLY (PURGE) paraméter megadásával. Például: REORG TABLE <streaming-table-name> APPLY (PURGE);.
3. Várjon, amíg a streamelési tábla adatmegőrzési ideje eltelik. Az alapértelmezett adatmegőrzési időszak hét nap, de konfigurálható a delta.deletedFileRetentionDuration táblatulajdonság használatával. Lásd: Adatmegőrzés konfigurálása időutazásos lekérdezésekhez.
4. REFRESH a streamelési tábla. Lásd Streamelési tábla frissítése. A művelet után 24 órán belül a rendszer automatikusan futtatja a REFRESH folyamatkarbantartási feladatokat, beleértve a VACUUM rekordok végleges törléséhez szükséges műveletet is.

A futtatások nyomon követése lekérdezési előzmények alapján

A lekérdezéselőzmények lapon hozzáférhet a lekérdezési adatokhoz és a lekérdezési profilokhoz, amelyek segítenek azonosítani a rosszul teljesítő lekérdezéseket és szűk keresztmetszeteket a streamelési tábla frissítéseinek futtatásához használt folyamatban. A lekérdezési előzményekben és a lekérdezési profilokban elérhető információk típusának áttekintéséhez tekintse meg a lekérdezési előzményeket és a lekérdezési profilt.

Important

Ez a funkció nyilvános előzetes verzióban van. A munkaterület rendszergazdái az Előnézetek lapon szabályozhatják a funkcióhoz való hozzáférést. Lásd: Az Azure Databricks előzetes verziójának kezelése.

Az adatok streamelésére vonatkozó összes utasítás megjelenik a lekérdezési előzményekben. Az Utasítás legördülő szűrővel kiválaszthatja bármelyik parancsot, és megvizsgálhatja a kapcsolódó lekérdezéseket. Minden CREATE utasítást egy REFRESH utasítás követ, amely aszinkron módon futtatódik egy feldolgozási sorban. Az REFRESH utasítások általában részletes lekérdezési terveket tartalmaznak, amelyek betekintést nyújtanak a teljesítmény optimalizálásába.

A lekérdezéselőzmények felhasználói felületén található utasítások eléréséhez REFRESH kövesse az alábbi lépéseket:

1. Kattintson az A bal oldali oldalsávon nyissa meg a Lekérdezéselőzmények felhasználói felületet.
2. A REFRESH legördülő szűrőn válassza ki a jelölőnégyzetet.
3. A lekérdezési utasítás nevére kattintva megtekintheti az összesítő adatokat, például a lekérdezés időtartamát és az összesített metrikákat.
4. Kattintson a Lekérdezésprofil megtekintése elemre a lekérdezésprofil megnyitásához. A lekérdezésprofil navigálásával kapcsolatos részletekért tekintse meg a lekérdezésprofilt .
5. Ha szeretné, a Lekérdezés forrása szakaszban található hivatkozásokkal megnyithatja a kapcsolódó lekérdezést vagy folyamatot.

A lekérdezés részleteit az SQL-szerkesztő hivatkozásai vagy egy SQL-raktárhoz csatolt jegyzetfüzet segítségével is elérheti.

Streamelési táblák elérése külső kliensek által

A nyílt API-kat nem támogató külső Delta Lake- vagy Iceberg-ügyfelekről származó streamtáblák eléréséhez kompatibilitási módot használhat. A kompatibilitási mód létrehozza a streamelési tábla írásvédett verzióját, amely bármely Delta Lake- vagy Iceberg-ügyfél számára elérhető.

További erőforrások

• Spark deklaratív pipeline-ok a Lakeflowban
• read_files táblaértékű függvény
• read_kafka táblaértékű függvény
• CREATE STREAMING TABLE
• ALTER STREAMING TABLE
• Önálló materializált nézetek használata
• Az AUTO CDC API-k: A változási adatok rögzítésének egyszerűsítése csatornákkal