Tutorial: Menganalisis data dengan buku catatan
Berlaku untuk: Titik akhir analitik SQL dan Gudang di Microsoft Fabric
Dalam tutorial ini, pelajari tentang bagaimana Anda dapat menyimpan data Anda sekali dan kemudian menggunakannya dengan banyak layanan lain. Pintasan juga dapat dibuat ke data yang disimpan di Azure Data Lake Storage dan S3 untuk memungkinkan Anda mengakses tabel delta secara langsung dari sistem eksternal.
Membuat lakehouse
Pertama, kita membuat lakehouse baru. Untuk membuat lakehouse baru di ruang kerja Microsoft Fabric Anda:
Data Warehouse Tutorial
Pilih ruang kerja di menu navigasi.Pilih + New>Lakehouse.
Di bidang Nama, masukkan
ShortcutExercise
, dan pilih Buat.Lakehouse baru dimuat dan tampilan Explorer terbuka, dengan menu Dapatkan data di lakehouse Anda. Di bawah Muat data di lakehouse Anda, pilih tombol Pintasan baru.
Di jendela Pintasan baru, pilih tombol untuk Microsoft OneLake.
Di jendela Pilih jenis sumber data, gulir daftar hingga Anda menemukan Gudang bernama yang
WideWorldImporters
Anda buat sebelumnya. Pilih, lalu pilih Berikutnya.Di browser objek OneLake, perluas Tabel, perluas
dbo
skema, lalu pilih tombol radio di sampingdimension_customer
. Pilih tombol Buat.Jika Anda melihat folder yang disebut
Unidentified
di bawah Tabel, pilih ikon Refresh di bilah menu horizontal.dimension_customer
Pilih di daftar Tabel untuk mempratinjau data. Lakehouse menunjukkan data daridimension_customer
meja dari Gudang!Selanjutnya, buat buku catatan baru untuk mengkueri
dimension_customer
tabel. Di pita Beranda, pilih menu dropdown untuk Buka buku catatan dan pilih Buku catatan baru.Pilih, lalu seret
dimension_customer
dari daftar Tabel ke dalam sel buku catatan yang terbuka. Anda dapat melihat kueri PySpark telah ditulis untuk Anda untuk mengkueri semua data dariShortcutExercise.dimension_customer
. Pengalaman notebook ini mirip dengan pengalaman notebook Jupyter Visual Studio Code. Anda juga dapat membuka buku catatan di Visual Studio Code.Di pita Beranda, pilih tombol Jalankan semua. Setelah kueri selesai, Anda akan melihat Anda dapat dengan mudah menggunakan PySpark untuk mengkueri tabel Gudang!
Langkah selanjutnya
Saran dan Komentar
https://aka.ms/ContentUserFeedback.
Segera hadir: Sepanjang tahun 2024 kami akan menghentikan penggunaan GitHub Issues sebagai mekanisme umpan balik untuk konten dan menggantinya dengan sistem umpan balik baru. Untuk mengetahui informasi selengkapnya, lihat:Kirim dan lihat umpan balik untuk