Lakeflow 파이프라인은 Azure Databricks에서 Apache Spark™ 선언적 파이프라인을 통해 구체화된 뷰와 스트리밍 테이블을 구축하는 가장 일반적인 방법입니다. 또한 간단한 쿼리 구문을 사용하여 Lakeflow 파이프라인 외부에서 독립 실행형 구체화된 뷰와 스트리밍 테이블을 정의할 수 있으며, Azure Databricks가 기반 파이프라인을 대신 관리합니다. 독립 실행형 테이블은 Databricks SQL 웨어하우스 또는 서버리스 일반 컴퓨팅에서 실행되는 Notebook에서 만들고 새로 고칠 수 있습니다.
독립 실행형 테이블과 Lakeflow 파이프라인 중에서 결정하려면 독립 실행형 파이프라인과 Lakeflow 파이프라인을 참조하세요. 관리되는 파이프라인의 일부로 구체화된 뷰와 스트리밍 테이블을 구축하려면 Lakeflow의 Spark Declarative Pipelines를 참조하세요.
Note
이 섹션은 이전에 "Databricks SQL용 파이프라인"이라고 불렸습니다. 서버리스 일반 컴퓨트에서 실행되는 노트북과 Databricks SQL 웨어하우스뿐 아니라, 서버리스 일반 컴퓨트에서 실행되는 노트북에서 독립형 물질화된 뷰와 스트리밍 테이블을 생성하는 새로운 지원을 반영하여 "독립형 물질화된 뷰 및 스트리밍 테이블"로 이름이 변경되었습니다.
다음 주제들은 독립형 물질화된 뷰와 스트리밍 테이블을 다룹니다.
| 주제 | Description |
|---|---|
| 독립 실행형 파이프라인에 대한 요구 사항 | 기능 지원 및 지역 가용성을 포함하여 독립 실행형 구체화된 뷰 및 스트리밍 테이블에 대한 컴퓨팅 옵션에 대해 알아봅니다. |
| 독립 실행형 스트리밍 테이블 사용 | 스트리밍 테이블을 만들고, 새로 고치고, 구성하고, 모니터링합니다. |
| 독립형 구체화된 뷰 사용 | 구체화된 뷰를 만들고, 새로 고치고, 쿼리합니다. |
| REPLACE와 구체화된 뷰 중 언제 사용할지 | 배치 추출, 변환, 로드(ETL) 작업을 위해 REPLACE WHERE 플로우와 물질화된 뷰 중 하나를 선택하세요. |
노트북에서 Python을 사용하여 독립형 구체화 뷰 및 스트리밍 테이블을 만들고 새로 고침하려면 독립형 파이프라인에서 Python 사용을(를) 참조하세요.