Naviger i Fabric Lakehouse Explorer

  • Artikkel

Lakehouse Explorer-siden fungerer som det sentrale knutepunktet for alle interaksjoner i Lakehouse-miljøet. Utforskeren er innebygd i Stoff-portalen. Hvis du vil åpne oppdagelsesreisende i lakehouse, bytter du til Dataingeniør opplevelse fra arbeidsbelastningsbryteren. Finn og naviger til lakehouse-elementet, som åpner utforskeren der du kan samhandle med lakehouse-dataene. Utforskeren er gatewayen som sømløst laster inn data i Lakehouse, navigerer gjennom dataene, forhåndsviser innhold og utfører ulike datarelaterte oppgaver. Denne siden er delt inn i tre hoveddeler: Lakehouse Explorer, Hovedvisning og Båndet.

Gif forklarer kontrollene i lakehouse explorer-opplevelsen.

Lakehouse utforsker

Lakehouse Explorer tilbyr en enhetlig, grafisk representasjon av hele Lakehouse, som gir brukerne et intuitivt grensesnitt for datanavigasjon, tilgang og administrasjon.

  • Tabelldelen er en brukervennlig representasjon av det administrerte området i Lakehouse. Dette området er vanligvis organisert og styrt for å legge til rette for effektiv databehandling og analyse. Her finner du alle tabellene dine, enten de ble automatisk generert eller eksplisitt opprettet og registrert i metalageret. Du kan velge en tabell du vil forhåndsvise, undersøke tabellskjemaet, få tilgang til underliggende filer og utføre ulike andre handlinger relatert til dataene.

  • Det uidentifiserte området er et unikt område innenfor det forvaltede området av Lakehouse. Den viser alle mapper eller filer som finnes i det administrerte området som mangler tilknyttede tabeller i SyMS. Hvis en bruker for eksempel laster opp filer som ikke støttes, for eksempel bilder eller lydfiler til det administrerte området, oppdages de ikke automatisk og kobles til tabeller. I stedet vises de i dette uidentifiserte området. Hovedformålet med denne inndelingen er å be brukerne om enten å fjerne disse filene fra det administrerte området eller overføre dem til filinndelingen for videre behandling.

  • Fildelen representerer det uadministrerte området i Lakehouse og kan betraktes som en "landingssone" for rådata som tas inn fra ulike kilder. Før disse dataene kan brukes til analyse, krever de ofte ekstra behandling. I denne delen kan du navigere gjennom kataloger, velge en katalog for å forhåndsvise, laste inn en mappe i en tabell og utføre ulike andre handlinger. Det er verdt å merke seg at filinndelingen viser objekter på mappenivå utelukkende. Hvis du vil vise objekter på filnivå, må du bruke hovedvisningsområdet.

Hovedvisningsområde

Hovedvisningsområdet på Lakehouse-siden er området der det meste av datasamhandlingen forekommer. Visningen endres avhengig av hva du velger. Siden objektutforskeren bare viser et mappenivåhierarki i innsjøen, er hovedvisningsområdet det du bruker til å navigere i filene, forhåndsvise filer og tabeller og ulike andre oppgaver.

Forhåndsvisning av tabell

Datanett for forhåndsvisning av tabeller er utstyrt med en rekke kraftige funksjoner som øker datasamhandlingene dine for å gjøre arbeidet med dataene enda mer sømløse. Her er noen viktige funksjoner:

  • Sorter kolonner i stigende eller synkende rekkefølge med et enkelt klikk. Denne funksjonen gir deg full kontroll over dataorganisasjonen mens du arbeider med store semantiske modeller, eller når du trenger å identifisere trender raskt.

  • Filtrer data etter delstreng eller ved å velge fra en liste over tilgjengelige verdier i tabellen.

  • Endre størrelse på kolonner for å skreddersy datavisningen slik at den passer til dine preferanser. Denne funksjonen hjelper deg med å prioritere viktige data eller utvide visningsfeltet til å omfatte et bredere spekter av informasjon.

Forhåndsvisning av fil

Forhåndsvisning av datafiler i et Lakehouse gir en rekke fordeler som forbedrer datakvalitet, forståelse og generell effektivitet for databehandling. Det gir datateknikere mulighet til å ta informerte beslutninger, optimalisere ressurstildeling og sikre at analysen er basert på pålitelige og verdifulle data.

Forhåndsvisning er tilgjengelig for følgende filtyper: bmp, css, csv, gif, html, jpeg, jpg, js, json, md, mjs, png, ps1, py, svg, ts, tsx, txt, xml,yaml

Bånd

Lakehouse-båndet er din hurtigtilgangshandlingslinje, og tilbyr en praktisk måte å utføre viktige oppgaver i Lakehouse på. Herfra kan du oppdatere Lakehouse, oppdatere innstillinger, laste inn data, opprette eller åpne notatblokker, opprette nye egendefinerte semantiske modeller, uten å administrere OneLake-datatilgang med letthet.

Ulike måter å laste inn data på i et Lakehouse

Det finnes flere måter å laste inn data i Lakehouse på fra explorer-siden:

  • Opplasting av lokal fil/mappe: Last enkelt opp data fra den lokale maskinen direkte til fildelen av Lakehouse. Mer informasjon her**.

  • Notatblokkkode: Bruk tilgjengelige Spark-biblioteker til å koble til datakilder og laste inn data i datarammer, og lagre dem deretter i Lakehouse. Finn mer informasjon her**.

  • Kopier verktøy i datasamlebånd: Koble til til ulike datakilder og lander dataene i det opprinnelige formatet eller konverterer dem til en Delta-tabell. Mer informasjon her**.

  • Dataflyter Gen 2: Opprett dataflyter for å importere data, transformere dem og publisere dem til Lakehouse. Finn ut mer her**.

  • Snarvei ved oppretting av snarveier for å koble til eksisterende data i Lakehouse uten å måtte kopiere dem direkte. Finn mer informasjon her**.

  • Eksempler: Inntak av eksempeldata raskt for å starte utforskningen av semantiske modeller og tabeller.

Oppdag ulike brukstilfeller for å forstå den beste måten å laste inn data på i lakehouse.

Få tilgang til Lakehouse' SQL Analytics-endepunkt

Sql Analytics-endepunktet kan nås direkte fra Lakehouse-opplevelsen ved hjelp av rullegardinlisten øverst til høyre på båndet. Ved hjelp av denne hurtigtilgangsmetoden lander du umiddelbart i t-sql-modus, noe som gjør at du kan arbeide direkte på toppen av Delta-tabellene i innsjøen for å hjelpe deg med å forberede dem for rapportering.

Relatert innhold

Vi håper denne veiledningen hjelper deg med å få mest mulig ut av Lakehouse explorer og dens ulike funksjoner. Du kan gjerne utforske, eksperimentere og gjøre databehandlingsoppgavene mer effektive.