Wat is het SQL-analyse-eindpunt voor een lakehouse?

Het SQL-analyse-eindpunt biedt u een alleen-lezen T-SQL-queryinterface over de Delta-tabellen in uw lakehouse. Elk lakehouse richt automatisch een SQL Analytics-eindpunt in wanneer het wordt gemaakt. Er is niets extra's om in te stellen. Achter de schermen wordt het SQL-analyse-eindpunt uitgevoerd op dezelfde engine als de Fabric Data Warehouse, zodat u SQL-query's met hoge prestaties met lage latentie krijgt zonder infrastructuur te beheren.

Het SQL Analytics-eindpunt is niet uniek voor Lakehouses. Andere Fabric-items, waaronder warehouses, mirrored databases, SQL databases en Azure Cosmos DB, richten ook automatisch een SQL-analyticseindpunt in. De ervaring en beperkingen zijn allemaal hetzelfde.

Schermopname van het SQL Analytics-eindpunt voor een lakehouse met de query editor en table list.

Wat kunt u doen

Het SQL Analytics-eindpunt werkt in de modus Alleen-lezen via Delta-tabellen. U kunt er geen gegevens invoegen, bijwerken of verwijderen. Als u gegevens wilt wijzigen, schakelt u over naar lakehouse en gebruikt u Apache Spark.

Binnen die alleen-lezengrens kunt u het volgende doen:

  • Query Delta-tabellen met T-SQL— Voer SELECT-instructies uit op een Delta-tabel in uw lakehouse, inclusief tabellen die worden weergegeven via shortcuts naar externe Azure Data Lake Storage of Amazon S3.
  • Weergaven, functies en opgeslagen procedures maken : bekapsel bedrijfslogica en herbruikbare querypatronen in T-SQL-objecten die zich in het SQL-analyse-eindpunt bevinden.
  • Pas beveiliging op rij- en objectniveau toe : gebruik gedetailleerde SQL-machtigingen om te bepalen welke gebruikers kunnen zien welke tabellen, kolommen of rijen.
  • Power BI-rapporten maken : semantische Power BI-modellen kunnen verbinding maken met het SQL-analyse-eindpunt via het TDS-eindpunt (Tabular Data Stream), zodat u rapporten kunt maken over uw Lakehouse-gegevens.
  • Query's uitvoeren in werkruimten : gebruik OneLake-snelkoppelingen om te verwijzen naar Delta-tabellen in andere lakehouses of magazijnen en voeg deze vervolgens samen in één query. Zie voor meer scenario's voor meerdere werkruimten gebruiksscenario's voor het SQL-analyse-eindpunt van Lakehouse.

Opmerking

Externe Delta-tabellen die zijn gemaakt met Spark-code, zijn niet zichtbaar voor het SQL-analyse-eindpunt. Gebruik sneltoetsen in de sectie Tabellen om externe Delta-tabellen zichtbaar te maken. Ga naar Een snelkoppeling maken voor instructies over hoe.

Toegang tot het SQL-analytics-eindpunt

U kunt het SQL Analytics-eindpunt op twee manieren openen:

  • In de lijst met items in uw werkruimte, zoek het SQL Analytics-eindpunt (het deelt een naam met uw lakehouse) en selecteer het.
  • Vanuit de Lakehouse Explorer — gebruik in de rechterbovenhoek van het lint de vervolgkeuzelijst om over te schakelen naar de SQL Analytics-eindpuntweergave.

In beide gevallen wordt het query editor geopend, waar u T-SQL-query's kunt schrijven en uitvoeren op uw Delta-tabellen.

Security

SQL-beveiligingsregels die zijn ingesteld op het EINDPUNT van SQL Analytics, zijn alleen van toepassing wanneer gegevens worden geopend via het eindpunt. Ze zijn niet van toepassing wanneer dezelfde gegevens worden geopend via Spark of andere hulpprogramma's.

Uw gegevens beveiligen:

  • Stel gedetailleerde SQL-machtigingen in op het SQL Analytics-eindpunt om access te beheren op specifieke tabellen, kolommen of rijen.
  • Stel werkruimterollen en -machtigingen in om te bepalen wie het lakehouse en de bijbehorende gegevens op andere manieren kunnen benaderen.

Zie OneLake-beveiliging voor SQL-analyse-eindpunten voor meer informatie over het beveiligingsmodel.

Synchronisatie van metagegevens

Wanneer u een Delta-tabel in uw Lakehouse maakt of bijwerkt, detecteert het SQL-analyse-eindpunt automatisch de wijziging en werkt de SQL-metagegevens bij, zoals tabeldefinities, kolomtypen en statistieken. Er is geen importstap en er is geen handmatige synchronisatie vereist. U hebt meerdere opties om handmatig een vernieuwing van de metagegevens van het SQL Analytics-eindpunt te starten.

Zie de synchronisatie van metagegevens van SQL Analytics-eindpunten voor meer informatie.

Herprovisioneren

Als het SQL Analytics-eindpunt niet kan worden ingericht wanneer u een lakehouse maakt, kunt u het rechtstreeks vanaf de startpagina van Lakehouse opnieuw proberen zonder het lakehouse opnieuw te maken.

Schermopname van de optie voor het opnieuw inrichten van SQL Analytics-eindpunten in lakehouse.

Opmerking

Het opnieuw inrichten kan nog steeds mislukken, net zoals de eerste inrichting kan. Als herhaalde pogingen mislukken, neemt u contact op met de ondersteuning.

Beperkingen

Het SQL Analytics-eindpunt deelt de engine met de Fabric-Data Warehouse en ze delen dezelfde beperkingen.

De volgende beperkingen gelden voor het automatisch genereren van schema's en metagegevensdetectie voor SQL Analytics-eindpunten.

  • Gegevens moeten de Delta Parquet-indeling hebben om automatisch te worden gedetecteerd in het SQL-analyse-eindpunt. Delta Lake is een opensource-opslagframework waarmee u Lakehouse-architectuur kunt bouwen.

  • Delta-kolomtoewijzing op naam wordt ondersteund, maar deltakolomtoewijzing per id wordt niet ondersteund. Zie Delta Lake-functies en Fabric-ervaringen voor meer informatie.

  • Delta-tabellen die buiten de /tables map zijn gemaakt, zijn niet beschikbaar in het SQL Analytics-eindpunt.

    Als u geen Lakehouse-tabel in het SQL Analytics-eindpunt ziet, controleert u de locatie van de tabel. Alleen de tabellen die verwijzen naar gegevens in de /tables map, zijn beschikbaar in het SQL Analytics-eindpunt. De tabellen die verwijzen naar gegevens in de /files map in de lake, worden niet weergegeven in het SQL Analytics-eindpunt. Als tijdelijke oplossing verplaatst u uw gegevens naar de /tables map.

  • Sommige kolommen in de Spark Delta-tabellen zijn mogelijk niet beschikbaar in de tabellen in het SQL Analytics-eindpunt. Voor elke Delta-tabel in uw Lakehouse genereert het SQL-analyse-eindpunt automatisch een tabel met T-SQL-gegevenstypen. De EINDPUNT-engine van SQL Analytics is gebaseerd op de Fabric Data Warehouse-engine en deelt gegevenstypen. Zie Gegevenstypen in Fabric Data Warehouse voor een volledige lijst met ondersteunde gegevenstypen.

  • Als u een beperking voor refererende sleutels toevoegt tussen tabellen in het SQL Analytics-eindpunt, kunt u geen verdere schemawijzigingen aanbrengen (bijvoorbeeld het toevoegen van de nieuwe kolommen). Als u de Delta Lake-kolommen niet ziet met de typen die moeten worden ondersteund in het SQL Analytics-eindpunt, controleer dan of er een beperking voor vreemde sleutels is die updates in de tabel kan voorkomen.

  • Zie prestatieoverwegingen voor SQL Analytics-eindpunten voor informatie en aanbevelingen over de prestaties van het SQL-analyse-eindpunt.

  • Scalaire UDF's worden ondersteund wanneer deze inlineable zijn. Zie CREATE FUNCTION en Scalar UDF inlining voor meer informatie.

  • Het varchar(max) -gegevenstype wordt alleen ondersteund in SQL-analyse-eindpunten van gespiegelde items en Fabric-databases, en niet voor Lakehouses. Tabellen die na 10 november 2025 zijn aangemaakt, worden automatisch toegewezen met varchar(max). Tabellen die vóór 10 november 2025 zijn gemaakt, moeten opnieuw worden gemaakt om een nieuw gegevenstype te gebruiken of worden automatisch bijgewerkt naar varchar(max) tijdens de volgende schemawijziging.

Gegevensafkapping tot 8 kB blijft van toepassing op de tabellen in het SQL Analytics-eindpunt van het Lakehouse, inclusief snelkoppelingen naar een gespiegeld object.

Omdat alle tabellen geen ondersteuning bieden voor varchar(max) -joins voor deze kolommen, werkt dit mogelijk niet zoals verwacht als een van de tabellen nog steeds een afkapping van gegevens heeft. Als u bijvoorbeeld CTAS een tabel van een nieuw gespiegeld item in een Lakehouse-tabel maakt met behulp van Spark, voegt u deze vervolgens samen met de kolom varchar(max), dan verschillen de queryresultaten ten opzichte van het gegevenstype varchar(8000 ). Als u het vorige gedrag wilt blijven gebruiken, kunt u de kolom casten naar varchar(8000) in de query.

U kunt controleren of een tabel een varchar(max) -kolom heeft uit de metagegevens van het schema met behulp van de volgende T-SQL-query. Een max_length waarde van -1 vertegenwoordigt 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');

  • Schema's met namen die conflicteren met systeemschema's (zoals sys of information_schema) en databasebeveiligingsprinciplen (zoals db_owner, db_datareader) worden niet ondersteund in het SQL-analyse-eindpunt. Tabellen onder deze schema's kunnen niet worden gesynchroniseerd met het SQL Analytics-eindpunt.

  • Een werkruimte ondersteunt maximaal 150 eindpuntitems voor magazijn- en SQL-analyse-eindpunten gecombineerd. Het maken van extra items buiten deze limiet wordt niet ondersteund. Een bestaand item verwijderen voordat u een nieuw item maakt.

Verwante inhoud

  • Last updated on