Notitie
Voor toegang tot deze pagina is autorisatie vereist. U kunt proberen u aan te melden of de directory te wijzigen.
Voor toegang tot deze pagina is autorisatie vereist. U kunt proberen de mappen te wijzigen.
Lakeflow pipelines zijn de meest gebruikelijke manier om materialized views en streamingtabellen te bouwen met Apache Spark™ Declarative Pipelines op Azure Databricks. U kunt ook zelfstandige gerealiseerde weergaven en streamingtabellen buiten een Lakeflow-pijplijn definiëren met behulp van eenvoudige querysyntaxis en Azure Databricks de onderliggende pijplijnen voor u beheert. Zelfstandige tabellen kunnen worden gemaakt en vernieuwd vanuit een Databricks SQL Warehouse of vanuit een notebook dat wordt uitgevoerd op serverloze algemene berekeningen.
Als u wilt beslissen tussen zelfstandige tabellen en een Lakeflow-pijplijn, raadpleegt u Zelfstandige pijplijnen versus Lakeflow-pijplijnen. Om gematerialiseerde weergaven en streamingtabellen te bouwen als onderdeel van een beheerde pijplijn, zie Spark Declarative Pipelines op Lakeflow.
Note
Deze sectie heette eerder "Pipelines for Databricks SQL." Deze werd hernoemd tot "Standalone gematerialiseerde weergaven en streaming tabellen" om nieuwe ondersteuning te weerspiegelen voor het creëren van standalone gematerialiseerde weergaven en streaming tabellen vanuit een notebook dat wordt uitgevoerd op serverless general compute, naast een Databricks SQL-warehouse.
De volgende onderwerpen behandelen zelfstandige gematerialiseerde weergaven en streamingtabellen.
| Topic | Description |
|---|---|
| Vereisten voor zelfstandige pijplijnen | Meer informatie over de rekenopties voor zelfstandige gerealiseerde weergaven en streamingtabellen, waaronder functieondersteuning en regionale beschikbaarheid. |
| Zelfstandige streamingtabellen gebruiken | Streamingtabellen maken, vernieuwen, configureren en bewaken. |
| Zelfstandige gematerialiseerde weergaven gebruiken | Gematerialiseerde weergaven maken, vernieuwen en er query's op uitvoeren. |
| Wanneer te gebruiken met REPLACE WHERE versus gematerialiseerde weergaven | Kies tussen REPLACE WHERE flows en gematerialiseerde weergaven voor batch-extract, transformatie en load (ETL) workloads. |
Als u zelfstandige gerealiseerde weergaven en streamingtabellen wilt maken en vernieuwen met Python vanuit een notebook, raadpleegt u Python gebruiken met zelfstandige pijplijnen.