Gegevens analyseren met een serverloze SQL-pool
In deze zelfstudie leert u hoe u gegevens kunt analyseren met een serverloze SQL-pool.
De ingebouwde serverloze SQL-pool
Met serverloze SQL-pools kunt u SQL gebruiken zonder dat u capaciteit hoeft te reserveren. Facturering voor een serverloze SQL-pool is gebaseerd op de hoeveelheid gegevens die is verwerkt om de query uit te voeren en niet op het aantal knooppunten dat wordt gebruikt om de query uit te voeren.
Elke werkruimte wordt geleverd met een vooraf geconfigureerde serverloze SQL-pool met de naam Ingebouwd.
NYC Taxi-gegevens analyseren met een serverloze SQL-pool
Notitie
Zorg ervoor dat u de voorbeeldgegevens in het primaire opslagaccount hebt geplaatst
Ga in Synapse Studio naar de hub Ontwikkelen
Maak een nieuw SQL-script.
Plak de volgende code in het script.
SELECT TOP 100 * FROM OPENROWSET( BULK 'https://contosolake.dfs.core.windows.net/users/NYCTripSmall.parquet', FORMAT='PARQUET' ) AS [result]
Selecteer Uitvoeren.
Gegevensverkenning is slechts een vereenvoudigd scenario waarin u de basiskenmerken van uw gegevens begrijpt. Meer informatie over gegevensverkenning en -analyse vindt u in deze zelfstudie.
Database voor gegevensverkenning maken
U kunt rechtstreeks via master
de database door de inhoud van de bestanden bladeren. Voor sommige eenvoudige scenario's voor gegevensverkenning hoeft u geen afzonderlijke database te maken.
Als u echter doorgaat met het verkennen van gegevens, wilt u mogelijk enkele hulpprogrammaobjecten maken, zoals:
- Externe gegevensbronnen die de benoemde verwijzingen voor opslagaccounts vertegenwoordigen.
- Referenties voor databasebereik waarmee u kunt opgeven hoe u zich moet verifiëren bij een externe gegevensbron.
- Databasegebruikers met de machtigingen voor toegang tot bepaalde gegevensbronnen of databaseobjecten.
- Hulpprogrammaweergaven, procedures en functies die u in de query's kunt gebruiken.
Gebruik de
master
database om een afzonderlijke database te maken voor aangepaste databaseobjecten. Aangepaste databaseobjecten kunnen niet worden gemaakt in demaster
database.CREATE DATABASE DataExplorationDB COLLATE Latin1_General_100_BIN2_UTF8
Belangrijk
Gebruik een sortering met
_UTF8
achtervoegsel om ervoor te zorgen dat UTF-8-tekst correct wordt geconverteerd naarVARCHAR
kolommen.Latin1_General_100_BIN2_UTF8
biedt de beste prestaties in de query's die gegevens lezen uit Parquet-bestanden en Azure Cosmos DB-containers. Raadpleeg Sorteringstypen die worden ondersteund voor Synapse SQL voor meer informatie over het wijzigen van sorteringen.Schakel de databasecontext over van
master
naarDataExplorationDB
met behulp van de volgende opdracht. U kunt ook het ui-besturingselement Database gebruiken gebruiken gebruiken om uw huidige database te wijzigen:USE DataExplorationDB
Maak vanuit
DataExplorationDB
hulpprogrammaobjecten, zoals referenties en gegevensbronnen.CREATE EXTERNAL DATA SOURCE ContosoLake WITH ( LOCATION = 'https://contosolake.dfs.core.windows.net')
Notitie
Een externe gegevensbron kan zonder referentie worden gemaakt. Als er geen referentie bestaat, wordt de identiteit van de aanroeper gebruikt voor toegang tot de externe gegevensbron.
U kunt eventueel de zojuist gemaakte
DataExplorationDB
database gebruiken om een aanmelding te maken voor een gebruiker inDataExplorationDB
die toegang heeft tot externe gegevens:CREATE LOGIN data_explorer WITH PASSWORD = 'My Very Strong Password 1234!';
Maak vervolgens een databasegebruiker in
DataExplorationDB
voor de bovenstaande aanmelding en ververleent deADMINISTER DATABASE BULK OPERATIONS
machtiging.CREATE USER data_explorer FOR LOGIN data_explorer; GO GRANT ADMINISTER DATABASE BULK OPERATIONS TO data_explorer; GO
Verken de inhoud van het bestand met behulp van het relatieve pad en de gegevensbron:
SELECT TOP 100 * FROM OPENROWSET( BULK '/users/NYCTripSmall.parquet', DATA_SOURCE = 'ContosoLake', FORMAT='PARQUET' ) AS [result]
Publiceer uw wijzigingen in de werkruimte.
Gegevensverkenningsdatabase is slechts een eenvoudige tijdelijke aanduiding waar u uw hulpprogrammaobjecten kunt opslaan. Met Synapse SQL-pool kunt u veel meer doen en een logische Data Warehouse maken: een relationele laag die is gebouwd op Azure-gegevensbronnen. Meer informatie over het bouwen van een logisch datawarehouse vindt u in deze zelfstudie.