Wykonywanie zapytań dotyczących danych w usłudze Azure Data Lake przy użyciu usługi Azure Data Explorer
Azure Data Lake Storage to wysoce skalowalne i ekonomiczne rozwiązanie typu data lake do analizy danych big data. Łączy ona możliwości systemu plików o wysokiej wydajności z ogromną skalą i gospodarką, aby ułatwić skrócenie czasu na szczegółowe informacje. Data Lake Storage Gen2 rozszerza możliwości Azure Blob Storage i jest zoptymalizowany pod kątem obciążeń analitycznych.
Usługa Azure Data Explorer integruje się z Azure Blob Storage i Azure Data Lake Storage (Gen1 i Gen2), zapewniając szybki, buforowany i indeksowany dostęp do danych przechowywanych w magazynie zewnętrznym. Możesz analizować i wykonywać zapytania dotyczące danych bez wcześniejszego pozyskiwania danych na platformie Azure Data Explorer. Można również wykonywać zapytania dotyczące pozyskanych i nieuzyskowanych danych zewnętrznych jednocześnie. Aby uzyskać więcej informacji, zobacz, jak utworzyć tabelę zewnętrzną przy użyciu kreatora internetowego interfejsu użytkownika usługi Azure Data Explorer. Aby zapoznać się z krótkim omówieniem, zobacz tabele zewnętrzne.
Porada
Najlepsza wydajność zapytań wymaga pozyskiwania danych w usłudze Azure Data Explorer. Możliwość wykonywania zapytań dotyczących danych zewnętrznych bez wcześniejszego pozyskiwania powinna być używana tylko dla danych historycznych lub danych, które rzadko są odpytywane. Zoptymalizuj wydajność zapytań dotyczących danych zewnętrznych , aby uzyskać najlepsze wyniki.
Tworzenie tabeli zewnętrznej
Załóżmy, że masz wiele plików CSV zawierających historyczne informacje o produktach przechowywanych w magazynie i chcesz przeprowadzić szybką analizę, aby znaleźć pięć najpopularniejszych produktów z ubiegłego roku. W tym przykładzie pliki CSV wyglądają następująco:
Znacznik czasu | ProductId | ProductDescription |
---|---|---|
2019-01-01 11:21:00 | TO6050 | 3.5in DS/DYSKIetka HD |
2019-01-01 11:30:55 | YDX1 | Syntezator Yamaha DX1 |
... | ... | ... |
Pliki są przechowywane w usłudze Azure Blob Storage mycompanystorage
w kontenerze o nazwie archivedproducts
, podzielone według daty:
https://mycompanystorage.blob.core.windows.net/archivedproducts/2019/01/01/part-00000-7e967c99-cf2b-4dbb-8c53-ce388389470d.csv.gz
https://mycompanystorage.blob.core.windows.net/archivedproducts/2019/01/01/part-00001-ba356fa4-f85f-430a-8b5a-afd64f128ca4.csv.gz
https://mycompanystorage.blob.core.windows.net/archivedproducts/2019/01/01/part-00002-acb644dc-2fc6-467c-ab80-d1590b23fc31.csv.gz
https://mycompanystorage.blob.core.windows.net/archivedproducts/2019/01/01/part-00003-cd5fad16-a45e-4f8c-a2d0-5ea5de2f4e02.csv.gz
https://mycompanystorage.blob.core.windows.net/archivedproducts/2019/01/02/part-00000-ffc72d50-ff98-423c-913b-75482ba9ec86.csv.gz
...
Aby bezpośrednio uruchomić zapytanie KQL na tych plikach CSV, użyj .create external table
polecenia , aby zdefiniować tabelę zewnętrzną w usłudze Azure Data Explorer. Aby uzyskać więcej informacji na temat opcji poleceń tworzenia tabeli zewnętrznej, zobacz polecenia tabeli zewnętrznej.
.create external table ArchivedProducts(Timestamp:datetime, ProductId:string, ProductDescription:string)
kind=blob
partition by (Date:datetime = bin(Timestamp, 1d))
dataformat=csv
(
h@'https://mycompanystorage.blob.core.windows.net/archivedproducts;StorageSecretKey'
)
Tabela zewnętrzna jest teraz widoczna w lewym okienku internetowego interfejsu użytkownika platformy Azure Data Explorer:
Uprawnienia tabeli zewnętrznej
- Użytkownik bazy danych może utworzyć tabelę zewnętrzną. Twórca tabeli automatycznie staje się administratorem tabeli.
- Klaster, baza danych lub administrator tabeli może edytować istniejącą tabelę.
- Każdy użytkownik bazy danych lub czytelnik może wykonywać zapytania dotyczące tabeli zewnętrznej.
Wykonywanie zapytań względem tabeli zewnętrznej
Po zdefiniowaniu tabeli zewnętrznej external_table()
funkcja może służyć do odwoływania się do niej. Pozostałe zapytanie to standardowe język zapytań Kusto.
external_table("ArchivedProducts")
| where Timestamp > ago(365d)
| summarize Count=count() by ProductId,
| top 5 by Count
Wykonywanie zapytań względem danych zewnętrznych i pozyskanych razem
W ramach tego samego zapytania można wykonywać zapytania zarówno względem tabel zewnętrznych, jak i pozyskanych tabel danych. join
Możesz lub union
zewnętrzną tabelę z innymi danymi z usługi Azure Data Explorer, serwerów SQL lub innych źródeł. Użyj elementu , let( ) statement
aby przypisać nazwę skróconą do odwołania do tabeli zewnętrznej.
W poniższym przykładzie produkty to pozyskana tabela danych, a ArchivedProducts to tabela zewnętrzna zdefiniowana wcześniej:
let T1 = external_table("ArchivedProducts") | where TimeStamp > ago(100d);
let T = Products; //T is an internal table
T1 | join T on ProductId | take 10
Wykonywanie zapytań względem formatów danych hierarchicznych
Usługa Azure Data Explorer umożliwia wykonywanie zapytań w formatach hierarchicznych, takich jak JSON
, Parquet
, Avro
i ORC
. Aby zamapować schemat danych hierarchicznych na schemat tabeli zewnętrznej (jeśli jest inny), użyj poleceń mapowania tabel zewnętrznych. Jeśli na przykład chcesz wykonać zapytanie o pliki dziennika JSON w następującym formacie:
{
"timestamp": "2019-01-01 10:00:00.238521",
"data": {
"tenant": "e1ef54a6-c6f2-4389-836e-d289b37bcfe0",
"method": "RefreshTableMetadata"
}
}
{
"timestamp": "2019-01-01 10:00:01.845423",
"data": {
"tenant": "9b49d0d7-b3e6-4467-bb35-fa420a25d324",
"method": "GetFileList"
}
}
...
Definicja tabeli zewnętrznej wygląda następująco:
.create external table ApiCalls(Timestamp: datetime, TenantId: guid, MethodName: string)
kind=blob
dataformat=multijson
(
h@'https://storageaccount.blob.core.windows.net/container1;StorageSecretKey'
)
Zdefiniuj mapowanie JSON, które mapuje pola danych na pola definicji tabeli zewnętrznej:
.create external table ApiCalls json mapping 'MyMapping' '[{"Column":"Timestamp","Properties":{"Path":"$.timestamp"}},{"Column":"TenantId","Properties":{"Path":"$.data.tenant"}},{"Column":"MethodName","Properties":{"Path":"$.data.method"}}]'
Podczas wykonywania zapytań względem tabeli zewnętrznej mapowanie zostanie wywołane, a odpowiednie dane zostaną zamapowane na zewnętrzne kolumny tabeli:
external_table('ApiCalls') | take 10
Aby uzyskać więcej informacji na temat składni mapowania, zobacz mapowania danych.
Zapytanie TaxiRides tabeli zewnętrznej w klastrze pomocy
Użyj klastra testowego o nazwie pomoc, aby wypróbować różne możliwości usługi Azure Data Explorer. Klaster pomocy zawiera zewnętrzną definicję tabeli dla zestawu danych taksówek w Nowym Jorku zawierającego miliardy przejazdów taksówką.
Tworzenie tabeli zewnętrznej TaxiRides
W tej sekcji przedstawiono zapytanie użyte do utworzenia tabeli zewnętrznej TaxiRides w klastrze pomocy . Ponieważ ta tabela została już utworzona, możesz pominąć tę sekcję i przejść bezpośrednio do zapytań dotyczących danych tabeli zewnętrznej TaxiRides.
.create external table TaxiRides
(
trip_id: long,
vendor_id: string,
pickup_datetime: datetime,
dropoff_datetime: datetime,
store_and_fwd_flag: string,
rate_code_id: int,
pickup_longitude: real,
pickup_latitude: real,
dropoff_longitude: real,
dropoff_latitude: real,
passenger_count: int,
trip_distance: real,
fare_amount: real,
extra: real,
mta_tax: real,
tip_amount: real,
tolls_amount: real,
ehail_fee: real,
improvement_surcharge: real,
total_amount: real,
payment_type: string,
trip_type: int,
pickup: string,
dropoff: string,
cab_type: string,
precipitation: int,
snow_depth: int,
snowfall: int,
max_temperature: int,
min_temperature: int,
average_wind_speed: int,
pickup_nyct2010_gid: int,
pickup_ctlabel: string,
pickup_borocode: int,
pickup_boroname: string,
pickup_ct2010: string,
pickup_boroct2010: string,
pickup_cdeligibil: string,
pickup_ntacode: string,
pickup_ntaname: string,
pickup_puma: string,
dropoff_nyct2010_gid: int,
dropoff_ctlabel: string,
dropoff_borocode: int,
dropoff_boroname: string,
dropoff_ct2010: string,
dropoff_boroct2010: string,
dropoff_cdeligibil: string,
dropoff_ntacode: string,
dropoff_ntaname: string,
dropoff_puma: string
)
kind=blob
partition by (Date:datetime = bin(pickup_datetime, 1d))
dataformat=csv
(
h@'https://storageaccount.blob.core.windows.net/container1;secretKey'
)
Utworzoną tabelę TaxiRides można znaleźć, przeglądając lewe okienko internetowego interfejsu użytkownika usługi Azure Data Explorer:
Zapytanie TaxiRides danych tabeli zewnętrznej
Zaloguj się do witryny https://dataexplorer.azure.com/clusters/help/databases/Samples.
Kwerenda TaxiRides tabeli zewnętrznej bez partycjonowania
Uruchom to zapytanie w tabeli zewnętrznej TaxiRides , aby pokazać przejazdy dla każdego dnia tygodnia w całym zestawie danych.
external_table("TaxiRides")
| summarize count() by dayofweek(pickup_datetime)
| render columnchart
To zapytanie pokazuje najbardziej ruchliwy dzień tygodnia. Ponieważ dane nie są partycjonowane, zapytanie może potrwać do kilku minut, aby zwrócić wyniki.
Kwerenda TaxiRides tabeli zewnętrznej z partycjonowaniem
Uruchom to zapytanie w tabeli zewnętrznej TaxiRides , aby pokazać typy taksówki (żółty lub zielony) używane w styczniu 2017 roku.
external_table("TaxiRides")
| where pickup_datetime between (datetime(2017-01-01) .. datetime(2017-02-01))
| summarize count() by cab_type
| render piechart
To zapytanie używa partycjonowania, które optymalizuje czas i wydajność zapytań. Zapytanie filtruje kolumnę partycjonowaną (pickup_datetime) i zwraca wyniki w ciągu kilku sekund.
Możesz napisać inne zapytania do uruchomienia w tabeli zewnętrznej TaxiRides i dowiedzieć się więcej o danych.
Optymalizowanie wydajności zapytań
Zoptymalizuj wydajność zapytań w usłudze Lake, korzystając z poniższych najlepszych rozwiązań dotyczących wykonywania zapytań dotyczących danych zewnętrznych.
Format danych
- Z następujących powodów użyj formatu kolumnowego dla zapytań analitycznych:
- Można odczytać tylko kolumny istotne dla zapytania.
- Techniki kodowania kolumn mogą znacznie zmniejszyć rozmiar danych.
- Usługa Azure Data Explorer obsługuje formaty kolumn Parquet i ORC. Format Parquet jest sugerowany z powodu zoptymalizowanej implementacji.
Region platformy Azure
Sprawdź, czy dane zewnętrzne są w tym samym regionie świadczenia usługi Azure co klaster usługi Azure Data Explorer. Ta konfiguracja zmniejsza koszt i czas pobierania danych.
Rozmiar pliku
Optymalny rozmiar pliku to setki Mb (do 1 GB) na plik. Unikaj wielu małych plików, które wymagają niepotrzebnych obciążeń, takich jak wolniejszy proces wyliczania plików i ograniczone użycie formatu kolumnowego. Liczba plików powinna być większa niż liczba rdzeni procesora CPU w klastrze usługi Azure Data Explorer.
Kompresja
Użyj kompresji, aby zmniejszyć ilość danych pobieranych z magazynu zdalnego. W przypadku formatu Parquet należy użyć wewnętrznego mechanizmu kompresji Parquet, który kompresuje grupy kolumn oddzielnie, umożliwiając ich oddzielne odczytywanie. Aby zweryfikować użycie mechanizmu kompresji, sprawdź, czy pliki są nazwane w następujący sposób: <nazwa_pliku.gz.parquet lub nazwa_pliku.snappy.parquet>, a nie< nazwa_pliku.parquet.gz>.><
Partycjonowanie
Organizuj dane przy użyciu partycji "folder", które umożliwiają kwerendzie pomijanie nieistotnych ścieżek. Podczas planowania partycjonowania rozważ rozmiar pliku i typowe filtry w zapytaniach, takie jak sygnatura czasowa lub identyfikator dzierżawy.
Rozmiar maszyny wirtualnej
Wybierz jednostki SKU maszyn wirtualnych z większą wyższą przepływnością sieci i większą przepływnością sieci (pamięć jest mniej ważna). Aby uzyskać więcej informacji, zobacz Wybieranie odpowiedniej jednostki SKU maszyny wirtualnej dla klastra usługi Azure Data Explorer.
Zawartość pokrewna
Opinia
https://aka.ms/ContentUserFeedback.
Dostępne już wkrótce: W 2024 r. będziemy stopniowo wycofywać zgłoszenia z serwisu GitHub jako mechanizm przesyłania opinii na temat zawartości i zastępować go nowym systemem opinii. Aby uzyskać więcej informacji, sprawdź:Prześlij i wyświetl opinię dla