Criar e alterar tabelas externas do Armazenamento do Microsoft Azure

Os comandos neste artigo podem ser usados para criar ou alterar uma tabela externa do Armazenamento do Azure no banco de dados a partir do qual o comando é executado. Uma tabela externa do Armazenamento do Azure faz referência a dados localizados no Armazenamento de Blobs do Azure, no Azure Data Lake Store Gen1 ou no Azure Data Lake Store Gen2.

Observação

Se a tabela existir, o .create comando falhará com um erro. Use .create-or-alter ou .alter modifique tabelas existentes.

Permissões

Para .create requer pelo menos permissões de Usuário do Banco de Dados e .alter para requer pelo menos permissões de Administrador de Tabela.

Para .create-or-alter uma tabela externa usando autenticação de identidade gerenciada requer permissões AllDatabasesAdmin .

Sintaxe

(.create.alter | | .create-or-alter) externaltableTableName(Schema=kind)storage [(bypartitionPartições) [=pathformat(PathFormat)]]=dataformat DataFormat(StorageConnectionString [, ...] ) [with(Propriedade [, ...])]

Observação

kind é storage para todos os tipos de armazenamento de dados externos do Armazenamento do Azure. blob e adl são termos preteridos.

Saiba mais sobre as convenções de sintaxe.

Parâmetros

Nome	Digitar	Obrigatória	Descrição
TableName	string	✔️	Um nome de tabela externa que adere às regras de nomes de entidade. Uma tabela externa não pode ter o mesmo nome que uma tabela normal no mesmo banco de dados.
Esquema	string	✔️	O esquema de dados externos é uma lista separada por vírgulas de um ou mais nomes de coluna e tipos de dados, onde cada item segue o formato: ColumnName:ColumnType. Se o esquema for desconhecido, use infer_storage_schema para inferir o esquema com base no conteúdo do arquivo externo.
Partições	string		Uma lista separada por vírgulas de colunas pelas quais a tabela externa é particionada. A coluna de partição pode existir no próprio arquivo de dados ou como parte do caminho do arquivo. Consulte Formatação de partições para saber como esse valor deve parecer.
PathFormat	string		Um formato de caminho de URI de pasta de dados externa a ser usado com partições. Consulte o formato do caminho.
DataFormat	string	✔️	O formato de dados, que pode ser qualquer um dos formatos de ingestão. Recomendamos usar o formato para tabelas externas para melhorar o desempenho de consulta e exportação, a menos que você use JSON o Parquet mapeamento de caminhos. Ao usar uma tabela externa para o cenário de exportação, você está limitado aos seguintes formatos: CSV, JSONTSVe Parquet.
StorageConnectionString	string	✔️	Um ou mais caminhos separados por vírgulas para contêineres de blob do Armazenamento de Blobs do Azure, sistemas de arquivos do Azure Data Lake Gen 2 ou contêineres do Azure Data Lake Gen 1, incluindo credenciais. O tipo de armazenamento de tabela externa é determinado pelas cadeias de conexão fornecidas. Consulte Cadeias de conexão de armazenamento.
Propriedade	string		Um par de propriedades chave-valor no formato PropertyName=PropertyValue. Consulte propriedades opcionais.

Observação

Arquivos CSV com esquema não idêntico podem resultar em dados que aparecem deslocados ou ausentes. Recomendamos separar arquivos CSV com esquemas distintos para separar contêineres de armazenamento e definir uma tabela externa para cada contêiner de armazenamento com o esquema adequado.

Dica

Forneça mais de uma única conta de armazenamento para evitar a limitação de armazenamento ao exportar grandes quantidades de dados para a tabela externa. A exportação distribuirá as gravações entre todas as contas fornecidas.

Autenticação e autorização

O método de autenticação para acessar uma tabela externa é baseado na cadeia de conexão fornecida durante sua criação, e as permissões necessárias para acessar a tabela variam dependendo do método de autenticação.

A tabela a seguir lista os métodos de autenticação com suporte para tabelas externas do Armazenamento do Azure e as permissões necessárias para ler ou gravar na tabela.

Método de autenticação	Armazenamento de Blobs do Azure / Data Lake Storage Gen2	Data Lake Storage Gen1
Representação	Permissões de leitura: Leitor de Dados de Blob de Armazenamento Permissões de gravação: Colaborador de Dados de Blob de Armazenamento	Permissões de leitura: Leitor Permissões de gravação: Colaborador
Identidade gerenciada	Permissões de leitura: Leitor de Dados de Blob de Armazenamento Permissões de gravação: Colaborador de Dados de Blob de Armazenamento	Permissões de leitura: Leitor Permissões de gravação: Colaborador
Token de Acesso Compartilhado (SAS)	Permissões de leitura: Lista + Leitura Permissões de gravação: Gravar	Esse método de autenticação não é suportado no Gen1.
Token de acesso do Microsoft Entra	Não são necessárias permissões adicionais.	Não são necessárias permissões adicionais.
Chave de acesso da conta de armazenamento	Não são necessárias permissões adicionais.	Esse método de autenticação não é suportado no Gen1.

Formatação de partições

A lista de partições é qualquer combinação de colunas de partição, especificada usando um dos formulários mostrados na tabela a seguir.

Tipo de partição	Sintaxe	Observações
Coluna virtual	Nome da partição: (datetime | string)	Leia mais em Colunas virtuais.
Valor da coluna de cadeia de caracteres	Nome da Partição=:stringColumnName
Valor da coluna de cadeia de caracteres hash()	PartitionNamehash(long=:Número ColumnName,)	O hash é o número do módulo.
Coluna datetime truncada (valor)	PartitionNamedatetime:= (startofyear | startofweekstartofdaystartofmonth | | ) (ColumnName)	Consulte a documentação sobre as funções de início de ano, início de mês, início de semana ou início de dia .
Valor =(bintruncado da coluna Datetime ColumnName,TimeSpan)	Leia mais sobre a função bin .

Formato do caminho

O parâmetro PathFormat permite especificar o formato do caminho do URI da pasta de dados externa, além das partições. Ele consiste em uma sequência de elementos de partição e separadores de texto. Um elemento partition refere-se a uma partição declarada na cláusula partition by , e o separador de texto é qualquer texto entre aspas. Elementos de partição consecutivos devem ser separados usando o separador de texto.

[ StringSeparator ] Partição [ StringSeparator ] [Partição [ StringSeparator ] ...]

Para construir o prefixo do caminho do arquivo original, os elementos de partição são renderizados como cadeias de caracteres e separados com separadores de texto correspondentes. Você pode usar a datetime_pattern macro (datetime_pattern(DateTimeFormat,PartitionName)) para especificar o formato usado para renderizar um valor de partição datetime. A macro adere à especificação de formato .NET e permite que os especificadores de formato sejam colocados entre colchetes. Por exemplo, os dois formatos a seguir são equivalentes:

• 'ano='aa'/mês='MM
• ano={aa}/mês={MM}

Por padrão, os valores datetime são renderizados usando os seguintes formatos:

Função de partição	Formato padrão
startofyear	yyyy
startofmonth	yyyy/MM
startofweek	yyyy/MM/dd
startofday	yyyy/MM/dd
bin(Coluna, 1d)	yyyy/MM/dd
bin(Coluna, 1h)	yyyy/MM/dd/HH
bin(Coluna, 1m)	yyyy/MM/dd/HH/mm

Dica

Para verificar a exatidão da definição de Partições e PathFormat , use a propriedade sampleUris ou filesPreview ao criar uma tabela externa.

Colunas virtuais

Quando os dados são exportados do Spark, as colunas de partição (que são fornecidas ao método do partitionBy gravador de dataframe) não são gravadas em arquivos de dados. Esse processo evita a duplicação de dados porque os dados já estão presentes nos nomes das pastas (por exemplo, column1=<value>/column2=<value>/), e o Spark pode reconhecê-los após a leitura.

As tabelas externas suportam a leitura desses dados na forma de virtual colums. As colunas virtuais podem ser do tipo string ou datetime, e são especificadas usando a seguinte sintaxe:

.create external table ExternalTable (EventName:string, Revenue:double)  
kind=storage  
partition by (CustomerName:string, Date:datetime)  
pathformat=("customer=" CustomerName "/date=" datetime_pattern("yyyyMMdd", Date))  
dataformat=parquet
( 
   h@'https://storageaccount.blob.core.windows.net/container1;secretKey'
)

Para filtrar por colunas virtuais em uma consulta, especifique nomes de partição no predicado de consulta:

external_table("ExternalTable")
 | where Date between (datetime(2020-01-01) .. datetime(2020-02-01))
 | where CustomerName in ("John.Doe", "Ivan.Ivanov")

Propriedades opcionais

Propriedade	Type	Descrição
folder	string	Pasta da tabela
docString	string	Cadeia de caracteres documentando a tabela
compressed	bool	Se definido, indica se os arquivos são compactados como .gz arquivos (usados somente no cenário de exportação)
includeHeaders	string	Para formatos de texto delimitados (CSV, TSV, ...), indica se os arquivos contêm um cabeçalho. Os valores possíveis são: All (todos os arquivos contêm um cabeçalho), FirstFile (o primeiro arquivo em uma pasta contém um cabeçalho), None (nenhum arquivo contém um cabeçalho).
namePrefix	string	Se definido, indica o prefixo dos arquivos. Em operações de gravação, todos os arquivos serão gravados com esse prefixo. Em operações de leitura, somente os arquivos com esse prefixo são lidos.
fileExtension	string	Se definido, indica extensões de arquivo dos arquivos. Na gravação, os nomes dos arquivos terminarão com esse sufixo. Na leitura, apenas os arquivos com essa extensão de arquivo serão lidos.
encoding	string	Indica como o texto é codificado: UTF8NoBOM (padrão) ou UTF8BOM.
sampleUris	bool	Se definido, o resultado do comando fornecerá vários exemplos de URI de arquivos de dados externos simulados conforme esperado pela definição de tabela externa. Essa opção ajuda a validar se os parâmetros Partitions e PathFormat estão definidos corretamente.
filesPreview	bool	Se definido, uma das tabelas de resultados do comando conterá uma visualização do comando .show artefatos de tabela externa. Como sampleUri, a opção ajuda a validar os parâmetros Partitions e PathFormat da definição da tabela externa.
validateNotEmpty	bool	Se definidas, as cadeias de conexão serão validadas por terem conteúdo nelas. O comando falhará se o local de URI especificado não existir ou se houver permissões insuficientes para acessá-lo.
dryRun	bool	Se definida, a definição de tabela externa não será persistente. Essa opção é útil para validar a definição de tabela externa, especialmente em conjunto com o filesPreview parâmetro ou sampleUris .

Observação

A tabela externa não é acessada durante a criação, apenas durante a consulta e a exportação. Use a propriedade opcional durante a validateNotEmpty criação para verificar se a definição da tabela é válida e se o armazenamento está acessível.

Dica

Para saber mais sobre a função namePrefix e fileExtension as propriedades desempenhadas na filtragem de arquivos de dados durante a consulta, consulte a seção Lógica de filtragem de arquivos.

Lógica de filtragem de arquivos

Ao consultar uma tabela externa, o desempenho é melhorado filtrando arquivos de armazenamento externo irrelevantes. O processo de iteração de arquivos e decidir se um arquivo deve ser processado é o seguinte:

1. Crie um padrão de URI que represente um local onde os arquivos são encontrados. Inicialmente, o padrão de URI é igual a uma cadeia de conexão fornecida como parte da definição de tabela externa. Se houver partições definidas, elas serão renderizadas usando PathFormat e, em seguida, anexadas ao padrão de URI.

2. Para todos os arquivos encontrados no(s) padrão(s) de URI criado(s), verifique se:

   • Os valores de partição correspondem aos predicados usados em uma consulta.
   • O nome do blob começa com NamePrefix, se essa propriedade estiver definida.
   • O nome do blob termina com FileExtension, se essa propriedade for definida.

Uma vez que todas as condições são atendidas, o arquivo é buscado e processado.

Observação

O padrão de URI inicial é criado usando valores de predicado de consulta. Isso funciona melhor para um conjunto limitado de valores de cadeia de caracteres, bem como para intervalos de tempo fechados.

Exemplos

Tabela externa não particionada

Na tabela externa não particionada a seguir, espera-se que os arquivos sejam colocados diretamente sob o(s) contêiner(es) definido(s):

.create external table ExternalTable (x:long, s:string)  
kind=storage 
dataformat=csv 
( 
   h@'https://storageaccount.blob.core.windows.net/container1;secretKey' 
) 

Particionado por data

Na tabela externa a seguir, particionada por data, espera-se que os arquivos sejam colocados em diretórios do formato yyyy/MM/dddatetime padrão:

.create external table ExternalTable (Timestamp:datetime, x:long, s:string) 
kind=storage
partition by (Date:datetime = bin(Timestamp, 1d)) 
dataformat=csv 
( 
   h@'abfss://filesystem@storageaccount.dfs.core.windows.net/path;secretKey'
)

Particionado por mês

Na tabela externa a seguir particionada por mês, o formato de diretório é year=yyyy/month=MM:

.create external table ExternalTable (Timestamp:datetime, x:long, s:string) 
kind=storage 
partition by (Month:datetime = startofmonth(Timestamp)) 
pathformat=(datetime_pattern("'year='yyyy'/month='MM", Month)) 
dataformat=csv 
( 
   h@'https://storageaccount.blob.core.windows.net/container1;secretKey' 
) 

Particionado por nome e data

Na tabela externa a seguir, os dados são particionados primeiro por nome de cliente e depois por data, o que significa que a estrutura de diretório esperada é, por exemplo, customer_name=Softworks/2019/02/01:

.create external table ExternalTable (Timestamp:datetime, CustomerName:string) 
kind=storage 
partition by (CustomerNamePart:string = CustomerName, Date:datetime = startofday(Timestamp)) 
pathformat=("customer_name=" CustomerNamePart "/" Date)
dataformat=csv 
(  
   h@'https://storageaccount.blob.core.windows.net/container1;secretKey' 
)

Particionado por hash e data

A tabela externa a seguir é particionada primeiro por hash de nome de cliente (módulo dez) e, em seguida, por data. A estrutura de diretórios esperada é, por exemplo, customer_id=5/dt=20190201, e os nomes de arquivos de dados terminam com a .txt extensão:

.create external table ExternalTable (Timestamp:datetime, CustomerName:string) 
kind=storage 
partition by (CustomerId:long = hash(CustomerName, 10), Date:datetime = startofday(Timestamp)) 
pathformat=("customer_id=" CustomerId "/dt=" datetime_pattern("yyyyMMdd", Date)) 
dataformat=csv 
( 
   h@'https://storageaccount.blob.core.windows.net/container1;secretKey'
)
with (fileExtension = ".txt")

Filtrar por colunas de partição em uma consulta

Para filtrar por colunas de partição em uma consulta, especifique o nome da coluna original no predicado da consulta:

external_table("ExternalTable")
 | where Timestamp between (datetime(2020-01-01) .. datetime(2020-02-01))
 | where CustomerName in ("John.Doe", "Ivan.Ivanov")

Saída de exemplo

TableName	TableType	Pasta	DocString	Propriedades	ConnectionStrings	Partições	PathFormat
Tabela Externa	Blob	ExternalTables	Docs	{"Format":"Csv","Compressed":false,"CompressionType":null,"FileExtension":null,"IncludeHeaders":"None","Encoding":null,"NamePrefix":null}	["https://storageaccount.blob.core.windows.net/container1;*******"]	[{"Mod":10,"Name":"CustomerId","ColumnName":"CustomerName","Ordinal":0},{"Function":"StartOfDay","Name":"Date","ColumnName":"Timestamp","Ordinal":1}]	"customer_id=" CustomerId "/dt=" datetime_pattern("aaaaMMdd",Data)

Conteúdo relacionado

• Consultar tabelas externas.
• Exportar dados para uma tabela externa.
• Exportação contínua de dados para uma tabela externa.