Dela via

Nyheter i Azure Synapse Analytics-arkivet

  • Artikel

Den här artikeln beskriver tidigare månadsuppdateringar till Azure Synapse Analytics. För den senaste månadens lansering kan du läsa de senaste uppdateringarna i Azure Synapse Analytics. Varje uppdatering länkar till Azure Synapse Analytics-bloggen och en artikel som innehåller mer information.

Allmänt tillgängliga funktioner

I följande tabell visas en tidigare historik över funktionerna i Azure Synapse Analytics som har övergått från förhandsversion till allmän tillgänglighet (GA).

Month Funktion Läs mer
juli 2022 Apache Spark™ 3.2 för Synapse Analytics Apache Spark™ 3.2 för Synapse Analytics är nu allmänt tillgängligt. Granska de officiella viktig informations- och migreringsriktlinjerna mellan Spark 3.1 och 3.2 för att utvärdera potentiella ändringar i dina program. Mer information finns i Apache Spark-versionsstöd och Azure Synapse Runtime för Apache Spark 3.2. Höjdpunkter om vad som blev bättre i Spark 3.2 i Azure Synapse Analytics juliuppdatering 2022.
juli 2022 Apache Spark i Azure Synapse Intelligent Cache-funktionen Intelligent Cache for Spark lagrar automatiskt varje läsning i det allokerade cachelagringsutrymmet, identifierar underliggande filändringar och uppdaterar filerna för att tillhandahålla de senaste data. Mer information finns i Aktivera/inaktivera cacheminnet för din Apache Spark-pool.
Juni 2022 Verktyget Mappa data Verktyget Kartdata är en guidad process som hjälper dig att skapa ETL-mappningar och mappa dataflöden från dina källdata till Synapse utan att skriva kod. Mer information om verktyget Kartdata finns i Mappa data i Azure Synapse Analytics.
Juni 2022 Användardefinierade funktioner Användardefinierade funktioner (UDF: er) är nu allmänt tillgängliga. Mer information finns i Användardefinierade funktioner i mappning av dataflöden.
Maj 2022 Azure Synapse Data Explorer-anslutningsprogram för Power Automate, Logic Apps och Power Apps Med Azure Data Explorer-anslutningsappen för Power Automate kan du samordna och schemalägga flöden, skicka meddelanden och aviseringar som en del av en schemalagd eller utlöst uppgift. Mer information finns i Azure Data Explorer-anslutningsappen för Microsoft Power Automate och användningsexempel för Azure Data Explorer-anslutningsprogram till Power Automate.
April 2022 Återställning mellan prenumerationer för Azure Synapse SQL Med PowerShell-modulen Az.Sql 3.8-uppdateringen kan cmdleten Restore-AzSqlDatabase användas för återställning mellan prenumerationer av dedikerade SQL-pooler. Mer information finns i Blogg: Återställa en dedikerad SQL-pool (tidigare SQL DW) till en annan prenumeration. Den här funktionen är nu allmänt tillgänglig för dedikerade SQL-pooler (tidigare SQL DW) och dedikerade SQL-pooler på en Synapse-arbetsyta. Vad är skillnaden?
April 2022 Databasdesigner Databasdesignern gör det möjligt för användare att visuellt skapa databaser i Synapse Studio utan att skriva en enda kodrad. Mer information finns i Meddelande om allmän tillgänglighet för databasdesignern. Läs mer om lake-databaser och lär dig hur du ändrar en befintlig lake-databas med hjälp av databasdesignern.
April 2022 Databasmallar Nya branschspecifika databasmallar introducerades i bloggen För allmän tillgänglighet för Synapse-databasmallar. Läs mer om databasmallar och den förbättrade utforskningsupplevelsen.
April 2022 RBAC-roll för Synapse-övervakningsoperator Med rollrollen Synapse Monitoring Operator RBAC (rollbaserad åtkomstkontroll) kan en användarpersona övervaka körningen av Synapse-pipelines och Spark-program utan att kunna köra eller avbryta körningen av dessa program. Mer information finns i Synapse RBAC-roller.
Mars 2022 Flowlets Flowlets hjälper dig att utforma delar av ny dataflödeslogik eller att extrahera delar av ett befintligt dataflöde och spara dem som en separat artefakt i Synapse-arbetsytan. Sedan kan du återanvända dessa Flowlets i andra dataflöden. Mer information finns i blogginlägget om Flowlets GA-meddelanden och läser Flowlets i mappning av dataflöde.
Mars 2022 Anslutningsappar för ändringsflöde Cdc-flödeskällans omvandlingar av ändrade datainsamlingsflöden (CDC) för Azure Cosmos DB, Azure Blob Storage, ADLS Gen1, ADLS Gen2 och Common Data Model (CDM) är nu allmänt tillgängliga. Genom att bara markera en ruta kan du be ADF att hantera en kontrollpunkt automatiskt åt dig och bara läsa de senaste raderna som har uppdaterats eller infogats sedan den senaste pipelinekörningen. Mer information finns i blogginlägget om förhandsversion av ändringsflödesanslutningsappar och läs Kopiera och transformera data i Azure Data Lake Storage Gen2 med Hjälp av Azure Data Factory eller Azure Synapse Analytics.
Mars 2022 Kryptering på kolumnnivå för dedikerade SQL-pooler Kryptering på kolumnnivå är nu allmänt tillgängligt för användning på nya och befintliga logiska Azure SQL-servrar med Dedikerade SQL-pooler i Azure Synapse och dedikerade SQL-pooler i Azure Synapse-arbetsytor. Stöd för SQL Server Data Tools (SSDT) för kryptering på kolumnnivå för de dedikerade SQL-poolerna är tillgängligt från och med version 17.2 Förhandsversion 2 av Visual Studio 2022.
Mars 2022 Anslutningsprogram för Synapse Spark Common Data Model (CDM) CDM-formatläsaren/skrivaren gör det möjligt för ett Spark-program att läsa och skriva CDM-entiteter i en CDM-mapp via Spark-dataramar. Mer information finns i hur CDM-anslutningsappen stöder läsning, skrivning av data, exempel och kända problem.
November 2021 FÖRUTSÄGA T-SQL PREDICT-syntaxen är nu allmänt tillgänglig för dedikerade SQL-pooler. Kom igång med bedömningsguiden för maskininlärningsmodeller för dedikerade SQL-pooler.
Oktober 2021 Synapse RBAC-roller Rollrollerna för rollbaserad åtkomstkontroll i Synapse (RBAC) är nu allmänt tillgängliga. Läs mer om Synapse RBAC-roller och rollbaserad åtkomstkontroll i Azure Synapse (RBAC) med Hjälp av PowerShell.

Community

Det här avsnittet är ett arkiv med communitymöjligheter för Azure Synapse Analytics och Azure Synapse Influencer-programmet från Microsoft.

Month Funktion Läs mer
Maj 2022 Azure Synapse Influencer-program Registrera dig för vårt kostnadsfria Azure Synapse Influencer-program och anslut dig till en community med Synapse-användare som är dedikerade för att hjälpa andra att uppnå mer med molnanalys. Registrera dig nu för nästa Synapse Influencer Fråga experterna. Det är gratis att delta och alla är välkomna att delta och delta i diskussionen om Synapse-relaterade ämnen. Du kan titta på tidigare inspelade Ask the Experts-händelser på Azure Synapse YouTube-kanalen.
Mars 2022 Videoserien Azure Synapse Analytics och Microsoft MVP YouTube En gemensam aktivitet med Azure Synapse-produktteamet och Microsoft MVP-communityn, en ny YouTube MVP Video Series om Azure Synapse-funktionerna har startats. Mer information finns på Azure Synapse Analytics YouTube-kanalen.

Apache Spark för Azure Synapse Analytics

Det här avsnittet är ett arkiv med funktioner i Apache Spark för Azure Synapse Analytics.

Month Funktion Läs mer
Maj 2022 Azure Synapse-anslutningsprogram för dedikerad SQL-pool för Apache Spark är nu tillgängligt i Python Tidigare var Azure Synapse Dedicated SQL Pool Connector för Apache Spark endast tillgängligt med Scala. Nu kan den dedikerade SQL-poolanslutningen för Apache Spark användas med Python på Spark 3.
Maj 2022 Hantera Azure Synapse Apache Spark-konfiguration Med den nya apache Spark-konfigurationsfunktionen kan du skapa en fristående Spark-konfigurationsartefakt med automatiska förslag och inbyggda valideringsregler. Med Spark-konfigurationsartefakten kan du dela din Spark-konfiguration inom och mellan Azure Synapse-arbetsytor. Du kan också enkelt associera Spark-konfigurationen med en Spark-pool, en notebook-fil och en Spark-jobbdefinition för återanvändning och minimera behovet av att kopiera Spark-konfigurationen på flera platser.
April 2022 Apache Spark 3.2 för Synapse Analytics Apache Spark 3.2 för Synapse Analytics med förhandsversionstillgänglighet. Granska de officiella spark 3.2-versionsanteckningarna och migreringsriktlinjerna mellan Spark 3.1 och 3.2 för att utvärdera potentiella ändringar i dina program. Mer information finns i Apache Spark-versionsstöd och Azure Synapse Runtime för Apache Spark 3.2.
April 2022 Parameterisering för Spark-jobbdefinition Nu kan du tilldela parametrar dynamiskt baserat på variabler, metadata eller ange pipelinespecifika parametrar för Spark-jobbdefinitionsaktiviteten. Mer information finns i Transformera data med hjälp av Apache Spark-jobbdefinition.
April 2022 Ögonblicksbild av Apache Spark-notebook-fil Du kan komma åt en ögonblicksbild av notebook-filen när det uppstår ett pipeline notebook-körningsfel eller när det finns ett tidskrävande notebook-jobb. Mer information finns i Transformera data genom att köra en Synapse-anteckningsbok och Introduktion till Microsoft Spark-verktyg.
Mars 2022 Anslutningsprogram för Synapse Spark Common Data Model (CDM) CDM-formatläsaren/skrivaren gör det möjligt för ett Spark-program att läsa och skriva CDM-entiteter i en CDM-mapp via Spark-dataramar. Mer information finns i hur CDM-anslutningsappen stöder läsning, skrivning av data, exempel och kända problem.
Mars 2022 Prestandaoptimering för Synapse Spark-dedikerad SQL-poolanslutning Nya förbättringar av Azure Synapse Dedicated SQL Pool Connector för Apache Spark minskar dataflytten och utnyttjar COPY INTO. Prestandatester visade minst ~5x förbättring jämfört med den tidigare versionen. Ingen åtgärd krävs från användaren för att utnyttja dessa förbättringar. Mer information finns i Blogg: Synapse Spark Dedicated SQL Pool (DW) Connector: Prestandaförbättringar.
Mars 2022 Stöd för alla Alternativ för Spark Dataframe SaveMode Azure Synapse Dedicated SQL Pool Connector för Apache Spark stöder nu alla fyra SaveMode-alternativ för Spark Dataframe: Lägg till, Skriv över, ErrorIfExists, Ignorera. Mer information om Spark SaveMode finns i den officiella Apache Spark-dokumentationen.
Mars 2022 Apache Spark i Azure Synapse Analytics Intelligent Cache-funktion Intelligent Cache for Spark lagrar automatiskt varje läsning i det allokerade cachelagringsutrymmet, identifierar underliggande filändringar och uppdaterar filerna för att tillhandahålla de senaste data. Mer information om den här förhandsgranskningsfunktionen finns i Aktivera/inaktivera cachen för din Apache Spark-pool eller se blogginlägget.

Dataintegrering

Det här avsnittet är ett arkiv med funktioner i Azure Synapse Analytics-dataintegrering. Lär dig hur du läser in data i Azure Synapse Analytics med hjälp av Azure Data Factory (ADF) eller en Synapse-pipeline.

Month Funktion Läs mer
Juni 2022 Förhandsversion av SAP CDC-anslutningsapp En ny dataanslutning för SAP Change Data Capture (CDC) är nu tillgänglig i förhandsversionen. Mer information finns i Meddelande om offentlig förhandsversion av SAP CDC-lösningen i Azure Data Factory och Azure Synapse Analytics och SAP CDC-lösningen i Azure Data Factory.
Juni 2022 Fuzzy-kopplingsalternativ i Join Transformation Använd fuzzy-matchning med ett skjutreglage för likhetströskelpoäng som har lagts till i kopplingstransformeringen i Mappa dataflöden.
Juni 2022 Map Data tool GA Vi är glada över att kunna meddela att kartdataverktyget nu är allmänt tillgängligt. Verktyget Kartdata är en guidad process som hjälper dig att skapa ETL-mappningar och mappa dataflöden från dina källdata till Synapse utan att skriva kod.
Juni 2022 Kör pipelinen igen med nya parametrar Du kan nu ändra pipelineparametrar när du kör en pipeline igen från sidan Övervakning utan att behöva gå tillbaka till pipelineredigeraren. Mer information finns i Kör pipelines och aktiviteter igen.
Juni 2022 Användardefinierade funktioner GA Användardefinierade funktioner (UDF: er) i mappning av dataflöden är nu allmänt tillgängliga (GA).
Maj 2022 Exportera pipelineövervakning som en CSV Möjligheten att exportera pipelineövervakning till CSV och andra övervakningsförbättringar har införts i ADF.
Maj 2022 Automatisk inkrementell källdatainläsning från PostgreSQL och MySQL Automatisk inkrementell källdatainläsning från PostgreSQL och MySQL till Synapse SQL och Azure Database är nu internt tillgängliga i ADF.
Maj 2022 Kontroll av transformeringsfelhantering Felhantering har nu lagts till i mottagare efter en kontrolltransformering i dataflödet för mappning. Nu kan du välja om du vill mata ut de misslyckade raderna till den valda mottagaren eller till en separat fil.
Maj 2022 Mappa redigering av dataflöden I mappning av dataflöden kan du nu uppdatera kolumnnamn och kolumntyper för källprojektion.
April 2022 Dataverse-anslutningsprogram för Synapse Data Flows Dataverse är nu en käll- och mottagaranslutning till Synapse Data Flows. Du kan kopiera och transformera data från Dynamics 365 (Microsoft Dataverse) eller Dynamics CRM med hjälp av Azure Data Factory eller Azure Synapse Analytics.
April 2022 Tidsgräns för konfigurerbar Synapse Pipelines-webbaktivitetssvar Med timeout-egenskapen httpRequestTimeoutför svar kan du definiera en tidsgräns för HTTP-begäran upp till 10 minuter. Webbaktiviteter fungerar exceptionellt bra med API:er som följer det asynkrona begärandesvarsmönstret, en föreslagen metod för att skapa skalbara webb-API:er/tjänster.
Mars 2022 sFTP-anslutningsapp för Synapse-dataflöden En intern sftp-anslutning i Synapse-dataflöden stöds för att läsa och skriva data från sFTP med hjälp av det visuella dataflödesgränssnittet med låg kod i Synapse. Mer information finns i Kopiera och transformera data i SFTP-servern med hjälp av Azure Data Factory eller Azure Synapse Analytics.
Mars 2022 Förbättringar av dataflödet i förhandsversionen av data Granska funktioner som lagts till i dataförhandsgranskningen och felsöka förbättringar i Mappa dataflöden.
Mars 2022 Pipelineskriptaktivitet Nu kan du transformera data med hjälp av skriptaktiviteten för att anropa SQL-kommandon för att utföra både DDL och DML.
December 2021 Anpassade partitioner för Synapse-länk för Azure Cosmos DB Förbättra frågekörningstiderna för dina Spark-frågor genom att skapa anpassade partitioner baserat på fält som ofta används i dina frågor. Mer information finns i Anpassad partitionering i Azure Synapse Link för Azure Cosmos DB (förhandsversion).

Databasmallar och databasdesigner

Det här avsnittet är ett arkiv med funktioner i databasmallar och databasdesignern.

Month Funktion Läs mer
April 2022 Databasdesigner Databasdesignern gör det möjligt för användare att visuellt skapa databaser i Synapse Studio utan att skriva en enda kodrad. Mer information finns i Meddelande om allmän tillgänglighet för databasdesignern. Läs mer om lake-databaser och lär dig hur du ändrar en befintlig lake-databas med hjälp av databasdesignern.
April 2022 Databasmallar Nya branschspecifika databasmallar introducerades i bloggen För allmän tillgänglighet för Synapse-databasmallar. Läs mer om databasmallar och den förbättrade utforskningsupplevelsen.
April 2022 Klona sjödatabas I Synapse Studio kan du nu klona en databas med hjälp av åtgärdsmenyn som är tillgänglig i lake-databasen. Mer information finns i Instruktioner: Klona en sjödatabas.
April 2022 Använd jokertecken för att ange anpassade mapphierarkier Lake-databaser finns ovanpå data som finns i sjön och dessa data kan finnas i kapslade mappar som inte passar in i rena partitionsmönster. Nu kan du använda jokertecken för att ange anpassade mapphierarkier. Mer information finns i Anvisningar: Ändra en datalake.
Januari 2022 Nya databasmallar Läs mer om nya branschspecifika mallar för fordon, genomik, tillverkning och läkemedel och kom igång med databasmallar i Synapse Studio-galleriet.

Utvecklarupplevelse

Det här avsnittet är ett arkiv med livskvalitets- och funktionsförbättringar för utvecklare i Azure Synapse Analytics.

Month Funktion Läs mer
Maj 2022 Azure Synapse Analyzer-rapporten har uppdaterats Lär dig mer om de nya funktionerna i version 2.0 av Synapse Analyzer-rapporten.
April 2022 Azure Synapse Analyzer-rapport Azure Synapse Analyzer-rapporten hjälper dig att identifiera vanliga problem som kan finnas i databasen som kan leda till prestandaproblem.
April 2022 Referens för opublicerade anteckningsböcker När du använder %run notebooks kan du nu aktivera "opublicerad notebook-referens", vilket gör att du kan referera till opublicerade notebook-filer. När det är aktiverat hämtar notebook-körningen det aktuella innehållet i notebook-webbcachen, vilket innebär att ändringarna i anteckningsboksredigeraren kan refereras direkt av andra notebook-filer utan att behöva publiceras (liveläge) eller checkas in (Git-läge).
Mars 2022 Kodceller med undantag för att visa standardutdata I Synapse-notebook-filer visas nu både standardutdata och undantagsmeddelanden när en kodsats misslyckas för Python- och Scala-språk. Exempel finns i Synapse Notebooks: Kodceller med undantag för att visa standardutdata.
Mars 2022 Partiella utdata är tillgängliga för att köra notebook-kodceller Nu i Synapse-notebook-filer kan du se allt du skriver (med println kommandon, till exempel) när cellen körs, i stället för att vänta tills den slutar. Exempel finns i Synapse Notebooks: Partiella utdata är tillgängliga för att köra notebook-kodceller .
Mars 2022 Kontrollera spark-sessionskonfigurationen dynamiskt med pipelineparametrar Nu i Synapse Notebooks kan du använda pipelineparametrar för att konfigurera sessionen med notebook-filen %%configure magic. Exempel finns i Synapse Notebooks: Kontrollera spark-sessionskonfigurationen dynamiskt med pipelineparametrar.
Mars 2022 Återanvända och hantera notebook-sessioner Nu i Synapse-notebook-filer är det enkelt att återanvända en aktiv session utan att behöva starta en ny och se och hantera dina aktiva sessioner i listan Aktiva sessioner . Om du vill visa dina sessioner väljer du de 3 punkterna i anteckningsboken och väljer Hantera sessioner. Exempel finns i Synapse Notebooks: Återanvända och hantera notebook-sessioner.
Mars 2022 Stöd för Python-loggning Nu i Synapse-notebook-filer registreras allt som skrivs via Python-loggningsmodulen, förutom drivrutinsloggarna. Exempel finns i Synapse-notebook-filer: Stöd för Python-loggning.

Machine Learning

Det här avsnittet är ett arkiv med funktioner och förbättringar av maskininlärningsmodeller i Azure Synapse Analytics.

Month Funktion Läs mer
Juni 2022 Distribuerad djup neural nätverksträning (förhandsversion) Azure Synapse-körningen innehåller även stödbibliotek som Petastorm och Horovod, som ofta används för distribuerad träning. Den här funktionen är för närvarande tillgänglig i förhandsversionen. Azure Synapse Analytics-körningen för Apache Spark 3.1 och 3.2 innehåller nu även stöd för de vanligaste djupinlärningsbiblioteken som TensorFlow och PyTorch. Mer information om hur du använder dessa bibliotek i dina GPU-accelererade pooler i Azure Synapse Analytics finns i självstudierna för djupinlärning.
November 2021 FÖRUTSÄGA T-SQL PREDICT-syntaxen är nu allmänt tillgänglig för dedikerade SQL-pooler. Kom igång med bedömningsguiden för maskininlärningsmodeller för dedikerade SQL-pooler.

Exempel och vägledning

Det här avsnittet är ett arkiv med väglednings- och exempelprojektresurser för Azure Synapse Analytics.

Month Funktion Läs mer
Juni 2022 Azure Orbital Analytics med Synapse Analytics Nu erbjuder vi en Azure Orbital-analysexempellösning som visar en implementering från slutpunkt till slutpunkt för att extrahera, läsa in, transformera och analysera rymdburna data med hjälp av geospatiala bibliotek och AI-modeller med Azure Synapse Analytics. Exempellösningen visar också hur du integrerar geospatiala specifika Azure AI-tjänstemodeller , AI-modeller från partner och bring-your-own-data-modeller.
Juni 2022 Migreringsguider för Oracle En ny Microsoft-skapad migreringsguide för Oracle till Azure Synapse Analytics är nu tillgänglig. Design och prestanda för Oracle-migreringar.
Juni 2022 Azure Synapse lyckades avsiktligt Spelboken om konceptbevis i Azure Synapse innehåller en guide till omfång, design, körning och utvärdering av ett konceptbevis för SQL- eller Spark-arbetsbelastningar.
Juni 2022 Migreringsguider för Teradata En ny Microsoft-skapad migreringsguide för Teradata till Azure Synapse Analytics är nu tillgänglig. Design och prestanda för Teradata-migreringar.
Juni 2022 Migreringsguider för IBM Netezza En ny Microsoft-skapad migreringsguide för IBM Netezza till Azure Synapse Analytics är nu tillgänglig. Design och prestanda för IBM Netezza-migreringar.

Säkerhet

Det här avsnittet är ett arkiv med säkerhetsfunktioner och inställningar i Azure Synapse Analytics.

Month Funktion Läs mer
April 2022 RBAC-roll för Synapse-övervakningsoperator Rollrollen rollbaserad åtkomstkontroll (RBAC) för Synapse Monitoring Operator gör att en användarpersona kan övervaka körningen av Synapse Pipelines och Spark-program utan att kunna köra eller avbryta körningen av dessa program. Mer information finns i Synapse RBAC-roller.
Mars 2022 Framtvinga minimal TLS-version Nu kan du höja eller sänka den lägsta TLS-versionen för dedikerade SQL-pooler i Synapse-arbetsytor. Mer information finns i Anslutningsinställningar för Azure SQL. Det hanterade SQL API :et för arbetsytan kan användas för att ändra de minsta TLS-inställningarna.
Mars 2022 Azure Synapse Analytics stöder nu endast Azure Active Directory-autentisering (Azure AD) Nu kan du använda Azure Active Directory-autentisering för att centralt hantera åtkomst till alla Azure Synapse-resurser, inklusive SQL-pooler. Du kan inaktivera lokal autentisering när du skapar eller när en arbetsyta har skapats via Azure-portalen.
December 2021 Användartilldelade hanterade identiteter Nu kan du använda användartilldelade hanterade identiteter i länkade tjänster för autentisering i Synapse Pipelines och Dataflöden. Mer information finns i Autentiseringsuppgifter i Azure Data Factory och Azure Synapse.
December 2021 Bläddra bland ADLS Gen2-mappar på Azure Synapse Analytics-arbetsytan Nu kan du bläddra och skydda en Azure Data Lake Storage Gen2-container (ADLS Gen2) i din Azure Synapse Analytics-arbetsyta genom att ansluta till en specifik container eller mapp i Synapse Studio.
December 2021 TLS 2.1 tillämpas för nya Synapse-arbetsytor Från och med december 2021 har ett krav för TLS 1.2 implementerats endast för nya Synapse-arbetsytor.

Azure Synapse Data Explorer

Azure Data Explorer (ADX) är en snabb och mycket skalbar datautforskningstjänst för logg- och telemetridata. Den erbjuder inmatning från Event Hubs, IoT Hubs, blobar som skrivits till blobcontainrar och Azure Stream Analytics-jobb. Det här avsnittet är ett arkiv med funktioner i Azure Synapse Data Explorer och Kusto Query Language (KQL). Läs mer om Vad är skillnaden mellan Azure Synapse Data Explorer och Azure Data Explorer? (Förhandsversion)

Month Funktion Läs mer
Juni 2022 Webbutforskaren ny startsida Den nya startsidan för Azure Synapse Web Explorer gör det ännu enklare att komma igång med Synapse Web Explorer.
Juni 2022 Exempelgalleri för Web Explorer Webbutforskarens exempelgalleri innehåller exempel från slutpunkt till slutpunkt på hur kunder använder populära användningsfall i Synapse Data Explorer, till exempel Logs Data, Metrics Data, IoT-data och Grundläggande stordata.
Juni 2022 Instrumentpaneler i Web Explorer ökar detaljnivån för funktioner Nu kan du använda drillthroughs som parametrar i dina Synapse Web Explorer-instrumentpaneler.
Juni 2022 Tidszonsinställningar för Web Explorer Tidszonsinställningarna för Webbutforskaren gäller nu för både frågeresultatet och instrumentpanelen. Genom att ändra tidszonen uppdateras instrumentpanelerna automatiskt för att presentera data med den valda tidszonen.
Maj 2022 Synapse Data Explorer-livefråga i Excel Med hjälp av den nya datautforskarens webbupplevelse Open in Excel-funktionen kan du nu ge åtkomst till liveresultat för din fråga genom att dela den anslutna Excel-arbetsboken med kollegor och teammedlemmar. Du kan öppna livefrågan i en Excel-arbetsbok och uppdatera den direkt från Excel för att få de senaste frågeresultaten. Om du vill skapa en Excel-arbetsbok som är ansluten till Synapse Data Explorer börjar du med att köra en fråga i webbupplevelsen.
Maj 2022 Använda hanterade identiteter för externa SQL Server-tabeller Med stöd för hanterad identitet är Synapse Data Explorer-tabelldefinitionen nu enklare och säkrare. Nu kan du använda hanterade identiteter i stället för att ange dina autentiseringsuppgifter. Mer information om externa tabeller finns i Skapa och ändra externa SQL Server-tabeller.
Maj 2022 Azure Synapse Data Explorer-anslutningsprogram för Microsoft Power Automate, Logic Apps och Power Apps Nya Azure Data Explorer-anslutningsappar för Power Automate är allmänt tillgängliga (GA). Mer information finns i Azure Data Explorer-anslutningsprogrammet för Microsoft Power Automate, Microsoft Logic App och Azure Data Explorer samt möjligheten att skapa Power Apps-program för att fråga efter data i Azure Data Explorer.
Maj 2022 Routning av dynamiska händelser från händelsehubb till flera databaser Vi stöder nu routning av händelsedata från Azure Event Hub/Azure IoT Hub/Azure Event Grid till flera databaser som finns i ett enda ADX-kluster. Mer information om dynamisk routning finns i Mata in från händelsehubben.
Maj 2022 Konfigurera en databas med hjälp av ett infogat KQL-skript som en del av JSON ARM-distributionsmallen Att köra ett KQL-skript (Kusto Query Language) för att konfigurera databasen kan nu göras med hjälp av ett infogat skript som tillhandahålls infogat som en parameter till en JSON ARM-mall.

Azure Synapse Link är ett automatiserat system för replikering av data från SQL Server eller Azure SQL Database, Azure Cosmos DB eller Dataverse till Azure Synapse Analytics. Det här avsnittet är ett arkiv med nyheter om Azure Synapse Link-funktionen.

Month Funktion Läs mer
Maj 2022 Förhandsversion av Azure Synapse Link för SQL Azure Synapse Link för SQL är en förhandsversion för både SQL Server 2022 och Azure SQL Database. Azure Synapse Link-funktionen ger datareplikering med låg och ingen kod nära realtid från dina SQL-baserade driftlager till Azure Synapse Analytics. Tillhandahålla BI-rapportering om driftdata nästan i realtid, med minimal påverkan på ditt driftlager. Förhandsversionen av Azure Synapse Link för SQL har meddelats. Mer information finns i Blogg: Azure Synapse Link för SQL Deep Dive.

Synapse SQL

Det här avsnittet är ett arkiv med förbättringar och funktioner i SQL-pooler i Azure Synapse Analytics.

Month Funktion Läs mer
Juni 2022 Ökning av storleksgräns för resultatuppsättning Den maximala storleken på frågeresultatuppsättningar i serverlösa SQL-pooler har ökats från 200 GB till 400 GB.
Maj 2022 Automatisk beräkning av kolumnlängd för tecken för serverlösa SQL-pooler Det är inte längre nödvändigt att definiera teckenkolumnlängder för serverlösa SQL-pooler i datasjön. Du kan få optimala frågeprestanda utan att behöva definiera schemat eftersom den serverlösa SQL-poolen använder automatiskt beräknade genomsnittliga kolumnlängder och kardinalitetsuppskattningar.
April 2022 Återställning mellan prenumerationer för Azure Synapse SQL GA Med PowerShell-modulen Az.Sql 3.8-uppdateringen kan cmdleten Restore-AzSqlDatabase användas för återställning mellan prenumerationer av dedikerade SQL-pooler. Mer information finns i Återställa en dedikerad SQL-pool till en annan prenumeration. Den här funktionen är nu allmänt tillgänglig för dedikerade SQL-pooler (tidigare SQL DW) och dedikerade SQL-pooler på en Synapse-arbetsyta. Vad är skillnaden?
April 2022 Återställa SQL-pool från borttagen server eller arbetsyta Med PowerShell Restore-cmdletarna i Az.Sql och Az.Synapse modulerna kan du nu återställa från en borttagen server eller arbetsyta utan att skicka in ett supportärende. Mer information finns i Återställa en dedikerad SQL-pool från en borttagen Azure Synapse-arbetsyta eller Återställa en fristående dedikerad SQL-pool (tidigare SQL DW) från en borttagen server, beroende på ditt scenario.
Mars 2022 Kryptering på kolumnnivå för dedikerade SQL-pooler Kryptering på kolumnnivå är nu allmänt tillgängligt för användning på nya och befintliga logiska Azure SQL-servrar med Dedikerade SQL-pooler i Azure Synapse och dedikerade SQL-pooler i Azure Synapse-arbetsytor. Stöd för SQL Server Data Tools (SSDT) för kryptering på kolumnnivå för de dedikerade SQL-poolerna är tillgängligt från och med version 17.2 Förhandsversion 2 av Visual Studio 2022.
Mars 2022 Parallell körning för CETAS Bättre prestanda för CREATE TABLE AS SELECT (CETAS) och efterföljande SELECT-instruktioner som nu möjliggörs med hjälp av parallella körningsplaner. Exempel finns i Bättre prestanda för CETAS och efterföljande SELECTs.

Tidigare månatliga uppdateringar i Azure Synapse Analytics

Följande är det tidigare formatet för månatliga nyhetsuppdateringar för Synapse Analytics.

Uppdatering i juni 2022

Allmänt

  • Azure Orbital Analytics med Synapse Analytics – Vi erbjuder nu en Azure Orbital-analysexempellösning som visar en implementering från slutpunkt till slutpunkt för att extrahera, läsa in, transformera och analysera rymdburna data med hjälp av geospatiala bibliotek och AI-modeller med Azure Synapse Analytics. Exempellösningen visar också hur du integrerar geospatiala specifika Azure AI-tjänstemodeller , AI-modeller från partner och bring-your-own-data-modeller.

  • Azure Synapse lyckades avsiktligt – Projektframgång är ingen slump och kräver noggrann planering och körning. Synapse Analytics's Success by Design-spelböcker är nu tillgängliga. Spelboken om konceptbevis i Azure Synapse innehåller en guide till omfång, design, körning och utvärdering av ett konceptbevis för SQL- eller Spark-arbetsbelastningar. De här guiderna innehåller metodtips från de mest utmanande och komplexa lösningsimplementeringarna som innehåller Azure Synapse. Mer information om Spelboken om konceptbevis i Azure Synapse finns i Success by Design (Lyckad design).

SQL

Ökning av storleksgränsen för resultatuppsättningar – Vi vet att du vänder dig till Azure Synapse Analytics för att arbeta med stora mängder data. Med detta i åtanke har den maximala storleken på frågeresultatuppsättningar i serverlösa SQL-pooler ökat från 200 GB till 400 GB. Den här gränsen delas mellan samtidiga frågor. Mer information om den här storleksgränsökningen och andra begränsningar finns i Självhjälp för serverlös SQL-pool.

Synapse-datautforskaren

  • Web Explorer ny startsida – Den nya Synapse Web Explorer-startsidan gör det ännu enklare att komma igång med Synapse Web Explorer. Webbutforskarens startsida innehåller nu följande avsnitt:

    • Kom igång – Exempelgalleriet erbjuder exempelfrågor och instrumentpaneler för populära Användningsfall för Synapse Data Explorer.
    • Rekommenderas – Populära inlärningsmoduler som hjälper dig att hantera Synapse Web Explorer och KQL.
    • Dokumentation – Grundläggande och avancerad dokumentation för Synapse Web Explorer.

  • Exempelgalleri för Web Explorer – Ett bra sätt att lära sig mer om en produkt är att se hur den används av andra. Webbutforskarens exempelgalleri innehåller exempel från slutpunkt till slutpunkt på hur kunder använder populära användningsfall i Synapse Data Explorer, till exempel Logs Data, Metrics Data, IoT-data och Grundläggande stordata. Varje exempel innehåller datamängden, väldokumenterade frågor och en exempelinstrumentpanel. Mer information om exempelgalleriet finns i Azure Data Explorer på 60 minuter med det nya exempelgalleriet.

  • Instrumentpaneler i Web Explorer ökar detaljnivån – Nu kan du lägga till funktioner för att öka detaljnivån i dina Synapse Web Explorer-instrumentpaneler. Med de nya funktionerna för att öka detaljnivån kan du enkelt hoppa fram och tillbaka mellan instrumentpanelssidorna. Detta möjliggörs med hjälp av ett sammanhangsberoende filter för att ansluta dina instrumentpaneler. Du kan definiera de här sammanhangsberoende detaljgranskningarna genom att redigera de visuella interaktionerna för den valda panelen på instrumentpanelen. Mer information om hur du går igenom funktioner finns i Använda drillthroughs som instrumentpanelsparametrar.

  • Tidszonsinställningar för Web Explorer – Det är mycket kraftfullt att kunna visa data i olika tidszoner. Nu kan du välja att visa data i UTC-tid, din lokala tidszon eller tidszonen för den övervakade enheten/datorn. Tidszonsinställningarna för Webbutforskaren gäller nu för både frågeresultatet och instrumentpanelen. Genom att ändra tidszonen uppdateras instrumentpanelerna automatiskt för att presentera data med den valda tidszonen. Mer information om tidszonsinställningar finns i Ändra datetime till specifik tidszon.

Dataintegrering

  • Fuzzy Join-alternativet i Join Transformation – Fuzzy-matchning med ett alternativ för glidande likhetspoäng har lagts till i kopplingstransformeringen i Mappa dataflöden. Du kan skapa inre och yttre kopplingar på datavärden som liknar snarare än exakta matchningar! Tidigare skulle du ha varit tvungen att använda en exakt matchning. Det glidande skalningsvärdet går från 60 % till 100 %, vilket gör det enkelt att justera likhetströskeln för matchningen. Mer information om fuzzy-kopplingar finns i Join transformation in mapping data flow (Anslut transformering i mappning av dataflöde).

  • Kartdata [allmänt tillgängliga] – Vi är glada över att kunna meddela att kartdataverktyget nu är allmänt tillgängligt. Verktyget Kartdata är en guidad process som hjälper dig att skapa ETL-mappningar och mappa dataflöden från dina källdata till Synapse utan att skriva kod. Mer information om mappningsdata finns i Mappa data i Azure Synapse Analytics.

  • Kör pipelinen igen med nya parametrar – Du kan nu ändra pipelineparametrar när du kör en pipeline igen från sidan Övervakning utan att behöva gå tillbaka till pipelineredigeraren. När du har kört en pipeline med nya parametrar kan du enkelt övervaka den nya körningen mot de gamla utan att behöva växla mellan sidor. Mer information om hur du kör pipelines igen med nya parametrar finns i Kör pipelines och aktiviteter igen.

  • Användardefinierade funktioner [allmänt tillgängliga] – Vi är glada över att kunna meddela att användardefinierade funktioner (UDF: er) nu är allmänt tillgängliga. Med användardefinierade funktioner kan du skapa anpassade uttryck som kan återanvändas i flera mappningsdataflöden. Du behöver inte längre använda samma strängmanipulering, matematiska beräkningar eller annan komplex logik flera gånger. Användardefinierade funktioner grupperas i bibliotek för att hjälpa utvecklare att gruppera vanliga uppsättningar funktioner. Mer information om användardefinierade funktioner finns i Användardefinierade funktioner i mappning av dataflöden.

Maskininlärning

Distribuerad djup neural nätverksträning med Horovod och Petastorm [offentlig förhandsversion] – För att förenkla processen för att skapa och hantera GPU-accelererade pooler tar Azure Synapse hand om förinstallation av bibliotek på låg nivå och konfigurerar alla komplexa nätverkskrav mellan beräkningsnoder. Med den här integreringen kan användarna komma igång med GPU-accelererade pooler på bara några minuter.

Nu har Azure Synapse Analytics inbyggt stöd för djupinlärningsinfrastruktur. Azure Synapse Analytics-körningen för Apache Spark 3.1 och 3.2 innehåller nu stöd för de vanligaste djupinlärningsbiblioteken som TensorFlow och PyTorch. Azure Synapse-körningen innehåller även stödbibliotek som Petastorm och Horovod, som ofta används för distribuerad träning. Den här funktionen är för närvarande tillgänglig i offentlig förhandsversion.

Mer information om hur du använder dessa bibliotek i dina GPU-accelererade pooler i Azure Synapse Analytics finns i självstudierna för djupinlärning.

Uppdatering maj 2022

Följande uppdateringar är nya för Azure Synapse Analytics den här månaden.

Allmänt

Kom igång med det nya Azure Synapse Influencer-programmet! Gå med i en community med Azure Synapse Influencers som hjälper varandra att uppnå mer med molnanalys! Azure Synapse Influencer-programmet identifierar Azure Synapse Analytics-användare och förespråkare som aktivt stöder communityn genom att dela Synapse-relaterat innehåll, meddelanden och produktnyheter via sociala medier.

SQL

  • Migreringsguide för datalager för dedikerade SQL-pooler i Azure Synapse Analytics – Med de fördelar som molnmigrering erbjuder hör vi att du ofta letar efter steg, processer eller riktlinjer att följa för snabba och enkla migreringar från befintliga informationslagermiljöer. Vi har precis släppt en uppsättning migreringsguider för Information Warehouse för att underlätta övergången till dedikerade SQL-pooler i Azure Synapse Analytics.

  • Automatisk beräkning av kolumnlängd för tecken – Det är inte längre nödvändigt att definiera längden på teckenkolumnen! Med serverlösa SQL-pooler kan du köra frågor mot filer i datasjön utan att känna till schemat i förväg. Det bästa sättet var att ange längden på teckenkolumner för att få optimal prestanda. Inte längre! Med den här nya funktionen kan du få optimala frågeprestanda utan att behöva definiera schemat. Den serverlösa SQL-poolen beräknar den genomsnittliga kolumnlängden för varje härledd teckenkolumn eller teckenkolumn som definierats som större än 100 byte. Schemat förblir detsamma, medan den serverlösa SQL-poolen använder de beräknade genomsnittliga kolumnlängderna internt. Den beräknar också automatiskt kardinalitetsuppskattningen om det inte fanns någon tidigare skapad statistik.

Apache Spark för Synapse

  • Azure Synapse Dedicated SQL Pool Connector för Apache Spark nu tillgängligt i Python – Tidigare var Azure Synapse Dedicated SQL Pool-anslutningsappen endast tillgänglig med Scala. Nu kan den användas med Python på Spark 3. Den enda skillnaden mellan Scala- och Python-implementeringarna är det valfria Scala-återanropshandtaget, som gör att du kan ta emot mått efter skrivning.

    Följande stöds nu i Python på Spark 3:

    • Läsa med hjälp av Azure Active Directory-autentisering (AD) eller grundläggande autentisering
    • Skriva till intern tabell med Azure AD-autentisering eller grundläggande autentisering
    • Skriva till extern tabell med Azure AD-autentisering eller grundläggande autentisering

    Mer information om anslutningsappen i Python finns i Azure Synapse Dedicated SQL Pool Connector för Apache Spark.

  • Hantera Azure Synapse Apache Spark-konfiguration – Apache Spark-konfigurationshantering är alltid en utmanande uppgift eftersom Spark har hundratals egenskaper. Det är också svårt för dig att känna till det optimala värdet för Spark-konfigurationer. Med den nya spark-konfigurationshanteringsfunktionen kan du skapa en fristående Spark-konfigurationsartefakt med automatiska förslag och inbyggda valideringsregler. Med Spark-konfigurationsartefakten kan du dela din Spark-konfiguration inom och mellan Azure Synapse-arbetsytor. Du kan också enkelt associera Spark-konfigurationen med en Spark-pool, en notebook-fil och en Spark-jobbdefinition för återanvändning och minimera behovet av att kopiera Spark-konfigurationen på flera platser. Mer information om den nya spark-konfigurationshanteringsfunktionen finns i Hantera Apache Spark-konfiguration.

Synapse Data Explorer

  • Synapse Data Explorer live-fråga i Excel – Med hjälp av den nya datautforskarens webbupplevelse Öppna i Excel-funktionen kan du nu ge åtkomst till liveresultat för din fråga genom att dela den anslutna Excel-arbetsboken med kollegor och teammedlemmar.  Du kan öppna livefrågan i en Excel-arbetsbok och uppdatera den direkt från Excel för att få de senaste frågeresultaten. Mer information om Excel live-fråga finns i Öppna livefråga i Excel.

  • Använd hanterade identiteter för externa SQL Server-tabeller – En av de viktigaste fördelarna med Azure Synapse är möjligheten att sammanföra dataintegrering, lagring av företagsdata och stordataanalys. Med stöd för hanterad identitet är Synapse Data Explorer-tabelldefinitionen nu enklare och säkrare. Nu kan du använda hanterade identiteter i stället för att ange dina autentiseringsuppgifter.

    En extern SQL-tabell är en schemaentitet som refererar till data som lagras utanför Synapse Data Explorer-databasen. Med kommandot Skapa och ändra externa SQL Server-tabeller kan du enkelt lägga till externa SQL-tabeller i Synapse Data Explorer-databasschemat.

    Mer information om hanterade identiteter finns i Översikt över hanterade identiteter.

    Mer information om externa tabeller finns i Skapa och ändra externa SQL Server-tabeller.

  • Den nya KQL Learn-modulen (2 av 3) är live! – Kraften i Kusto Query Language (KQL) är dess enkelhet att köra frågor mot strukturerade, halvstrukturerade och ostrukturerade data tillsammans. För att göra det enklare för dig att lära dig KQL släpper vi Learn-moduler. Tidigare släppte vi Skriv din första fråga med Kusto Query Language. Ny den här månaden är Få insikter från dina data med hjälp av Kusto Query Language.

    KQL är det frågespråk som används för att fråga stordata i Synapse Data Explorer. KQL har en snabbt växande användarcommunity med hundratusentals utvecklare, datatekniker, dataanalytiker och studenter.

    Kolla in den senaste KQL Learn-modulen och se själv hur enkelt det är att bli en KQL-master.

    Mer information om KQL finns i Översikt över Kusto Query Language (KQL).

  • Azure Synapse Data Explorer-anslutningsprogrammet för Microsoft Power Automate, Logic Apps och Power Apps [Allmänt tillgängligt] – Azure Data Explorer-anslutningsappen för Power Automate gör att du kan orkestrera och schemalägga flöden, skicka meddelanden och aviseringar som en del av en schemalagd eller utlöst uppgift. Mer information finns i Azure Data Explorer-anslutningsappen för Microsoft Power Automate och användningsexempel för Azure Data Explorer-anslutningsprogram till Power Automate.

  • Routning av dynamiska händelser från händelsehubben till flera databaser – Routningshändelser från Event Hub/IOT Hub/Event Grid är en aktivitet som vanligtvis utförs av AdX-användare (Azure Data Explorer). Tidigare kunde du endast dirigera händelser till en enda databas per definierad anslutning. Om du vill dirigera händelserna till flera databaser behövde du skapa flera ADX-klusteranslutningar.

    För att förenkla upplevelsen stöder vi nu routning av händelsedata till flera databaser som finns i ett enda ADX-kluster. Mer information om dynamisk routning finns i Mata in från händelsehubben.

  • Konfigurera en databas med hjälp av ett infogat KQL-skript som en del av JSON ARM-distributionsmallen – Tidigare hade Azure Data Explorer stöd för att köra ett KQL-skript (Kusto Query Language) för att konfigurera databasen under distributionen av ARM-mallen (Azure Resource Manager). Nu kan detta göras med hjälp av ett infogat skript som tillhandahålls infogat som en parameter till en JSON ARM-mall. Mer information om hur du använder ett infogat KQL-skript finns i Konfigurera en databas med hjälp av ett Kusto Query Language-skript.

Dataintegrering

  • Exportera pipelineövervakning som en CSV – Möjligheten att exportera pipelineövervakning till CSV har lagts till efter att ha tagit emot många community-begäranden för funktionen. Filtrera bara skärmen Pipeline-körningar till de data du vill ha och välj Exportera till CSV*. Mer information om hur du exporterar pipelineövervakning och andra övervakningsförbättringar finns i Azure Data Factory-övervakningsförbättringar.

  • Inkrementell datainläsning gjorde det enkelt för Synapse och Azure Database for PostgreSQL och MySQL – I en dataintegreringslösning är inläsning av data stegvis efter en inledande fullständig datainläsning ett vanligt scenario. Automatisk inläsning av inkrementella källdata är nu inbyggt tillgängligt för Synapse SQL och Azure Database for PostgreSQL och MySQL. Användare kan "aktivera inkrementellt extrahering" och endast infogade eller uppdaterade rader kommer att läsas av pipelinen. Mer information om inkrementell datainläsning finns i Kopiera inkrementellt data från ett källdatalager till ett måldatalager.

  • Användardefinierade funktioner för mappning av dataflöden [offentlig förhandsversion] – Vi hör att du kan hitta dig själv göra samma strängmanipulering, matematiska beräkningar eller annan komplex logik flera gånger. Med den nya användardefinierade funktionsfunktionen kan du nu skapa anpassade uttryck som kan återanvändas i flera mappningsdataflöden. Användardefinierade funktioner grupperas i bibliotek för att hjälpa utvecklare att gruppera vanliga uppsättningar funktioner. När du har skapat ett dataflödesbibliotek kan du lägga till dina användardefinierade funktioner. Du kan till och med lägga till flera argument för att göra funktionen mer återanvändbar. Mer information om användardefinierade funktioner finns i Användardefinierade funktioner i mappning av dataflöden.

  • Kontroll av felhantering – Felhantering har nu lagts till i mottagare efter en kontrollomvandling. Med kontrolltransformeringar kan du skapa anpassade regler för datakvalitet och dataverifiering. Nu kan du välja om du vill mata ut de misslyckade raderna till den valda mottagaren eller till en separat fil. Mer information om felhantering finns i Assert data transformation in mapping data flow (Bekräfta datatransformering i mappning av dataflöde).

  • Redigering av dataflödens projektion – Nya uppdateringar av användargränssnittet har gjorts för redigering av källprojektion i mappning av dataflöden. Nu kan du uppdatera kolumnnamn och kolumntyper för källprojektion. Mer information om redigering av källprojektion finns i Källtransformering i mappning av dataflöde.

Azure Synapse Link för SQL Server – I Microsoft Build 2022 tillkännagav vi tillgängligheten för offentlig förhandsversion av Azure Synapse Link för SQL för både SQL Server 2022 och Azure SQL Database. Datadrivna kvalitetsinsikter är avgörande för att företag ska förbli konkurrenskraftiga. Hastigheten för att uppnå dessa insikter kan göra hela skillnaden. Den kostsamma och tidskrävande karaktären hos traditionella ETL- och ELT-pipelines räcker inte längre. Med den här versionen kan du nu dra nytta av datareplikering med låg och ingen kod nära realtid från dina SQL-baserade driftlager till Azure Synapse Analytics. Det gör det enklare att köra BI-rapportering på driftdata nästan i realtid, med minimal påverkan på ditt driftlager. Mer information finns i Meddelande om den offentliga förhandsversionen av Azure Synapse Link för SQL och titta på vår YouTube-video.

Apr 2022-uppdatering

Följande uppdateringar är nya för Azure Synapse Analytics den här månaden.

SQL

  • Återställning mellan prenumerationer för Azure Synapse SQL är nu allmänt tillgänglig. Tidigare tog det många odokumenterade steg för att återställa en dedikerad SQL-pool till en annan prenumeration. Nu kan cmdleten Restore-AzSqlDatabase med PowerShell Az.Sql-modulen 3.8 användas för återställning mellan prenumerationer. Mer information finns i Återställa en dedikerad SQL-pool (tidigare SQL DW) till en annan prenumeration.

  • Nu är det möjligt att återställa en SQL-pool från en borttagen server eller arbetsyta. Med PowerShell Restore-cmdletarna i Az.Sql- och Az.Synapse-modulerna kan du nu återställa från en borttagen server eller arbetsyta utan att skicka in ett supportärende. Mer information finns i Synapse-arbetsytans SQL-pooler eller fristående SQL-pooler (tidigare SQL DW), beroende på ditt scenario.

Synapse-databasmallar och databasdesigner

  • Baserat på populär kundfeedback har vi gjort betydande förbättringar i vår utforskningsupplevelse när vi skapar en sjödatabas med hjälp av en branschmall. Mer information finns i Snabbstart: Skapa en ny Lake-databas som använder databasmallar.

  • Vi har lagt till alternativet för att klona en sjödatabas. Detta ger ytterligare möjligheter att hantera nya versioner av databaser eller stödscheman som utvecklas i diskreta steg. Du kan snabbt klona en databas med hjälp av åtgärdsmenyn som är tillgänglig i lakedatabasen. Mer information finns i Instruktioner: Klona en sjödatabas.

  • Nu kan du använda jokertecken för att ange anpassade mapphierarkier. Lake-databaser finns ovanpå data som finns i sjön och dessa data kan finnas i kapslade mappar som inte passar in i rena partitionsmönster. Tidigare krävde frågor mot Lake-databaser att dina data finns i en enkel katalogstruktur som du kan bläddra i med hjälp av mappikonen utan möjlighet att manuellt ange katalogstruktur eller använda jokertecken. Mer information finns i Anvisningar: Ändra en datalake.

Apache Spark för Synapse

  • Vi är glada över att kunna meddela tillgängligheten för förhandsversionen av Apache Spark™ 3.2 i Synapse Analytics. Den här nya versionen innehåller användarbegärande förbättringar och löser över 1 700 Jira-biljetter. Granska den officiella viktig information för den fullständiga listan över korrigeringar och funktioner och granska migreringsriktlinjerna mellan Spark 3.1 och 3.2 för att utvärdera potentiella ändringar i dina program. Mer information finns i Apache Spark-versionsstöd och Azure Synapse Runtime för Apache Spark 3.2.

  • Att tilldela parametrar dynamiskt baserat på variabler, metadata eller att ange pipelinespecifika parametrar har varit en av dina främsta funktionsbegäranden. Nu, med lanseringen av parameterisering för Spark-jobbdefinitionsaktiviteten, kan du göra just det. Mer information finns i Transformera data med hjälp av Apache Spark-jobbdefinition.

  • Vi får ofta kundförfrågningar om att få åtkomst till ögonblicksbilden av notebook-filen när det uppstår ett pipeline notebook-körningsfel eller om det finns ett tidskrävande notebook-jobb. Med versionen av synapse Notebook-ögonblicksbildfunktionen kan du nu visa ögonblicksbilden av notebook-aktiviteten som körs med den ursprungliga Notebook-koden, cellutdata och indataparametrarna. Du kan också komma åt ögonblicksbilden av den refererade notebook-filen från den refererande notebook-cellens utdata om du refererar till andra notebook-filer via Spark-verktyg. Mer information finns i Transformera data genom att köra en Synapse-anteckningsbok och Introduktion till Microsoft Spark-verktyg.

Säkerhet

  • RBAC-rollen för Synapse-övervakningsoperatören är nu allmänt tillgänglig. Sedan ga i Synapse har kunderna bett om en detaljerad RBAC-roll (rollbaserad åtkomstkontroll) som gör det möjligt för en användarpersona att övervaka körningen av Synapse Pipelines och Spark-program utan att kunna köra eller avbryta körningen av dessa program. Nu kan kunder tilldela rollen Synapse Monitoring Operator till sådana övervakningspersoner. Detta gör att organisationer kan hålla sig kompatibla samtidigt som de har flexibilitet när det gäller delegering av uppgifter till individer eller team. Läs mer genom att läsa Synapse RBAC-roller.

Dataintegrering

  • Microsoft har lagt till Dataverse som en anslutningsapp för källa och mottagare till Synapse Data Flows så att du nu kan skapa ETL-jobb med låg kodtransformering i Synapse som har direkt åtkomst till din Dataverse-miljö. Mer information om hur du använder den här nya anslutningsappen finns i Mappa dataflödesegenskaper.

  • Vi har hört från dig att en tidsgräns på 1 minut för webbaktivitet inte var tillräckligt lång, särskilt i fall av synkrona API:er. Med timeout-egenskapen httpRequestTimeout för svar kan du nu definiera tidsgränsen för HTTP-begäran upp till 10 minuter. Läs mer genom att läsa förbättringar av tidsgränsen för webbaktivitetssvar.

Utvecklarupplevelse

  • Om du tidigare ville referera till en notebook-fil i en annan notebook-fil kunde du bara referera till publicerat eller bekräftat innehåll. När du använder %run notebooks kan du nu aktivera "opublicerad notebook-referens" som gör att du kan referera till opublicerade notebook-filer. När det är aktiverat hämtar notebook-körningen det aktuella innehållet i notebook-webbcachen, vilket innebär att ändringarna i anteckningsboksredigeraren kan refereras direkt av andra notebook-filer utan att behöva publiceras (liveläge) eller checkas in (Git-läge). Mer information finns i Referens avpublicerad notebook-fil.

Mar 2022-uppdatering

Följande uppdateringar är nya för Azure Synapse Analytics den här månaden.

Utvecklarupplevelse

  • Kodceller i Synapse-notebook-filer som resulterar i undantag visar nu standardutdata tillsammans med undantagsmeddelandet. Den här funktionen stöds för Python- och Scala-språk. Mer information finns i exempelutdata när en kodsats misslyckas.

  • Synapse-notebook-filer stöder nu partiella utdata när kodceller körs. Mer information finns i exemplen i det här blogginlägget

  • Nu kan du dynamiskt styra Spark-sessionskonfigurationen för notebook-aktiviteten med pipelineparametrar. Mer information finns i funktionen variabelutforskare i Synapse-notebook-filer.

  • Nu kan du återanvända och hantera notebook-sessioner utan att behöva starta en ny. Du kan enkelt ansluta en vald notebook-fil till en aktiv session i listan som startats från en annan notebook-fil. Du kan koppla från en session från en notebook-fil, stoppa sessionen och övervaka den. Mer information finns i hantera dina aktiva notebook-sessioner.

  • Synapse Notebooks samlar nu in allt som skrivs via Python-loggningsmodulen, utöver drivrutinsloggarna. Mer information finns i stöd för Python-loggning.

SQL

  • Kryptering på kolumnnivå för dedikerade SQL-pooler i Azure Synapse är nu allmänt tillgänglig. Med kryptering på kolumnnivå kan du använda olika skyddsnycklar för varje kolumn där varje nyckel har sina egna åtkomstbehörigheter. Data i CLE-framtvingade kolumner krypteras på disken och förblir krypterade i minnet tills funktionen DECRYPTBYKEY används för att dekryptera den. Mer information finns i hur du krypterar en datakolumn.

  • Serverlösa SQL-pooler stöder nu bättre prestanda för CETAS (Skapa extern tabell som Välj) och efterföljande SELECT-frågor. Prestandaförbättringarna omfattar en parallell körningsplan som resulterar i snabbare CETAS-körning och utdata för flera filer. Mer information finns i artikeln CETAS with Synapse SQL (CETAS med Synapse SQL) och blogginlägget

Apache Spark för Synapse

  • Synapse Spark Common Data Model(CDM) Connector är nu allmänt tillgänglig. CDM-formatläsaren/skrivaren gör det möjligt för ett Spark-program att läsa och skriva CDM-entiteter i en CDM-mapp via Spark-dataramar. Mer information finns i hur CDM-anslutningsappen stöder läsning, skrivning av data, exempel och kända problem.

  • Synapse Spark Dedicated SQL Pool (DW) Connector har nu stöd för bättre prestanda. Den nya arkitekturen eliminerar redundant dataflytt och använder COPY-INTO i stället för PolyBase. Du kan autentisera via grundläggande SQL-autentisering eller välja den Azure Active Directory/Azure AD-baserade autentiseringsmetoden. Den har nu ~5x förbättringar jämfört med den tidigare versionen. Mer information finns i Azure Synapse Dedicated SQL Pool Connector för Apache Spark

  • Synapse Spark Dedicated SQL Pool (DW) Connector har nu stöd för alla Alternativ för Spark Dataframe SaveMode. Den stöder lägena Append, Overwrite, ErrorIfExists och Ignore. Tillägg och överskrivning är viktiga för att hantera datainmatning i stor skala. Mer information finns i Stöd för Att skriva SaveMode för DataFrame

  • Påskynda Spark-körningshastigheten med den nya intelligenta cachefunktionen. Den här funktionen är för närvarande i allmänt tillgänglig förhandsversion. Intelligent Cache lagrar automatiskt varje läsning i det allokerade cachelagringsutrymmet, identifierar underliggande filändringar och uppdaterar filerna för att tillhandahålla de senaste data. Mer information finns i Aktivera/inaktivera cachen för Apache Spark-poolen eller i blogginlägget

Säkerhet

Dataintegrering

Uppdatering i februari 2022

Följande uppdateringar är nya för Azure Synapse Analytics den här månaden.

SQL

Dataintegrering

Uppdatering jan 2022

Följande uppdateringar är nya för Azure Synapse Analytics den här månaden.

Apache Spark för Synapse

Nu kan du använda fyra nya databasmallar i Azure Synapse. Läs mer om mallar för fordon, genomik, tillverkning och läkemedel i blogginlägget eller i artikeln om databasmallar. Dessa mallar är för närvarande i offentlig förhandsversion och är tillgängliga i Synapse Studio-galleriet.

Machine Learning

Förbättringar av Synapse Mašinsko učenje-biblioteket v0.9.5 (kallades tidigare MMLSpark). Den här versionen förenklar skapandet av massivt skalbara maskininlärningspipelines med Apache Spark. Mer information finns i blogginlägget om de nya funktionerna i den här versionen eller se de fullständiga versionsanteckningarna

Säkerhet

  • Säkerhetsöversikten för Azure Synapse Analytics – ett white paper som täcker de fem säkerhetsskikten. Säkerhetsskikten omfattar autentisering, åtkomstkontroll, dataskydd, nätverkssäkerhet och hotskydd. Förstå varje säkerhetsfunktion i detalj för att implementera en säkerhetsbaslinje av branschstandard och skydda dina data i molnet.

  • TLS 1.2 krävs nu för nyligen skapade Synapse-arbetsytor. Mer information finns i hur TLS 1.2 ger förbättrad säkerhet med hjälp av den här artikeln eller blogginlägget. Inloggningsförsök till en nyligen skapad Synapse-arbetsyta från anslutningar med TLS-versioner som är lägre än 1.2 misslyckas.

Dataintegrering

Synapse SQL

Uppdatering i december 2021

Följande uppdateringar är nya för Azure Synapse Analytics den här månaden.

Apache Spark för Synapse

  • Blogginlägg om att påskynda Spark-arbetsbelastningar med NVIDIA GPU-acceleration
  • Bloggartikel om att montera fjärrlagring till en Synapse Spark-pool
  • Artikeln Om att läsa och skriva data internt i ADLS med Pandas
  • Artikeln Dynamisk allokering av körbara filer för Spark-blogg

Machine Learning

Säkerhet

  • Användartilldelade hanterade identiteter stöds nu i bloggartikeln Synapse Pipelines i förhandsversionen
  • Bläddra bland ADLS Gen2-mappar i en Azure Synapse Analytics-arbetsyta i en förhandsgranskningsbloggartikel

Dataintegrering

  • Bloggartikel om pipelinefel
  • Bloggartikel om mappning av dataflöde hämtar nya interna anslutningsappar
  • Fler format för notebook-export: HTML, Python och LaTeX-blogg
  • Tre nya diagramtyper i notebook-vyn: ruta, histogram och pivottabellblogg
  • Återansluta till förlorad notebook-sessionsblogg

Integrera

  • Azure Synapse Link for Dataverse-bloggartikel
  • Bloggartikel om anpassade partitioner för Azure Synapse Link för Azure Cosmos DB i förhandsversion
  • Map data tool (Public Preview), en bloggartikel om ETL-upplevelse utan kod
  • Snabb återanvändning av spark-klusterbloggartikel
  • Bloggartikel om extern samtalstransformering
  • Bloggartikel om Flowlets (offentlig förhandsversion)

Uppdatering i november 2021

Följande uppdateringar är nya för Azure Synapse Analytics den här månaden.

Synapse Data Explorer

  • Synapse Data Explorer finns nu tillgänglig i en förhandsgranskningsbloggartikel

Arbeta med databaser och datasjöar

  • Introduktion till lakedatabaser (tidigare kallade Spark-databaser) bloggartikel
  • Lake Database Designer nu tillgänglig i förhandsversion blogg artikel
  • Bloggartikel om databasmallar och databasdesigner

SQL

  • Delta Lake-stöd för serverlös SQL är allmänt tillgänglig bloggartikel
  • Köra frågor mot flera filsökvägar med openrowset i en serverlös SQL-bloggartikel
  • Serverlösa SQL-frågor kan nu returnera upp till 200 GB resultatbloggartikel
  • Hantera ogiltiga rader med OPENROWSET i serverlös SQL-bloggartikel

Apache Spark för Synapse

  • Blogginlägg om att påskynda Spark-arbetsbelastningar med NVIDIA GPU-acceleration
  • Bloggartikel om att montera fjärrlagring till en Synapse Spark-pool
  • Artikeln Om att läsa och skriva data internt i ADLS med Pandas
  • Artikeln Dynamisk allokering av körbara filer för Spark-blogg

Machine Learning

Säkerhet

  • Användartilldelade hanterade identiteter stöds nu i bloggartikeln Synapse Pipelines i förhandsversionen
  • Bläddra bland ADLS Gen2-mappar i en Azure Synapse Analytics-arbetsyta i en förhandsgranskningsbloggartikel

Dataintegrering

  • Bloggartikel om pipelinefel
  • Bloggartikel om mappning av dataflöde hämtar nya interna anslutningsappar
  • Azure Synapse Link for Dataverse-bloggartikel
  • Bloggartikel om anpassade partitioner för Azure Synapse Link för Azure Cosmos DB i förhandsversion

Uppdatering i oktober 2021

Följande uppdateringar är nya för Azure Synapse Analytics den här månaden.

Allmänt

  • Hantera din kostnad med azure Synapse-bloggen för förköpsplaner
  • Bloggartikel om att flytta din Azure Synapse-arbetsyta mellan Azure-regioner

Apache Spark för Synapse

  • Bloggen för Spark-prestandaoptimering

Säkerhet

  • Alla Synapse RBAC-roller är nu allmänt tillgängliga för användning i produktionsbloggartikeln
  • Bloggartikeln Använd användartilldelade hanterade identiteter för dubbelkryptering
  • Synapse-administratörer har nu förhöjd åtkomst till bloggartikeln om dedikerade SQL-pooler

Kontroll

  • Synapse-arbetsytor kan nu automatiskt skicka ursprungsdata till Microsoft Purview-bloggartikeln

Integrera

  • Använda Stringify i dataflöden för att enkelt transformera komplexa datatyper till strängar bloggartikel
  • Kontroll spark session time-to-live (TTL) i dataflöden bloggartikel

CI/CD & Git

  • Distribuera Synapse-arbetsytor med hjälp av GitHub Actions-bloggartikel
  • Mer kontroll över att skapa Git-grenar i Synapse Studio-bloggartikeln

Utvecklarupplevelse

  • Bloggartikel om förbättrad Markdown-redigering i Synapse Notebooks preview
  • Bloggartikel om Pandas-dataramar återges automatiskt som snyggt formaterade HTML-tabeller
  • Använda IPython-widgetar i Bloggartikel om Synapse Notebooks
  • Mssparkutils-körningskontexten är nu tillgänglig för python- och Scala-bloggartikeln

Nästa steg

Kom igång med Azure Synapse Analytics