Dela via

Självstudie: Analysera data med en notebook-fil

  • Artikel

Gäller för:✅ SQL-analysslutpunkt och lager i Microsoft Fabric

I den här självstudien får du lära dig hur du kan använda analysera data med T-SQL Notebook eller använda en notebook-fil med en Genväg till Lakehouse.

Alternativ 1: Skapa en T-SQL-notebook-fil i lagret

Kom igång genom att skapa en T-SQL-notebook-fil på något av följande två sätt:

  1. Skapa en T-SQL-anteckningsbok från startsidan för Microsoft Fabric Warehouse. Gå till arbetsbelastningen Data Warehouse och välj Notebook.

  2. Välj + Lager och lägg till WideWorldImporters lagret. Välj informationslagret i WideWorldImporters dialogrutan OneLake-datahubben .

    Skärmbild från fabric-portalen med knappen Lägg till lager under Lager i området Alla källor i Utforskaren.

  3. Skapa en T-SQL-anteckningsbok från lagerredigeraren. Från ditt WideWorldImporters lager går du till det övre navigeringsfliksområdet och väljer Ny SQL-fråga och sedan Ny SQL-fråga i notebook-filen.

    Skärmbild från Fabric-portalen för alternativet Ny SQL-fråga i notebook-menyn.

  4. När notebook-filen har skapats kan du se WideWorldImporters att informationslagret läses in i utforskaren och menyfliksområdet visar T-SQL som standardspråk.

  5. Högerklicka om du vill starta menyalternativet Mer i dimension_city tabellen. Välj VÄLJ TOPP 100 för att generera en snabb SQL-mall för att utforska 100 rader från tabellen.

    Skärmbild från fabric-portalen med alternativet VÄLJ DE 100 översta raderna.

  6. Kör kodcellen så kan du se meddelanden och resultat.

    Skärmbild från Fabric-portalen med SELECT TOP 100-resultaten.

Alternativ 2: Skapa en genväg till lakehouse och analysera data med en notebook-fil

Först skapar vi ett nytt sjöhus. Så här skapar du ett nytt lakehouse på din Microsoft Fabric-arbetsyta:

  1. Data Warehouse Tutorial Välj arbetsytan i navigeringsmenyn.

  2. Välj + New>Lakehouse.

    Skärmbild från Fabric-portalen som visar menyn + Ny. Lakehouse är rutad i rött.

  3. I fältet Namn anger du ShortcutExerciseoch väljer Skapa.

  4. Det nya sjöhuset läses in och Utforskarvyn öppnas med menyn Hämta data i din lakehouse-meny. Under Läs in data i lakehouse väljer du knappen Ny genväg .

    Skärmbild från Fabric-portalen som visar menyn Läs in data i lakehouse på landningssidan. Knappen Ny genväg är rutad i rött.

  5. I fönstret Ny genväg väljer du knappen för Microsoft OneLake.

    Skärmbild från Infrastrukturportalen som visar fönstret Nytt genväg. Knappen för Microsoft OneLake är rutad i rött.

  6. I fönstret Välj en datakällstyp bläddrar du igenom listan tills du hittar det lager som WideWorldImporters du skapade tidigare. Välj den och välj sedan Nästa.

  7. I OneLake-objektwebbläsaren expanderar du Tabeller, expanderar dbo schemat och markerar sedan kryssrutan för dimension_customer. Välj Nästa. Välj Skapa.

  8. Om du ser en mapp som heter Unidentified under Tabeller väljer du ikonen Uppdatera i den vågräta menyraden.

    Skärmbild från Fabric-portalen som visar uppdateringsknappen på den vågräta menyraden och oidentifierade tabeller under ShortcutExercise i Lakehouse-utforskaren.

  9. dimension_customer Välj i tabelllistan för att förhandsgranska data. Lakehouse visar data från dimension_customer tabellen från lagret!

    Skärmbild från Fabric-portalen som visar dataförhandsgranskningen av tabellen dimension_customer.

  10. Skapa sedan en ny notebook-fil för att fråga tabellen dimension_customer . I menyfliksområdet Start väljer du listrutan för Öppna anteckningsbok och väljer Ny anteckningsbok.

  11. I Utforskaren väljer du källmappen Lakehouses.

  12. Välj och dra dimension_customer sedan från listan Tabeller till den öppna notebook-cellen. Du kan se att en PySpark-fråga har skrivits så att du kan köra frågor mot alla data från ShortcutExercise.dimension_customer. Den här notebook-upplevelsen liknar Visual Studio Code Jupyter Notebook-upplevelsen. Du kan också öppna notebook-filen i VS Code.

    Skärmbild från notebook-vyn i Fabric-portalen. En pil anger sökvägen för att välja dimension_customer och drar och släpper den sedan i den öppna notebook-cellen.

  13. I menyfliksområdet Start väljer du knappen Kör alla . När frågan är klar ser du att du enkelt kan använda PySpark för att köra frågor mot warehouse-tabellerna!

    Skärmbild från Fabric-portalen som visar resultatet av att köra anteckningsboken för att visa data från dimension_customer.

Gå vidare

Självstudie: Skapa frågor mellan lager med SQL-frågeredigeraren