Dela via

SQL Notebooks (förhandsversion)

SQL Notebooks i MSSQL-tillägget för Visual Studio Code erbjuder SQL-utveckling med hjälp av inbyggda Jupyter-notebooks i Visual Studio Code. Du kan kombinera interaktiv SQL-frågekörning med Markdown-dokumentationsceller för att skapa körbara frågesamlingar, dokumentdatabasåtgärder och dela reproducerbar analys.

Tips/Råd

SQL Notebooks är för närvarande i förhandsversion och kan ändras baserat på feedback. Gå med i communityn på GitHub Discussions för att dela idéer eller rapportera problem.

Egenskaper

SQL Notebooks erbjuder följande funktioner:

  • Kör T-SQL-frågor interaktivt i notebook-kodceller med infogade resultat som visas under varje cell.

  • Använd det interna Visual Studio Code Jupyter Notebook-formatet (.ipynb filer) för fullständig kompatibilitet med befintliga notebook-verktyg.

  • Visa frågeresultat i ett omfattande datarutnät med sortering, filtrering, cellmarkering, null-värdemarkering och kopieringsalternativ (inklusive kopiera med rubriker).

  • Skriv SQL med IntelliSense, inklusive förslag på tabell- och kolumnnamn baserat på din aktiva databasanslutning.

  • Lägg till Markdown-textceller tillsammans med SQL-kodceller i dokumentfrågor, kommentera resultat och skapa narrativa arbetsflöden.

  • Anslut varje notebook-fil till en SQL Server-instans och växla mellan databaser på samma server.

  • Kör celler individuellt eller kör alla celler sekventiellt.

  • Använd GitHub Copilot för infogade frågeförslag i kodceller och chattdrivet notebook-skapande för att generera fullständiga notebook-filer från naturliga språkbeskrivningar.

  • Kombinera SQL-celler med andra språkkärnor (till exempel Python) i samma notebook-fil genom att installera Jupyter-tillägget.

  • Exportera och dela notebook-filer som .ipynb filer som andra kan öppna i Visual Studio Code eller en Jupyter-kompatibel miljö.

Förutsättningar

Innan du använder SQL Notebooks kontrollerar du att följande krav uppfylls:

Skapa en SQL-notebook-fil

Du kan skapa en ny SQL-notebook-fil på flera sätt:

  • Öppna kommandopaletten (Ctrl+Skift+P i Windows och Linux eller Cmd+Shift+P på macOS), skriv New Notebookoch välj kommandot .

  • Gå till menyn Arkiv och välj Ny fil och välj sedan typen Jupyter Notebook.

  • Högerklicka på en databas i MSSQL-tilläggets Objektutforskaren och välj Ny anteckningsbok på snabbmenyn.

När du skapar en ny notebook-fil väljer du MSSQL-kerneln för att aktivera T-SQL-körning i kodceller.

Anslut till en databas

Varje SQL-notebook-fil behöver en aktiv databasanslutning för att köra frågor. När du öppnar en anteckningsbok med MSSQL-kärnan uppmanas du att välja en anslutningsprofil eller skapa en ny.

Viktigt!

Varje notebook stöder en enda serveranslutning per kernel. Du kan ansluta till en SQL Server-instans och växla mellan databaser på den servern, men du kan inte ansluta till flera servrar i samma notebook-fil. Om du vill arbeta med en annan server skapar du en separat notebook-fil eller ändrar notebook-filens anslutning.

Skriva och köra SQL-celler

Med SQL-kodceller kan du skriva och köra T-SQL-frågor interaktivt i notebook-filen.

  1. Välj + Kod i notebook-verktygsfältet för att lägga till en ny kodcell.

  2. Ange T-SQL-frågan i cellen. Cellen ger samma SQL-redigeringsupplevelse som en vanlig frågeredigerare, inklusive IntelliSense med förslag på tabell- och kolumnnamn från den anslutna databasen.

  3. Välj Kör cell (uppspelningsknappen till vänster om cellen) för att köra frågan.

  4. Resultaten visas direkt under cellen i ett omfattande datarutnät.

Om du vill köra alla celler i anteckningsboken sekventiellt väljer du Kör alla i notebook-verktygsfältet.

Tips/Råd

Använd Ctrl+Enter (Windows och Linux) eller Cmd+Enter (macOS) för att köra den aktuella cellen och stanna kvar på den. Använd Skift+Retur för att köra den aktuella cellen och gå vidare till nästa.

Frågeresultat

Frågeresultat i SQL Notebooks ger samma omfattande datarutnätsupplevelse som är tillgänglig i standardfrågeredigeraren:

  • Sortering: Välj en kolumnrubrik för att sortera resultat som är stigande eller fallande.
  • Filtrering: Använd filterikonen på kolumnrubriker för att filtrera resultatdata.
  • Cellmarkering: Markera enskilda celler eller cellområden i resultatrutnätet.
  • Nullmarkering: NULL värden markeras visuellt i resultatrutan för enkel identifiering.
  • Kopieringsalternativ: Högerklicka på markerade celler för att få åtkomst till Kopiera, Kopiera med rubriker och Välj alla alternativ.

Lägg till Markdown-celler

Du kan använda Markdown-celler för att lägga till formaterad text, rubriker, listor och länkar tillsammans med dina SQL-kodceller. Använd dem för att dokumentera dina frågor, förklara affärslogik eller lägga till anteckningar om förväntade resultat.

  1. Välj + Markdown i notebook-verktygsfältet för att lägga till en ny textcell.

  2. Skriv ditt Markdown-innehåll. En förhandsgranskning visas medan du skriver.

  3. Välj utanför cellen för att återge Markdown-texten.

Markera cellen igen för att återgå till redigeringsläget.

Använda flera kärnor

MSSQL-tillägget tillhandahåller SQL-kerneln direkt. Du kan utöka dina notebook-filer med fler språkkärnor genom att installera Jupyter-tillägget, som paketerar stöd för Python och andra kernels. Du kan kombinera SQL-datafrågor med Python-databearbetnings- och visualiseringsceller i samma notebook-fil.

GitHub Copilot-integrering

GitHub Copilot fungerar med SQL Notebooks för att hjälpa dig att skriva frågor och generera notebook-filer. När du installerar GitHub Copilot-tillägget får du:

  • Infogade förslag: När du skriver in SQL-kodceller föreslår GitHub Copilot frågeslutpunkter baserat på databaskontexten och omgivande Markdown-celler.

  • Redigering av chattdrivna notebook-filer: Använd GitHub Copilot Chat för att generera fullständiga notebook-filer med alternerande Markdown- och SQL-celler. Beskriv den analys du vill utföra och GitHub Copilot skapar den fullständiga notebook-strukturen.

Du kan till exempel öppna GitHub Copilot Chat och använda en fråga som:

I have a SQL Notebook open connected to AdventureWorks. Create cells for a sales
analysis: list all tables, find top 10 customers by revenue, show revenue by product
category, and demonstrate a safe data modification using BEGIN TRAN / ROLLBACK.

GitHub Copilot genererar Markdown-dokumentationscellerna och T-SQL-kodcellerna, som du sedan kan köra individuellt eller alla på en gång med kör alla.

Växla databaser

Så här växlar du till en annan databas inom samma serveranslutning:

  1. Välj det databasnamn som visas i anteckningsbokens anslutningsstatusområde.

  2. Välj en annan databas i listrutan.

Alla efterföljande cellkörningar använder den nyligen valda databasen.

Anmärkning

Om du vill växla till en annan server måste du ändra anteckningsbokens anslutningsprofil. Överväg att skapa en separat notebook-fil för varje server som du behöver arbeta med.

Begränsningar

Enskild serveranslutning per notebook: För närvarande ansluter varje notebook till en SQL Server-instans. Du kan växla mellan databaser på den servern men kan inte ansluta till en andra server i samma notebook.

Feedback och support

Om du har idéer, feedback eller vill engagera dig i communityn kan du delta i diskussionen på https://aka.ms/vscode-mssql-discussions. Om du vill rapportera en bugg går du till https://aka.ms/vscode-mssql-bug. Om du vill begära en ny funktion går du till https://aka.ms/vscode-mssql-feature-request.

Relaterat innehåll

  • Last updated on