กรณีการใช้งานปลายทางการวิเคราะห์ Lakehouse SQL

จุดสิ้นสุดการวิเคราะห์ SQL เป็นพื้นผิว T-SQL ที่ปรับให้เหมาะสมกับการอ่านผ่านข้อมูลเดลต้าใน Microsoft Fabric บทความนี้อธิบายปริมาณงานคลังข้อมูล Fabric ที่มีตําแหน่งข้อมูลการวิเคราะห์ SQL Analytics ของ Lakehouse และสถานการณ์สมมติสําหรับการใช้ Lakehouse ในคลังข้อมูล

จุดสิ้นสุดการวิเคราะห์ของ Lakehouse SQL คืออะไร

ตําแหน่งข้อมูลการวิเคราะห์ SQL ช่วยให้คุณสามารถสืบค้นข้อมูลใน Lakehouse โดยใช้ภาษา T-SQL และโปรโตคอล TDS

  • ตําแหน่งข้อมูลการวิเคราะห์ SQL จะแสดงตารางเดลต้าจาก Lakehouse เป็นตาราง SQL ที่คุณสามารถสืบค้นด้วย T-SQL
  • ทุกตารางเดลต้าจากเลคเฮาส์จะแสดงเป็นตารางเดียว ข้อมูลควรอยู่ในรูปแบบ delta
  • ทุกๆ เลคเฮ้าส์มีจุดสิ้นสุดการวิเคราะห์ SQL หนึ่งจุด และพื้นที่ทํางานแต่ละแห่งสามารถมีเลคเฮ้าส์ได้มากกว่าหนึ่งแห่ง จํานวนจุดสิ้นสุดการวิเคราะห์ SQL ในพื้นที่ทํางานตรงกับจํานวนของหน่วยข้อมูลของเลคเฮ้าส์

คุณไม่จําเป็นต้องสร้างจุดสิ้นสุดการวิเคราะห์ SQL ใน Microsoft Fabric จุดสิ้นสุดการวิเคราะห์ SQL จะถูกสร้างขึ้นโดยอัตโนมัติสําหรับทุก lakehouse ฐานข้อมูล หรือฐานข้อมูลแบบมิเรอร์ ตําแหน่งข้อมูลการวิเคราะห์ SQL ทําหน้าที่เป็นความสามารถในการจัดเก็บข้อมูลที่มีน้ําหนักเบาสําหรับรายการหลัก ซึ่งช่วยเสริมสถาปัตยกรรมเลคเฮาส์ของคลังสินค้า สถาปัตยกรรมนี้ช่วยให้การสะท้อน Spark หรือ Fabric สามารถควบคุมข้อมูลในโครงสร้างโฟลเดอร์ในเลคเฮาส์ที่ปลายทางการวิเคราะห์ SQL สามารถดูได้

Note

เบื้องหลัง ตําแหน่งข้อมูลการวิเคราะห์ SQL ใช้กลไกเดียวกับ คลังสินค้า เพื่อให้บริการคิวรี SQL ที่มีประสิทธิภาพสูงและเวลาแฝงต่ํา

การค้นพบข้อมูลเมตาอัตโนมัติ

กระบวนการที่ราบรื่นจะอ่านบันทึกเดลต้าจาก /Tables โฟลเดอร์ และทําให้แน่ใจว่าข้อมูลเมตา SQL สําหรับตาราง เช่น สถิติ เป็นปัจจุบันอยู่เสมอ ไม่จําเป็นต้องมีการดําเนินการของผู้ใช้ และไม่จําเป็นต้องนําเข้า คัดลอกข้อมูล หรือตั้งค่าโครงสร้างพื้นฐาน สําหรับข้อมูลเพิ่มเติม ดู Schema ที่สร้างขึ้นโดยอัตโนมัติในจุดสิ้นสุดการวิเคราะห์ SQL

สถานการณ์ที่เลคเฮ้าส์เปิดใช้งานสําหรับคลังข้อมูล

ในผ้า, เราขอนําเสนอหนึ่งคลังสินค้าของ

Lakehouse ที่มีจุดสิ้นสุดการวิเคราะห์ SQL ซึ่งขับเคลื่อนโดย Warehouse สามารถลดความซับซ้อนของต้นไม้แห่งการตัดสินใจแบบดั้งเดิมของชุดงาน การสตรีม หรือรูปแบบสถาปัตยกรรมแลมบ์ดา โรงเก็บของทะเลสาบช่วยให้สถานการณ์การวิเคราะห์แบบเพิ่มได้หลายสถานการณ์รวมกัน ส่วนนี้สํารวจวิธีการใช้เลคเฮ้าส์ร่วมกับ Warehouse สําหรับกลยุทธ์การวิเคราะห์สายพันธุ์ที่ดีที่สุด

การวิเคราะห์ด้วยเลเยอร์ทองคําของ Fabric Lakehouse ของคุณ

กลยุทธ์ที่รู้จักกันดีสําหรับการจัดระเบียบข้อมูลทะเลสาบคือสถาปัตยกรรมเหรียญ กลยุทธ์นี้จะจัดระเบียบไฟล์เป็นเลเยอร์ดิบ (บรอนซ์) รวม (เงิน) และกลั่น (ทอง) คุณสามารถใช้ตําแหน่งข้อมูลการวิเคราะห์ SQL เพื่อวิเคราะห์ข้อมูลในชั้นทองของสถาปัตยกรรมเหรียญหากไฟล์ถูกจัดเก็บในรูปแบบ Delta Lake แม้ว่าจะจัดเก็บไว้ภายนอก Microsoft Fabric OneLake ก็ตาม

ใช้ ทางลัด OneLake เพื่ออ้างอิงโฟลเดอร์สีทองในบัญชีที่เก็บข้อมูล Azure Data Lake ภายนอกที่ Synapse Spark หรือเอ็นจิ้น Azure Databricks จัดการ

คุณยังสามารถเพิ่มคลังสินค้าเป็นหัวเรื่องหรือโซลูชันที่มุ่งเน้นโดเมนสําหรับหัวข้อเฉพาะที่สามารถมีข้อกําหนดการวิเคราะห์ตามความต้องการได้

หากคุณเลือกที่จะเก็บข้อมูลของคุณไว้ใน Fabric ข้อมูลนั้นจะเป็น เปิดตลอดเวลา และสามารถเข้าถึงได้ผ่าน API, รูปแบบเดลต้า และแน่นอน T-SQL

คิวรีเป็นบริการผ่านตารางเดลต้าของคุณจากเลคเฮาส์และรายการอื่น ๆ จาก OneLake

นักวิเคราะห์ นักวิทยาศาสตร์ข้อมูล และวิศวกรข้อมูลอาจต้องคิวรีข้อมูลภายใน Data Lake ใน Fabric ประสบการณ์แบบ end-to-end นี้เป็น SaaSified อย่างสมบูรณ์

OneLake คือที่จัดเก็บข้อมูลทะเลสาบเชิงตรรกะแบบครบวงจรสําหรับทั้งองค์กร OneLake คือ OneDrive สําหรับข้อมูล OneLake สามารถประกอบด้วยพื้นที่ทํางานได้หลายรายการ ตัวอย่างเช่น ตามส่วนขององค์กรของคุณ ทุกรายการใน Fabric ทําให้สามารถเข้าถึงข้อมูลผ่าน OneLake

ข้อมูลใน Microsoft Fabric Lakehouse จะถูกเก็บไว้จริงใน OneLake ที่มีโครงสร้างโฟลเดอร์ต่อไปนี้:

  • โฟลเดอร์ประกอบด้วย /Files ไฟล์ดิบและไฟล์ที่ไม่ได้รวม (บรอนซ์) ที่วิศวกรข้อมูลควรประมวลผลก่อนการวิเคราะห์ ไฟล์อาจอยู่ในรูปแบบต่างๆ เช่น CSV, Parquet, รูปภาพประเภทต่างๆ และอื่นๆ
  • โฟลเดอร์ประกอบด้วย /Tables ข้อมูลที่ผ่านการกลั่นและรวมบัญชี (ทองคํา) ที่พร้อมสําหรับการวิเคราะห์ทางธุรกิจ ข้อมูลรวมอยู่ในรูปแบบ Delta Lake

จุดสิ้นสุดการวิเคราะห์ SQL สามารถอ่านข้อมูลใน /tables โฟลเดอร์ภายใน OneLake ได้ การวิเคราะห์ทําได้ง่ายเหมือนกับการคิวรีจุดสิ้นสุดการวิเคราะห์ SQL ของเลคเฮ้าส์ เมื่อใช้ร่วมกับคลังสินค้า คุณจะได้รับการสืบค้นข้ามฐานข้อมูลและความสามารถในการสลับจากคิวรีแบบอ่านอย่างเดียวไปเป็นการสร้างตรรกะทางธุรกิจเพิ่มเติมบนข้อมูล OneLake ของคุณด้วย Fabric คลังข้อมูล ได้อย่างราบรื่น

วิศวกรข้อมูลด้วย Spark และการให้บริการด้วย SQL

องค์กรที่ขับเคลื่อนด้วยข้อมูลจําเป็นต้องรักษาระบบ back-end และระบบการวิเคราะห์ให้สามารถซิงค์กับแอปพลิเคชันฝั่งลูกค้าแบบเรียลไทม์ได้ ผลกระทบของการทําธุรกรรมจะต้องสะท้อนให้เห็นถึงกระบวนการแบบ end-to-end แอปพลิเคชันที่เกี่ยวข้อง และระบบการประมวลผลธุรกรรมออนไลน์ (OLTP) ได้อย่างถูกต้อง

ใน Fabric คุณสามารถใช้ Spark Streaming หรือวิศวกรข้อมูลเพื่อดูแลข้อมูลของคุณ คุณสามารถใช้จุดสิ้นสุดการวิเคราะห์ Lakehouse SQL เพื่อตรวจสอบคุณภาพของข้อมูลและกระบวนการ T-SQL ที่มีอยู่ได้ ซึ่งสามารถทําได้ในสถาปัตยกรรมเหรียญหรือในเลเยอร์ของเลคเฮ้าส์ของคุณหลายชั้นให้บริการสีบรอนซ์สีเงินทองหรือการแบ่งระยะการรวบรวมและการปรับปรุงข้อมูล คุณสามารถกําหนดโฟลเดอร์และตารางที่สร้างขึ้นผ่าน Spark เพื่อตอบสนองความต้องการด้านวิศวกรรมข้อมูลและธุรกิจของคุณได้ เมื่อพร้อมแล้ว คลังสามารถให้บริการแอปพลิเคชันข่าวกรองธุรกิจปลายทางทั้งหมดของคุณและกรณีการใช้งานการวิเคราะห์อื่น ๆ โดยไม่ต้องคัดลอกข้อมูล โดยใช้มุมมองหรือปรับแต่งข้อมูลโดยใช้ CREATE TABLE AS SELECT (CTAS) ขั้นตอนการจัดเก็บ และคําสั่ง DML / DDL อื่น ๆ

การรวมกับเลเยอร์ทองคํา Open Lakehouse ของคุณ

ตําแหน่งข้อมูลการวิเคราะห์ SQL ไม่ได้จํากัดอยู่แค่การวิเคราะห์ข้อมูลใน Fabric Lakehouse เท่านั้น ด้วยการใช้ตําแหน่งข้อมูลการวิเคราะห์ SQL คุณสามารถวิเคราะห์ข้อมูลทะเลสาบในเลคเฮาส์ใดก็ได้โดยใช้ Synapse Spark, Azure Databricks หรือเอ็นจิ้นวิศวกรรมข้อมูลที่เน้นทะเลสาบเป็นศูนย์กลางอื่นๆ คุณสามารถจัดเก็บข้อมูลใน Azure Data Lake Storage หรือ Amazon S3

คุณสามารถเข้าถึงการผสานรวมแบบสองทิศทางที่แน่นแฟ้นกับ Fabric Lakehouse ได้ตลอดเวลาผ่านเอ็นจิ้นใดก็ได้โดยใช้ API แบบเปิด รูปแบบเดลต้า และแน่นอน T-SQL

การจําลองเสมือนข้อมูลของที่จัดเก็บข้อมูลดิบภายนอกด้วยทางลัด

ใช้ OneLake shortcuts เพื่ออ้างอิงโฟลเดอร์สีทองในบัญชีพื้นที่จัดเก็บข้อมูล Azure Data Lake ภายนอกที่ Synapse Spark หรือกลไกจัดการ Azure Databricks รวมถึงตารางเดลต้าใดๆ ที่จัดเก็บไว้ใน Amazon S3

คุณสามารถวิเคราะห์โฟลเดอร์ใดๆ ที่อ้างอิงโดยทางลัดจากปลายทางการวิเคราะห์ SQL และสร้างตาราง SQL สําหรับข้อมูลที่อ้างอิง ใช้ตาราง SQL เพื่อแสดงข้อมูลใน Data Lake ที่มีการจัดการภายนอกและเปิดใช้งานการวิเคราะห์

ทางลัดนี้ทําหน้าที่เป็นคลังสินค้าเสมือนที่คุณสามารถใช้ประโยชน์จากคลังสินค้าสําหรับความต้องการการวิเคราะห์ดาวน์สตรีมเพิ่มเติม หรือคิวรีโดยตรง

หากต้องการวิเคราะห์ข้อมูลในบัญชีที่เก็บข้อมูลดิบภายนอก ให้ใช้ขั้นตอนต่อไปนี้:

  1. สร้างทางลัดที่อ้างอิงโฟลเดอร์ใน ที่เก็บข้อมูล Azure Data Lake หรือ บัญชี Amazon S3 หลังจากที่คุณป้อนรายละเอียดการเชื่อมต่อและข้อมูลประจําตัว ทางลัดจะแสดงใน Lakehouse
  2. สลับไปยังจุดสิ้นสุดการวิเคราะห์ SQL ของ Lakehouse และค้นหาตาราง SQL ที่มีชื่อที่ตรงกับชื่อทางลัด ตาราง SQL นี้อ้างอิงโฟลเดอร์ใน ADLS หรือ S3
  3. สืบค้นตาราง SQL ที่อ้างอิงข้อมูลใน ADLS หรือ S3 ใช้ตารางเหมือนกับที่คุณทํากับตารางอื่นๆ ในตําแหน่งข้อมูลการวิเคราะห์ SQL คุณสามารถรวมตารางที่อ้างอิงข้อมูลในบัญชีที่เก็บข้อมูลที่ต่างกัน

Note

หากตาราง SQL ไม่แสดงในตําแหน่งข้อมูลการวิเคราะห์ SQL ทันที ให้รอสักครู่ ตาราง SQL ที่อ้างอิงข้อมูลในบัญชีที่เก็บข้อมูลภายนอกจะถูกสร้างขึ้นด้วยความล่าช้า

วิเคราะห์ข้อมูลที่เก็บถาวรหรือข้อมูลในอดีตในที่จัดเก็บข้อมูลดิบ

การแบ่งพาร์ติชันข้อมูลเป็นเทคนิคการเพิ่มประสิทธิภาพการเข้าถึงข้อมูลใน data lake ที่รู้จักกันดี จัดเก็บชุดข้อมูลที่แบ่งพาร์ติชันในโครงสร้างโฟลเดอร์แบบลําดับชั้นในรูปแบบ /year=<year>/month=<month>/day=<day>โดยที่ year, monthและเป็น day คอลัมน์การแบ่งพาร์ติชัน โครงสร้างนี้แยกข้อมูลในอดีตอย่างมีเหตุผล และช่วยให้กลไกการคํานวณสามารถอ่านข้อมูลได้ตามต้องการด้วยการกรองที่มีประสิทธิภาพ แทนที่จะอ่านไดเร็กทอรีทั้งหมดและโฟลเดอร์และไฟล์ทั้งหมดภายใน

ข้อมูลที่แบ่งพาร์ติชันช่วยให้เข้าถึงได้เร็วขึ้นหากคิวรีกรองบนเพรดิเคตที่เปรียบเทียบคอลัมน์เพรดิเคตกับค่า

จุดสิ้นสุดการวิเคราะห์ SQL สามารถอ่านข้อมูลประเภทนี้ได้อย่างง่ายดายโดยไม่จําเป็นต้องมีการกําหนดค่า ตัวอย่างเช่น คุณสามารถใช้แอปพลิเคชันใด ๆ เพื่อเก็บข้อมูลลงใน data lake รวมถึง SQL Server 2022 หรืออินสแตนซ์ที่จัดการแล้วของ Azure SQL หลังจากที่คุณแบ่งพาร์ติชันข้อมูลและลงจอดในทะเลสาบเพื่อวัตถุประสงค์ในการเก็บถาวรโดยใช้ตารางภายนอก ปลายทางการวิเคราะห์ SQL สามารถอ่านตาราง Delta Lake ที่แบ่งพาร์ติชันเป็นตาราง SQL และอนุญาตให้องค์กรของคุณวิเคราะห์ได้ วิธีนี้ช่วยลดต้นทุนรวมในการเป็นเจ้าของ ลดความซ้ําซ้อนของข้อมูล และทําให้ข้อมูลขนาดใหญ่ AI และสถานการณ์การวิเคราะห์อื่นๆ สว่างขึ้น

คุณยังสามารถใช้คิวรี การเดินทางข้ามเวลา เพื่อสืบค้นข้อมูลรุ่นก่อนหน้าได้อย่างรวดเร็ว การเดินทางข้ามเวลาเป็นความสามารถที่มีต้นทุนต่ําและมีประสิทธิภาพในการสืบค้นสถานะข้อมูลในอดีตด้วยการสืบค้น T-SQL สําหรับตําแหน่งข้อมูลการวิเคราะห์ Lakehouse SQL การเดินทางข้ามเวลาจะถูกจํากัดโดยการตั้งค่าการเก็บรักษาสุญญากาศ เมื่อต้องการเริ่มต้นใช้งาน ให้ดูที่ วิธีการ: คิวรีโดยใช้การเดินทางข้ามเวลาในระดับใบแจ้งยอด

การจําลองภาพข้อมูลเสมือนของข้อมูล Fabric ด้วยทางลัด

ภายใน Fabric พื้นที่ทํางานช่วยให้คุณสามารถแยกข้อมูลตามข้อกําหนดทางธุรกิจ ภูมิศาสตร์ หรือระเบียบข้อบังคับที่ซับซ้อนได้

จุดสิ้นสุดการวิเคราะห์ SQL ช่วยให้คุณสามารถปล่อยข้อมูลไว้ในตําแหน่งเดิมและยังคงวิเคราะห์ข้อมูลใน Warehouse หรือ Lakehouse ได้แม้กระทั่งในพื้นที่ทํางาน Microsoft Fabric อื่น ๆ ผ่านการจําลองเสมือนที่ราบรื่น Microsoft Fabric Lakehouse ทุกเครื่องจัดเก็บข้อมูลใน OneLake

ทางลัดช่วยให้คุณสามารถอ้างอิงโฟลเดอร์ในตําแหน่ง OneLake ใด ๆ ได้

Microsoft Fabric Warehouse ทั้งหมดจัดเก็บข้อมูลตารางใน OneLake ถ้าตารางเป็นแบบผนวกเท่านั้น ข้อมูลตารางจะแสดงเป็นข้อมูล Delta Lake ใน OneLake ทางลัดช่วยให้คุณสามารถอ้างอิงโฟลเดอร์ใน OneLake ใดก็ตามที่แสดงตาราง Warehouse

การแชร์และการทําคิวรีข้ามพื้นที่ทํางาน

ในขณะที่พื้นที่ทํางานช่วยให้คุณสามารถแยกข้อมูลตามข้อกําหนดทางธุรกิจ ทางภูมิศาสตร์ หรือระเบียบข้อบังคับที่ซับซ้อน บางครั้งคุณจําเป็นต้องอํานวยความสะดวกในการแชร์ข้ามบรรทัดเหล่านี้สําหรับความต้องการในการวิเคราะห์ที่เฉพาะเจาะจง

จุดสิ้นสุดการวิเคราะห์ Lakehouse SQL สามารถช่วยให้สามารถแชร์ข้อมูลระหว่างแผนกและผู้ใช้ได้อย่างง่ายดาย ซึ่งผู้ใช้สามารถนําความจุและคลังข้อมูลของตนเองมาใช้ได้ พื้นที่ทํางานจัดระเบียบแผนก หน่วยธุรกิจ หรือโดเมนการวิเคราะห์ เมื่อใช้ทางลัด ผู้ใช้สามารถค้นหาข้อมูลของ Warehouse หรือ Lakehouse ได้ ผู้ใช้สามารถดําเนินการวิเคราะห์แบบกําหนดเองของตนเองจากข้อมูลเดียวกันที่แชร์ได้ทันที นอกเหนือจากการช่วยในการปฏิเสธการชําระเงินของแผนกและการจัดสรรการใช้งานแล้ว

จุดสิ้นสุดการวิเคราะห์ SQL ช่วยให้การคิวรีของตารางใด ๆ และการแชร์ที่ง่าย คุณสามารถเพิ่มตัวควบคุมโดยใช้บทบาทพื้นที่ทํางานและบทบาทความปลอดภัยเพื่อตอบสนองความต้องการทางธุรกิจเพิ่มเติม

เมื่อต้องการเปิดใช้งานการวิเคราะห์ข้อมูลข้ามพื้นที่ทํางาน ให้ใช้ขั้นตอนต่อไปนี้:

  1. สร้างทางลัด OneLake ที่อ้างอิงตารางหรือโฟลเดอร์ในพื้นที่ทํางานที่คุณสามารถเข้าถึงได้
  2. เลือกเลคเฮ้าส์หรือคลังข้อมูลที่มีตารางหรือโฟลเดอร์ Delta Lake ที่คุณต้องการวิเคราะห์ เมื่อคุณเลือกตารางหรือโฟลเดอร์ คําสั่งลัดจะแสดงขึ้นใน Lakehouse
  3. สลับไปยังจุดสิ้นสุดการวิเคราะห์ SQL ของ Lakehouse และค้นหาตาราง SQL ที่มีชื่อที่ตรงกับชื่อทางลัด ตาราง SQL นี้อ้างอิงโฟลเดอร์ในพื้นที่ทํางานอื่น
  4. คิวรีตาราง SQL ที่อ้างอิงข้อมูลในพื้นที่ทํางานอื่น คุณสามารถใช้ตารางได้เหมือนกับที่คุณทํากับตารางอื่นๆ ในตําแหน่งข้อมูลการวิเคราะห์ SQL คุณสามารถรวมตารางที่อ้างอิงข้อมูลในพื้นที่ทํางานที่แตกต่างกัน

สําหรับข้อมูลเพิ่มเติมเกี่ยวกับความปลอดภัยในตําแหน่งข้อมูลการวิเคราะห์ SQL โปรดดู การรักษาความปลอดภัย OneLake สําหรับตําแหน่งข้อมูลการวิเคราะห์ SQL

Note

หากตาราง SQL ไม่ปรากฏในตําแหน่งข้อมูลการวิเคราะห์ SQL ทันที ให้รอสักครู่ ตาราง SQL ที่อ้างอิงข้อมูลในพื้นที่ทํางานอื่นจะถูกสร้างขึ้นด้วยความล่าช้า

วิเคราะห์ข้อมูลที่แบ่งพาร์ติชัน

การแบ่งพาร์ติชันข้อมูลเป็นเทคนิคการเพิ่มประสิทธิภาพการเข้าถึงข้อมูลใน data lake ที่รู้จักกันดี คุณเก็บชุดข้อมูลที่แบ่งพาร์ติชันในโครงสร้างโฟลเดอร์ตามลําดับชั้นในรูปแบบ /year=<year>/month=<month>/day=<day>โดยที่ year, monthและเป็น day คอลัมน์การแบ่งพาร์ติชัน ชุดข้อมูลที่แบ่งพาร์ติชันช่วยให้เข้าถึงข้อมูลได้เร็วขึ้นหากแบบสอบถามใช้เพรดิเคตที่กรองข้อมูลโดยการเปรียบเทียบคอลัมน์เพรดิเคตกับค่า

จุดสิ้นสุดการวิเคราะห์ SQL สามารถเป็นตัวแทนของชุดข้อมูล Delta Lake ที่แบ่งพาร์ติชันเป็นตาราง SQL และช่วยให้คุณสามารถวิเคราะห์ได้

สําหรับข้อมูลเพิ่มเติมและตัวอย่างเกี่ยวกับการสอบถามข้อมูลภายนอก โปรดดู คิวรีไฟล์ Data Lake ภายนอกโดยใช้ Fabric คลังข้อมูล หรือจุดสิ้นสุดการวิเคราะห์ SQL สําหรับตัวอย่างและกรณีการใช้งานสําหรับการสืบค้นไฟล์ปาร์เก้แบบแบ่งพาร์ติชัน โปรดดู การสืบค้นข้อมูลที่แบ่งพาร์ติชัน

วิเคราะห์ข้อมูลใน Lakehouse, Warehouse หรือ Eventhouse

หน้าหลักของ Lakehouse และ Warehouse มีตําแหน่งข้อมูล Eventhouse เป็นส่วนหนึ่งของเมนู วิเคราะห์ข้อมูลด้วย ตําแหน่งข้อมูล Eventhouse มอบประสบการณ์การสืบค้นที่ขับเคลื่อนโดย Eventhouse โดยตรงที่ด้านบนของข้อมูล Lakehouse และ Warehouse โดยไม่ต้องทําข้อมูลซ้ําหรือการซิงโครไนซ์ด้วยตนเอง

สกรีนช็อตของปุ่ม วิเคราะห์ข้อมูลด้วยปุ่ม ขยายเพื่อดูตัวเลือกตําแหน่งข้อมูลการวิเคราะห์ SQL และตําแหน่งข้อมูลของบ้านเหตุการณ์

เมื่อคุณเปิดใช้งานตําแหน่งข้อมูล Eventhouse Eventhouse และฐานข้อมูล KQL จะถูกสร้างขึ้นโดยอัตโนมัติเป็นรายการย่อยของ Lakehouse หรือ Warehouse ต้นทาง โดยมีการจัดการการซิงโครไนส์สคีมาในเบื้องหลัง จุดสิ้นสุดจะสะท้อนถึงสคีมาปัจจุบันของข้อมูลต้นทางเสมอ ซึ่งทําให้สามารถเข้าถึงการวิเคราะห์ได้เกือบเรียลไทม์

การผสานรวมนี้ทําให้ Eventhouse เป็นส่วนขยายตามธรรมชาติของแหล่งข้อมูล แทนที่จะเป็นระบบแยกต่างหากที่คุณต้องตั้งค่าและจัดการ สําหรับข้อมูลเพิ่มเติมเกี่ยวกับตําแหน่งข้อมูล Eventhouse โปรดดู เปิดใช้งานตําแหน่งข้อมูล Eventhouse สําหรับเลคเฮาส์และคลังสินค้า

เนื้อหาที่เกี่ยวข้อง

  • Last updated on