Azure Veri Gezgini kullanarak Azure Data Lake'te verileri sorgulama
Azure Data Lake Storage, büyük veri analizi için yüksek oranda ölçeklenebilir ve uygun maliyetli bir veri gölü çözümüdür. İçgörü elde etme sürenizi kısaltmanıza yardımcı olmak için yüksek performanslı bir dosya sisteminin gücünü büyük ölçek ve ekonomiyle birleştirir. Data Lake Storage 2. Nesil Azure Blob Depolama özelliklerini genişletir ve analiz iş yükleri için iyileştirilmiştir.
Azure Veri Gezgini, dış depolamada depolanan verilere hızlı, önbelleğe alınmış ve dizine alınmış erişim sağlayan Azure Blob Depolama ve Azure Data Lake Storage (1. Nesil ve 2. Nesil) ile tümleştirilir. Azure Veri Gezgini'a önceden veri almadan verileri analiz edebilir ve sorgulayabilirsiniz. Aynı anda alınan ve kaydedilmeyen dış verileri de sorgulayabilirsiniz. Daha fazla bilgi için bkz. Azure Veri Gezgini web kullanıcı arabirimi sihirbazını kullanarak dış tablo oluşturma. Kısa bir genel bakış için bkz. dış tablolar.
İpucu
En iyi sorgu performansı, Azure Veri Gezgini veri alımını gerektirmektedir. Dış verileri önceden alınmadan sorgulama özelliği yalnızca geçmiş veriler veya nadiren sorgulanan veriler için kullanılmalıdır. En iyi sonuçları elde etmek için dış veri sorgunuzun performansını iyileştirin.
Dış tablo oluşturma
Bir depoda depolanan ürünlerle ilgili geçmiş bilgileri içeren çok sayıda CSV dosyanız olduğunu ve geçen yılın en popüler beş ürününü bulmak için hızlı bir analiz yapmak istediğinizi varsayalım. Bu örnekte, CSV dosyaları şöyle görünür:
Zaman damgası | ProductId | ProductDescription |
---|---|---|
2019-01-01 11:21:00 | TO6050 | DS/HD Diskette 3.5 |
2019-01-01 11:30:55 | YDX1 | Yamaha DX1 Synthesizer |
... | ... | ... |
Dosyalar Azure Blob depolama mycompanystorage
alanında adlı archivedproducts
bir kapsayıcı altında depolanır ve tarihe göre bölümlenir:
https://mycompanystorage.blob.core.windows.net/archivedproducts/2019/01/01/part-00000-7e967c99-cf2b-4dbb-8c53-ce388389470d.csv.gz
https://mycompanystorage.blob.core.windows.net/archivedproducts/2019/01/01/part-00001-ba356fa4-f85f-430a-8b5a-afd64f128ca4.csv.gz
https://mycompanystorage.blob.core.windows.net/archivedproducts/2019/01/01/part-00002-acb644dc-2fc6-467c-ab80-d1590b23fc31.csv.gz
https://mycompanystorage.blob.core.windows.net/archivedproducts/2019/01/01/part-00003-cd5fad16-a45e-4f8c-a2d0-5ea5de2f4e02.csv.gz
https://mycompanystorage.blob.core.windows.net/archivedproducts/2019/01/02/part-00000-ffc72d50-ff98-423c-913b-75482ba9ec86.csv.gz
...
Bu CSV dosyalarında doğrudan bir KQL sorgusu çalıştırmak için komutunu kullanarak .create external table
Azure Veri Gezgini'da bir dış tablo tanımlayın. Dış tablo oluşturma komut seçenekleri hakkında daha fazla bilgi için bkz. dış tablo komutları.
.create external table ArchivedProducts(Timestamp:datetime, ProductId:string, ProductDescription:string)
kind=blob
partition by (Date:datetime = bin(Timestamp, 1d))
dataformat=csv
(
h@'https://mycompanystorage.blob.core.windows.net/archivedproducts;StorageSecretKey'
)
Dış tablo artık Azure Veri Gezgini web kullanıcı arabiriminin sol bölmesinde görünür:
Dış tablo izinleri
- Veritabanı kullanıcısı bir dış tablo oluşturabilir. Tablo oluşturucu otomatik olarak tablo yöneticisi olur.
- Küme, veritabanı veya tablo yöneticisi var olan bir tabloyu düzenleyebilir.
- Herhangi bir veritabanı kullanıcısı veya okuyucusu dış tabloyu sorgulayabilir.
Dış tabloyu sorgulama
Bir dış tablo tanımlandıktan sonra işlev bu external_table()
tabloya başvurmak için kullanılabilir. Sorgunun geri kalanı standart Kusto Sorgu Dili.
external_table("ArchivedProducts")
| where Timestamp > ago(365d)
| summarize Count=count() by ProductId,
| top 5 by Count
Dış ve alınan verileri birlikte sorgulama
Aynı sorgu içinde hem dış tabloları hem de alınan veri tablolarını sorgulayabilirsiniz. Dış tabloyu azure union
Veri Gezgini, SQL sunucuları veya diğer kaynaklardan gelen diğer verilerle birlikte kullanabilirsinizjoin
. Dış tablo başvurusuna kısa ad atamak için kullanın let( ) statement
.
Aşağıdaki örnekte , Products bir alınan veri tablosudur ve ArchivedProducts daha önce tanımladığımız bir dış tablodur:
let T1 = external_table("ArchivedProducts") | where TimeStamp > ago(100d);
let T = Products; //T is an internal table
T1 | join T on ProductId | take 10
Hiyerarşik veri biçimlerini sorgulama
Azure Veri Gezgini, , Parquet
, Avro
ve ORC
gibi JSON
hiyerarşik biçimleri sorgulamaya olanak tanır. Hiyerarşik veri şemasını dış tablo şemasıyla eşlemek için (farklıysa), dış tablo eşlemeleri komutlarını kullanın. Örneğin, JSON günlük dosyalarını aşağıdaki biçimde sorgulamak istiyorsanız:
{
"timestamp": "2019-01-01 10:00:00.238521",
"data": {
"tenant": "e1ef54a6-c6f2-4389-836e-d289b37bcfe0",
"method": "RefreshTableMetadata"
}
}
{
"timestamp": "2019-01-01 10:00:01.845423",
"data": {
"tenant": "9b49d0d7-b3e6-4467-bb35-fa420a25d324",
"method": "GetFileList"
}
}
...
Dış tablo tanımı şöyle görünür:
.create external table ApiCalls(Timestamp: datetime, TenantId: guid, MethodName: string)
kind=blob
dataformat=multijson
(
h@'https://storageaccount.blob.core.windows.net/container1;StorageSecretKey'
)
Veri alanlarını dış tablo tanımı alanlarına eşleyen bir JSON eşlemesi tanımlayın:
.create external table ApiCalls json mapping 'MyMapping' '[{"Column":"Timestamp","Properties":{"Path":"$.timestamp"}},{"Column":"TenantId","Properties":{"Path":"$.data.tenant"}},{"Column":"MethodName","Properties":{"Path":"$.data.method"}}]'
Dış tabloyu sorguladığınızda eşleme çağrılır ve ilgili veriler dış tablo sütunlarına eşlenir:
external_table('ApiCalls') | take 10
Eşleme söz dizimi hakkında daha fazla bilgi için bkz. veri eşlemeleri.
Yardım kümesindeki TaxiRides dış tablosunu sorgulama
Farklı Azure Veri Gezgini özelliklerini denemek için yardım adlı test kümesini kullanın. Yardım kümesi, milyarlarca taksi yolculuğu içeren New York City taksi veri kümesi için bir dış tablo tanımı içerir.
TaxiRides dış tablosu oluşturma
Bu bölümde, yardım kümesinde TaxiRides dış tablosunu oluşturmak için kullanılan sorgu gösterilir. Bu tablo zaten oluşturulduğundan, bu bölümü atlayabilir ve doğrudan TaxiRides dış tablo verilerini sorgulamaya gidebilirsiniz.
.create external table TaxiRides
(
trip_id: long,
vendor_id: string,
pickup_datetime: datetime,
dropoff_datetime: datetime,
store_and_fwd_flag: string,
rate_code_id: int,
pickup_longitude: real,
pickup_latitude: real,
dropoff_longitude: real,
dropoff_latitude: real,
passenger_count: int,
trip_distance: real,
fare_amount: real,
extra: real,
mta_tax: real,
tip_amount: real,
tolls_amount: real,
ehail_fee: real,
improvement_surcharge: real,
total_amount: real,
payment_type: string,
trip_type: int,
pickup: string,
dropoff: string,
cab_type: string,
precipitation: int,
snow_depth: int,
snowfall: int,
max_temperature: int,
min_temperature: int,
average_wind_speed: int,
pickup_nyct2010_gid: int,
pickup_ctlabel: string,
pickup_borocode: int,
pickup_boroname: string,
pickup_ct2010: string,
pickup_boroct2010: string,
pickup_cdeligibil: string,
pickup_ntacode: string,
pickup_ntaname: string,
pickup_puma: string,
dropoff_nyct2010_gid: int,
dropoff_ctlabel: string,
dropoff_borocode: int,
dropoff_boroname: string,
dropoff_ct2010: string,
dropoff_boroct2010: string,
dropoff_cdeligibil: string,
dropoff_ntacode: string,
dropoff_ntaname: string,
dropoff_puma: string
)
kind=blob
partition by (Date:datetime = bin(pickup_datetime, 1d))
dataformat=csv
(
h@'https://storageaccount.blob.core.windows.net/container1;secretKey'
)
Oluşturulan TaxiRides tablosunu, Azure Veri Gezgini web kullanıcı arabiriminin sol bölmesine bakarak bulabilirsiniz:
TaxiRides dış tablo verilerini sorgulama
https://dataexplorer.azure.com/clusters/help/databases/Samples adresinde oturum açın.
TaxiRides dış tablosunu bölümleme olmadan sorgula
Bu sorguyutaxirides dış tablosunda çalıştırarak veri kümesinin tamamında haftanın her günü için yolculukları gösterin.
external_table("TaxiRides")
| summarize count() by dayofweek(pickup_datetime)
| render columnchart
Bu sorgu haftanın en yoğun gününü gösterir. Veriler bölümlenmediğinden, sorgunun sonuç döndürmesi birkaç dakika kadar sürebilir.
TaxiRides dış tablosunu bölümleme ile sorgula
Ocak 2017'de kullanılan taksi taksi türlerini (sarı veya yeşil) göstermek için taxiRides dış tablosunda bu sorguyu çalıştırın.
external_table("TaxiRides")
| where pickup_datetime between (datetime(2017-01-01) .. datetime(2017-02-01))
| summarize count() by cab_type
| render piechart
Bu sorgu, sorgu süresini ve performansını iyileştirici bölümleme kullanır. Sorgu bölümlenmiş bir sütuna (pickup_datetime) filtrelenir ve sonuçları birkaç saniye içinde döndürür.
TaxiRides dış tablosunda çalıştırılacak başka sorgular yazabilir ve veriler hakkında daha fazla bilgi edinebilirsiniz.
Sorgu performansınızı iyileştirme
Dış verileri sorgulamak için aşağıdaki en iyi yöntemleri kullanarak göldeki sorgu performansınızı iyileştirin.
Veri biçimi
- Analitik sorgular için aşağıdaki nedenlerle sütunlu bir biçim kullanın:
- Yalnızca sorguyla ilgili sütunlar okunabilir.
- Sütun kodlama teknikleri veri boyutunu önemli ölçüde azaltabilir.
- Azure Veri Gezgini Parquet ve ORC sütunlu biçimlerini destekler. İyileştirilmiş uygulama nedeniyle Parquet biçimi önerilir.
Azure bölgesi
Dış verilerin Azure Veri Gezgini kümenizle aynı Azure bölgesinde olup olmadığını denetleyin. Bu kurulum, maliyeti ve veri getirme süresini azaltır.
Dosya boyutu
En uygun dosya boyutu, dosya başına yüzlerce Mb 'dir (1 GB'a kadar). Daha yavaş dosya listeleme işlemi ve sütunlu biçimin sınırlı kullanımı gibi gereksiz ek yük gerektiren birçok küçük dosyadan kaçının. Dosya sayısı Azure Veri Gezgini kümenizdeki CPU çekirdeği sayısından büyük olmalıdır.
Sıkıştırma
Uzak depolama alanından getirilen veri miktarını azaltmak için sıkıştırmayı kullanın. Parquet biçimi için, sütun gruplarını ayrı ayrı sıkıştıran ve bunları ayrı ayrı okumanızı sağlayan iç Parquet sıkıştırma mekanizmasını kullanın. Sıkıştırma mekanizmasının kullanımını doğrulamak için dosyaların şu şekilde adlandırılıp adlandırılmadığını denetleyin: <filename.gz.parquet> veya <filename.snappy.parquet>, filename.parquet.gz> değil<.
Bölümleme
Sorgunun ilgisiz yolları atlamasını sağlayan "klasör" bölümlerini kullanarak verilerinizi düzenleyin. Bölümlemesi planlarken, sorgularınızda zaman damgası veya kiracı kimliği gibi dosya boyutunu ve yaygın filtreleri göz önünde bulundurun.
VM boyutu
Daha fazla çekirdek ve daha yüksek ağ aktarım hızına sahip VM SKU'larını seçin (bellek daha az önemlidir). Daha fazla bilgi için bkz. Azure Veri Gezgini kümeniz için doğru VM SKU'su seçme.
Sonraki adımlar
- Azure Veri Gezgini kullanarak Verilerinizi Azure Data Lake'te sorgulama. Sorgu yazmayı ve verilerinizden daha fazla içgörü türetmeyi öğrenin.
Geri Bildirim
Gönderin ve geri bildirimi görüntüleyin