Visualizzazioni Spark nei contesti Lakehouse

Le visualizzazioni Spark in Microsoft Fabric consentono di astrarre la logica di modellazione dei dati complessa e di fornire un accesso semplificato senza duplicare i dati. Le viste non archiviano i dati, ma eseguono la query sottostante ogni volta che si seleziona da essi, offrendo risultati in tempo reale.

Se si ha familiarità con le viste lake materializzate, che persistono i risultati come file Delta (comunemente usati nelle architetture medallion), le visualizzazioni Spark offrono un'alternativa leggera quando non è necessario archiviare i dati.

Questo articolo descrive come creare e gestire le viste Spark in lakehouse abilitate a schema, dove le viste sono memorizzate in OneLake e visibili in Lakehouse explorer. Se lavori con lakehouse non abilitati allo schema, vedere Viste Spark con lakehouse non abilitati allo schema.

Come vengono archiviate le viste Spark?

Nei lakehouse abilitati per lo schema, i metadati di visualizzazione vengono archiviati in OneLake insieme alle tabelle, ma come file anziché come cartelle. Questo approccio:

  • Impedisce conflitti di denominazione tra viste e tabelle
  • Usa una proprietà file speciale che consente ai motori di identificare l'oggetto come visualizzazione

Attualmente, solo Spark e lakehouse possono leggere le visualizzazioni Spark. Altri carichi di lavoro dell'infrastruttura, ad esempio endpoint di analisi SQL o modelli semantici, non riconoscono ancora le visualizzazioni Spark.

Creare una visualizzazione Spark

Per creare una vista Spark, usare una sessione di notebook con una lakehouse abilitata per lo schema come lakehouse di default. Eseguire un'istruzione Spark SQL con CREATE OR REPLACE VIEW:

CREATE OR REPLACE VIEW my_view AS
SELECT * FROM my_table WHERE status = 'active'

Ad esempio, è possibile creare una vista denominata ny_sales per filtrare i dati di vendita per un'area specifica.

La vista appare in Lakehouse explorer sotto il tuo schema dopo l'aggiornamento.

Screenshot che mostra la visualizzazione Spark in una lakehouse.

Query tra lakehouse

Le viste Spark possono fare riferimento ai dati da più lakehouse. Unire tabelle da diversi lakehouse, o anche aree di lavoro diverse, all'interno di una singola visualizzazione.

CREATE OR REPLACE VIEW my_view AS
SELECT * FROM myworkspace.mylakehouse.schema.my_table as a
JOIN otherworkspace.otherlakehouse.schema.my_other_table as b
ON a.identifier=b.identifier WHERE a.status = 'active'

Specificare la posizione della visualizzazione

Creare visualizzazioni nella lakehouse predefinita o specificare un nome in quattro parti per qualsiasi lakehouse a cui si ha accesso:

CREATE OR REPLACE VIEW myworkspace.mylakehouse.schema.my_view AS
SELECT * FROM my_table WHERE status = 'active'

Per ulteriori informazioni sulla nomenclatura a quattro elementi, vedere Query SQL Spark tra aree di lavoro.

Gestire le viste in Lakehouse explorer

Una volta creata, la vista Spark appare in Lakehouse explorer insieme ai tavoli. Dal menu di scelta rapida della visualizzazione è possibile:

  • Rinominare la visualizzazione

  • Eliminare la visualizzazione

  • Visualizzare le proprietà, inclusa la definizione di query sottostante

    Screenshot che mostra le proprietà della visualizzazione Spark.

Vista Spark con data lakehouse non abilitato allo schema

Quando il lakehouse predefinito del notebook non è abilitato per lo schema, le viste Spark vengono create nel metastore. Quelle viste di Spark non sono visibili in Lakehouse Explorer. Solo le vedute conservate in OneLake compaiono in Lakehouse Explorer.

Per creare una vista Spark archiviata in OneLake per una lakehouse non abilitata per lo schema, usare una sessione di notebook con una lakehouse abilitata per lo schema come impostazione predefinita e fare riferimento alla lakehouse non abilitata per lo schema nella query:

CREATE OR REPLACE VIEW myworkspace.non_schema_lakehouse.my_view AS
SELECT * FROM myworkspace.non_schema_lakehouse.my_table AS table
WHERE table.status = 'active'

Contenuti correlati

  • Last updated on