Zoek gegevens op met behulp van de lakehouse query explorer

De Lakehouse query explorer is een geïntegreerde queryeditor die direct in de Lakehouse Explorer is ingebed. U kunt Spark SQL-query's schrijven en uitvoeren op uw Lakehouse-gegevens zonder de verkenner te verlaten. U hoeft niet over te schakelen naar het SQL Analytics-eindpunt of een notebook te maken voor snelle gegevensverkenning.

De queryverkenner gebruikt Apache Spark als uitvoeringsmotor door gebruik te maken van het lakehouse Livy-eindpunt. U krijgt hetzelfde SQL-dialect als Spark-notebooks, ondersteuning voor lees- en schrijfbewerkingen en de mogelijkheid om efficiënt query's uit te voeren op grote gegevenssets.

De queryverkenner openen

U kunt de queryverkenner op de volgende manieren openen vanuit De Lakehouse-verkenner:

• Bovenste navigatiemenu : Selecteer Nieuwe SparkSQL-query in het bovenste navigatiemenu. Er wordt een leeg querytabblad geopend in de Lakehouse-verkenner.
• Linkernavigatiemenu : klik met de rechtermuisknop op een tabel, weergave of snelkoppeling in de verkennerstructuur en selecteer Nieuwe SparkSQL-query. Er wordt een tabblad voor query's geopend met een vooraf ingevulde SELECT * FROM <table> LIMIT 100 statement.

De verkennerstructuur blijft aan de linkerkant zichtbaar wanneer de queryverkenner is geopend, zodat u tijdens het schrijven van query's naar schema's en tabellen kunt verwijzen.

Functies van de query-editor

De queryeditor biedt een productieve ontwerpervaring voor Spark SQL:

• IntelliSense : automatisch aanvullen voor tabelnamen, kolomnamen, schema's en SQL-functies. Nadat u FROM hebt getypt, doet IntelliSense suggesties voor beschikbare lakehouses, schema's en tabellen. Kolomsuggesties worden weergegeven wanneer naar een tabel wordt verwezen in de query. Beweeg de muisaanwijzer over een tabelnaam om de kolommen in een pop-out weer te geven.
• Syntaxismarkering : met kleur gecodeerde SQL-trefwoorden, id's en letterlijke waarden.
• Opmaak — Selecteer Opmaak in de werkbalk om uw SQL automatisch te laten inspringen en te structureren.
• Uitvoeren en annuleren : selecteer Uitvoeren om de query uit te voeren of Annuleren om een actieve query te stoppen.
• Regelnummers en codeblokken in- en uitvouwen — Lange delen van query's samenvouwen voor eenvoudiger navigatie.

Dynamische tabbladen

U kunt meerdere querytabbladen tegelijk openen en er direct tussen schakelen. Elk tabblad onderhoudt zijn eigen querytekst, uitvoeringsstatus en resultaten onafhankelijk van elkaar.

Als u een nieuw tabblad wilt openen, selecteert u Nieuwe SparkSQL-query op het lint of contextmenu. Als u een tabblad wilt sluiten, selecteert u de X op het tabblad. Het sluiten van een tabblad heeft geen invloed op andere tabbladen.

Dynamische tabbladen zijn handig wanneer u tegelijkertijd verschillende aspecten van uw gegevens wilt verkennen. Bijvoorbeeld één tabblad voor orders, één voor klanten en één voor regionale uitsplitsingen.

Queries uitvoeren

Wanneer u Uitvoeren selecteert op de werkbalk van het queryvenster, maakt de queryverkenner verbinding met een lichtgewicht Spark-sessie die gebruikmaakt van het Lakehouse Livy-eindpunt en is geoptimaliseerd voor een snel opstarten.

Op de statusbalk onder aan de queryverkenner ziet u de huidige sessiestatus:

Bij latere query's (warme start) start de uitvoering direct zonder de stap "Sessie starten".

Ondersteunde SQL-instructies

De queryverkenner ondersteunt alle Spark SQL-instructies, waaronder:

• SELECT : query's uitvoeren en gegevens verkennen in schema's en lakehouses.
• DML : INSERT, UPDATE, DELETE en MERGE voor gegevenswijzigingen.
• DDL — CREATE VIEW, CREATE TABLE, ALTER en DROP voor schemabeheer.
• Hulpprogramma-instructies : DESCRIBE, SHOW TABLES, SHOW SCHEMAS en andere metagegevensquery's.

Query's uitvoeren op meerdere schema's en cross-lakehouse

U kunt query's uitvoeren op tabellen in verschillende schema's in hetzelfde lakehouse, in meerdere lakehouses in dezelfde werkruimte en zelfs in lakehouses in verschillende werkruimten, allemaal vanuit één querytabblad.

• Kruisschema : verwijzingstabellen met behulp van schema_name.table_name syntaxis (bijvoorbeeld SELECT * FROM sales.orders JOIN marketing.campaigns ON ...).
• Cross-lakehouse : gebruik het volledig gekwalificeerde pad workspace_name.lakehouse_name.schema_name.table_name om query's uit te voeren op tabellen in andere lakehouses.

Results

Queryresultaten worden weergegeven in een raster onder de editor. Het resultatenraster biedt:

• Kolomsorteerd : selecteer een kolomkop om oplopend of aflopend te sorteren.
• Zoeken en filteren : filter resultaten inline om specifieke waarden te vinden.
• Indicator voor het aantal rijen — Toont het aantal geretourneerde rijen. Resultaten worden standaard beperkt tot 1000 rijen. Er wordt een duidelijke indicator weergegeven wanneer de resultaten worden afgekapt.
• Kopiëren : cellen selecteren en kopiëren met Ctrl+C. Plak deze in Excel of andere hulpprogramma's.
• Exporteren : resultaten downloaden in CSV-, JSON- of XML-indeling.
• Inlinediagrammen : maak staaf-, lijn-, cirkel- en andere grafiektypen rechtstreeks vanuit de resultatenset. Grafieken worden bijgewerkt wanneer u het grafiektype of de onderliggende gegevens wijzigt. Er is geen visualisatiecode nodig.

Weergaven creëren

U kunt rechtstreeks vanuit de queryverkenner weergaven maken om nuttige query's als herbruikbare assets te behouden. Weergaven worden automatisch weergegeven in de verkennerstructuur van Lakehouse naast tabellen.

Er zijn twee manieren om een weergave te maken:

• SQL-instructie : schrijf en voer een CREATE VIEW instructie uit in de editor. Zie voor meer informatie over Spark-weergaven Spark-weergaven in lakehouse.

  CREATE VIEW my_view AS
  SELECT customer_id, SUM(amount) AS total
  FROM sales.orders
  GROUP BY customer_id
  

• Opslaan als weergave : nadat u een SELECT-query hebt uitgevoerd, selecteert u Opslaan als weergave op de werkbalk. Geef een naam op voor de weergave in het dialoogvenster.

Limitations

• Alleen Spark SQL : de queryverkenner ondersteunt Spark SQL. PySpark, Scala en R worden niet ondersteund. Gebruik een notebook voor ondersteuning voor meerdere talen.
• Query's worden niet opgeslagen — Query's worden niet tussen sessies bewaard. Als u een nuttige query wilt behouden, slaat u deze op als een weergave.
• Geen querygeschiedenis . Eerdere query's worden niet opgeslagen. Het opslaan van query's en de geschiedenis staan gepland voor een toekomstige versie.
• Er wordt geen gerealiseerde weergave gemaakt . Het maken van gerealiseerde weergaven (MLV) wordt niet ondersteund. Gebruik een notebook om gematerialiseerde weergaven te maken.
• Geen realtime samenwerking : de queryverkenner biedt geen ondersteuning voor live cocreatie.
• Geen queryplanning : gebruik pijplijnen of notebooks voor geplande uitvoering van query's.

Verwante onderwerpen

• Navigeer door de Lakehouse Explorer
• Wat is een lakehouse?
• Lakehouse SQL-analyse-eindpunt
• Gegevens verkennen met een Lakehouse-notebook
• Spark-uitzichten in Lakehouse