Sök data med lakehouse query explorer

Lakehouse frågeutforskaren är en integrerad frågeredigerare inbäddad direkt i Lakehouse utforskaren. Du kan skriva och köra Spark SQL-frågor mot dina lakehouse-data utan att lämna utforskaren. Du behöver inte växla till SQL-analysslutpunkten eller skapa en notebook-fil för snabb datautforskning.

Frågeutforskaren använder Apache Spark som exekveringsmotor genom att använda lakehouse Livy-endpointen. Du får samma SQL-dialekt som i Spark-notebooks, stöd för läs- och skrivåtgärder samt möjligheten att effektivt köra frågor mot stora datamängder.

Öppna frågeutforskaren

Du kan öppna frågeutforskaren från Lakehouse Explorer på följande sätt:

• Den översta navigeringsmenyn – Välj Ny SparkSQL-fråga på den översta navigeringsmenyn. En tom frågeflik öppnas direkt i Lakehouse-utforskaren.
• Vänster navigeringsmeny – Högerklicka på valfri tabell, vy eller genväg i utforskarträdet och välj Ny SparkSQL-fråga. En flik för frågor öppnas med en förifylld SELECT * FROM <table> LIMIT 100 sats.

Utforskarträdet förblir synligt till vänster när frågeutforskaren är öppen, så du kan referera till scheman och tabeller när du skriver frågor.

Frågeredigerarens funktioner

Frågeredigeraren ger en produktiv redigeringsupplevelse för Spark SQL:

• IntelliSense – Komplettera automatiskt för tabellnamn, kolumnnamn, scheman och SQL-funktioner. När du har skrivit FROM föreslår IntelliSense tillgängliga lakehouses, scheman och tabeller. Kolumnförslag visas när en tabell refereras till i frågan. Hovra över ett tabellnamn för att se dess kolumner i ett popup-fönster.
• Syntaxmarkering – Färgkodade SQL-nyckelord, identifierare och literaler.
• Format – Välj Format i verktygsfältet för att automatiskt dra in och strukturera DIN SQL.
• Kör och avbryt – Välj Kör för att köra frågan eller Avbryt för att stoppa en fråga som körs.
• Radnummer och kodfällning – Fäll ihop långa delar av frågan för enklare navigering.

Dynamiska flikar

Du kan öppna flera frågeflikar samtidigt och växla mellan dem direkt. Varje flik har sin egen frågetext, körstatus och sina egna resultat separat.

Om du vill öppna en ny flik väljer du Ny SparkSQL-fråga i menyfliksområdet eller snabbmenyn. Om du vill stänga en flik väljer du X på fliken . Att stänga en flik påverkar inte andra.

Dynamiska flikar är användbara när du behöver utforska olika aspekter av dina data samtidigt. Till exempel en flik för beställningar, en för kunder och en för regionala uppdelningar.

Kör sökfrågor

När du väljer Kör från frågefönstrets verktygsfält ansluter frågeutforskaren till en enkel Spark-session som använder Lakehouse Livy-slutpunkten och är optimerad för en snabb start.

Statusfältet längst ned i frågeutforskaren visar det aktuella sessionstillståndet:

Vid efterföljande förfrågningar (varm start) startar körningen omedelbart utan steget "Starta session".

SQL-instruktioner som stöds

Frågeutforskaren stöder alla Spark SQL-instruktioner, inklusive:

• SELECT – Sök i och utforska data i scheman och lakehouses.
• DML – INSERT, UPDATE, DELETE och MERGE för dataändringar.
• DDL – CREATE VIEW, CREATE TABLE, ALTER och DROP för schemahantering.
• Verktygsinstruktioner – DESCRIBE, SHOW TABLES, SHOW SCHEMAS och andra metadatafrågor.

Frågor mellan scheman och korssjöhus

Du kan fråga tabeller i olika scheman i samma lakehouse, i flera lakehouses i samma arbetsyta och även i lakehouses i olika arbetsytor – allt i en och samma frågeflik.

• Mellan scheman — Referera till tabeller med syntaxen schema_name.table_name (till exempel SELECT * FROM sales.orders JOIN marketing.campaigns ON ...).
• Cross-lakehouse – Använd den fullständigt kvalificerade sökvägen workspace_name.lakehouse_name.schema_name.table_name för att fråga efter tabeller i andra sjöhus.

Results

Frågeresultat visas i ett rutnät under redigeraren. Resultatrutnätet innehåller:

• Kolumnsortering – Välj en kolumnrubrik för att sortera stigande eller fallande.
• Sök och filtrera – Filtrera resultaten direkt i listan för att hitta specifika värden.
• Indikator för antal rader – Visar antalet rader som returneras. Resultatet är begränsat till 1 000 rader som standard. En tydlig indikator visas när resultaten avkortas.
• Kopiera – Markera celler och kopiera med Ctrl+C. Klistra in i Excel eller andra verktyg.
• Exportera – Ladda ned resultat i CSV-, JSON- eller XML-format.
• Infogade diagram – Skapa stapel-, linje-, cirkel- och andra diagramtyper direkt från resultatuppsättningen. Diagram uppdateras när du ändrar diagramtypen eller underliggande data. Ingen visualiseringskod behövs.

Skapa vyer

Du kan skapa vyer direkt från frågeutforskaren för att spara användbara frågor som återanvändbara tillgångar. Vyer visas automatiskt i Lakehouse Explorer-trädet tillsammans med tabeller.

Det finns två sätt att skapa en vy:

• SQL-instruktion – Skriva och köra en CREATE VIEW instruktion i redigeraren. Mer information om Spark-vyer finns i Spark-vyer i lakehouse.

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

• Spara som vy – När du har kört en SELECT-fråga väljer du Spara som vy i verktygsfältet. Ange ett namn för vyn i dialogrutan.

Limitations

• Endast Spark SQL – Frågeutforskaren stöder Spark SQL. PySpark, Scala och R stöds inte. För stöd för flera språk, använd en anteckningsbok.
• Ingen fråga sparas – Frågor sparas inte mellan sessioner. Spara den som en vy för att bevara en användbar fråga.
• Ingen frågehistorik – Tidigare frågor lagras inte. Att spara frågor och historik är planerade för en framtida version.
• Ingen materialiserad vy skapas – skapande av materialiserad vy (MLV) stöds inte. Använd en notebook-fil för att skapa materialiserade vyer.
• Inget samarbete i realtid – Frågeutforskaren stöder inte samtidig redigering i realtid.
• Ingen frågeschemaläggning – Använd pipelines eller notebook-filer för schemalagd frågekörning.

Relaterat innehåll

• Navigera Lakehouse-utforskaren
• Vad är ett sjöhus?
• Lakehouse SQL-analysslutpunkt
• Utforska data med en lakehouse-anteckningsbok
• Vyer i lakehouse