โปรแกรมควบคุม Microsoft ODBC สําหรับ Microsoft Fabric Data Engineering (พรีวิว)

ODBC (Open Database Connectivity) เป็นมาตรฐานที่นํามาใช้อย่างแพร่หลาย ซึ่งช่วยให้แอปพลิเคชันไคลเอ็นต์สามารถเชื่อมต่อและทํางานกับข้อมูลจากฐานข้อมูลและแพลตฟอร์มข้อมูลขนาดใหญ่ได้

Microsoft ODBC Driver for Fabric Data Engineering ช่วยให้คุณเชื่อมต่อ สืบค้น และจัดการงาน Spark ใน Fabric ด้วยความน่าเชื่อถือและความเรียบง่ายของมาตรฐาน ODBC ไดรเวอร์นี้สร้างขึ้นบน Fabric Livy APIs เพื่อมอบการเชื่อมต่อ Spark SQL ที่ปลอดภัยและยืดหยุ่นสําหรับแอปพลิเคชันและเครื่องมือ BI ที่รองรับ .NET, Python และ ODBC อื่น ๆ

คุณลักษณะสำคัญ

• สอดคล้องกับ ODBC 3.x: การใช้งานข้อกําหนด ODBC 3.x อย่างเต็มรูปแบบ
• การรับรองความถูกต้อง Microsoft Entra ID: โฟลว์การรับรองความถูกต้องหลายขั้นตอน รวมถึงการรับรองความถูกต้องของ Azure CLI, อินเทอร์แอคทีฟ, ข้อมูลประจําตัวของไคลเอ็นต์, ตามใบรับรอง และการรับรองความถูกต้องของโทเค็นการเข้าถึง
• รองรับการสืบค้น Spark SQL: การดําเนินการโดยตรงของคําสั่ง Spark SQL
• รองรับประเภทข้อมูลที่ครอบคลุม: รองรับประเภทข้อมูล Spark SQL ทั้งหมด รวมถึงประเภทที่ซับซ้อน (ARRAY, MAP, STRUCT)
• การนําเซสชันกลับมาใช้ใหม่: การจัดการเซสชันในตัวเพื่อประสิทธิภาพที่ดีขึ้น
• รองรับตารางขนาดใหญ่: การจัดการที่ปรับให้เหมาะสมสําหรับชุดผลลัพธ์ขนาดใหญ่ที่มีขนาดหน้าเว็บที่กําหนดค่าได้
• การดึงข้อมูลล่วงหน้าแบบอะซิงโครนัส: การโหลดข้อมูลเบื้องหลังเพื่อประสิทธิภาพที่ดีขึ้น
• การสนับสนุนพร็อกซี: การกําหนดค่าพร็อกซี HTTP สําหรับสภาพแวดล้อมขององค์กร
• รองรับบ้านพักริมทะเลสาบแบบหลายสคีมา: เชื่อมต่อกับสคีมาเฉพาะภายในบ้านพักริมทะเลสาบ
• การผสานรวม OneLake: เข้าถึงข้อมูลบ้านทะเลสาบที่เก็บไว้ใน OneLake รวมถึงตารางจากหลายสคีมา ผ่านอินเทอร์เฟซ ODBC แบบรวมศูนย์โดยไม่ต้องกําหนดค่าจัดเก็บแยกต่างหาก
• การสนับสนุนรายการสภาพแวดล้อม: แนบรายการสภาพแวดล้อม Fabric ระหว่างการดําเนินการงานเพื่อใช้ไลบรารีพื้นที่ทํางาน คุณสมบัติ Spark และตัวแปรกับแต่ละเซสชัน
• การกําหนดค่า Spark แบบกําหนดเอง: ส่งผ่านคุณสมบัติการกําหนดค่า Spark โดยตรงผ่าน สายอักขระการเชื่อมต่อ เพื่อปรับแต่งลักษณะการทํางานของเซสชัน

ข้อกำหนดเบื้องต้น

ก่อนใช้โปรแกรมควบคุม Microsoft ODBC สําหรับ Microsoft Fabric Data Engineering ตรวจสอบให้แน่ใจว่าคุณมี:

• ระบบปฏิบัติการ: Windows 10/11 หรือ Windows Server 2016+
• การเข้าถึง Fabric: การเข้าถึงพื้นที่ทํางาน Fabric
• Microsoft Entra ID credentials: ข้อมูลประจําตัวที่เหมาะสมสําหรับการรับรองความถูกต้อง
• รหัสพื้นที่ทํางานและบ้านพักริมทะเลสาบ: ตัวระบุ GUID สําหรับพื้นที่ทํางาน Fabric และบ้านพักริมทะเลสาบของคุณ
• Azure CLI (ไม่บังคับ): จําเป็นสําหรับวิธีการรับรองความถูกต้องของ Azure CLI

ดาวน์โหลดและติดตั้ง MSI

โปรแกรมควบคุม Microsoft ODBC สําหรับ Microsoft Fabric Data Engineering รุ่น 1.0.0 อยู่ในการแสดงตัวอย่างสาธารณะ ซึ่งคุณสามารถดาวน์โหลดได้จากลิงก์ศูนย์ดาวน์โหลดนี้

• ดาวน์โหลดโปรแกรมควบคุม Microsoft ODBC สําหรับวิศวกรรมข้อมูล Microsoft Fabric (zip)

1. ดาวน์โหลดโปรแกรมควบคุม Microsoft ODBC สําหรับแพคเกจ MSI วิศวกรรมข้อมูล Microsoft Fabric
2. ดับเบิลคลิก MicrosoftFabricODBCDriver-1.0.msi
3. ทําตามวิซาร์ดการติดตั้งและยอมรับข้อตกลงใบอนุญาต
4. เลือกไดเร็กทอรีการติดตั้ง (ค่าเริ่มต้น: C:\Program Files\Microsoft ODBC Driver for Microsoft Fabric Data Engineering\)
5. ทําการติดตั้งให้เสร็จสมบูรณ์

การติดตั้งแบบเงียบ

# Silent installation
msiexec /i "MicrosoftFabricODBCDriver-1.0.msi" /quiet

# Installation with logging
msiexec /i "MicrosoftFabricODBCDriver-1.0.msi" /l*v install.log

ตรวจสอบการติดตั้ง

หลังการติดตั้ง ให้ตรวจสอบว่าไดรเวอร์ลงทะเบียนแล้ว:

1. เรียกใช้ odbcad32.exe (ผู้ดูแลระบบแหล่งข้อมูล ODBC)
2. ไปที่แท็บไดรเวอร์
3. ตรวจสอบว่า "โปรแกรมควบคุม Microsoft ODBC สําหรับวิศวกรรมข้อมูล Microsoft Fabric" แสดงอยู่ในรายการ

ตัวอย่างการเริ่มต้นอย่างรวดเร็ว

ตัวอย่างนี้แสดงวิธีเชื่อมต่อกับ Fabric และดําเนินการคําสั่งโดยใช้ไดรเวอร์ Microsoft ODBC สําหรับ Microsoft Fabric Data Engineering ก่อนเรียกใช้รหัสนี้ ตรวจสอบให้แน่ใจว่าคุณได้ทําตามข้อกําหนดเบื้องต้นและติดตั้งไดรเวอร์แล้ว

ตัวอย่าง Python

import pyodbc

# Connection string with required parameters
connection_string = (
    "DRIVER={Microsoft ODBC Driver for Microsoft Fabric Data Engineering};"
    "WorkspaceId=<workspace-id>;"
    "LakehouseId=<lakehouse-id>;"
    "AuthFlow=AZURE_CLI;"
)

# Connect and execute query
conn = pyodbc.connect(connection_string, timeout=30)
cursor = conn.cursor()

cursor.execute("SELECT 'Hello from Fabric!' as message")
row = cursor.fetchone()
print(row.message)

conn.close()

ตัวอย่าง .NET

using System.Data.Odbc;

// Connection string with required parameters
string connectionString = 
    "DRIVER={Microsoft ODBC Driver for Microsoft Fabric Data Engineering};" +
    "WorkspaceId=<workspace-id>;" +
    "LakehouseId=<lakehouse-id>;" +
    "AuthFlow=AZURE_CLI;";

using var connection = new OdbcConnection(connectionString);
await connection.OpenAsync();

Console.WriteLine("Connected successfully!");

using var command = new OdbcCommand("SELECT 'Hello from Fabric!' as message", connection);
using var reader = await command.ExecuteReaderAsync();

if (await reader.ReadAsync())
{
    Console.WriteLine(reader.GetString(0));
}

รูปแบบสตริงการเชื่อมต่อ

สตริงการเชื่อมต่อพื้นฐาน

โปรแกรมควบคุม Microsoft ODBC สําหรับวิศวกรรมข้อมูล Microsoft Fabric ใช้รูปแบบสายอักขระการเชื่อมต่อต่อไปนี้:

DRIVER={Microsoft ODBC Driver for Microsoft Fabric Data Engineering};<parameter1>=<value1>;<parameter2>=<value2>;...

ส่วนประกอบสตริงการเชื่อมต่อ

ตัวอย่างสตริงการเชื่อมต่อ

การเชื่อมต่อพื้นฐาน (การรับรองความถูกต้อง Azure CLI)

DRIVER={Microsoft ODBC Driver for Microsoft Fabric Data Engineering};WorkspaceId=<workspace-id>;LakehouseId=<lakehouse-id>;AuthFlow=AZURE_CLI

ด้วยตัวเลือกประสิทธิภาพ

DRIVER={Microsoft ODBC Driver for Microsoft Fabric Data Engineering};WorkspaceId=<workspace-id>;LakehouseId=<lakehouse-id>;AuthFlow=AZURE_CLI;ReuseSession=true;LargeTableSupport=true;PageSizeBytes=18874368

ด้วยการบันทึก

DRIVER={Microsoft ODBC Driver for Microsoft Fabric Data Engineering};WorkspaceId=<workspace-id>;LakehouseId=<lakehouse-id>;AuthFlow=AZURE_CLI;LogLevel=DEBUG;LogFile=odbc_driver.log

การรับรองความถูกต้อง

โปรแกรมควบคุม Microsoft ODBC สําหรับวิศวกรรมข้อมูล Microsoft Fabric สนับสนุนวิธีการรับรองความถูกต้องหลายวิธีผ่าน Microsoft Entra ID (เดิมคือ Azure Active Directory) การรับรองความถูกต้องถูกกําหนดค่าโดยใช้ AuthFlow พารามิเตอร์ในสตริงการเชื่อมต่อ

วิธีการรับรองความถูกต้อง

การรับรองความถูกต้องของ Azure CLI

ดีที่สุดสําหรับ: การพัฒนาและแอปพลิเคชันแบบโต้ตอบ

# Python Example
connection_string = (
    "DRIVER={Microsoft ODBC Driver for Microsoft Fabric Data Engineering};"
    "WorkspaceId=<workspace-id>;"
    "LakehouseId=<lakehouse-id>;"
    "AuthFlow=AZURE_CLI;"
    "Scope=https://api.fabric.microsoft.com/.default;"
)
conn = pyodbc.connect(connection_string)

ข้อกําหนดเบื้องต้น:

• ติดตั้ง Azure CLI: az --version
• เข้าสู่ระบบ: az login

การรับรองความถูกต้องของเบราว์เซอร์แบบโต้ตอบ

ดีที่สุดสําหรับ: แอปพลิเคชันที่ต้องเผชิญหน้ากับผู้ใช้

# Python Example
connection_string = (
    "DRIVER={Microsoft ODBC Driver for Microsoft Fabric Data Engineering};"
    "WorkspaceId=<workspace-id>;"
    "LakehouseId=<lakehouse-id>;"
    "AuthFlow=INTERACTIVE;"
    "TenantId=<tenant-id>;"
    "Scope=https://api.fabric.microsoft.com/.default;"
)
conn = pyodbc.connect(connection_string)

ลักษณะการทํางาน:

• เปิดหน้าต่างเบราว์เซอร์สําหรับการตรวจสอบผู้ใช้
• ข้อมูลประจําตัวจะถูกแคชสําหรับการเชื่อมต่อที่ตามมา

การรับรองความถูกต้องของข้อมูลประจําตัวไคลเอ็นต์ (บริการหลัก)

ดีที่สุดสําหรับ: บริการอัตโนมัติและงานเบื้องหลัง

connection_string = (
    "DRIVER={Microsoft ODBC Driver for Microsoft Fabric Data Engineering};"
    "WorkspaceId=<workspace-id>;"
    "LakehouseId=<lakehouse-id>;"
    "AuthFlow=CLIENT_CREDENTIAL;"
    f"TenantId={tenant_id};"
    f"ClientId={client_id};"
    f"ClientSecret={client_secret};"
)

พารามิเตอร์ที่จําเป็น

• TenantId: รหัสผู้เช่า Azure
• ClientId: รหัสแอปพลิเคชัน (ไคลเอ็นต์) จาก Microsoft Entra ID
• ClientSecret: ข้อมูลลับของไคลเอ็นต์จาก Microsoft Entra ID

แนวทางปฏิบัติที่ดีที่สุด

• จัดเก็บข้อมูลลับอย่างปลอดภัย (Azure Key Vault, ตัวแปรสภาพแวดล้อม)
• ใช้ข้อมูลประจําตัวที่มีการจัดการเมื่อเป็นไปได้
• หมุนเวียนความลับอย่างสม่ําเสมอ

การรับรองความถูกต้องตามใบรับรอง

ดีที่สุดสําหรับ: แอปพลิเคชันระดับองค์กรที่ต้องการการรับรองความถูกต้องตามใบรับรอง

connection_string = (
    "DRIVER={Microsoft ODBC Driver for Microsoft Fabric Data Engineering};"
    "WorkspaceId=<workspace-id>;"
    "LakehouseId=<lakehouse-id>;"
    "AuthFlow=CLIENT_CERTIFICATE;"
    "TenantId=<tenant-id>;"
    "ClientId=<client-id>;"
    "CertificatePath=C:\\certs\\mycert.pfx;"
    "CertificatePassword=<password>;"
)

พารามิเตอร์ที่จําเป็น:

• TenantId: รหัสผู้เช่า Azure
• ClientId: รหัสแอปพลิเคชัน (ไคลเอ็นต์)
• CertificatePath: เส้นทางไปยังไฟล์ใบรับรอง PFX/PKCS12
• CertificatePassword: รหัสผ่านใบรับรอง

การรับรองความถูกต้องของโทเค็นการเข้าถึง

ดีที่สุดสําหรับ: สถานการณ์การรับรองความถูกต้องแบบกําหนดเอง

# Acquire token through custom mechanism
access_token = acquire_token_from_custom_source()

connection_string = (
    "DRIVER={Microsoft ODBC Driver for Microsoft Fabric Data Engineering};"
    "WorkspaceId=<workspace-id>;"
    "LakehouseId=<lakehouse-id>;"
    "AuthFlow=ACCESS_TOKEN;"
    f"AccessToken={access_token};"
)

พารามิเตอร์การกําหนดค่า

พารามิเตอร์ที่ต้องการ

พารามิเตอร์เหล่านี้ต้องมีอยู่ในทุกสตริงการเชื่อมต่อ:

พารามิเตอร์เพิ่มเติม

การตั้งค่าการเชื่อมต่อ

การตั้งค่าประสิทธิภาพ

การตั้งค่าการบันทึก

การตั้งค่าพร็อกซี

การตั้งค่าสภาพแวดล้อม

คุณสามารถแนบรายการสภาพแวดล้อม Fabric กับเซสชัน Spark ที่เริ่มต้นโดยโปรแกรมควบคุม ไลบรารี คุณสมบัติ Spark และตัวแปรของสภาพแวดล้อมที่เลือกจะถูกนําไปใช้โดยอัตโนมัติเมื่อมีการสร้างเซสชัน

ตัวอย่าง สายอักขระการเชื่อมต่อ ที่มีรายการสภาพแวดล้อม:

DRIVER={Microsoft ODBC Driver for Microsoft Fabric Data Engineering};WorkspaceId=<workspace-id>;LakehouseId=<lakehouse-id>;AuthFlow=AZURE_CLI;EnvironmentId=<environment-id>

การกําหนดค่า Spark แบบกําหนดเอง

คุณสามารถส่งผ่านคุณสมบัติการกําหนดค่า Spark ได้โดยตรงใน สายอักขระการเชื่อมต่อ พารามิเตอร์ใดๆ ที่นําหน้า ด้วย spark. จะถูกนําไปใช้กับเซสชัน Spark โดยอัตโนมัติในเวลาที่สร้าง ซึ่งช่วยให้คุณสามารถแทนที่ค่าเริ่มต้นของพื้นที่ทํางานหรือรันไทม์ได้

ตัวอย่างการกําหนดค่า Spark:

spark.sql.shuffle.partitions=200
spark.sql.adaptive.enabled=true
spark.sql.autoBroadcastJoinThreshold=10485760

ตัวอย่าง สายอักขระการเชื่อมต่อ ที่มีคุณสมบัติ Spark ที่กําหนดเอง:

DRIVER={Microsoft ODBC Driver for Microsoft Fabric Data Engineering};WorkspaceId=<workspace-id>;LakehouseId=<lakehouse-id>;AuthFlow=AZURE_CLI;spark.sql.shuffle.partitions=200;spark.sql.adaptive.enabled=true

การกําหนดค่า DSN

สร้าง DSN ของระบบ

1. เปิดผู้ดูแลระบบ ODBC

   %SystemRoot%\System32\odbcad32.exe
   

2. สร้าง DSN ระบบใหม่

   • ไปที่แท็บ "System DSN"
   • เลือก "เพิ่ม"
   • เลือก "Microsoft ODBC Driver for Microsoft Fabric Data Engineering"
   • เลือก "เสร็จสิ้น"

3. กําหนดการตั้งค่า DSN

   • ชื่อแหล่งข้อมูล: ป้อนชื่อที่ไม่ซ้ํากัน (เช่น FabricODBC)
   • คําอธิบาย: คําอธิบายเพิ่มเติม
   • รหัสพื้นที่ทํางาน: GUID พื้นที่ทํางาน Fabric ของคุณ
   • รหัสเลคเฮาส์: GUID เลคเฮาส์ผ้าของคุณ
   • การรับรองความถูกต้อง: เลือกวิธีการรับรองความถูกต้อง
   • รหัสสภาพแวดล้อม (ไม่บังคับ): ป้อน GUID ของรายการสภาพแวดล้อม Fabric ที่จะแนบระหว่างการสร้างเซสชัน
   • กําหนดการตั้งค่าเพิ่มเติมตามต้องการ

4. ทดสอบการเชื่อมต่อ

   • เลือก "ทดสอบการเชื่อมต่อ" เพื่อตรวจสอบการตั้งค่า
   • เลือก "ตกลง" เพื่อบันทึก

ใช้ DSN ในแอปพลิเคชัน

# Python - Connect using DSN
conn = pyodbc.connect("DSN=FabricODBC")

// .NET - Connect using DSN
using var connection = new OdbcConnection("DSN=FabricODBC");
await connection.OpenAsync();

ตัวอย่างการใช้

การเชื่อมต่อและแบบสอบถามพื้นฐาน

หลาม

import pyodbc

def main():
    connection_string = (
        "DRIVER={Microsoft ODBC Driver for Microsoft Fabric Data Engineering};"
        "WorkspaceId=<workspace-id>;"
        "LakehouseId=<lakehouse-id>;"
        "AuthFlow=AZURE_CLI;"
        "ReuseSession=true;"
    )
    
    conn = pyodbc.connect(connection_string, timeout=30)
    cursor = conn.cursor()
    
    print("Connected successfully!")
    
    # Show available tables
    print("\nAvailable tables:")
    cursor.execute("SHOW TABLES")
    for row in cursor.fetchall():
        print(f"  {row}")
    
    # Query data
    print("\nQuery results:")
    cursor.execute("SELECT * FROM employees LIMIT 10")
    
    # Print column names
    columns = [desc[0] for desc in cursor.description]
    print(f"Columns: {columns}")
    
    # Print rows
    for row in cursor.fetchall():
        print(row)
    
    conn.close()

if __name__ == "__main__":
    main()

.NET

using System.Data.Odbc;

class Program
{
    static async Task Main(string[] args)
    {
        string connectionString = 
            "DRIVER={Microsoft ODBC Driver for Microsoft Fabric Data Engineering};" +
            "WorkspaceId=<workspace-id>;" +
            "LakehouseId=<lakehouse-id>;" +
            "AuthFlow=AZURE_CLI;" +
            "ReuseSession=true;";

        using var connection = new OdbcConnection(connectionString);
        await connection.OpenAsync();
        
        Console.WriteLine("Connected successfully!");

        // Show available tables
        Console.WriteLine("\nAvailable tables:");
        using (var cmd = new OdbcCommand("SHOW TABLES", connection))
        using (var reader = await cmd.ExecuteReaderAsync())
        {
            while (await reader.ReadAsync())
            {
                Console.WriteLine($"  {reader.GetString(0)}");
            }
        }

        // Query data
        Console.WriteLine("\nQuery results:");
        using (var cmd = new OdbcCommand("SELECT * FROM employees LIMIT 10", connection))
        using (var reader = await cmd.ExecuteReaderAsync())
        {
            // Print column names
            var columns = new List<string>();
            for (int i = 0; i < reader.FieldCount; i++)
            {
                columns.Add(reader.GetName(i));
            }
            Console.WriteLine($"Columns: {string.Join(", ", columns)}");

            // Print rows
            while (await reader.ReadAsync())
            {
                var values = new object[reader.FieldCount];
                reader.GetValues(values);
                Console.WriteLine(string.Join("\t", values));
            }
        }
    }
}

การทํางานกับชุดผลลัพธ์ขนาดใหญ่

import pyodbc

connection_string = (
    "DRIVER={Microsoft ODBC Driver for Microsoft Fabric Data Engineering};"
    "WorkspaceId=<workspace-id>;"
    "LakehouseId=<lakehouse-id>;"
    "AuthFlow=AZURE_CLI;"
    "LargeTableSupport=true;"
    "PageSizeBytes=18874368;"  # 18 MB pages
    "EnableAsyncPrefetch=1;"
)

conn = pyodbc.connect(connection_string)
cursor = conn.cursor()

# Execute large query
cursor.execute("SELECT * FROM large_table")

# Process in batches
row_count = 0
while True:
    rows = cursor.fetchmany(1000)  # Fetch 1000 rows at a time
    if not rows:
        break
    
    for row in rows:
        # Process row
        row_count += 1
        
    if row_count % 10000 == 0:
        print(f"Processed {row_count} rows")

print(f"Total rows processed: {row_count}")
conn.close()

การค้นพบสคีมา

import pyodbc

conn = pyodbc.connect(connection_string)
cursor = conn.cursor()

# List all tables
print("Tables in current default schema / database:")
cursor.execute("SHOW TABLES")
tables = cursor.fetchall()
for table in tables:
    print(f"  {table}")

# Describe table structure
print("\nTable structure for 'employees':")
cursor.execute("DESCRIBE employees")
for col in cursor.fetchall():
    print(f"  {col}")

# List schemas (for multi-schema Lakehouses)
print("\nAvailable schemas:")
cursor.execute("SHOW SCHEMAS")
for db in cursor.fetchall():
    print(f"  {db}")

conn.close()

การแมปชนิดข้อมูล

โปรแกรมควบคุมแมปชนิดข้อมูล Spark SQL กับชนิด ODBC SQL:

การรวมเครื่องมือ BI

ไมโครซอฟท์ เอ็กเซล

1. เปิด Excel -> ข้อมูล -> รับข้อมูล -> จากแหล่งอื่น -> จาก ODBC
2. เลือก DSN ที่คุณกําหนดค่าไว้ (เช่น FabricODBC)
3. รับรองความถูกต้องหากได้รับแจ้ง
4. เรียกดูและเลือกตาราง
5. โหลดข้อมูลลงในแผ่นงาน Excel

Power BI Desktop

1. เปิด Power BI Desktop -> รับข้อมูล -> ODBC
2. เลือก DSN ที่คุณกําหนดค่าไว้
3. เรียกดูแค็ตตาล็อกข้อมูลและเลือกตาราง
4. แปลงข้อมูลตามต้องการ
5. สร้างการแสดงภาพ

SQL Server Management Studio (เซิร์ฟเวอร์ที่เชื่อมโยง)

-- Create linked server
EXEC sp_addlinkedserver 
    @server = 'FABRIC_LINKED_SERVER',
    @srvproduct = 'Microsoft Fabric',
    @provider = 'MSDASQL',
    @datasrc = 'FabricODBC'

-- Configure RPC
EXEC master.dbo.sp_serveroption 
    @server = N'FABRIC_LINKED_SERVER',
    @optname = N'rpc out',
    @optvalue = N'true';

-- Query via linked server
SELECT * FROM OPENQUERY(FABRIC_LINKED_SERVER, 'SHOW TABLES');
SELECT * FROM OPENQUERY(FABRIC_LINKED_SERVER, 'SELECT * FROM employees LIMIT 20');

-- Execute statements
EXEC('SELECT * FROM employees LIMIT 10') AT FABRIC_LINKED_SERVER;

การแก้ไขปัญหา

ส่วนนี้ให้คําแนะนําสําหรับการแก้ไขปัญหาทั่วไปที่คุณอาจพบเมื่อใช้โปรแกรมควบคุม Microsoft ODBC สําหรับวิศวกรรมข้อมูล Microsoft Fabric

ปัญหาทั่วไป

ส่วนต่อไปนี้จะอธิบายปัญหาทั่วไปและวิธีแก้ไข:

การเชื่อมต่อล้มเหลว

ปัญหา: ไม่สามารถเชื่อมต่อกับ Fabric ได้

โซลูชัน:

1. ตรวจสอบว่า Workspace ID และ Lakehouse ID เป็น GUID ที่ถูกต้อง
2. ตรวจสอบการรับรองความถูกต้อง Azure CLI: az account show
3. ตรวจสอบให้แน่ใจว่าคุณมีสิทธิ์พื้นที่ทํางาน Fabric ที่เหมาะสม
4. ตรวจสอบการเชื่อมต่อเครือข่ายและการตั้งค่าพร็อกซี

ข้อผิดพลาดในการรับรองความถูกต้อง

ปัญหา: การรับรองความถูกต้องล้มเหลวด้วย Azure CLI

โซลูชัน:

• เรียกใช้ az login เพื่อรีเฟรชข้อมูลประจําตัว
• ตรวจสอบผู้เช่าที่ถูกต้อง: az account set --subscription <subscription-id>
• ตรวจสอบความถูกต้องของโทเค็น: az account get-access-token --resource https://api.fabric.microsoft.com

หมดเวลาคิวรี

ปัญหา: การสืบค้นหมดเวลาบนตารางขนาดใหญ่

โซลูชัน:

• เปิดใช้งาน LargeTableSupport=true
• ปรับ PageSizeBytes ให้มีขนาดก้อนที่เหมาะสมที่สุด
• เปิดใช้งานการดึงข้อมูลล่วงหน้าแบบอะซิงโครนัส: EnableAsyncPrefetch=1
• ใช้ LIMIT ส่วนคําสั่งเพื่อจํากัดขนาดผลลัพธ์

เปิดใช้งานการบันทึก

เมื่อแก้ไขปัญหา การเปิดใช้งานการบันทึกโดยละเอียดสามารถช่วยคุณระบุสาเหตุของปัญหาได้ คุณสามารถเปิดใช้งานการบันทึกผ่านสตริงการเชื่อมต่อ

วิธีเปิดใช้งานการบันทึกโดยละเอียด:

LogLevel=DEBUG;LogFile=C:\temp\odbc_driver_debug.log;

ระดับบันทึก:

• TRACE: ฟุ่มเฟือยที่สุด รวมถึงการเรียก API ทั้งหมด
• DEBUG: ข้อมูลการดีบักโดยละเอียด
• INFO: ข้อมูลทั่วไป (ค่าเริ่มต้น)
• WARN: คําเตือนเท่านั้น
• ERROR: ข้อผิดพลาดเท่านั้น

การติดตาม ODBC

สําหรับการวินิจฉัยระดับต่ํา คุณสามารถเปิดใช้งานการติดตาม Windows ODBC เพื่อบันทึกการเรียก ODBC API โดยละเอียดและลักษณะการทํางานของโปรแกรมควบคุม อย่าลืมปิดการติดตามเมื่อไม่ต้องการเพื่อรักษาประสิทธิภาพสูงสุด

เมื่อต้องการเปิดใช้งานการติดตาม ODBC:

1. เปิด odbcad32.exe
2. ไปที่แท็บ "การติดตาม"
3. ตั้งค่าเส้นทางไฟล์การติดตาม (เช่น C:\temp\odbctrace.log)
4. เลือก "เริ่มติดตามทันที"
5. สร้างปัญหาซ้ํา
6. เลือก "หยุดการติดตามทันที"

เนื้อหาที่เกี่ยวข้อง

• ไดรเวอร์ Microsoft ODBC สําหรับ Microsoft Fabric Data Engineering บน Linux
• รันไทม์ Apache Spark ใน Fabric
• รันไทม์ของผ้า 1.3
• Livy API สําหรับวิศวกรรมข้อมูลคืออะไร
• โปรแกรมควบคุม Microsoft JDBC สําหรับวิศวกรรมข้อมูล Microsoft Fabric