Qual è l'endpoint di analisi SQL di un lakehouse?

L'endpoint di analisi SQL offre un'interfaccia di query T-SQL di sola lettura sulle tabelle Delta all'interno della lakehouse. Ogni lakehouse effettua automaticamente il provisioning di un endpoint di analisi SQL al momento della creazione. Non è necessario configurare alcun elemento aggiuntivo. In background, l'endpoint di analisi SQL viene eseguito sullo stesso motore del Fabric Data Warehouse, in modo da ottenere query SQL a bassa latenza e prestazioni elevate senza gestire l'infrastruttura.

L'endpoint di analisi SQL non è univoco per i lakehouse. Altri articoli dell'infrastruttura, inclusi warehouses, database con mirroring, SQL e Azure Cosmos DB, eseguono anche automaticamente il provisioning di un endpoint di analisi SQL. L'esperienza e le limitazioni sono le stesse in tutte.

Cosa puoi fare

L'endpoint di analisi SQL funziona in modalità di sola lettura sulle tabelle Delta. Non è possibile inserire, aggiornare o eliminare dati tramite di esso. Per modificare i dati, passare al lakehouse e usare Apache Spark.

All'interno di tale limite di sola lettura, è possibile:

• Interrogare le tabelle Delta con T-SQL - Eseguire istruzioni SELECT su qualsiasi tabella Delta nella lakehouse, incluse le tabelle esposte tramite scorciatoie ad archivi dati di Azure esterni o Amazon S3.
• Creare viste, funzioni e stored procedure : incapsulare la logica di business e i modelli di query riutilizzabili negli oggetti T-SQL persistenti nell'endpoint di analisi SQL.
• Applicare la sicurezza a livello di riga e a livello di oggetto : usare autorizzazioni granulari sql per controllare quali tabelle, colonne o righe possono essere visualizzate dagli utenti.
• Creare report di Power BI : i modelli semantici di Power BI possono connettersi all'endpoint di analisi SQL tramite l'endpoint TDS (Tabular Data Stream), in modo da poter compilare report sui dati lakehouse.
• Eseguire query tra aree di lavoro : usare i collegamenti OneLake per fare riferimento a tabelle Delta in altri lakehouse o warehouse, quindi aggiungerli in una singola query. Per altri scenari tra aree di lavoro, vedere Casi d'uso degli endpoint di analisi SQL lakehouse.

Accedi all'endpoint di analisi SQL

È possibile aprire l'endpoint di analisi SQL in due modi:

• Dall'area di lavoro — nell'elenco degli elementi dell'area di lavoro, trovare l'elemento endpoint di analisi SQL (ha lo stesso nome del lakehouse) e selezionarlo.
• Da Lakehouse Explorer — Nell'area superiore destra del nastro, usare l'elenco a discesa per passare alla visualizzazione dell'endpoint SQL Analytics.

In entrambi i casi, il query editor si apre in cui è possibile scrivere ed eseguire query T-SQL sulle tabelle Delta.

Sicurezza

Le regole di sicurezza SQL impostate nell'endpoint di analisi SQL si applicano solo quando si accede ai dati tramite l'endpoint. Non si applicano quando si accede agli stessi dati tramite Spark o altri strumenti.

Per proteggere i dati:

• Configurare i permessi granulati SQL sull'endpoint di analisi SQL per controllare l'accesso a tabelle, colonne o righe specifiche.
• Impostare i ruoli e le autorizzazioni del workspace per controllare chi può accedere alla lakehouse e ai suoi dati tramite altri percorsi.

Per altre informazioni sul modello di sicurezza, vedere Sicurezza di OneLake per gli endpoint di analisi SQL.

Sincronizzazione dei metadati

Quando si crea o si aggiorna una tabella Delta nel lakehouse, l'endpoint di analisi SQL rileva automaticamente la modifica e ne aggiorna i metadati SQL, ovvero definizioni di tabella, tipi di colonna e statistiche. Non è previsto alcun passaggio di importazione e non è necessaria alcuna sincronizzazione manuale. Sono disponibili più opzioni per avviare manualmente un aggiornamento dei metadati dell'endpoint di analisi SQL.

Per altre informazioni, vedere Sincronizzazione dei metadati degli endpoint di analisi SQL.

Ripetizione del provisioning

Se il provisioning dell'endpoint di analisi SQL non riesce quando si crea un lakehouse, è possibile riprovare direttamente dalla pagina iniziale del Lakehouse senza ricrearlo.

Limitazioni

L'endpoint di analisi SQL condivide il motore con l'Data Warehouse Fabric e condivide le stesse limitazioni.

Le limitazioni seguenti si applicano alla generazione automatica dello schema e all'individuazione dei metadati degli endpoint di analisi SQL.

• I dati devono essere in formato Delta Parquet da individuare automaticamente nell'endpoint di analisi SQL. Delta Lake è un framework di archiviazione open source che consente di creare un'architettura Lakehouse.

• Il mapping delle colonne Delta in base al nome è supportato, ma il mapping delle colonne Delta in base all'ID non è supportato. Per ulteriori informazioni, consultare le funzionalità di Delta Lake e le esperienze di Fabric.

  • Il mapping delle colonne Delta nell'endpoint di SQL Analytics è attualmente in fase di anteprima.

• Le tabelle delta create all'esterno della cartella /tables non sono disponibili nell'endpoint di analisi SQL.

  Se non viene visualizzata una tabella Lakehouse nell'endpoint di analisi SQL, controllare il percorso della tabella. Solo le tabelle che fanno riferimento ai dati nella /tables cartella sono disponibili nell'endpoint di analisi SQL. Le tabelle che fanno riferimento ai dati nella cartella /files nel lake non vengono esposte nell'endpoint di analisi SQL. Come soluzione alternativa, spostare i dati nella cartella /tables.

• Alcune colonne presenti nelle tabelle Delta spark potrebbero non essere disponibili nelle tabelle nell'endpoint di analisi SQL. Per ogni tabella Delta in Lakehouse, l'endpoint di analisi SQL genera automaticamente una tabella con tipi di dati T-SQL. Il motore endpoint di analisi SQL si basa sul motore di Fabric Data Warehouse e condivide i tipi di dati. Per un elenco completo dei tipi di dati supportati, vedere Tipi di dati in Fabric Data Warehouse.

• Se si aggiunge un vincolo di chiave esterna tra tabelle nell'endpoint di analisi SQL, non sarà possibile apportare altre modifiche allo schema, ad esempio aggiungendo le nuove colonne. Se le colonne Delta Lake non vengono visualizzate con i tipi che devono essere supportati nell'endpoint di analisi SQL, verificare se è presente un vincolo di chiave esterna che potrebbe impedire gli aggiornamenti nella tabella.

• Per informazioni e consigli sulle prestazioni dell'endpoint di analisi SQL, vedere Considerazioni sulle prestazioni degli endpoint di analisi SQL.

• Le funzioni definite dall'utente scalari sono supportate quando sono inline. Per ulteriori informazioni, vedere CREATE FUNCTION e inserimento in linea degli UDF scalari.

• Il tipo di dati varchar(max) è supportato solo negli endpoint di analisi SQL di elementi con mirroring e nei database Fabric, e non per i Lakehouse. Le tabelle create dopo il 10 novembre 2025 verranno mappate automaticamente con varchar(max). Le tabelle create prima del 10 novembre 2025 devono essere ricreate per adottare un nuovo tipo di dati o verranno aggiornate automaticamente a varchar(max) durante la modifica dello schema successiva.

Il troncamento dei dati a 8 KB si applica ancora alle tabelle nell'endpoint di analisi SQL del Lakehouse, compresi i collegamenti a un elemento replicato.

Poiché non tutte le tabelle supportano i join su colonne varchar(max), potrebbe non funzionare come previsto se una delle tabelle presenta ancora un troncamento dei dati. Ad esempio, se si utilizza CTAS per una tabella di un elemento specchiato appena creato in una tabella Lakehouse usando Spark e li si unisce usando la colonna con varchar(max), i risultati della query saranno diversi rispetto al tipo di dati varchar(8000). Se si vuole continuare a avere un comportamento precedente, è possibile eseguire il cast della colonna in varchar(8000) nella query.

È possibile verificare se una tabella contiene una colonna varchar(max) dai metadati dello schema usando la query T-SQL seguente. Un max_length valore di -1 rappresenta varchar(max):

SELECT o.name, c.name, type_name(user_type_id) AS [type], max_length
FROM sys.columns AS c
INNER JOIN sys.objects AS o
ON c.object_id = o.object_id
WHERE max_length = -1 
AND type_name(user_type_id) IN ('varchar', 'varbinary');

• Gli schemi con nomi in conflitto con gli schemi di sistema (ad esempio sys o information_schema) e le entità di sicurezza del database (ad esempio db_owner, db_datareader) non sono supportati nell'endpoint di analisi SQL. Le tabelle in questi schemi non verranno sincronizzate con l'endpoint di analisi SQL.

• Un'area di lavoro supporta fino a 150 elementi combinati di data warehouse e di endpoint di analisi SQL. La creazione di elementi aggiuntivi oltre questo limite non è supportata. Eliminare un elemento esistente prima di crearne uno nuovo.

Contenuto correlato

• Casi d'uso degli endpoint di analisi SQL di Lakehouse
• Eseguire query sull'endpoint o sul data warehouse di analisi SQL
• Considerazioni sulle prestazioni degli endpoint di SQL analitica
• Sicurezza di OneLake per gli endpoint di analisi SQL
• Autorizzazioni granulari di SQL
• Ruoli e autorizzazioni dell'area di lavoro
• Panoramica di Lakehouse