Interroger dans la Data Intelligence Platform

Introduction à Databricks SQL

Kevin Barlow

Data Manager

Motivation

Schéma Lakehouse - Transformation

Motivation

Schéma Lakehouse - Analyse

Bases des requêtes SQL

Basé sur l’ANSI SQL
Motifs et fonctions communs aux autres syntaxes SQL
- Syntaxes SELECT ... FROM ...
- Fonctions natives et personnalisées
- Interroger des tables dans Unity Catalog ou d’autres systèmes de bases de données

SELECT
    id,
    name,
    product,
    store_id,
    sales,
    unit_price,
FROM
    sales_data
WHERE
    sales > 10 AND
    product IN ('widget', 'thingy')

Fonctions courantes

Les fonctions Databricks SQL reflètent des opérations courantes en SQL, Python et Spark
- ROUND() et FORMAT_NUMBER()
- CONCAT(), LEFT() et RIGHT()
- DATE(), DATE_ADD() et DATE_DIFF()
- CASE, IF() et ISNULL()
- FROM_CSV() et FROM_JSON()
Créer une fonction définie par l’utilisateur (UDF)

SELECT
    id,
    initcap(name) as name,
    right(product, 10) as productSKU,
    store_id,
    int(sales) as numSales,
    round(unit_price, 2) as unit_price
FROM
    sales_data
WHERE
    sales > 10 AND
    product IN ('widget', 'thingy')

Visualisations

Représentations visuelles des résultats de requête
Prise en charge des types de visualisation courants
- Graphiques en barres et en lignes
- Diagrammes en anneau
- Cartes
- Tableaux croisés dynamiques

Histogramme empilé

Courbe

Passons à la pratique !

Introduction à Databricks SQL