Abfragen in der Data Intelligence Platform

Einführung in Databricks SQL

Kevin Barlow

Data Manager

Motivation

Lakehouse-Diagramm – Transformation

Motivation

Lakehouse-Diagramm – Analyse

SQL‑Abfragegrundlagen

Basiert auf ANSI SQL
Häufige Muster und Funktionen wie in anderen SQL-Dialekten
- SELECT ... FROM ... Syntaxen
- Integrierte und benutzerdefinierte Funktionen
- Abfrage von Datentabellen im Unity Catalog oder in anderen Datenbanksystemen

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

Häufige Funktionen

Databricks-SQL-Funktionen spiegeln gängige Operationen in SQL, Python und Spark wider
- ROUND() und FORMAT_NUMBER()
- CONCAT(), LEFT() und RIGHT()
- DATE(), DATE_ADD() und DATE_DIFF()
- CASE, IF() und ISNULL()
- FROM_CSV() und FROM_JSON()
Eigene benutzerdefinierte Funktion (UDF) erstellen

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')

Visualisierungen

Visuelle Darstellungen unserer Abfrageergebnisse
Unterstützung gängiger Visualisierungstypen
- Balken- und Liniendiagramme
- Donut-Diagramme
- Kartenvisualisierungen
- Pivot-Tabellen

Gestapeltes Balkendiagramm

Liniendiagramm

Lass uns üben!

Einführung in Databricks SQL