Executar código T-SQL em notebooks Python do Fabric

A combinação de T-SQL e Python em fluxos de trabalho de dados modernos oferece uma abordagem poderosa e flexível que combina os pontos fortes de ambas as linguagens. O SQL continua sendo a maneira mais eficiente e legível de consultar, filtrar e unir dados estruturados, enquanto o Python se destaca na transformação de dados, análise estatística, machine learning e visualização. Combinando T-SQL e Python, os engenheiros de dados podem usar o melhor dos dois mundos, permitindo que eles criem pipelines robustos que sejam eficientes, mantenedíveis e capazes de lidar com tarefas complexas de processamento de dados.

Nos notebooks python do Microsoft Fabric, introduzimos um novo recurso chamado comando mágico T-SQL. Esse recurso permite que você execute o código T-SQL diretamente em notebooks Python com realce de sintaxe completo e preenchimento de código. Isso significa que você pode escrever código T-SQL em um notebook Python e ele será executado como se fosse uma célula T-SQL. Esse recurso é útil para engenheiros de dados que desejam usar o poder do T-SQL enquanto ainda usam a flexibilidade de notebooks Python.

Neste artigo, exploramos o comando mágico T-SQL nos notebooks do Microsoft Fabric. Abordamos como habilitar esse comando, especificar qual warehouse usar e como associar os resultados de consultas T-SQL a variáveis do Python.

Esse recurso está disponível para notebooks Python do Fabric. Você precisa definir o idioma como Python no notebook e o tipo de célula como T-SQL.

Usando o comando magic T-SQL para consultar o data warehouse do Fabric

Para habilitar o comando mágico T-SQL no bloco de anotações do Fabric, você precisa definir o %%tsql comando mágico no início da célula. Esse comando indica que o código nessa célula deve ser tratado como código T-SQL.

Neste exemplo, estamos usando o comando mágico T-SQL para consultar um Fabric Data Warehouse. O comando usa os seguintes parâmetros:

• O -artifact parâmetro especifica o nome do data warehouse a ser usado. O código T-SQL na célula é executado no data warehouse especificado no Fabric.
• O parâmetro -type especifica o tipo do item Fabric. Para o Fabric Data Warehouse, use Warehouse.
• O -bind parâmetro especifica o nome da variável à qual associar os resultados da consulta T-SQL. No exemplo a seguir, os resultados da consulta são armazenados em uma variável python chamada df1. Se você precisar aplicar qualquer transformação à variável df1, poderá fazer isso usando o código Python na próxima célula. O -bind parâmetro é opcional, mas é recomendável associar os resultados da consulta T-SQL a uma variável do Python. Esse parâmetro permite manipular e analisar facilmente os resultados usando o código Python.
• O -workspace parâmetro é opcional e será usado se o warehouse estiver localizado em um workspace diferente. Sem esse parâmetro, o notebook usa o workspace atual.

%%tsql -artifact dw1 -type Warehouse -bind df1
SELECT TOP (10) [GeographyID],
            [ZipCodeBKey],
            [County],
            [City],
            [State],
            [Country],
            [ZipCode]
FROM [dw1].[dbo].[Geography]

Se os parâmetros -artifact e -type forem ignorados, o notebook usará o item de armazenamento padrão no notebook atual.

Usando o comando magic T-SQL para consultar o banco de dados SQL

Você também pode usar o comando magic T-SQL para consultar um banco de dados SQL no Fabric. A sintaxe é semelhante à consulta de um data warehouse, mas o -type parâmetro deve ser definido como SQLDatabase. O -bind parâmetro especifica o nome da variável à qual associar os resultados da consulta T-SQL.

No exemplo a seguir, o resultado da consulta é armazenado em uma variável python chamada df2.

%%tsql -artifact sqldb1 -type SQLDatabase -bind df2
SELECT TOP (10) [AddressID]
      ,[AddressLine1]
      ,[AddressLine2]
      ,[City]
      ,[StateProvince]
      ,[CountryRegion]
      ,[PostalCode]
      ,[rowguid]
      ,[ModifiedDate]
  FROM [SalesLT].[Address];

Usando o comando mágico T-SQL para consultar o endpoint de análise SQL do Lakehouse

Você também pode usar o comando mágico T-SQL para consultar um endpoint de análise SQL. A sintaxe é semelhante à consulta de um data warehouse, mas o -type parâmetro deve ser definido como Lakehouse. O -bind parâmetro especifica o nome da variável à qual associar os resultados da consulta T-SQL.

No exemplo a seguir, o resultado da consulta é armazenado em uma variável python chamada df3.

%%tsql -artifact lakehouse1 -type Lakehouse -bind df3
SELECT TOP (10) [ProductID],
      [Name],
      [ProductNumber],
      [Color],
      [StandardCost],
      [ListPrice]
FROM [lakehouse1].[dbo].[Product];

Usando o comando mágico T-SQL como mágica de linha

Em vez de rodar o T-SQL em uma célula de código completa com %%tsql, você pode executá-lo em uma única linha com %tsql como comando mágico de linha. No entanto, primeiro você deve estabelecer uma conexão de sessão.

Pré-requisitos para mágica de linha

1. Inicializar a sessão: em uma célula que usa o %%tsql comando magic, inclua o parâmetro -session para estabelecer o contexto de conexão. Por exemplo:

   %%tsql -artifact ContosoDWH -type Warehouse -session
   SELECT TOP(10) * FROM [ContosoDWH].[dbo].[Geography];
   

2. Use a mágica de linha: após inicializar a sessão, você poderá usar %tsql nas células seguintes. A mágica de linha usará a conexão estabelecida na etapa 1 sem exigir que você especifique -artifact e -type novamente. Por exemplo:

   df = %tsql SELECT TOP(10) * FROM [ContosoDWH].[dbo].[Geography];
   

Referenciar variáveis do Python no T-SQL

Você também pode referenciar variáveis do Python no código T-SQL. Para fazer isso, use o {} símbolo seguido pelo nome da variável Python. Por exemplo, se você tiver uma variável python chamada count, poderá referenciá-la da seguinte maneira no código T-SQL:

count = 10

df = %tsql SELECT TOP({count}) * FROM [dw1].[dbo].[Geography];

Para ver a sintaxe completa, use o %tsql? comando. Esse comando exibe as informações de ajuda para o comando magic T-SQL, incluindo os parâmetros disponíveis e suas descrições.

Conteúdo relacionado

Para obter mais informações sobre os notebooks do Fabric, confira os artigos a seguir.

• Questions? Experimente perguntar à Comunidade do Fabric.
• Suggestions? Contribua com ideias para melhorar o Fabric.