Azure Databricks 上的数据仓库将云数据仓库功能与 Lakehouse 体系结构相结合。 Databricks SQL 提供了工具和服务，用于生成高性能、经济高效的数据仓库，这些数据仓库直接在 Data Lake 上运行。
如何使用 Databricks SQL
Databricks SQL 在 SQL 仓库 上运行，并支持具有 Delta Lake 扩展的 ANSI SQL。 可以从多个接口访问 Databricks SQL，以便查询、可视化和自动化。
| 接口 | DESCRIPTION |
|---|---|
| 查询编辑器 | 使用集成的 Azure Databricks 助手、代码注释和版本历史记录编写和执行 SQL 查询，以便进行协作查询开发。 |
| Notebooks | 将笔记本附加到 SQL 仓库，以便与 Python、Scala 或 R 一起运行 SQL。有关限制 ，请参阅笔记本和 SQL 仓库 。 |
| 作业 | 将 SQL 查询调度为作业，实现自动化的数据处理和报告工作流。 |
| 仪表板 | 使用 AI 辅助创作创建交互式 AI/BI 仪表板，以在整个组织中共享见解。 |
| 指标视图 | 使用语义层通过一致的计算定义业务指标。 在查询和仪表板中重复利用度量标准。 |
| 警报 | 安排自动执行查询、评估自定义条件，并记录警报历史、提供通知。 |
| 查询性能监视 | 查看查询性能、确定瓶颈并查找优化机会。 |
| REST API | 使用 REST API 以编程方式自动执行 Databricks SQL 对象上的任务。 |
若要详细了解如何使用 Databricks SQL，请参阅：
开始
您是 Databricks SQL 的新用户吗？ 使用基础概念构建理解，然后使用实践教程应用所学的知识。
| Resource | DESCRIPTION |
|---|---|
| 数据仓库体系结构 | 了解用于构建数据仓库的 Lakehouse 体系结构、奖牌层和数据建模方法。 |
| Databricks SQL 概念 | 了解核心 Databricks SQL 概念，包括查询、SQL 仓库、仪表板和数据管理。 |
| 通过 Databricks SQL 开始使用数据仓库 | 请按照完整的演练指南，其中涵盖了示例仪表板、笔记本、作业、数据导入和 SQL 仓库的设置。 |
| 创建 AI/BI 仪表板 | 使用 AI 辅助创作生成并发布第一个包含数据集、可视化效果和筛选器的仪表板。 |
| Unity 目录指标视图 | 使用语义层定义一致的可重用业务指标，以便跨查询和仪表板使用。 |