Pipelines autonomes
Les LakeFlow Pipelines sont le moyen le plus courant de construire des vues matérialisées et des tables de streaming avec les pipelines déclaratifs Apache Spark™ sur Databricks. Vous pouvez également définir des vues matérialisées et des tables de streaming autonomes en dehors d'un pipeline Lakeflow en utilisant une syntaxe de query simple, et Databricks gère les pipelines sous-jacents pour vous. Les tables autonomes peuvent être créées et rafraîchies depuis un warehouse Databricks SQL ou depuis un notebook exécuté sur un compute général serverless.
Pour choisir entre les tables autonomes et un LakeFlow Pipelines, consultez Pipelines autonomes ou LakeFlow Pipelines.
Cette section était précédemment appelée « Pipelines pour Databricks SQL ». Il a été renommé « pipelines autonomes » pour refléter le nouveau support pour la création de vues matérialisées autonomes et de tables de streaming à partir d'un Notebook exécuté sur un compute général serverless, en plus d'un warehouse Databricks SQL.
Les rubriques suivantes portent sur les pipelines autonomes.
Sujet | Description |
|---|---|
Découvrez les options de calcul pour les vues matérialisées autonomes et les tables de streaming, y compris le support des fonctionnalités et la disponibilité régionale. | |
Créer, refresh, configurer et monitor des tables de streaming. | |
Créez, refresh et interrogez les vues matérialisées. |
Pour créer et refresh des vues matérialisées autonomes et des tables de streaming avec Python depuis un Notebook, consultez Utiliser Python avec des pipelines autonomes.