WEBVTT

00:00:00.000 --> 00:00:03.070
>> SQL Server 2019 큰
데이터 클러스터는

00:00:03.070 --> 00:00:04.950
최적화할 데이터 풀

00:00:04.950 --> 00:00:07.905
도달 시 쿼리 성능
여러 소스로 나오게 됩니다.

00:00:07.905 --> 00:00:10.080
우마찬다르는 여기에
우리 모두에게 오늘

00:00:10.080 --> 00:00:12.450
데이터 노출에 대해 오늘.

00:00:12.450 --> 00:00:23.550
[음악].

00:00:23.550 --> 00:00:26.250
다른 사람에게 오신 것을 환영합니다.
데이터 노출의 에피소드.

00:00:26.250 --> 00:00:29.100
나는 당신의 호스트 제로엔이고
오늘 우리는 당신이 우리를 볼 수 있습니다

00:00:29.100 --> 00:00:32.085
데이터 풀에 대해 이야기하기
SQL 빅 데이터 클러스터에서

00:00:32.085 --> 00:00:33.675
안녕하세요 우마찬다르 쇼에 오신 것을 환영합니다.

00:00:33.675 --> 00:00:35.460
이자리에 오게 되어 기쁩니다.

00:00:35.460 --> 00:00:38.160
>> 그래서 데이터 풀에서
빅 데이터 클러스터를

00:00:38.160 --> 00:00:40.505
이게 뭐예요? 무엇을 알아야 합니까?

00:00:40.505 --> 00:00:42.440
>> 물론 그래, 빨리 시작하자

00:00:42.440 --> 00:00:45.110
무엇을 보여줌으로써
빅 데이터 클러스터입니다.

00:00:45.110 --> 00:00:48.090
그래서이 슬라이드는 배포를 보여줍니다

00:00:48.090 --> 00:00:52.110
SQL 서버 19 빅 데이터
클러스터와 오늘 우리는

00:00:52.110 --> 00:00:56.360
데이터에 대해 이야기하려고
기본적으로 수영장은 여기에

00:00:56.360 --> 00:00:59.300
두 개의 SQL 서버 인스턴스를

00:00:59.300 --> 00:01:02.960
일부 오프로드에 사용
[들리지 않음]을 쿼리합니다.

00:01:02.960 --> 00:01:04.810
그렇다면 데이터 풀이란 무엇인지 살펴보겠습니다.

00:01:04.810 --> 00:01:08.390
그래서 기본적으로 SQL 서버입니다.
스토리지 및 컴퓨팅

00:01:08.390 --> 00:01:13.550
쿼리를 작성하기 위해 제공
데이터 풀에 데이터를 저장합니다.

00:01:13.550 --> 00:01:16.310
실행하여 조작할 수 있습니다.

00:01:16.310 --> 00:01:20.900
일부 외부 테이블 작업
데이터를 채우고

00:01:20.900 --> 00:01:24.440
데이터 풀로 들어가고
나중에 실제로 할 수 있습니다.

00:01:24.440 --> 00:01:28.970
분석의 일부를 오프로드
이 데이터 풀에 대한 쿼리를 통해.

00:01:28.970 --> 00:01:32.400
그래서 기본입니다
데이터 풀의 목적.

00:01:32.400 --> 00:01:37.140
그래서 지금 하자 신속 하 게 걸릴 수 있습니다.
몇 가지 시나리오를 살펴보십시오.

00:01:37.140 --> 00:01:39.980
그래서 일반적인 시나리오는

00:01:39.980 --> 00:01:42.710
데이터 얻기
다른 데이터 소스,

00:01:42.710 --> 00:01:44.570
그들 중 일부는 빠르다,

00:01:44.570 --> 00:01:47.345
다른 사람들은 자연에서 느립니다.

00:01:47.345 --> 00:01:51.050
그래서 지금 당신은 기본적으로 최적화 할

00:01:51.050 --> 00:01:55.535
이 쿼리를 사용할 수 있습니다.
실제로 해당 쿼리를 수행

00:01:55.535 --> 00:02:00.350
결과를 저장합니다.
데이터 풀을 통해

00:02:00.350 --> 00:02:02.900
기본적으로 다음과 같이 사용

00:02:02.900 --> 00:02:07.300
스테이징 영역
모든 분석을 실행할 수 있습니다.

00:02:07.300 --> 00:02:10.830
다른 예는
기계 학습,

00:02:10.830 --> 00:02:12.830
많이 있습니다.


00:02:12.830 --> 00:02:14.960
피처를 생성합니다.
그리고 수백 그리고

00:02:14.960 --> 00:02:18.290
수천 개의 기능과
당신은 기본적으로 저장할

00:02:18.290 --> 00:02:23.040
데이터 집합이 있는 위치에 있는 경우
반복 분석을 수행할 수 있습니다.

00:02:23.040 --> 00:02:26.145
그건 또 다른 장소
데이터 풀이 도움이 됩니다.

00:02:26.145 --> 00:02:29.540
>> 그래서 이 경우에는 그렇지 않습니다.
쿼리 최적화용으로만

00:02:29.540 --> 00:02:31.190
뿐만 아니라
갈 필요가 없습니다.

00:02:31.190 --> 00:02:32.975
데이터 원본으로 돌아가기
모든 시간, 오른쪽?

00:02:32.975 --> 00:02:33.230
>> 예.

00:02:33.230 --> 00:02:34.385
>> 데이터를 다시 사용하려는 경우.

00:02:34.385 --> 00:02:34.625
>> 그렇습니다.

00:02:34.625 --> 00:02:35.660
>> 멋지다, 정말 멋지다.

00:02:35.660 --> 00:02:37.355
그래서 당신은 실제로 할 수 있습니다
이 작동 방식을 보여?

00:02:37.355 --> 00:02:40.550
>> 그래, 빨리 가자
여기에 얼마나 많은 평가합니다.

00:02:40.550 --> 00:02:42.230
그래서 내가 여기에 있는 것은

00:02:42.230 --> 00:02:45.530
SQL에 대한 연결
서버 빅 데이터 클러스터.

00:02:45.530 --> 00:02:48.890
SQL에 연결되어 있습니다.
서버 마스터 인스턴스.

00:02:48.890 --> 00:02:51.905
따라서 데이터 풀을 만드는 방법

00:02:51.905 --> 00:02:55.625
첫 번째
이 데이터 원본 개체입니다.

00:02:55.625 --> 00:02:58.100
이 이름에서 볼 수 있듯이 여기에

00:02:58.100 --> 00:03:01.325
여기에이 기본적으로 무엇을 말한다
데이터 원본의 형식입니다.

00:03:01.325 --> 00:03:04.400
그럼 이거 내가
데이터 풀에 연결합니다.

00:03:04.400 --> 00:03:05.530
>> 좋아.

00:03:05.530 --> 00:03:08.780
>> 그게 당신이 하는 방법
을 만들 수 있습니다. 그 후

00:03:08.780 --> 00:03:11.360
테이블을 정의합니다.
원하는

00:03:11.360 --> 00:03:13.940
데이터에 저장
풀과 그 완료

00:03:13.940 --> 00:03:16.670
이 외부를 실행하여
테이블 문.

00:03:16.670 --> 00:03:17.845
>> 좋아.

00:03:17.845 --> 00:03:21.090
>> 이것은 당신의 정규처럼 보입니다.
테이블 문 만들기,

00:03:21.090 --> 00:03:24.110
열이 있습니다.
정의해야 하고

00:03:24.110 --> 00:03:27.725
많은 SQL이 있기 때문에 추가
서버 인스턴스를 백 엔드에 있습니다.

00:03:27.725 --> 00:03:28.115
>> 맞습니다.

00:03:28.115 --> 00:03:30.740
>> 당신은 당신이 어떻게 말할 필요가
데이터를 배포할 수 있습니다.

00:03:30.740 --> 00:03:32.630
>> 그래서 당신은 알 수 있습니다, 좋아,

00:03:32.630 --> 00:03:36.155
그래서 우리는 고르게 또는 대략
전체에서 균일한 분포를 제공합니다.

00:03:36.155 --> 00:03:36.515
>> 그렇습니다.

00:03:36.515 --> 00:03:37.400
>> 서비스 전반에 걸쳐.

00:03:37.400 --> 00:03:37.685
>> 예.

00:03:37.685 --> 00:03:38.000
>> 좋아.

00:03:38.000 --> 00:03:41.330
>> 그래서 라운드 로빈
기본적으로 배포됩니다.

00:03:41.330 --> 00:03:44.825
데이터
데이터 풀 인스턴스를 사용할 수 있습니다.

00:03:44.825 --> 00:03:45.865
>> 좋아.

00:03:45.865 --> 00:03:49.370
>> 다음 에 할 수 있는 것
할 데이터를 쿼리처럼.

00:03:49.370 --> 00:03:50.780
먼저

00:03:50.780 --> 00:03:54.155
샘플 데이터는
이 예제는

00:03:54.155 --> 00:03:57.680
HDFS 디렉토리 와 기본적으로

00:03:57.680 --> 00:04:00.155
나는 이것을 가지고 싶어
클릭스트림 데이터,

00:04:00.155 --> 00:04:04.490
일부 쿼리를 수행하 고 채우기
데이터 풀로 들어갑니다.

00:04:04.490 --> 00:04:08.915
당신이 그것을 할 것입니다 방법은
삽입 문만 실행합니다.

00:04:08.915 --> 00:04:13.490
그래서 인서트가
문은 SQL 쿼리일 뿐이며,

00:04:13.490 --> 00:04:18.140
당신은 단순히 실행할 수 있습니다
쿼리하고 데이터를 채웁니다.

00:04:18.140 --> 00:04:21.320
나는 통해 실행되지 않습니다
삽입하지만 신속하게 하자

00:04:21.320 --> 00:04:25.205
이미 있는 데이터 보기
데이터 풀에 채워집니다.

00:04:25.205 --> 00:04:28.445
따라서 이 쿼리는 반환해야 합니다.
약 2,000 행, 오른쪽?

00:04:28.445 --> 00:04:32.930
그래서 지금 그냥 다른 처럼
실제로 조인할 수 있는 테이블

00:04:32.930 --> 00:04:37.460
다른 테이블과 함께 이 테이블
SQL Server에서

00:04:37.460 --> 00:04:39.680
결과를 투명하게

00:04:39.680 --> 00:04:42.200
이 SQL Server 인스턴스
대화할 예정입니다.

00:04:42.200 --> 00:04:47.555
실행할 데이터 풀 인스턴스
쿼리를 생성하고 결과를 얻을 수 있습니다.

00:04:47.555 --> 00:04:50.330
그래서 높은 수준에
데이터 풀이 무엇인지에 대한 정보입니다.

00:04:50.330 --> 00:04:51.530
>> 멋진.

00:04:51.530 --> 00:04:54.390
그것은 매우 인상적입니다.
많은 사람을 감사합니다.

00:04:54.390 --> 00:04:55.530
>> 멋지다 그래, 감사합니다.

00:04:55.530 --> 00:04:58.050
>> 좋아. 그래서 시청 주셔서 감사합니다.

00:04:58.050 --> 00:04:59.590
좋아요를 입력하고 구독하십시오.

00:04:59.590 --> 00:05:02.150
비디오에 대한 의견
당신이 우리를 원한다면

00:05:02.150 --> 00:05:06.360
다른 것을 기록하고 희망
다음에 뵙겠습니다. 감사.

00:05:06.360 --> 00:05:20.860
[음악]