View a markdown version of this page

Funktionen des SQL-Editors der JupyterLab SQL-Erweiterung - Amazon SageMaker KI

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Funktionen des SQL-Editors der JupyterLab SQL-Erweiterung

Die SQL-Erweiterung bietet magische Befehle, die die SQL-Editor-Funktionen in Ihren JupyterLab Notebookzellen aktivieren.

Wenn Sie ein Benutzer der SageMaker Distribution Image Version 1.6 sind, müssen Sie die Magic Library der SQL-Erweiterung laden, indem Sie sie %load_ext amazon_sagemaker_sql_magic in einem JupyterLab Notebook ausführen. Dadurch werden Funktionen zur SQL-Bearbeitung aktiviert.

Für Benutzer der SageMaker Distributions-Image-Versionen 1.7 und höher ist keine Aktion erforderlich, die SQL-Erweiterung wird automatisch geladen.

Sobald die Erweiterung geladen ist, fügen Sie den %%sm_sql magischen Befehl am Anfang einer Zelle hinzu, um die folgenden Funktionen des SQL-Editors zu aktivieren.

  • Connection-selection Dropdown: Wenn Sie einer Zelle einen %%sm_sql magischen Befehl hinzufügen, erscheint oben in der Zelle ein Dropdownmenü mit Ihren verfügbaren Datenquellenverbindungen. Wählen Sie eine Verbindung aus, um automatisch die Parameter einzugeben, die für die Abfrage dieser Datenquelle erforderlich sind. Im Folgenden finden Sie ein Beispiel für eine %%sm_sql magische Befehlszeichenfolge, die durch Auswahl der genannten Verbindung generiert wirdconnection-name. 

    %%sm_sql --metastore-type GLUE_CONNECTION --metastore-id connection-name

    Verwenden Sie die folgenden Funktionen des SQL-Editors, um Ihre SQL-Abfragen zu erstellen, und führen Sie dann die Abfrage aus, indem Sie die Zelle ausführen. Weitere Hinweise zu den SQL-Ausführungsfunktionen finden Sie unter Funktionen der SQL-Erweiterung zur JupyterLab SQL-Ausführung.

  • Dropdownmenü mit Abfrageergebnissen: Sie können angeben, wie Abfrageergebnisse gerendert werden sollen, indem Sie im Dropdownmenü neben Ihrem Dropdownmenü zur Verbindungsauswahl einen Ergebnistyp auswählen. Wählen Sie zwischen den folgenden zwei Alternativen:

    • Zellenausgabe: (Standard) Mit dieser Option wird das Ergebnis Ihrer Abfrage im Zellenausgabebereich des Notebooks angezeigt.

    • Pandas Dataframe: Diese Option füllt einen Pandas mit den Abfrageergebnissen. DataFrame In einem zusätzlichen Eingabefeld können Sie das benennen, DataFrame wenn Sie diese Option wählen.

  • SQL-Syntaxhervorhebung: Die Zelle unterscheidet SQL-Schlüsselwörter, -Klauseln, Operatoren und mehr automatisch visuell anhand von Farbe und Stil. Dadurch ist SQL-Code einfacher zu lesen und zu verstehen. Schlüsselwörter wieSELECT, FROMWHERE, und integrierte Funktionen wie SUM und COUNT oder Klauseln wie GROUP BY und mehr werden in einer anderen Farbe und Fettschrift hervorgehoben.

  • SQL-Formatierung: Auf eine der folgenden Arten können Sie einheitliche Einzüge, Groß-/Kleinschreibung, Abstände und Zeilenumbrüche anwenden, um SQL-Anweisungen und -Klauseln zu gruppieren oder zu trennen. Dadurch ist SQL-Code einfacher zu lesen und zu verstehen.

    • Right-click in der SQL-Zelle und wählen Sie SQL formatieren.

    • Wenn die SQL-Zelle im Fokus ist, verwenden Sie die Tastenkombination ALT + F unter Windows oder Option + F unter macOS.

  • Automatische SQL-Vervollständigung: Die Erweiterung bietet während der Eingabe automatische Vorschläge und Vervollständigung von SQL-Schlüsselwörtern, Funktionen, Tabellennamen, Spaltennamen und mehr. Wenn Sie mit der Eingabe eines SQL-Schlüsselworts wie SELECT oder beginnenWHERE, zeigt die Erweiterung ein Pop-up mit Vorschlägen zur automatischen Vervollständigung des restlichen Worts an. Wenn Sie beispielsweise Tabellen- oder Spaltennamen eingeben, werden passende Tabellen- und Spaltennamen vorgeschlagen, die im Datenbankschema definiert sind.

    Wichtig

    Um die automatische Vervollständigung von SQL in JupyterLab Notebooks zu aktivieren, müssen Benutzer der SageMaker AI-Distributions-Image-Version 1.6 den folgenden npm install -g vscode-jsonrpc sql-language-server Befehl in einem Terminal ausführen. Starten Sie den JupyterLab Server nach Abschluss der Installation neu, indem Sie Folgendes ausführen. restart-jupyter-server

    Für Benutzer der SageMaker Distributions-Image-Versionen 1.7 und höher sind keine Maßnahmen erforderlich.

    Die Zelle bietet zwei Methoden zur automatischen Vervollständigung erkannter SQL-Schlüsselwörter:

    • Expliziter Aufruf (empfohlen): Wählen Sie die Tabulatortaste, um das kontextsensitive Vorschlagsmenü aufzurufen, und drücken Sie dann die EINGABETASTE, um das vorgeschlagene Element zu akzeptieren.

    • Kontinuierlicher Hinweis: Die Zelle schlägt während der Eingabe automatisch Vervollständigungen vor.

    Anmerkung

    • Auto-completion wird nur ausgelöst, wenn die SQL-Schlüsselwörter in Großbuchstaben geschrieben sind. Beispielsweise wird bei der SEL Eingabe nach gefragtSELECT, bei der Eingabe sel jedoch nicht.

    • Wenn Sie zum ersten Mal eine Verbindung zu einer Datenquelle herstellen, indexiert die automatische SQL-Vervollständigung die Metadaten der Datenquelle. Dieser Indizierungsvorgang kann je nach Größe Ihrer Datenbanken einige Zeit in Anspruch nehmen.