操作方法: Lakehouse とノートブックのミラーリングさらた Azure Cosmos DB データに Microsoft Fabric からアクセスする (プレビュー)

このガイドでは、Lakehouse の ミラーリングされた Azure Cosmos DB データと Microsoft Fabric (プレビュー) からノートブックにアクセスする方法について説明します。

前提条件

• 既存の Azure Cosmos DB for NoSQL アカウント。
  • Azure サブスクリプションをお持ちでない場合は、Azure Cosmos DB for NoSQL を無料でお試しください。
  • 既存の Azure サブスクリプションをお持ちの場合は、新しい Azure Cosmos DB for NoSQL アカウントを作成してください。
• 既存の Fabric 容量。 既存の容量がない場合は、Fabric 試用版を開始します。
• Fabric テナントまたはワークスペースでミラーリングを有効にします。 この機能がまだ有効になっていない場合は、Fabric テナントでミラーを有効にします。
• Azure Cosmos DB for NoSQL アカウントは、Fabric ミラーリング用に構成する必要があります。 詳細については、「アカウントの要件」をご覧ください。

ミラーリングと前提条件をセットアップする

Azure Cosmos DB for NoSQL データベースのミラーリングを構成します。 ミラーリングの構成方法がわからない場合は、「ミラーデータベースの構成に関するチュートリアル」を参照してください。

1. Fabric ポータルに移動します。

2. Azure Cosmos DB アカウントの資格情報を使用して、新しい接続とミラーデータベースを作成します。

3. レプリケーションがデータの初期スナップショットを完了するまで待ちます。

Lakehouse とノートブックのミラー データにアクセスする

Lakehouse を使用して、Azure Cosmos DB for NoSQL ミラーデータの分析に使用できるツールの数をさらに拡張します。 ここでは、Lakehouse を使用して Spark ノートブックを構築し、データのクエリを実行します。

1. Fabric ポータルの [ホーム] に移動します。

2. ナビゲーション メニューで [作成] を選択します。

3. [作成] を選択し、[データ エンジニア] セクションを見つけて、[Lakehouse] を選択します。

4. Lakehouse の名前を入力して、[作成] を選択します。

5. 次に、[データの取得] を選択し、[新しいショートカット] を選択します。 ショートカット オプションの一覧から Microsoft OneLake を選択します。

6. Fabric ワークスペース内のミラーされたデータベースの一覧から、ミラーリングされた Azure Cosmos DB for NoSQL データベースを選択します。 Lakehouse で使用するテーブルを選択し、[次へ] を選択して、[作成] を選択します。

7. Lakehouse でテーブルのコンテキスト メニューを開き、[新規または既存のノートブック] を選択します。

8. 新しいノートブックが自動的に開き、SELECT LIMIT 1000 を使用してデータフレームを読み込みます。

9. SELECT * のように Spark を使用するなどのクエリを実行します。

   df = spark.sql("SELECT * FROM Lakehouse.OrdersDB_customers LIMIT 1000")
   display(df)
   

   

   Note

   この例では、テーブルを想定しています。 Spark クエリを記述するときは、独自のテーブルを使用します。

Spark を使用して書き戻す

最後に、Spark と Python のコードを使用して、Fabric のノートブックからソース Azure Cosmos DB アカウントにデータを書き戻すことができます。 これを行って Cosmos DB に分析結果を書き戻し、OLTP アプリケーションのサービス プレーンとして使用できます。

1. ノートブック内に 4 つのコード セルを作成します。

2. 最初に、ミラー化されたデータに対してクエリを実行します。

   fMirror = spark.sql("SELECT * FROM Lakehouse1.OrdersDB_ordercatalog")
   

   ヒント

   これらのサンプル コード ブロックのテーブル名は、特定のデータ スキーマを前提としています。 これを独自のテーブル名と列名に置き換えてください。

3. 次に、データを変換して集約します。

   dfCDB = dfMirror.filter(dfMirror.categoryId.isNotNull()).groupBy("categoryId").agg(max("price").alias("max_price"), max("id").alias("id"))
   

4. 次に、資格情報、データベース名、コンテナー名を使用して Azure Cosmos DB for NoSQL アカウントに書き戻す Spark を構成します。

   writeConfig = {
     "spark.cosmos.accountEndpoint" : "https://xxxx.documents.azure.com:443/",
     "spark.cosmos.accountKey" : "xxxx",
     "spark.cosmos.database" : "xxxx",
     "spark.cosmos.container" : "xxxx"
   }
   

5. 最後に、Spark を使用してソース データベースに書き戻します。

   dfCDB.write.mode("APPEND").format("cosmos.oltp").options(**writeConfig).save()
   

6. すべてのコード セルを実行します。

   重要

   Azure Cosmos DB への書き込み操作では、要求ユニット (RU) が使用されます。

関連するコンテンツ

• FAQ: Azure Cosmos DBからの Microsoft Fabric ミラー データベース
• トラブルシューティング: Azure Cosmos DB からの Microsoft Fabric ミラーデータベース
• 制限事項: Azure Cosmos DB の Microsoft Fabric ミラー データベース