什么是 Azure Synapse Analytics？
Azure Synapse 是一项企业分析服务，可以缩短在数据仓库和大数据系统中进行见解提取所需的时间。 Azure Synapse 汇集了企业数据仓库中所用 SQL 技术的精华、用于大数据的 Spark 技术、用于数据集成和 ETL/ELT 的 Pipelines，以及与其他 Azure 服务（Power BI、CosmosDB 和 AzureML）的深度集成。 。
行业领先的 SQL
Synapse SQL 是 T-SQL 的分布式查询系统，它实现了数据仓库和数据虚拟化方案，还扩展了 T-SQL 来应对流式处理和计算机学习方案。
- Synapse SQL 同时提供了“无服务器”和“专用”资源模型。 若要使性能和成本可预测，可以创建专用 SQL 池，以保留对 SQL 表中存储的数据进行处理的能力。 对于计划外或突发性的工作负荷，请使用始终可用的无服务器 SQL 终结点。
- 使用内置的流式处理功能可将数据从云数据源载入到 SQL 表中
- 通过使用机器学习模型并使用 T-SQL PREDICT 函数对数据进行评分，将 AI 与 SQL 集成
行业标准 Apache Spark
Apache Spark for Azure Synapse 深入无缝地集成了 Apache Spark - 用于数据准备、数据工程、ETL 和机器学习的最流行的开源大数据引擎。
- 适用于 Apache Spark 3.1 的集成了 SparkML 算法和 AzureML 的 ML 模型，内置对 Linux Foundation Delta Lake 的支持。
- 简化的资源模型使你无需担心群集的管理。
- Spark 可以快速启动并主动自动缩放。
- 原生支持 .NET for Spark，使你能够在 Spark 应用程序中重复利用自己的 C# 专业知识和现有的 .Net 代码。
使用数据湖
Azure Synapse 消除了结合使用 SQL 和 Spark 时存在的传统技术阻碍。 你可以根据需求和专业知识无缝混搭使用这两种技术。
- Spark 或 Hive 可以无缝使用基于数据湖中文件定义的各种表。
- SQL 和 Spark 可以直接浏览和分析 Data Lake 中存储的 Parquet、CSV、TSV 和 JSON 文件。
- 在 SQL 与 Spark 数据库之间以可缩放的方式快速加载的数据
内置数据集成
Azure Synapse 包含了与 Azure 数据工厂相同的数据集成引擎和体验，使你可以创建丰富的大规模 ETL 管道，而无需离开 Azure Synapse Analytics。
- 从 90 多个数据源引入数据
- 使用数据流活动的无代码 ETL
- 协调笔记本、Spark 作业、存储过程、SQL 脚本等
统一体验
Synapse Studio 为企业提供了一种单一方法来生成解决方案、维护和保护单一用户体验中的所有内容
- 执行关键任务：引入、浏览、准备、编排、可视化
- 监视 SQL 与 Spark 中的资源、使用情况和用户
- 使用基于角色的访问控制来简化对分析资源的访问
- 编写 SQL、Spark 或 KQL 代码