Azure SQL Data Warehouse – VersionshinweiseAzure SQL Data Warehouse release notes

In diesem Artikel sind die neuen Funktionen und Verbesserungen in den neuesten Versionen von Azure SQL Data Warehouse zusammengefasst.This article summarizes the new features and improvements in the recent releases of Azure SQL Data Warehouse. Dieser Artikel enthält zudem wichtige Inhaltsaktualisierungen, die nicht in direktem Zusammenhang mit einer Version stehen, aber im gleichen Zeitraum veröffentlicht werden.The article also lists notable content updates that aren't directly related to the release but published in the same time frame. Informationen zu Verbesserungen bei anderen Azure-Diensten finden Sie unter Dienstupdates.For improvements to other Azure services, see Service updates.

Überprüfen Ihrer Azure SQL Data Warehouse-VersionCheck your Azure SQL Data Warehouse version

Da in allen Regionen neue Features eingeführt werden, überprüfen Sie die in Ihrer Instanz bereitgestellte Version sowie die aktuellen Versionshinweise für Azure SQL Data Warehouse, um zu ermitteln, ob ein Feature verfügbar ist.As new features are being rolled out to all regions, check the version deployed to your instance and the latest Azure SQL DW release notes for the feature availability. Stellen Sie über SQL Server Management Studio (SSMS) eine Verbindung mit Ihrer Azure SQL Data Warehouse-Instanz her, um deren Version zu überprüfen. Führen Sie SELECT @@VERSION AS 'SQL Data Warehouse'; aus, um zur aktuellen Version von Azure SQL Data Warehouse zurückzukehren.To check your Azure SQL DW version, connect to your data warehouse via SQL Server Management Studio (SSMS) and run SELECT @@VERSION AS 'SQL Data Warehouse'; to return the current version of Azure SQL DW.

Beispielausgabe: SQL Data Warehouse-VersionExample output: SQL Data Warehouse version

Verwenden Sie das identifizierte Datum, um zu bestätigen, welches Release auf Ihre Azure SQL Data Warehouse-Instanz angewendet wurde.Use the date identified to confirm which release has been applied to your Azure SQL DW.

Mai 2019May 2019

Verbesserungen beim DienstService improvements DetailsDetails
Dynamische Datenmaskierung (Preview)Dynamic data masking (Preview) Mit der dynamischen Datenmaskierung (DDM) wird der unerlaubte Zugriff auf Ihre sensiblen Daten in Ihrer Data Warehouse-Instanz verhindert, indem diese basierend auf den von Ihnen definierten Maskierungsregeln direkt in den Abfrageergebnissen verborgen werden.Dynamic Data Masking (DDM) prevents unauthorized access to your sensitive data in your data warehouse by obfuscating it on-the-fly in the query results, based on the masking rules you define. Weitere Informationen finden Sie unter Dynamische Datenmaskierung für SQL-Datenbank. For more information, see SQL Database dynamic data masking.
Workloadpriorisierung jetzt allgemein verfügbarWorkload importance now Generally Available Mithilfe der Workloadklassifizierung und -priorisierung können Sie die Ausführungsreihenfolge von Abfragen beeinflussen.Workload Management Classification and Importance provide the ability to influence the run order of queries. Weitere Informationen zur Wichtigkeit von Workloads finden Sie in den Übersichtsartikeln zu den Themen Klassifizierung und Wichtigkeit in der Dokumentation.For more information on workload importance, see the Classification and Importance overview articles in the documentation. Beachten Sie ferner das Dokument CREATE WORKLOAD CLASSIFIER.Check out the CREATE WORKLOAD CLASSIFIER doc as well.

Die Wichtigkeit der Workload können Sie in den folgenden Videos in Aktion sehen:See workload importance in action in the below videos:
-Workload Management concepts (Workloadverwaltungskonzepte)-Workload Management concepts
-Workload Management scenarios (Szenarios für die Workloadverwaltung)-Workload Management scenarios
Additional T-SQL support (Weitere T-SQL-Unterstützung)Additional T-SQL support Die T-SQL-Sprachoberfläche für SQL Data Warehouse wurde erweitert und bietet nun Unterstützung für:The T-SQL language surface area for SQL Data Warehouse has been extended to include support for:
- TRIM- TRIM
JSON-FunktionenJSON functions Mithilfe der folgenden neuen JSON-Funktionen können Business Analysts in Azure Data Warehouse nun die vertraute T-SQL-Programmiersprache für die Abfrage und Bearbeitung von Dokumenten verwenden, die als JSON-Daten formatiert sind:Business analysts can now use familiar T-SQL language to query and manipulate documents that are formatted as JSON data using the following new JSON functions in Azure Data Warehouse:
- ISJSON- ISJSON
- JSON_VALUE- JSON_VALUE
- JSON_QUERY- JSON_QUERY
- JSON_MODIFY- JSON_MODIFY
- OPENJSON- OPENJSON
Zwischenspeichern von Resultsets (Preview)Result set caching (Preview) Das Zwischenspeichern von Resultsets ermöglicht sofortige Abfrageantwortzeiten, und Erkenntnisse sind für Business Analysts und berichtende Benutzer schneller verfügbar.Result-set caching enables instant query response times while reducing time-to-insight for business analysts and reporting users. Weitere Informationen finden Sie unterFor more information, see:
- ALTER DATABASE (Transact-SQL)- ALTER DATABASE (Transact-SQL)
- ALTER DATABASE SET Options (Transact SQL) (ALTER DATABASE SET-Optionen (Transact SQL))- ALTER DATABASE SET Options (Transact SQL)
- SET RESULT SET CACHING (Transact-SQL)- SET RESULT SET CACHING (Transact-SQL)
- SET-Anweisungen (Transact-SQL)- SET Statement (Transact-SQL)
- sys.databases (Transact-SQL)- sys.databases (Transact-SQL)
Sortierter gruppierter Columnstore-Index (Vorschau)Ordered clustered columnstore index (Preview) Columnstore ist ein wichtiges Element beim Speichern und effizienten Abfragen großer Datenmengen.Columnstore is a key enabler for storing and efficiently querying large amounts of data. Columnstore teilt für jede Tabelle die eingehenden Daten in Zeilengruppen auf, und jede Spalte in einer Zeilengruppe bildet ein Segment auf dem Datenträger.For each table, it divides the incoming data into Row Groups and each column of a Row Group forms a Segment on a disk. Sortierte gruppierte Columnstore-Indizes optimieren die Abfrageausführung, indem sie eine effiziente Löschung von Segmenten ermöglichen.Ordered clustered columnstore indexes further optimize query execution by enabling efficient segment elimination.   Weitere Informationen finden Sie unter   For more information, see:
- CREATE TABLE (Azure SQL Data Warehouse)- CREATE TABLE (Azure SQL Data Warehouse)
- CREATE COLUMNSTORE INDEX (Transact-SQL).- CREATE COLUMNSTORE INDEX (Transact-SQL).

März 2019March 2019

Verbesserungen beim DienstService improvements DetailsDetails
Datenermittlung und -klassifizierungData Discovery & Classification Die Datenermittlung und -klassifizierung für Azure SQL Data Warehouse befindet sich jetzt in der öffentlichen Vorschauversion.Data Discovery & Classification is now available in public preview for Azure SQL Data Warehouse. Es ist wichtig, vertrauliche Daten und die Daten Ihrer Kunden zu schützen.It’s critical to protect sensitive data and the privacy of your customers. Je mehr Ihre Unternehmens- und Kundendaten anwachsen, desto schwieriger wird das Ermitteln, Klassifizieren und Schützen Ihrer Daten.As your business and customer data assets grow, it becomes unmanageable to discover, classify, and protect your data. Die Funktion zur Datenermittlung und -klassifizierung, die wir nativ in Azure SQL Data Warehouse bereitstellen, vereinfacht den Schutz Ihrer Daten.The data discovery and classification feature that we’re introducing natively with Azure SQL Data Warehouse helps make protecting your data more manageable. Allgemeine Vorteile dieser Funktion:The overall benefits of this capability are:
•   Einhalten von Datenschutzstandards und gesetzlichen Bestimmungen•   Meeting data privacy standards and regulatory compliance requirements.
•   Beschränken des Zugriffs auf und Härten der Sicherheit von Data Warehouses mit vertraulichen Daten•   Restricting access to and hardening the security of data warehouses containing highly sensitive data.
•   Überwachen und Generieren von Warnungen bei abweichenden Zugriffen auf vertrauliche Daten•   Monitoring and alerting on anomalous access to sensitive data.
•   Visualisieren vertraulicher Daten im zentralen Dashboard des Azure-Portals•   Visualization of sensitive data in a central dashboard on the Azure portal.

Datenermittlung und -klassifizierung ist für Azure SQL Data Warehouse jetzt in allen Azure-Regionen im Rahmen von Advanced Data Security verfügbar. Die Funktion umfasst auch die Bewertung von Sicherheitsrisiken und die Bedrohungserkennung.Data Discovery & Classification is available for Azure SQL Data Warehouse in all Azure regions, It's part of Advanced Data Security including Vulnerability Assessment and Threat Detection. Weitere Informationen zur Datenermittlung und -klassifizierung finden Sie im Blogbeitrag und in unserer Onlinedokumentation.For more information about Data Discovery & Classification, see the blog post and our online documentation.
GROUP BY ROLLUPGROUP BY ROLLUP ROLLUP ist nun eine unterstützte GROUP BY-Option in Azure Data Warehouse.ROLLUP is now a supported GROUP BY option in Azure Data Warehouse. GROUP BY ROLLUP erstellt für jede Kombination von Spaltenausdrücken eine Gruppe.GROUP BY ROLLUP creates a group for each combination of column expressions. GROUP BY fasst außerdem die Ergebnisse zu Zwischen- und Gesamtsummen zusammen.GROUP BY also "rolls up" the results into subtotals and grand totals. Die GROUP BY-Funktion wird von rechts nach links verarbeitet. Sie reduziert die Anzahl der Spaltenausdrücke, mit denen die Gruppen und Aggregationen erstellt werden.The GROUP BY function processes from right to left, decreasing the number of column expressions over which it creates groups and aggregation(s). Die Reihenfolge der Spalten wirkt sich auf die Ausgabe von ROLLUP aus und kann Auswirkungen auf die Anzahl der Zeilen im Resultset haben.The column order affects the ROLLUP output and can affect the number of rows in the result set.

Weitere Informationen zu GROUP BY ROLLUP finden Sie unter GROUP BY (Transact-SQL).For more information on GROUP BY ROLLUP, see GROUP BY (Transact-SQL)
Verbesserte Genauigkeit für den DWU-Verbrauch und CPU-PortalmetrikenImproved accuracy for DWU used and CPU portal metrics SQL Data Warehouse verbessert die Genauigkeit der Metrik im Azure-Portal erheblich.SQL Data Warehouse significantly enhances metric accuracy in the Azure portal. Diese Version umfasst eine Fehlerbehebung für die Metrikdefinition zur CPU-Auslastung und zum DWU-Verbrauch, sodass Ihre Workload auf allen Computeknoten korrekt widergespiegelt wird.This release includes a fix to the CPU and DWU Used metric definition to properly reflect your workload across all compute nodes. Vor dieser Fehlerbehebung wurden nicht alle Metrikwerte gemeldet.Before this fix, metric values were being undereported. Es wird eine Zunahme von DWU-Verbrauch und CPU-Metriken im Azure-Portal erwartet.Expect to see an increase in the DWU used and CPU metrics in the Azure portal.
Sicherheit auf ZeilenebeneRow Level Security Wir haben Funktionen für Sicherheit auf Zeilenebene im November 2017 eingeführt.We introduced Row-level Security capability back in Nov 2017. Diese Unterstützung haben wir nun auch auf externe Tabellen erweitert.We’ve now extended this support to external tables as well. Darüber hinaus haben wir Unterstützung für den Aufruf nicht deterministischer Funktionen in den Inline-Tabellenwertfunktionen (Inline-TVFs) für das Definieren eines Sicherheitsfilterprädikats hinzugefügt.Additionally, we’ve added support for calling non-deterministic functions in the inline table-valued functions (inline TVFs) required for defining a security filter predicate. Durch diese Ergänzung können Sie IS_ROLEMEMBER(), USER_NAME() usw. im Prädikat des Sicherheitsfilters angeben.This addition allows you to specify IS_ROLEMEMBER(), USER_NAME() etc. in the security filter predicate. Weitere Informationen finden Sie in die Beispielen in der Dokumentation zur Sicherheit auf Zeilenebene.For more information, please see the examples in the Row-level Security documentation.
Weitere T-SQL-UnterstützungAdditional T-SQL Support Die T-SQL-Sprachoberfläche für SQL Data Warehouse wurde erweitert und bietet nun Unterstützung für STRING_SPLIT (Transact-SQL).The T-SQL language surface area for SQL Data Warehouse has been extended to include support for STRING_SPLIT (Transact-SQL).
Verbesserungen des AbfrageoptimierersQuery Optimizer enhancements Die Abfrageoptimierung ist eine wichtige Komponente jeder Datenbank.Query optimization is a critical component of any database. Durch optimale Entscheidungen zur besten Ausführung einer Abfrage können erhebliche Verbesserungen erzielt werden.Making optimal choices on how to best execute a query can yield significant improvements.  Wenn komplexe analytische Abfragen in einer verteilten Umgebung ausgeführt werden, ist die Anzahl der ausgeführten Vorgänge entscheidend.  When executing complex analytical queries in a distributed environment, the number of operations executed matters. Die Abfrageleistung wurde durch bessere Qualitätspläne verbessert.Query performance has been enhanced by producing better quality plans. Diese Pläne minimieren aufwendige Vorgänge zur Datenübertragung und redundante Berechnungen wie wiederholte Unterabfragen.These plans minimize expensive data transfer operations and redundant computations such as, repeated subqueries. Weitere Informationen finden Sie in diesem Blogbeitrag zu Azure SQL Data Warehouse.For more information, see this Azure SQL Data Warehouse blog post.

Verbesserungen bei der DokumentationDocumentation improvements

Verbesserungen bei der DokumentationDocumentation improvements DetailsDetails

Januar 2019January 2019

Verbesserungen beim DienstService improvements

Verbesserungen beim DienstService improvements DetailsDetails
Rückgabereihenfolge nach OptimierungReturn Order By Optimization Abfragen vom Typ „SELECT…ORDER BY“ profitieren in diesem Release von einer Leistungssteigerung.SELECT…ORDER BY queries get a performance boost in this release. Jetzt senden alle Serverknoten ihre Ergebnisse an einen einzelnen Serverknoten.Now, all compute nodes send their results to a single compute node. Dieser Knoten führt die Ergebnisse zusammen, sortiert sie und gibt sie dann an den Benutzer zurück.This node merges and sorts the results and returns them to the user. Wenn die Abfrageergebnisse eine große Anzahl von Zeilen enthalten, bedeutet das Zusammenführen der Ergebnisse auf einem Serverknoten eine erhebliche Leistungssteigerung.Merging through a single compute node results in a significant performance gain when the query result set contains a large number of rows. Zuvor sortierte die Abfrageausführungs-Engine die Ergebnisse auf jedem Serverknoten.Previously, the query execution engine would order results on each compute node. Anschließend wurden die Ergebnisse dann an den Steuerknoten gestreamt.The results would them be streamed to the control node. Der Steuerknoten führte dann die Ergebnisse zusammen.The control node would then merge the results.
Verbesserung der Datenverschiebung für PartitionMove und BroadcastMoveData Movement Enhancements for PartitionMove and BroadcastMove In Azure SQL Data Warehouse Gen2 verwenden die Datenverschiebungsschritte vom Typ ShuffleMove Techniken zur Datensofortverschiebung.In Azure SQL Data Warehouse Gen2, data movement steps of type ShuffleMove, use instant data movement techniques. Weitere Informationen finden Sie im Blog zu Leistungsverbesserungen.For more information, see performance enhancements blog. Ab diesem Release werden auch für die Typen PartitionMove und BroadcastMove diese Techniken zur Datensofortverschiebung verwendet.With this release, PartitionMove and BroadcastMove are now powered by the same instant data movement techniques. Benutzerabfragen, die diese Typen von Datenverschiebungsschritten verwenden, erfahren eine Leistungssteigerung.User queries that use these types of data movement steps will run with improved performance. Um diese Leistungsverbesserungen zu nutzen, ist keine Codeänderung erforderlich.No code change is required to take advantage of these performance improvements.
Relevante FehlerNotable Bugs Falsche Version von Azure SQL Data Warehouse – SELECT @@VERSION gibt unter Umständen die falsche Version 10.0.9999.0 zurück.Incorrect Azure SQL Data Warehouse version - SELECT @@VERSION may return the incorrect version, 10.0.9999.0. Die richtige Version für das aktuelle Release lautet 10.0.10106.0.The correct version for the current release is 10.0.10106.0. Dieser Fehler wurde gemeldet und wird derzeit geprüft.This bug has been reported and is under review.

Verbesserungen bei der DokumentationDocumentation improvements

Verbesserungen bei der DokumentationDocumentation improvements DetailsDetails
nonenone

Dezember 2018December 2018

Verbesserungen beim DienstService improvements

Verbesserungen beim DienstService improvements DetailsDetails
Allgemeine Verfügbarkeit: Dienstendpunkte virtueller NetzwerkeVirtual Network Service Endpoints Generally Available In diesem Release sind Dienstendpunkte in virtuellen Netzwerken (VNETs) für Azure SQL Data Warehouse in allen Azure-Regionen allgemein verfügbar.This release includes general availability of Virtual Network (VNet) Service Endpoints for Azure SQL Data Warehouse in all Azure regions. Mit Dienstendpunkten im virtuellen Netzwerk können Sie Verbindungen aus einem bestimmten Subnetz oder einer Gruppe von Subnetzen in Ihrem virtuellen Netzwerk mit Ihrem logischen Server isolieren.VNet Service Endpoints enable you to isolate connectivity to your logical server from a given subnet or set of subnets within your virtual network. Der Datenverkehr zwischen Ihrem virtuellen Netzwerk und Azure SQL Data Warehouse befindet sich jederzeit innerhalb des Azure-Backbonenetzwerks.The traffic to Azure SQL Data Warehouse from your VNet will always stay within the Azure backbone network. Diese direkte Route wird speziellen Routen, bei denen Internetdatenverkehr über virtuelle Geräte oder lokal geleitet wird, vorgezogen.This direct route will be preferred over any specific routes that take Internet traffic through virtual appliances or on-premises. Es erfolgt keine zusätzliche Abrechnung für den virtuellen Netzwerkzugriff über Dienstendpunkte.No additional billing is charged for virtual network access through service endpoints. Das aktuelle Preismodell für Azure SQL Data Warehouse ist weiterhin gültig.Current pricing model for Azure SQL Data Warehouse applies as is.

Ab diesem Release steht auch die PolyBase-Konnektivität mit Azure Data Lake Storage Gen2 (ADLS) über den Treiber des Azure-Blobdateisystems zur Verfügung.With this release, we also enabled PolyBase connectivity to Azure Data Lake Storage Gen2 (ADLS) via Azure Blob File System (ABFS) driver. Azure Data Lake Storage Gen2 stattet Azure Storage mit allen Eigenschaften aus, die im gesamten Lebenszyklus von Analysedaten benötigt werden.Azure Data Lake Storage Gen2 brings all the qualities that are required for the complete lifecycle of analytics data to Azure Storage. Die Features der beiden vorhandenen Azure-Speicherdienste „Azure Blob Storage“ und „Azure Data Lake Storage Gen1“ wurden zusammengeführt.Features of the two existing Azure storage services, Azure Blob Storage and Azure Data Lake Storage Gen1 are converged. Features von Azure Data Lake Storage Gen1, z.B. Dateisystemsemantik, Sicherheit und Skalierbarkeit auf Dateiebene, werden mit den kostengünstigen, mehrstufigen Speicherlösungen und Hochverfügbarkeits- und Notfallwiederherstellungsfunktionen von Azure Blob Storage kombiniert.Features from Azure Data Lake Storage Gen1, such as file system semantics, file-level security, and scale are combined with low-cost, tiered storage, and high availability/disaster recovery capabilities from Azure Blob Storage.

Mit PolyBase können Sie Daten auch aus Azure Storage (im VNET gesichert) in Azure SQL Data Warehouse importieren.Using Polybase you can also import data into Azure SQL Data Warehouse from Azure Storage secured to VNet. Außerdem wird auch das Exportieren von Daten aus Azure SQL Data Warehouse nach Azure Storage (im VNET gesichert) per PolyBase unterstützt.Similarly, exporting data from Azure SQL Data Warehouse to Azure Storage secured to VNet is also supported via Polybase.

Weitere Informationen zu VNET-Dienstendpunkten in Azure SQL Data Warehouse finden Sie im Blogbeitrag oder in der Dokumentation.For more information on VNet Service Endpoints in Azure SQL Data Warehouse, refer to the blog post or the documentation.
Automatische Leistungsüberwachung (Vorschauversion)Automatic Performance Monitoring (Preview) Der Abfragespeicher ist jetzt als Vorschauversion für Azure SQL Data Warehouse verfügbar.Query Store is now available in Preview for Azure SQL Data Warehouse. Der Abfragespeicher ist als Hilfe für die Problembehandlung in Bezug auf die Leistung konzipiert, und es werden Abfragen, Abfragepläne, Laufzeitstatistiken und der Abfrageverlauf nachverfolgt, damit Sie die Aktivität und Leistung Ihrer Data Warehouse-Instanz überwachen können.Query Store is designed to help you with query performance troubleshooting by tracking queries, query plans, runtime statistics, and query history to help you monitor the activity and performance of your data warehouse. Der Abfragespeicher umfasst eine Reihe von internen Speichern sowie dynamische Verwaltungssichten (DMVs), die Folgendes ermöglichen:Query Store is a set of internal stores and Dynamic Management Views (DMVs) that allow you to:

•   Ermitteln und Optimieren von Abfragen mit dem höchsten Ressourcenverbrauch•   Identify and tune top resource consuming queries
•   Erkennen und Verbessern ungeplanter Workloads•   Identify and improve unplanned workloads
•   Auswerten der Abfrageleistung und der Auswirkungen auf den Plan anhand von Änderungen in Bezug auf Statistiken, Indizes oder die Systemgröße (DWU-Einstellung)•   Evaluate query performance and impact to the plan by changes in statistics, indexes, or system size (DWU setting)
•   Anzeigen des vollständigen Abfragetexts für alle ausgeführten Abfragen•   See full query text for all queries executed

Der Abfragespeicher enthält drei separate Speicher:The Query Store contains three actual stores:
•   Einen Planspeicher für die dauerhafte Speicherung von Informationen zum Ausführungsplan•   A plan store for persisting the execution plan information
•   Einen Speicher für Laufzeitstatistiken für die dauerhafte Speicherung der Informationen zu den Ausführungsstatistiken•   A runtime stats store for persisting the execution statistics information
•   Einen Speicher für Wartestatistiken für die dauerhafte Speicherung der Informationen aus den Wartestatistiken•   A wait stats store for persisting wait stats information.

SQL Data Warehouse verwaltet diese Speicher automatisch und stellt ohne weitere Kosten eine unbegrenzte Anzahl von Abfragen bereit, die in den letzten sieben Tagen gespeichert wurden.SQL Data Warehouse manages these stores automatically and provides an unlimited number of queries storied over the last seven days at no additional charge. Das Aktivieren des Abfragespeichers ist so einfach wie das Ausführen einer ALTER DATABASE-T-SQL-Anweisung:Enabling Query Store is as simple as running an ALTER DATABASE T-SQL statement:
sql ----ALTER DATABASE [Datenbankname] SET QUERY_STORE = ON;-------Weitere Informationen zum Abfragespeicher in Azure SQL Data Warehouse finden Sie im Artikel Leistungsüberwachung mit dem Abfragespeicher und in den Abfragespeicher-DMVs wie z. B. sys.query_store_query.sql ----ALTER DATABASE [DatabaseName] SET QUERY_STORE = ON;-------For more information on Query Store in Azure SQL Data Warehouse, see the article, Monitoring performance by using the Query Store, and the Query Store DMVs, such as sys.query_store_query. In diesem Blogbeitrag wird das Release angekündigt.Here is the blog post announcing the release.
Niedrigere Computetarife für Azure SQL Data Warehouse Gen2Lower Compute Tiers for Azure SQL Data Warehouse Gen2 Azure SQL Data Warehouse Gen2 unterstützt jetzt niedrigere Computetarife.Azure SQL Data Warehouse Gen2 now supports lower compute tiers. Kunden profitieren von den führenden Azure SQL Data Warehouse-Features für Leistung, Flexibilität und Sicherheit, die bei 100 cDWU (Compute Data Warehouse-Einheiten) beginnen und in Minutenschnelle auf 30.000 cDWU skaliert werden können.Customers can experience Azure SQL Data Warehouse’s leading performance, flexibility, and security features starting with 100 cDWU (Data Warehouse Units) and scale to 30,000 cDWU in minutes. Ab Mitte Dezember 2018 können Kunden in bestimmten Regionen von der Gen2-Leistung und -Flexibilität bei niedrigeren Computetarifen profitieren. Für die restlichen Regionen beginnt die Verfügbarkeit im Laufe des Jahrs 2019.Starting mid-December 2018, customers can benefit from Gen2 performance and flexibility with lower compute tiers in regions, with the rest of the regions available during 2019.

Durch die Beseitigung des Einstiegspunkts für das Data Warehousing der nächsten Generation öffnet Microsoft die Türen für wertorientierte Kunden, die alle Vorteile eines sicheren, leistungsstarken Data Warehouse nutzen möchten, ohne erraten zu müssen, welche Testumgebung für sie am besten geeignet ist.By dropping the entry point for next-generation data warehousing, Microsoft opens the doors to value-driven customers who want to evaluate all the benefits of a secure, high-performance data warehouse without guessing which trial environment is best for them. Anstelle des aktuellen Einstiegspunkts von 500 cDWU können Kunden bereits mit nur 100 cDWU beginnen.Customers may start as low as 100 cDWU, down from the current 500 cDWU entry point. SQL Data Warehouse Gen2 verfügt weiterhin über Unterstützung für Vorgänge zum Anhalten und Fortsetzen und bietet im Hinblick auf Computevorgänge weit mehr als nur die übliche Flexibilität.SQL Data Warehouse Gen2 continues to support pause and resume operations and goes beyond just the flexibility in compute. Gen2 unterstützt auch unbegrenzte Columnstore-Speicherkapazität sowie das 2,5-fache an Arbeitsspeicher pro Abfrage, bis zu 128 gleichzeitige Abfragen und das adaptive Zwischenspeichern.Gen2 also supports unlimited column-store storage capacity along with 2.5 times more memory per query, up to 128 concurrent queries and adaptive caching features. Diese Features führen im Vergleich zur gleichen Data Warehouse-Einheit unter Gen1 im Durchschnitt zur fünffachen Leistung – und das zum gleichen Preis.These features on average bring five times more performance compared to the same Data Warehouse Unit on Gen1 at the same price. Georedundante Sicherungen mit integrierter Datenschutzgarantie gehören in Gen2 zum Standard.Geo-redundant backups are standard for Gen2 with built-in guaranteed data protection. Azure SQL Data Warehouse Gen2 kann bei Bedarf sofort skaliert werden.Azure SQL Data Warehouse Gen2 is ready to scale when you are.
Columnstore-Zusammenführung im HintergrundColumnstore Background Merge Standardmäßig speichert Azure SQL Data Warehouse (Azure SQL DW) Daten in einem Spaltenformat mit Mikropartitionen, die als Zeilengruppen bezeichnet werden.By default, Azure SQL Data Warehouse (Azure SQL DW) stores data in columnar format, with micro-partitions called rowgroups. In Situationen mit eingeschränkter Speicherkapazität bei der Indexerstellung oder dem Laden von Daten werden die Zeilengruppen mit weniger als der optimalen Größe von einer Million Zeilen komprimiert.Sometimes, due to memory constrains at index build or data load time, the rowgroups may be compressed with less than the optimal size of one million rows. Zeilengruppen können auch aufgrund von Löschungen fragmentiert werden.Rowgroups may also become fragmented due to deletes. Kleine oder fragmentierte Zeilengruppen führen zu einer höheren Arbeitsspeichernutzung sowie zu ineffizienten Abfrageausführungen.Small or fragmented rowgroups result in higher memory consumption, as well as inefficient query execution. In diesem Release von Azure SQL DW führt der Columnstore-Hintergrundwartungstask kleine komprimierte Zeilengruppen zusammen und erstellt damit größere Zeilengruppen, um den Speicher besser zu nutzen und die Abfrageausführung zu beschleunigen.With this release of Azure SQL DW, the columnstore background maintenance task merges small compressed rowgroups to create larger rowgroups to better utilize memory and speed up query execution.

Oktober 2018October 2018

Verbesserungen beim DienstService improvements

Verbesserungen beim DienstService improvements DetailsDetails
DevOps für Data WarehousingDevOps for Data Warehousing Das oft geforderte Feature für SQL Data Warehouse (SQL DW) ist ab sofort in der Vorschau verfügbar und bietet Unterstützung für SQL Server Data Tools (SSDT) in Visual Studio!The highly requested feature for SQL Data Warehouse (SQL DW) is now in preview with the support for SQL Server Data Tool (SSDT) in Visual Studio! Entwicklerteams können nun über eine einzelne Codebasis mit Versionskontrolle zusammenarbeiten und rasch Änderungen in einer beliebigen Instanz auf der ganzen Welt bereitstellen.Teams of developers can now collaborate over a single, version-controlled codebase and quickly deploy changes to any instance in the world. Möchten Sie daran teilhaben?Interested in joining? Dieses Feature ist ab sofort als Vorschau verfügbar.This feature is available for preview today! Registrieren können Sie sich über das Formular SQL Data Warehouse Visual Studio SQL Server Data Tools (SSDT) – Registrierung für die Vorschau.You can register by visiting the SQL Data Warehouse Visual Studio SQL Server Data Tools (SSDT) - Preview Enrollment form. Angesichts der hohen Nachfrage prüfen wir die Zulassung zur Vorschau, um ein optimales Benutzererlebnis für unsere Kunden sicherzustellen.Given the high demand, we are managing acceptance into preview to ensure the best experience for our customers. Sobald Sie sich registriert haben, bestätigen wir innerhalb von sieben Werktagen Ihren Status.Once you sign up, our goal is to confirm your status within seven business days.
Sicherheit auf Zeilenebene allgemein verfügbarRow Level Security Generally Available Azure SQL Data Warehouse (SQL DW) unterstützt ab sofort Sicherheit auf Zeilenebene (Row Level Security, RLS), sodass Sie eine leistungsstarke Funktion zum Schutz Ihrer sensiblen Daten erhalten.Azure SQL Data Warehouse (SQL DW) now supports row level security (RLS) adding a powerful capability to secure your sensitive data. Mit der RLS können Sie Sicherheitsrichtlinien implementieren, um den Zugriff auf Zeilen in Ihren Tabellen zu regeln (um also zu bestimmen, wer auf welche Zeilen zugreifen darf).With the introduction of RLS, you can implement security policies to control access to rows in your tables, as in who can access what rows. Die RLS ermöglicht diese engmaschige Zugriffssteuerung, ohne dass Sie Ihr Data Warehouse umgestalten müssen.RLS enables this fine-grained access control without having to redesign your data warehouse. Sie vereinfacht die allgemeine Sicherheitsimplementierung, da sich die Zugriffsbeschränkungslogik auf der Datenbankebene und nicht auf einer anderen, von den Daten getrennten Anwendungsebene befindet.RLS simplifies the overall security model as the access restriction logic is located in the database tier itself rather than away from the data in another application. Durch die RLS ist es zudem nicht mehr erforderlich, Ansichten zu erstellen, um Zeilen für die Zugriffssteuerung auszublenden.RLS also eliminates the need to introduce views to filter out rows for access control management. Dieses Sicherheitsfeature der Unternehmensklasse ist für all unsere Kunden kostenfrei.There is no additional cost for this enterprise-grade security feature for all our customers.
Erweiterte RatgeberAdvanced Advisors Die erweiterte Optimierung für Azure SQL Data Warehouse (SQL DW) wurde durch zusätzliche Data Warehouse-Empfehlungen und Metriken noch stärker vereinfacht.Advanced tuning for Azure SQL Data Warehouse (SQL DW) just got simpler with additional data warehouse recommendations and metrics. Ihnen stehen zusätzliche erweiterte Leistungsempfehlungen durch den Azure Advisor zur Verfügung. Hierzu zählen Folgende:There are additional advanced performance recommendations through Azure Advisor at your disposal, including:

1. Adaptiver Cache – Erhalten Sie Empfehlungen dafür, wann Sie eine Skalierung durchführen müssen, um die Cacheauslastung zu optimieren.1. Adaptive cache – Be advised when to scale to optimize cache utilization.
2. Tabellenverteilung – Erfahren Sie, wann Tabellen repliziert werden müssen, um Datenverschiebungen zu reduzieren und die Workloadleistung zu steigern.2. Table distribution – Determine when to replicate tables to reduce data movement and increase workload performance.
3. Tempdb – Finden Sie heraus, wann Ressourcenklassen skaliert und konfiguriert werden müssen, um tempdb-Konflikte zu reduzieren.3. Tempdb – Understand when to scale and configure resource classes to reduce tempdb contention.

Data Warehouse-Metriken wurden stärker in Azure Monitor integriert, was beispielsweise durch ein erweitertes, anpassbares Überwachungsdiagramm auf dem Übersichtsblatt für Metriken nahezu in Echtzeit realisiert wurde.There is a deeper integration of data warehouse metrics with Azure Monitor including an enhanced customizable monitoring chart for near real-time metrics in the overview blade. Sie müssen nicht mehr das Data Warehouse-Übersichtsblatt verlassen, um im Rahmen der Nutzungsüberwachung oder der Validierung und Anwendung von Data Warehouse-Empfehlungen auf Azure Monitor-Metriken zugreifen zu können.You no longer must leave the data warehouse overview blade to access Azure Monitor metrics when monitoring usage, or validating and applying data warehouse recommendations. Darüber hinaus stehen neue Metriken wie tempdb und die adaptive Cacheauslastung zur Verfügung, die Ihre Leistungsempfehlungen abrunden.In addition, there are new metrics available, such as tempdb and adaptive cache utilization to complement your performance recommendations.
Erweiterte Optimierung durch integrierte RatgeberAdvanced tuning with integrated advisors Noch stärker vereinfacht wurde die erweiterte Optimierung für Azure SQL Data Warehouse (SQL DW) durch zusätzliche Data Warehouse-Empfehlungen, Metriken und eine Neugestaltung des Portalübersichtsblatts, das eine integrierte Umgebung mit dem Azure Advisor und mit Azure Monitor bietet.Advanced tuning for Azure SQL Data Warehouse (SQL DW) just got simpler with additional data warehouse recommendations and metrics and a redesign of the portal overview blade that provides an integrated experience with Azure Advisor and Azure Monitor.
Schnellere DatenbankwiederherstellungAccelerated Database Recovery (ADR) Accelerated Database Recovery (ADR) für Azure SQL Data Warehouse ist ab sofort als öffentliche Vorschau verfügbar.Azure SQL Data Warehouse Accelerated Database Recovery (ADR) is now in Public Preview. ADR ist eine neue SQL Server-Engine, mit der die Datenbankverfügbarkeit aufgrund eines Neuentwurfs des aktuellen Wiederherstellungsprozesses rundum verbessert wird, insbesondere bei Transaktionen mit langer Ausführungsdauer.ADR is a new SQL Server Engine that greatly improves database availability, especially in the presence of long running transactions, by completely redesigning the current recovery process from the ground up. Die wichtigsten Vorteile von ADR sind die schnelle und konsistente Datenbankwiederherstellung und der sofortige Transaktionsrollback.The primary benefits of ADR are fast and consistent database recovery and instantaneous transaction rollback.
Azure Monitor-DiagnoseprotokolleAzure Monitor diagnostics logs SQL Data Warehouse (SQL DW) bietet dank der direkten Integration in Azure Monitor-Diagnoseprotokolle ab sofort bessere Einblicke in Analyseworkloads.SQL Data Warehouse (SQL DW) now enables enhanced insights into analytical workloads by integrating directly with Azure Monitor diagnostic logs. Dank dieser neuen Funktion können Entwickler das Workloadverhalten über einen längeren Zeitraum analysieren und fundierte Entscheidungen zur Abfrageoptimierung oder Kapazitätsverwaltung treffen.This new capability enables developers to analyze workload behavior over an extended time period and make informed decisions on query optimization or capacity management. Wir haben nun einen externen Protokollierungsprozess über Azure Monitor-Diagnoseprotokolle eingeführt, die zusätzliche Einblicke in Ihre Data Warehouse-Workload bereitstellen.We have now introduced an external logging process through Azure Monitor diagnostic logs that provide additional insights into your data warehouse workload. Mit einem einzigen Mausklick können Sie so jetzt Diagnoseprotokolle mithilfe von Log Analytics konfigurieren, um Funktionen zur Problembehandlung bezüglich der Leistung von Verlaufsabfragen nutzen zu können.With a single click of a button, you are now able to configure diagnostic logs for historical query performance troubleshooting capabilities using Log Analytics. Azure Monitor-Diagnoseprotokolle unterstützen anpassbare Aufbewahrungszeiträume, indem die Protokolle für Überwachungszwecke in einem Speicherkonto gespeichert werden, die Möglichkeit, Protokolle zur Bereitstellung von Telemetriedaten nahezu in Echtzeit an Event Hubs zu streamen, und die Option, Protokolle mithilfe von Log Analytics mit Protokollabfragen zu analysieren.Azure Monitor diagnostic logs support customizable retention periods by saving the logs to a storage account for auditing purposes, the capability to stream logs to event hubs near real-time telemetry insights, and the ability to analyze logs using Log Analytics with log queries. Diagnoseprotokolle umfassen Telemetrieansichten zu Ihrem Data Warehouse, die den am häufigsten verwendeten DMVs zur Behandlung von Leistungsproblemen für SQL Data Warehouse entsprechen.Diagnostic logs consist of telemetry views of your data warehouse equivalent to the most commonly used performance troubleshooting DMVs for SQL Data Warehouse. Für dieses erste Release haben wir Ansichten für folgende dynamische Systemverwaltungssichten aktiviert:For this initial release, we have enabled views for the following system dynamic management views:

•   sys.dm_pdw_exec_requests•   sys.dm_pdw_exec_requests
•   sys.dm_pdw_request_steps•   sys.dm_pdw_request_steps
•   sys.dm_pdw_dms_workers•   sys.dm_pdw_dms_workers
•   sys.dm_pdw_waits•   sys.dm_pdw_waits
•   sys.dm_pdw_sql_requests•   sys.dm_pdw_sql_requests
Columnstore-ArbeitsspeicherverwaltungColumnstore memory management Mit zunehmender Anzahl von komprimierten Columnstore-Zeilengruppen nimmt auch der Arbeitsspeicherbedarf für die Verwaltung der internen Spaltensegmentmetadaten für diese Zeilengruppen zu.As the number of compressed column store row groups increases, the memory required to manage the internal column segment metadata for those rowgroups increases. Dies kann die Abfrageleistung sowie Abfragen für einige der Columnstore-DMVs (Dynamic Management Views, dynamische Verwaltungssichten) beeinträchtigen.As a result, query performance and queries executed against some of the Columnstore Dynamic Management Views (DMVs) can degrade. In diesem Release wurden Verbesserungen implementiert, um die Größe der internen Metadaten für diese Fälle zu optimieren und so die Benutzerfreundlichkeit und Leistung solcher Abfragen zu verbessern.Improvements have made in this release to optimize the size of the internal metadata for these cases, leading to improved experience and performance for such queries.
Azure Data Lake Storage Gen2-Integration (allgemein verfügbar)Azure Data Lake Storage Gen2 integration (GA Azure SQL Data Warehouse (SQL DW) verfügt jetzt über native Integration in Azure Data Lake Storage Gen2.Azure SQL Data Warehouse (SQL DW) now has native integration with Azure Data Lake Storage Gen2. Kunden können nun Daten mithilfe von externen Tabellen von ABFS in SQL DW laden.Customers can now load data using external tables from ABFS into SQL DW. Durch diese Funktion können Kunden Integrationen in ihre Data Lakes in Data Lake Storage Gen2 durchführen.This functionality enables customers to integrate with their data lakes in Data Lake Storage Gen2.
Relevante FehlerNotable Bugs Fehler „CETAS to Parquet“ bei kleinen Ressourcenklassen in Data Warehouses von DW2000 und mehr – Diese Fehlerbehebung identifiziert korrekterweise einen Nullverweis im Codepfad „Create External Table As to Parquet“.CETAS to Parquet failures in small resource classes on Data warehouses of DW2000 and more - This fix correctly identifies a null reference in the Create External Table As to Parquet code path.

Wert der Identitätsspalte kann bei einigen CTAS-Vorgängen verloren gehen – Der Wert einer Identitätsspalte wird unter Umständen bei der Übernahme in eine andere Tabelle mit CTAS nicht beibehalten.Identity column value might lose in some CTAS operation - The value of an identify column may not be preserved when CTASed to another table. In einem Blog gemeldet.Reported in a blog.

Interner Fehler in einigen Fällen, in denen eine Sitzung beendet wird, während eine Abfrage noch ausgeführt wird – Diese Fehlerbehebung löst eine „InvalidOperationException“ aus, wenn eine Sitzung beendet wird, während die Abfrage noch ausgeführt wird.Internal failure in some cases when a session is terminated while a query is still running - This fix triggers an InvalidOperationException if a session is terminated when the query is still running.

(Bereitgestellt im November 2018) Kunden meldeten eine beeinträchtigte Leistung beim Versuch, mithilfe von Polybase mehrere kleine Dateien aus ADLS (Gen1) zu laden.(Deployed in November 2018) Customers were experiencing a suboptimal performance when attempting to load multiple small files from ADLS (Gen1) using Polybase. – Die Validierung von AAD-Sicherheitstoken führte zu einem Engpass bei der Systemleistung.- System performance was bottlenecked during AAD security token validation. Die Leistungsprobleme konnten durch eine Aktivierung der Zwischenspeicherung für Sicherheitstoken abgemildert werden.Performance problems were mitigated by enabling caching of security tokens.

Nächste SchritteNext steps

Weitere InformationenMore information