<?xml version="1.0" encoding="UTF-8"?><rss version="2.0"
	xmlns:content="http://purl.org/rss/1.0/modules/content/"
	xmlns:dc="http://purl.org/dc/elements/1.1/"
	xmlns:atom="http://www.w3.org/2005/Atom"
	xmlns:sy="http://purl.org/rss/1.0/modules/syndication/"
	
	>
<channel>
	<title>
	Comentarios en: MERGE: Una instrucción para dominar a todas (T-SQL Avanzado)	</title>
	<atom:link href="https://www.soydba.es/merge-t-sql-avanzado/feed/" rel="self" type="application/rss+xml" />
	<link>https://www.soydba.es/merge-t-sql-avanzado/</link>
	<description>Siempre aprendiendo cosas nuevas de bases de datos</description>
	<lastBuildDate>Thu, 28 Nov 2024 23:03:16 +0000</lastBuildDate>
	<sy:updatePeriod>
	hourly	</sy:updatePeriod>
	<sy:updateFrequency>
	1	</sy:updateFrequency>
	
	<item>
		<title>
		Por: Fabric Lakehouse vs Warehouse - SoyDBA		</title>
		<link>https://www.soydba.es/merge-t-sql-avanzado/#comment-298</link>

		<dc:creator><![CDATA[Fabric Lakehouse vs Warehouse - SoyDBA]]></dc:creator>
		<pubDate>Thu, 28 Nov 2024 23:03:16 +0000</pubDate>
		<guid isPermaLink="false">https://www.soydba.es/?p=1202#comment-298</guid>

					<description><![CDATA[[&#8230;] Entre estas ventajas funcionales podemos destacar que cuenta con soporte para lectura y escritura en tablas Delta, lo que permite consultar los datos tanto con Spark como con T-SQL. Sin embargo, mientras que en el Lakehouse las operaciones de escritura solo se podían realizar con Spark, en el Warehouse es al revés y únicamente pueden realizarse mediante T-SQL. Además, incluye soporte casi completo para operaciones DML y DDL, lo que abarca la ingesta, el modelado y el desarrollo de datos a través de T-SQL o mediante interfaces gráficas. Esto nos permite un control absoluto sobre la creación de tablas, la carga de datos y las transformaciones, utilizando herramientas como COPY INTO, pipelines, dataflows o métodos de ingesta cruzada entre bases de datos como CREATE TABLE AS SELECT (CTAS), INSERT..SELECT o SELECT..INTO. Solo hay una pega, a día de hoy todavía no es compatible con la sintaxis MERGE. [&#8230;]]]></description>
			<content:encoded><![CDATA[<p>[&#8230;] Entre estas ventajas funcionales podemos destacar que cuenta con soporte para lectura y escritura en tablas Delta, lo que permite consultar los datos tanto con Spark como con T-SQL. Sin embargo, mientras que en el Lakehouse las operaciones de escritura solo se podían realizar con Spark, en el Warehouse es al revés y únicamente pueden realizarse mediante T-SQL. Además, incluye soporte casi completo para operaciones DML y DDL, lo que abarca la ingesta, el modelado y el desarrollo de datos a través de T-SQL o mediante interfaces gráficas. Esto nos permite un control absoluto sobre la creación de tablas, la carga de datos y las transformaciones, utilizando herramientas como COPY INTO, pipelines, dataflows o métodos de ingesta cruzada entre bases de datos como CREATE TABLE AS SELECT (CTAS), INSERT..SELECT o SELECT..INTO. Solo hay una pega, a día de hoy todavía no es compatible con la sintaxis MERGE. [&#8230;]</p>
]]></content:encoded>
		
			</item>
	</channel>
</rss>
