ちゅらデータ株式会社Publicationへの投稿
📊

【5日目】Databricks SQL の基礎 〜 SQL Warehouse / AI・BI ダッシュボード活用 〜

クルトン
に公開
SQL
BI
Databricks
dataengineering
Lakehouse
tech

みなさんこんにちは、クルトンです！

今日は、レイクハウスの“分析”を担う Databricks SQL（DBSQL） を扱います。
SQL クエリの実行、BI ダッシュボード、外部 BI 接続の中心となる機能で、分析基盤をDatabricksに統合する際の要になる部分です。

SQL Warehouseの仕組みやAI/BIダッシュボードとの関係を押さえておくと、後日のDay10(パフォーマンス最適化)やDay23(Delta Sharing)も理解しやすくなります。

📘 Databricks SQLとは？

Databricks SQL(DBSQL)は、レイクハウス上のデータを SQL を使って分析・可視化するための環境 です。

Databricks公式：
https://docs.databricks.com/aws/ja/sql/get-started/concepts

主な役割：

  • SQL Editor でクエリを実行する
  • Delta Lake のデータを参照する
  • ダッシュボードや可視化を作成する
  • SQL Warehouse を通じて安定した分析処理を提供する

Databricks の「SQL」ワークスペースでは、クエリエディタ・実行履歴・ダッシュボード管理の機能がまとまっています。

🏗️ SQL Warehouseとは？

SQL Warehouseは、BIツールやSQL Editorからクエリを実行するための 専用の計算リソース です。

Databricks公式(ウェアハウスの種類)：
https://docs.databricks.com/aws/ja/compute/sql-warehouse/warehouse-types

特徴：

  • 自動スケーリングで負荷変動に強い
  • 高い同時接続数を処理できる
  • キャッシュ機構による高速化
  • Databricks Runtime とは別系統（分析特化）

📊 Warehouseの種類

公式ドキュメントの情報から簡単にまとめると、以下の3つに整理できます。

種類 特徴 主な用途
Serverless Warehouse 完全マネージド。起動が速い。スケーリング自動。 Ad-hoc 分析、ダッシュボード、BI 接続
Pro Warehouse 安定した性能と同時接続数。細かい設定も可能。 企業内 BI、レポート基盤
Classic Warehouse 旧タイプ。機能は限定的。 レガシーワークロード

※ 詳細な比較は上記公式 URL を参照してください。

🖥️ SQL Editor（クエリ実行 UI）

SQL Editorは以下のような機能があります。

  • SQL の補完（オートコンプリート）
  • テーブルのプレビュー
  • 実行結果の確認
  • 実行履歴の参照
  • 可視化（チャート）作成

Databricks公式：
https://docs.databricks.com/aws/ja/sql/user/sql-editor/

クエリ結果をそのまま可視化してAI/BIダッシュボードに表示させられる点も大きな特徴です。

📊 AI/BI ダッシュボード

2025年以降、Databricks の正式なダッシュボード機能は AI/BI ダッシュボード が担っています。

Databricks公式：
https://docs.databricks.com/aws/ja/dashboards/

主な特徴：

  • 複数チャートを自由にレイアウト
  • クエリのパラメータによる動的フィルタ
  • 更新スケジュールによる定期リフレッシュ
  • 他ユーザーへの共有
  • AI アシスタントによる作成補助（チュートリアルあり）

※ 旧Dashboard（レガシーダッシュボード）は2026年1月12日に直接アクセス不可となり、移行ツールの提供は2026年3月2日までです。

🔌 BI ツールとの接続

Databricks SQL は多くの BI ツールと連携できます。

  • Power BI
  • Tableau
  • Looker
  • Apache Superset
  • その他 JDBC/ODBC 対応ツール

接続方法

  • JDBC
  • ODBC
  • Databricks SQL Connector
  • SSO / トークン認証

などが使われます。

Databricks公式（Partner Connect）：
https://docs.databricks.com/aws/ja/partner-connect

接続先の一覧として以下リンク先にまとまっています。
https://docs.databricks.com/aws/ja/integrations/

⚡ Databricks SQL を使うときの最適化ポイント（基礎部分）

Day10 の内容を理解しやすくするため、
Day5 では最低限の最適化ポイントだけ触れておきます。

✔ クエリキャッシュ（Query Caching）

同じクエリを繰り返し実行するワークロードに効果的です。

✔ パーティションの利用

Delta Lake のパーティション設計は、クエリの高速化に大きく影響します。

✔ Z-Order（データスキッピング）

WHERE 句でよく使うカラムを軸に Z-Order を行うと高速化しやすいです。
（Day10 で詳細に扱います）

Databricks公式(最適化系)：
https://docs.databricks.com/aws/ja/sql/user/queries/performance-insights
https://www.databricks.com/discover/pages/optimize-data-workloads-guide

🔗 今日の内容が後日にどう関係するか

  • Day7（DLT）
    → SQL で宣言的パイプラインを組む際に役立つ
  • Day10（パフォーマンス最適化）
    → SQL Warehouse のキャッシュ・Z-Order の理解が必要
  • Day22（セキュリティ）
    → Unity Catalog と SQL Warehouse の関係
  • Day23（Delta Sharing）
    → 外部 BI から参照する際の SQL Warehouse が土台になる

📚 参考（公式ドキュメントまとめ）

✨ 終わりに

今日は Databricks SQLの全体像 を以下のように整理しました。

  • SQL の基本構造
  • SQL Warehouse の種類
  • SQL Editor の使い方
  • 新しい AI/BI ダッシュボード
  • BI ツールとの連携
  • 最適化の入り口（Query Caching / Z-Order）

Databricksにおける“分析の要”を押さえることで、後日のDLT・最適化・Delta Sharingの理解がスムーズになります。

明日はデータエンジニアリングの基礎として、 Auto Loader によるデータ取り込みの基本 を扱います。

本日はここまで。
それではまた明日！

ちゅらデータ株式会社
ちゅらデータ株式会社Publication

沖縄に「最高に面白い仕事」を作る IT ベンチャーです！ エンジニア積極採用中！！

Discussion