Cómo consultar un Lakehouse con el SQL analytics endpoint

João Barros 04 de July de 2026 4 min de lectura

El SQL analytics endpoint es la forma más rápida de consultar las tablas Delta de un Lakehouse en Microsoft Fabric sin escribir una sola línea de código Spark. Cada vez que creas un Lakehouse, Fabric genera automáticamente este endpoint, que expone tus tablas como una base de datos lista para recibir consultas T-SQL de solo lectura. Si ya conoces SQL, es el puente más natural para empezar a trabajar con un Lakehouse.

Requisitos previos

Un workspace de Microsoft Fabric con capacidad activa (sirve una prueba gratuita).
Un Lakehouse ya creado, con al menos una tabla Delta cargada.
Conocimientos básicos de SQL: SELECT, WHERE y GROUP BY.

Paso 1: Abrir el SQL analytics endpoint

Entra en tu workspace y busca el Lakehouse. Junto a él, Fabric muestra un elemento con el mismo nombre pero de tipo SQL analytics endpoint. Haz clic en ese elemento para abrir el editor de consultas. Si ya estás dentro del Lakehouse, hay un atajo aún más rápido: usa el selector de modo en la esquina superior derecha y cambia de Lakehouse a SQL analytics endpoint.

A la izquierda aparece la lista de tablas Delta. Es la misma información del Explorer del Lakehouse, pero ahora organizada como un esquema de base de datos que acepta T-SQL. No necesitas configurar nada: el endpoint ya está listo para usar.

Paso 2: Escribir tu primera consulta

En la parte superior del editor, haz clic en New SQL query. Para consultar un Lakehouse, empieza por echar un vistazo a las primeras filas de una tabla. Sustituye vendas por el nombre de tu tabla:

SELECT TOP (100) *
FROM vendas;

Haz clic en Run (o pulsa Ctrl+Enter) y los resultados aparecen abajo. Usar TOP (100) es un buen hábito mientras exploras: evita traer millones de filas de una sola vez.

Si recibes el error Invalid object name, comprueba el nombre de la tabla. Las tablas del Lakehouse están por defecto en el esquema dbo, así que dbo.vendas también es válido.

Paso 3: Filtrar y agregar datos

Consultar todo rara vez es el objetivo. Lo más habitual es filtrar con WHERE y resumir con GROUP BY. El siguiente ejemplo cuenta las ventas y suma el total por país, solo para el año 2025:

SELECT
    pais,
    COUNT(*)      AS numero_vendas,
    SUM(valor)     AS total_vendas
FROM vendas
WHERE YEAR(data_venda) = 2025
GROUP BY pais
ORDER BY total_vendas DESC;

El SQL analytics endpoint habla la misma T-SQL que SQL Server y que el Fabric Warehouse, por lo que funciones como YEAR(), SUM() y COUNT() están todas disponibles.

Paso 4: Unir dos tablas con un JOIN

Como el endpoint entiende T-SQL completo, puedes combinar varias tablas Delta en una sola consulta. Imagina una tabla vendas y una tabla clientes unidas por la columna cliente_id:

SELECT
    c.nome        AS cliente,
    SUM(v.valor)  AS total_gasto
FROM vendas AS v
INNER JOIN clientes AS c
    ON v.cliente_id = c.cliente_id
GROUP BY c.nome
ORDER BY total_gasto DESC;

Consejo: da siempre un alias corto a cada tabla (v, c). Hace la consulta más legible y evita la ambigüedad cuando dos tablas tienen columnas con el mismo nombre.

Paso 5: Guardar la consulta como una vista

Cuando una consulta resulta útil, conviértela en una vista para reutilizarla. Ten en cuenta un detalle importante: los datos de las tablas Delta son de solo lectura aquí, pero sí puedes crear objetos SQL como vistas, funciones y procedimientos.

CREATE VIEW vendas_por_pais_2025 AS
SELECT
    pais,
    SUM(valor) AS total_vendas
FROM vendas
WHERE YEAR(data_venda) = 2025
GROUP BY pais;

A partir de ahí, cualquier persona con acceso puede ejecutar SELECT * FROM vendas_por_pais_2025 sin reescribir la lógica. Las vistas son también una base excelente para construir modelos semánticos de Power BI.

Verificar el resultado

Para confirmar que todo funcionó, ejecuta una consulta sencilla sobre la nueva vista:

SELECT * FROM vendas_por_pais_2025
ORDER BY total_vendas DESC;

Si ves una fila por país con el total correspondiente, tu vista funciona. Comprueba también que aparece en la carpeta Views, en el árbol de objetos de la izquierda.

Conclusión

Ya sabes abrir el SQL analytics endpoint, escribir consultas SELECT, filtrar y agregar datos, unir tablas con JOIN y guardar la lógica en una vista reutilizable — todo sin salir de Microsoft Fabric. Recuerda esta regla de oro: el endpoint es de solo lectura, así que para insertar o cambiar datos vuelve al Lakehouse y usa Spark o un pipeline. ¿Cuál será la primera vista que crearás sobre tus propios datos?