Como consultar um Lakehouse com o SQL analytics endpoint

O SQL analytics endpoint é a forma mais rápida de consultar as tabelas Delta de um Lakehouse no Microsoft Fabric sem escrever uma única linha de código Spark. Sempre que crias um Lakehouse, o Fabric gera automaticamente este endpoint, que expõe as tuas tabelas como uma base de dados pronta a receber consultas T-SQL de leitura. Para quem já conhece SQL, é a ponte mais natural para começar a trabalhar com um Lakehouse.

Pré-requisitos

• Um workspace no Microsoft Fabric com capacidade ativa (serve uma avaliação gratuita).
• Um Lakehouse já criado, com pelo menos uma tabela Delta carregada.
• Conhecimentos básicos de SQL: SELECT, WHERE e GROUP BY.

Passo 1: Abrir o SQL analytics endpoint

Entra no teu workspace e procura o Lakehouse. Ao lado dele, o Fabric mostra um item com o mesmo nome mas do tipo SQL analytics endpoint. Clica nesse item para abrir o editor de consultas. Se já estiveres dentro do Lakehouse, há um atalho ainda mais rápido: usa o seletor de modo no canto superior direito e muda de Lakehouse para SQL analytics endpoint.

Do lado esquerdo aparece a lista de tabelas Delta. É a mesma informação do Explorer do Lakehouse, mas agora organizada como um esquema de base de dados que aceita T-SQL. Não precisas de configurar nada: o endpoint já está pronto a usar.

Passo 2: Escrever a primeira consulta

No topo do editor, clica em New SQL query. Para consultar um Lakehouse, começa por espreitar as primeiras linhas de uma tabela. Substitui vendas pelo nome da tua tabela:

SELECT TOP (100) *
FROM vendas;

Clica em Run (ou carrega em Ctrl+Enter) e os resultados surgem em baixo. Usar TOP (100) é um bom hábito enquanto exploras: evita trazer milhões de linhas de uma só vez.

Se receberes o erro Invalid object name, confirma o nome da tabela. As tabelas do Lakehouse ficam por defeito no esquema dbo, por isso dbo.vendas também é válido.

Passo 3: Filtrar e agregar dados

Consultar tudo raramente é o objetivo. O mais comum é filtrar com WHERE e resumir com GROUP BY. O exemplo seguinte conta as vendas e soma o total por país, apenas para o ano de 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;

O SQL analytics endpoint fala a mesma T-SQL do SQL Server e da Fabric Warehouse, por isso funções como YEAR(), SUM() e COUNT() estão todas disponíveis.

Passo 4: Juntar duas tabelas com um JOIN

Como o endpoint entende T-SQL completo, podes combinar várias tabelas Delta numa só consulta. Imagina uma tabela vendas e uma tabela clientes ligadas pela coluna 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;

Dica: dá sempre um alias curto a cada tabela (v, c). Torna a consulta mais legível e evita ambiguidade quando duas tabelas têm colunas com o mesmo nome.

Passo 5: Guardar a consulta como uma vista

Quando uma consulta se torna útil, transforma-a numa vista para a reutilizar. Atenção a um detalhe importante: os dados das tabelas Delta são só de leitura aqui, mas podes criar objetos SQL como vistas, funções e procedimentos.

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 daqui, qualquer pessoa com acesso pode fazer SELECT * FROM vendas_por_pais_2025 sem reescrever a lógica. As vistas são também uma excelente base para construir modelos semânticos do Power BI.

Verificar o resultado

Para confirmar que ficou tudo bem, corre uma consulta simples sobre a nova vista:

SELECT * FROM vendas_por_pais_2025
ORDER BY total_vendas DESC;

Se vires uma linha por país com o total correspondente, a tua vista está a funcionar. Confirma também que ela aparece na pasta Views, na árvore de objetos à esquerda.

Conclusão

Já sabes abrir o SQL analytics endpoint, escrever consultas SELECT, filtrar e agregar dados, juntar tabelas com JOIN e guardar a lógica numa vista reutilizável — tudo sem sair do Microsoft Fabric. Guarda esta regra de ouro: o endpoint é só de leitura, por isso, para inserir ou alterar dados, volta ao Lakehouse e usa Spark ou um pipeline. Qual vai ser a primeira vista que vais criar sobre os teus próprios dados?