一、什么是数据探索
举一个典型例子：业务同学想看「最近 7 天某个产品线的下单趋势」，只需要在数据探索中新建一段 SQL，选择 Catalog → Schema → 运行，下方表格立即出现结果，再点一下 图表 就可以得到一张折线图，分享链接给同事即可。
二、与数据工程中 SQL 的关系
数据探索与 开发工作台 SQL 共享同一套底层能力 ：相同的 Spark SQL 引擎、相同的 Serverless 数据分析型计算资源组、相同的统一 Catalog、相同的查询执行链路。两者的区别在于产品入口与定位：
| 维度 | 数据探索（5.1） | Studio SQL（3.1.3） |
| 目标读者 | 数据分析师、业务分析人员 | 数据工程师、ETL 开发人员 |
| 产品入口 | 左侧导航 数据探索 | 左侧导航 开发工作台 |
| 主要场景 | 即席查询、可视化探查、临时分析 | 数据加工脚本开发、参数化复用、调度准备 |
| 协作语境 | 独立 SQL 脚这篇件 + 全局运行历史 + 可视化 | Notebook / SQL / Python 多文件协作 + Git |
| 与 Workflow 的关系 | 通常不调度，验证想法用 | 可一键作为 SQL 任务 加入工作流 |
注意：两个入口的 SQL 文件在 Workspace 中互通 ：数据探索中保存的 .sql 文件可以在 Studio 中打开继续编辑，反之亦然；都遵循同一套 文件权限 规则。这意味着分析师沉淀的查询，工程师可以直接复用并加入 Workflow 调度。
三、核心能力
| 能力 | 说明 |
| 即席查询 | 在统一编辑器中编写 Spark SQL，秒级提交到 Serverless 资源组运行，结果以表格展示在编辑器下方。 |
| 查询收藏 | 将常用查询沉淀为收藏列表，下次打开后一键加载到编辑器。 |
| 结果可视化 | 一键将查询结果生成柱状图、折线图、饼图等可视化图表，无需切换到仪表盘。 |
| 结果导出 | 将查询结果下载为 CSV / Excel / TXT，用于离线汇报或对外交付。 |
| AI 辅助 | 内置 Buddy「数据分析」模式，支持自然语言生成 SQL、查询解读、报告生成、归因分析等。 |
| 联邦查询 | 通过统一 Catalog 接入外部数据源（MySQL、Doris、ClickHouse 等），用同一套 Spark SQL 语法跨源查询。 |
四、关键概念
理解数据探索，你需要熟悉以下核心概念：
·数据探索空间 ：Workspace 中所有数据探索 SQL 文件的集合，按多级文件夹组织。文件级 ACL 与 Studio SQL 一致。等同于 Databricks 的 SQL Editor / Queries 、阿里 DataWorks 的 数据分析 。
·Spark SQL 方言 ：底层执行引擎统一使用 Spark SQL；所有跨数据源查询都走统一 Catalog，使用同一套语法。详见 SQL IDE 基础操作。
·交互式分析型 Serverless 资源 ：数据探索使用的执行资源，由平台动态扩缩容，分析师无需感知具体实例。详见 计算资源概述。
·统一 Catalog ：基于 Unity Catalog 的三段命名空间 catalog.schema.table，承载内部引擎与外部数据源的元数据。详见 三级命名空间。
·查询历史、查询收藏 ：分别对应「过去运行过什么」「想再次复用什么」两类工作流；支持按文件 ACL 过滤个人可见范围。
完整术语请参考 术语表。
五、适用场景
| 场景 | 适用方式 |
| 临时业务问数 | 写一段 SQL，看一次结果，不需要保存 |
| 重复性日常查询 | 收藏常用 SQL，每次打开秒级加载 |
| 趋势 / 占比分析 | 在结果区直接生成图表，无需进入仪表盘 |
| 离线汇报 / 数据交付 | 将结果下载为 CSV / Excel |
| 跨源联邦查询 | 通过 External Catalog 接入外部数据源 |
| 分析结果固化为报表 | 将探索成果沉淀到仪表盘，形成可分享视图 |
| 探索成果转生产任务 | 将 SQL 文件直接绑定为 Workflow SQL 任务 |
六、相关文档
·SQL IDE 基础操作
·SQL 脚本运行
·SQL 任务
·仪表盘概述
·三级命名空间
·计算资源概述