イベントハウスでOneLakeの可用性を有効にすると、イベントハウス内の新規データと既存データの両方がOneLakeにコピーされます。この機能により、新規に取り込まれたデータでも既存のデータでも、OneLake経由でアクセスできるようになるため、ユーザーはOneLakeファイルエクスプローラーから直接データを操作・探索しやすくなります。

フィルター条件: Neighborhood が「Sands End」で、No_Bikes が 15 以上の行を正しくフィルターします。
ソート: ソートは、No_Bikes によって、sort by No_Bikes asc を使用して昇順で明示的に実行されます。
投影: 必要な列 (BikepointID、Street、Neighborhood、No_Bikes、No_Empty_Docks、Timestamp) を投影し、返される消費データが最小限に抑えられます。

売上データの問題は、データフローに増分更新を設定することで解決できます。増分更新により、新規データまたは変更されたデータのみが処理されるため、転送されるデータ量が最小限に抑えられ、パフォーマンスが向上します。
このソリューションでは、1か月以上前のデータは変更されないと規定されているため、更新期間を1か月に設定するのが適切です。これにより、最新の1か月分のデータのみが更新され、不要なデータ転送を削減できます。

Explanation:

ニューヨークのLitwareは結果セットの一番上に表示されます - はい データはまずLocationの降順で並び替えられ、次にUnitsSoldの降順で並び替えられます。
「ニューヨーク」はアルファベット順で最後の場所であるため、結果セットの最初に表示されます。「ニューヨーク」の中で、Litwareの販売数量が最も多い（1000）ため、一番上に表示されます。
シアトルのFabrikamのランク列の値は2になります - いいえ
row_rank_dense関数は、各地域における販売数量に基づいて稠密な順位を割り当てます。「シアトル」の場合：
Contoso は 300 ユニットを販売し、1 位にランクされています。
Litware の販売ユニット数は 100 で、ランク 2 です。
Fabrikam も UnitsSold = 100 なので、Litware と同じランク (2) になります。
サンフランシスコのLitwareは、ニューヨークのLitwareと同じランク列の値になります - いいえ。ランクは場所ごとに個別に計算されます。「サンフランシスコ」の場合：
Relecloud と Litware は両方とも UnitsSold = 500 なので、同じランク (1) を共有します。
「ニューヨーク」では、Litware の UnitsSold = 1000 # Rank 1 が最も高くなっています。
順位は場所ごとに独立して計算されるため、サンフランシスコの Litware とニューヨークの Litware は同じ順位にはなりません。

extend を使用するとテーブル内のすべての列が保持され、出力のサイズが不必要に大きくなる可能性があります。
必要な列のみを選択するため、プロジェクトはより効率的になります。