I sette workload di Fabric (Parte 2)

Introduzione a Microsoft Fabric

Alex Kuntz

Technical Instructional Designer

Le sette esperienze di Fabric

• Data Factory, Data Engineering e Data Warehouse focalizzati sull’ingestione dati
• I restanti workload puntano su analisi e reportistica

Data Science

• Scrivi codice Spark per esplorazione e manipolazione dati
• Supporta linguaggi come Python (PySpark), Scala, SparkSQL e SparkR

Data Science

• Per creare modelli ML e valutarne le prestazioni

• Prepara insight dai modelli per uno strumento come Power BI

Data Science

Power BI

• Rilasciato nel 2011, ora integrato in Fabric
• Per creare dashboard e visualizzazioni ad impatto business
• Usato da sviluppatori BI
• Estrae dati da OneLake Lakehouse e Warehouse

Real-Time Intelligence

• Opzione di storage per stream di eventi in tempo reale
• Usa OneLake e formato Delta-Parquet, come Lakehouse e Warehouse

Real-Time Intelligence

• Opzione di storage per stream di eventi in tempo reale
• Usa OneLake e il formato Delta-Parquet, come Lakehouse e Warehouse

• Acquisisce dati in tempo reale e li instrada a un Eventhouse
• Simile a Dataflow, ma per flussi continui

Real-Time Intelligence

• Definisci azioni che reagiscono a pattern o condizioni rilevate nei dati
• Per esempio,
  • Uno strumento IoT monitora gli articoli in un magazzino fisico
  • Il numero di articoli supera una soglia: il magazzino è troppo pieno!
  • Un’email al responsabile viene attivata con Activator

Soluzioni di settore

• Strumenti per casi d’uso specifici, ad esempio retail o governance dei dati.

Alleniamoci!

Introduzione a Microsoft Fabric