Bảy khối lượng công việc của Fabric (Phần 2)

Giới thiệu về Microsoft Fabric

Alex Kuntz

Technical Instructional Designer

Bảy trải nghiệm trong Fabric

• Data Factory, Data Engineering và Data Warehouse tập trung vào nhập dữ liệu
• Các khối lượng còn lại tập trung vào phân tích và báo cáo

Khoa học dữ liệu

• Viết mã Spark để khám phá, xử lý dữ liệu
• Hỗ trợ nhiều ngôn ngữ: Python (PySpark), Scala, SparkSQL và SparkR

Khoa học dữ liệu

• Dùng để tạo mô hình ML và đánh giá độ mạnh

• Chuẩn bị insight từ mô hình cho công cụ như Power BI

Khoa học dữ liệu

Power BI

• Ra mắt năm 2011, nay tích hợp trong Fabric
• Dùng tạo dashboard và trực quan hóa để tạo tác động kinh doanh
• Do Nhà phát triển BI sử dụng
• Lấy dữ liệu từ OneLake Lakehouse và Warehouse

Trí tuệ thời gian thực

• Tùy chọn lưu trữ cho luồng sự kiện thời gian thực
• Dùng OneLake và định dạng Delta-Parquet, giống Lakehouse và Warehouse

Trí tuệ thời gian thực

• Tùy chọn lưu trữ cho luồng sự kiện thời gian thực
• Dùng OneLake và định dạng Delta-Parquet, giống Lakehouse và Warehouse

• Nạp dữ liệu thời gian thực và định tuyến vào Eventhouse
• Tương tự DataFlow, nhưng cho dữ liệu dạng luồng

Trí tuệ thời gian thực

• Định nghĩa hành động phản ứng với mẫu hoặc điều kiện phát hiện trong dữ liệu
• Ví dụ:
  • Công cụ IoT giám sát hàng trong kho vật lý
  • Số lượng vượt ngưỡng; kho quá đầy!
  • Kích hoạt email cho quản lý bằng Activator

Giải pháp theo ngành

• Bộ công cụ cho các bài toán đặc thù như bán lẻ hoặc quản trị dữ liệu.

Ayo berlatih!

Giới thiệu về Microsoft Fabric