일곱 가지 Fabric 워크로드 (1)

Microsoft Fabric 입문

Alex Kuntz

Technical Instructional Designer

Fabric 워크로드

• 각 워크로드는 특정 역할에 맞는 도구를 포함
• 예: Data Factory는 데이터 수집과 변환에 사용
• 이 영상에서는 Data Factory, Data Warehouse, Data Engineering을 다룹니다.

¹ https://azure.microsoft.com/en-us/blog/introducing-microsoft-fabric-data-analytics-for-the-era-of-ai/

Data Factory

Data Factory

• 다양한 소스에서 데이터 수집(예: Excel 시트, 기타 데이터베이스, 다른 클라우드 서비스)
• Fabric의 OneLake로 로드
• 인터페이스는 Excel/Power BI의 Power Query와 유사

Data Factory

• 다양한 소스에서 데이터 수집(예: Excel 시트, 기타 데이터베이스, 다른 클라우드 서비스)
• Fabric의 OneLake로 로드
• 인터페이스는 Excel/Power BI의 Power Query와 유사

• 복잡한 규칙 기반 데이터 워크플로우
• 데이터 수집 중 논리적 단계를 연계하여 처리 가능
• 데이터 엔지니어 등 기술 사용자 대상

Data Warehouse

• 구조화된 데이터용 데이터베이스

Data Warehouse

• 구조화된 데이터용 데이터베이스
• Dataflow 또는 Data Pipeline로 생성

Data Warehouse

• 구조화된 데이터용 데이터베이스
• Dataflow 또는 Data Pipeline로 생성
• 완전한 트랜잭션 SQL(읽기/쓰기)

Data Warehouse

• 구조화된 데이터용 데이터베이스
• Dataflow 또는 Data Pipeline로 생성
• 완전한 트랜잭션 SQL(읽기/쓰기)
• OneLake의 Delta-Parquet 형식으로 저장

Data Engineering

• 구조화/비구조화 데이터 모두

Data Engineering

• 구조화/비구조화 데이터 모두
• 보통 Python 노트북으로 액세스

Data Engineering

• 구조화/비구조화 데이터 모두
• 보통 Python 노트북으로 액세스
• SQL로 레이크하우스 데이터 읽기만 가능, 수정은 불가
• 데이터 수정은 Python/Spark 노트북 사용

Data Engineering

• 구조화/비구조화 데이터 모두
• 보통 Python 노트북으로 액세스
• SQL로 레이크하우스 데이터 읽기만 가능, 수정은 불가
• 데이터 수정은 Python/Spark 노트북 사용
• OneLake의 Delta-Parquet 형식 사용

Ayo berlatih!

Microsoft Fabric 입문