七大 Fabric 工作负载（第 2 部分)

Microsoft Fabric 入门

Alex Kuntz

Technical Instructional Designer

七大 Fabric 体验

• Data Factory、Data Engineering、Data Warehouse 侧重数据摄取
• 其余工作负载更侧重数据分析与报表

数据科学

• 编写 Spark 代码进行数据探索与处理
• 支持多种语言，如 Python（PySpark）、Scala、SparkSQL、SparkR

数据科学

• 用于创建 ML 模型并评估其效果

• 将模型洞见准备给 Power BI 等工具

数据科学

Power BI

• 2011 年发布，已集成至 Fabric 环境
• 用于创建仪表板与可视化，驱动业务影响
• 由商业智能开发人员使用
• 从 OneLake 的 Lakehouse 与 Warehouse 拉取数据

实时智能

• 面向实时事件流的存储选项
• 与 Lakehouse、Warehouse 一样使用 OneLake 和 Delta-Parquet 格式

实时智能

• 面向实时事件流的存储选项
• 与 Lakehouse、Warehouse 一样使用 OneLake 和 Delta-Parquet 格式

• 实时摄取数据并路由至 Eventhouse
• 类似 DataFlow，但面向数据流

实时智能

• 定义对数据中检测到的模式或条件的响应操作
• 例如，
  • 物联网工具监控实体仓库中的物品
  • 数量超过阈值，仓库过满
  • 使用 Activator 触发给经理的电子邮件

行业解决方案

• 面向特定场景（如零售或治理数据）的工具。

开始练习吧！

Microsoft Fabric 入门