七大 Fabric 工作负载（第 1 部分)

Microsoft Fabric 入门

Alex Kuntz

Technical Instructional Designer

Fabric 工作负载

• 每个工作负载包含对应岗位的工具
• 例如，Data Factory 用于数据摄取与转换
• 本视频将介绍 Data Factory、Data Warehouse 和 Data Engineering。

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

Data Factory

Data Factory

• 从多种来源摄取数据（如 Excel 表、其他数据库、其他云服务）
• 将数据加载到 Fabric 的 OneLake 中
• 界面类似 Excel 或 Power BI 的 Power Query

Data Factory

• 从多种来源摄取数据（如 Excel 表、其他数据库、其他云服务）
• 将数据加载到 Fabric 的 OneLake 中
• 界面类似 Excel 或 Power BI 的 Power Query

• 复杂、基于规则的数据工作流
• 可串联一系列基于逻辑的步骤，在摄取时处理数据
• 面向数据工程师等技术角色

数据仓库

• 结构化数据的数据库

数据仓库

• 结构化数据的数据库
• 通过 Dataflow 或数据管道创建

数据仓库

• 结构化数据的数据库
• 通过 Dataflow 或数据管道创建
• 完整事务型 SQL（可读可写）

数据仓库

• 结构化数据的数据库
• 通过 Dataflow 或数据管道创建
• 完整事务型 SQL（可读可写）
• 在 OneLake 中以 Delta-Parquet 格式存储

数据工程

• 结构化与非结构化数据

数据工程

• 结构化与非结构化数据
• 通常通过 Notebook 使用 Python 访问

数据工程

• 结构化与非结构化数据
• 通常通过 Notebook 使用 Python 访问
• 可用 SQL 读取 Lakehouse 数据，但不能用 SQL 编辑
• 使用含 Python/Spark 代码的 Notebook 修改 Lakehouse 数据

数据工程

• 结构化与非结构化数据
• 通常通过 Notebook 使用 Python 访问
• 可用 SQL 读取 Lakehouse 数据，但不能用 SQL 编辑
• 使用 Notebook（Python/Spark 代码）修改 Lakehouse 数据
• 在 OneLake 中使用 Delta-Parquet 格式

开始练习吧！

Microsoft Fabric 入门