存储方案与 SQL 对象创建

使用 Microsoft Fabric 进行数据摄取与语义模型

Alex Kuntz

Head of Cloud Curriculum, DataCamp

回顾:OneLake、Lakehouse 与 Warehouse

OneLake: Microsoft Fabric 的统一存储,集成于每个租户。消除数据重复,支持 Delta Parquet、CSV、JSON 等格式。

功能 Lakehouse Warehouse
数据类型 结构化与非结构化 仅结构化
转换 Notebooks、Dataflows (Gen2)、Data Pipelines Data Pipelines、Dataflows (Gen2)、基于 SQL 的转换
SQL 终结点 只读 读写

Microsoft Fabric 中的 OneLake

使用 Microsoft Fabric 进行数据摄取与语义模型

Microsoft Fabric 中的连接器

连接器在 Fabric 与各类云端和本地数据源之间建立链接。

  • 用途: Pipelines、Dataflows、Shortcuts、语义模型、KQL 数据库等
  • 可共享: 组织内集中管理并可共享,避免多版本
  • 可复用: 创建后可在受支持项中复用
  • 功能: 类似 ADF/Synapse 的 Linked Services

-

Microsoft Fabric 中的连接

使用 Microsoft Fabric 进行数据摄取与语义模型

在 Microsoft Fabric 中创建存储过程

  • 存储过程(Stored Procedure):用于执行预定义任务的 SQL 对象。

  • 创建: Lakehouse 与 Warehouse 均支持

  • 管道集成: 可在数据管道中通过 Stored Procedure 活动调用。 数据管道中的 Stored Procedure 活动

仓库中的存储过程

使用 Microsoft Fabric 进行数据摄取与语义模型

在 Microsoft Fabric 中创建视图

  • 视图(Views):由 SQL 查询生成的虚拟表,便于数据访问。
  • 创建方式: 使用 T-SQL 命令或在界面中"另存为视图"。 在 Fabric 的 Lakehouse/Warehouse 中创建视图的方法
  • Lakehouse 与 Warehouse 均支持创建
  • 通过缓存提升查询性能

仓库中的视图

使用 Microsoft Fabric 进行数据摄取与语义模型

Passons à la pratique !

使用 Microsoft Fabric 进行数据摄取与语义模型

Preparing Video For Download...