Семь рабочих нагрузок Fabric (часть 2)

Введение в Microsoft Fabric

Alex Kuntz

Technical Instructional Designer

Семь возможностей Fabric

• Data Factory, Data Engineering и Data Warehouse отвечают за загрузку данных
• Остальные рабочие нагрузки ориентированы на анализ и отчётность

Data Science

• Написание кода Spark для исследования и обработки данных
• Поддерживает различные языки: Python (PySpark), Scala, SparkSQL и SparkR

Data Science

• Используется для создания и оценки ML-моделей

• Подготавливает результаты моделей для инструментов вроде Power BI

Data Science

Power BI

• Выпущен в 2011 году, интегрирован в среду Fabric.
• Позволяет создавать дашборды и визуализации для бизнес-решений
• Используется разработчиками бизнес-аналитики
• Получает данные из Lakehouses и Warehouses в OneLake

Real Time Intelligence

• Хранилище для обработки потоков событий в реальном времени
• Использует OneLake и формат Delta-Parquet, как Lakehouses и Warehouses

Real Time Intelligence

• Хранилище для обработки потоков событий в реальном времени
• Использует OneLake и формат Delta-Parquet, как Lakehouses и Warehouses

• Принимает данные в реальном времени и направляет их в Eventhouse
• Аналог DataFlow, но для потоков данных

Real Time Intelligence

• Задаёт действия в ответ на паттерны или условия, обнаруженные в данных
• Например:
  • Инструмент IoT отслеживает товары на физическом складе
  • Количество товаров превышает порог — склад переполнен!
  • Activator автоматически отправляет письмо менеджеру

Industry Solutions

• Инструменты для специализированных задач: работа с розничными данными, управление данными и другое.

Давайте потренируемся!

Введение в Microsoft Fabric