Семь рабочих нагрузок Fabric (часть 1)

Введение в Microsoft Fabric

Alex Kuntz

Technical Instructional Designer

Рабочие нагрузки Fabric

• Каждая рабочая нагрузка содержит инструменты для определённых задач
• Например, Data Factory используется для приёма и преобразования данных
• В этом видео рассматриваются Data Factory, Data Warehouse и Data Engineering.

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

Data Factory

Data Factory

• Принимает данные из различных источников (например, таблицы Excel, другие базы данных, облачные сервисы)
• Загружает данные в OneLake в Fabric
• Интерфейс напоминает Power Query в Excel или Power BI

Data Factory

• Принимает данные из различных источников (например, таблицы Excel, другие базы данных, облачные сервисы)
• Загружает данные в OneLake в Fabric
• Интерфейс напоминает Power Query в Excel или Power BI

• Сложные рабочие процессы с обработкой данных по правилам
• Позволяет выстраивать цепочки логических шагов для обработки данных при приёме
• Создан для инженеров данных и других технических специалистов

Data Warehouse

• Базы данных для структурированных данных

Data Warehouse

• Базы данных для структурированных данных
• Создаются с помощью Dataflow или Data Pipeline

Data Warehouse

• Базы данных для структурированных данных
• Создаются с помощью Dataflow или Data Pipeline
• Полностью транзакционный SQL (чтение и запись)

Data Warehouse

• Базы данных для структурированных данных
• Создаются с помощью Dataflow или Data Pipeline
• Полностью транзакционный SQL (чтение и запись)
• Хранятся в формате Delta-Parquet в OneLake

Data Engineering

• Структурированные и неструктурированные данные

Data Engineering

• Структурированные и неструктурированные данные
• Обычно доступны через Notebooks на Python

Data Engineering

• Структурированные и неструктурированные данные
• Обычно доступны через Notebooks на Python
• Данные Lakehouse можно читать с помощью SQL, но редактировать через SQL нельзя
• Для изменения данных используйте Notebooks с кодом на Python/Spark

Data Engineering

• Структурированные и неструктурированные данные
• Обычно доступны через Notebooks на Python
• Данные Lakehouse можно читать с помощью SQL, но редактировать через SQL нельзя
• Для изменения данных используйте Notebooks с кодом на Python/Spark
• Использует формат Delta-Parquet в OneLake

Давайте потренируемся!

Введение в Microsoft Fabric