Les sept charges de travail Fabric (Partie 1)

Introduction à Microsoft Fabric

Alex Kuntz

Technical Instructional Designer

Charges de travail Fabric

• Chaque charge de travail regroupe des outils pour des rôles précis
• Par exemple, Data Factory sert à l'ingestion et à la transformation des données
• Cette vidéo couvre Data Factory, Data Warehouse et Data Engineering.

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

Data Factory

Data Factory

• Ingère des données de diverses sources (p. ex. feuilles Excel, autres bases de données, autres services infonuagiques)
• Charge les données dans OneLake de Fabric
• Interface semblable à Power Query dans Excel ou Power BI

Data Factory

• Ingère des données de diverses sources (p. ex. feuilles Excel, autres bases de données, autres services infonuagiques)
• Charge les données dans OneLake de Fabric
• Interface semblable à Power Query dans Excel ou Power BI

• Flux de données complexes basés sur des règles
• Enchaîne des étapes logiques pour traiter les données à l'ingestion
• Conçu pour les ingénieurs de données et autres profils techniques

Data Warehouse

• Bases de données pour données structurées

Data Warehouse

• Bases de données pour données structurées
• Créées au moyen d'un Dataflow ou d'un Pipeline de données

Data Warehouse

• Bases de données pour données structurées
• Créées au moyen d'un Dataflow ou d'un Pipeline de données
• SQL entièrement transactionnel (lecture et écriture)

Data Warehouse

• Bases de données pour données structurées
• Créées au moyen d'un Dataflow ou d'un Pipeline de données
• SQL entièrement transactionnel (lecture et écriture)
• Stockage au format Delta‑Parquet dans OneLake

Data Engineering

• Données structurées et non structurées

Data Engineering

• Données structurées et non structurées
• Généralement consultées via des carnets avec Python

Data Engineering

• Données structurées et non structurées
• Généralement consultées via des carnets avec Python
• Peut lire les données du Lakehouse avec SQL, mais ne peut pas les modifier en SQL
• Utilisez des carnets avec du code Python/Spark pour modifier les données du Lakehouse

Data Engineering

• Données structurées et non structurées
• Généralement consultées via des carnets avec Python
• Peut lire les données du Lakehouse avec SQL, mais ne peut pas les modifier en SQL
• Utilisez des carnets avec du code Python/Spark pour modifier les données du Lakehouse
• Utilise le format Delta‑Parquet dans OneLake

Passons à la pratique !

Introduction à Microsoft Fabric