Fabric Workloads ทั้งเจ็ด (ส่วนที่ 2)

Microsoft Fabric เบื้องต้น

Alex Kuntz

Technical Instructional Designer

Fabric Experiences ทั้งเจ็ด

• Data Factory, Data Engineering และ Data Warehouse เน้นการนำเข้าข้อมูล
• Workloads ที่เหลือเน้นการวิเคราะห์และรายงานผลข้อมูล

Data Science

• เขียนโค้ด Spark สำหรับการสำรวจและจัดการข้อมูล
• รองรับหลายภาษา เช่น Python (PySpark), Scala, SparkSQL และ SparkR

Data Science

• ใช้สร้างโมเดล ML และประเมินประสิทธิภาพ

• เตรียม insights จากโมเดลเพื่อใช้กับเครื่องมืออย่าง Power BI

Data Science

Power BI

• เปิดตัวในปี 2011 และถูกผสานรวมเข้ากับ Fabric
• ใช้สร้างแดชบอร์ดและการแสดงผลเพื่อสนับสนุนการตัดสินใจทางธุรกิจ
• ใช้โดย Business Intelligence Developers
• ดึงข้อมูลจาก OneLake Lakehouses และ Warehouses

Real Time Intelligence

• ตัวเลือกพื้นที่จัดเก็บที่ออกแบบมาเพื่อรองรับ event streams แบบ real-time
• ใช้ OneLake และรูปแบบ Delta-Parquet เช่นเดียวกับ Lakehouses และ Warehouses

Real Time Intelligence

• ตัวเลือกพื้นที่จัดเก็บที่ออกแบบมาเพื่อรองรับ event streams แบบ real-time
• ใช้ OneLake และรูปแบบ Delta-Parquet เช่นเดียวกับ Lakehouses และ Warehouses

• นำเข้าข้อมูลแบบ real-time และส่งต่อไปยัง Eventhouse
• คล้ายกับ DataFlow แต่ใช้สำหรับข้อมูลแบบ stream

Real Time Intelligence

• กำหนดการดำเนินการเพื่อตอบสนองต่อรูปแบบหรือเงื่อนไขที่ตรวจพบในข้อมูล
• ตัวอย่างเช่น
  • เครื่องมือ IoT ตรวจสอบสินค้าในคลังสินค้า
  • จำนวนสินค้าเกินเกณฑ์ที่กำหนด — คลังสินค้าเต็ม!
  • Activator ส่งอีเมลแจ้งเตือนผู้จัดการโดยอัตโนมัติ

Industry Solutions

• เครื่องมือที่สร้างขึ้นสำหรับกรณีการใช้งานเฉพาะ เช่น ข้อมูลด้านค้าปลีกหรือการกำกับดูแลข้อมูล

มาฝึกกันเถอะ!

Microsoft Fabric เบื้องต้น