The Seven Fabric Workloads (Part 1)

Microsoft Fabric เบื้องต้น

Alex Kuntz

Technical Instructional Designer

Fabric Workloads

ภาพแสดง workload ใน Fabric: Data Factory, Data Engineering, Data Warehouse, Data Science, Real-Time Intelligence, Power BI, Partner & Industry workloads

แต่ละ workload มีเครื่องมือที่เหมาะกับงานเฉพาะด้าน
ตัวอย่างเช่น Data Factory ใช้สำหรับการนำเข้าและแปลงข้อมูล
วิดีโอนี้จะครอบคลุม Data Factory, Data Warehouse และ Data Engineering

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

Data Factory

โลโก้ Dataflow

โลโก้ Data Pipeline

Data Factory

โลโก้ Dataflow

นำเข้าข้อมูลจากแหล่งที่หลากหลาย (เช่น Excel, ฐานข้อมูลอื่น, cloud service อื่น)
โหลดข้อมูลเข้า OneLake ของ Fabric
อินเทอร์เฟซคล้ายกับ Power Query ใน Excel หรือ Power BI

โลโก้ Data Pipeline

Data Factory

โลโก้ Dataflow

นำเข้าข้อมูลจากแหล่งที่หลากหลาย (เช่น Excel, ฐานข้อมูลอื่น, cloud service อื่น)
โหลดข้อมูลเข้า OneLake ของ Fabric
อินเทอร์เฟซคล้ายกับ Power Query ใน Excel หรือ Power BI

โลโก้ Data Pipeline

เวิร์กโฟลว์ข้อมูลที่ซับซ้อนและมีกฎเกณฑ์ชัดเจน
เชื่อมต่อขั้นตอนการประมวลผลตามเงื่อนไขเป็นลำดับขณะนำเข้าข้อมูล
ออกแบบมาสำหรับ data engineer และผู้ใช้เชิงเทคนิค

Data Warehouse

โลโก้ Data Warehouse

ฐานข้อมูลสำหรับข้อมูลที่มีโครงสร้าง

Data Warehouse

โลโก้ Data Warehouse

ฐานข้อมูลสำหรับข้อมูลที่มีโครงสร้าง
สร้างโดยใช้ Dataflow หรือ Data Pipeline

Data Warehouse

โลโก้ Data Warehouse

ฐานข้อมูลสำหรับข้อมูลที่มีโครงสร้าง
สร้างโดยใช้ Dataflow หรือ Data Pipeline
รองรับ SQL แบบ transactional เต็มรูปแบบ (ทั้งอ่านและเขียน)

Data Warehouse

โลโก้ Data Warehouse

ฐานข้อมูลสำหรับข้อมูลที่มีโครงสร้าง
สร้างโดยใช้ Dataflow หรือ Data Pipeline
รองรับ SQL แบบ transactional เต็มรูปแบบ (ทั้งอ่านและเขียน)
จัดเก็บในรูปแบบ Delta-Parquet ใน OneLake

Data Engineering

โลโก้ Lakehouse

รองรับทั้งข้อมูลที่มีโครงสร้างและไม่มีโครงสร้าง

Data Engineering

โลโก้ Lakehouse

รองรับทั้งข้อมูลที่มีโครงสร้างและไม่มีโครงสร้าง
มักเข้าถึงผ่าน Notebooks ด้วย Python

Data Engineering

โลโก้ Lakehouse

รองรับทั้งข้อมูลที่มีโครงสร้างและไม่มีโครงสร้าง
มักเข้าถึงผ่าน Notebooks ด้วย Python
อ่าน ข้อมูล Lakehouse ด้วย SQL ได้ แต่ไม่สามารถแก้ไขข้อมูลด้วย SQL
ใช้ Notebooks พร้อมโค้ด Python/Spark เพื่อแก้ไขข้อมูลใน Lakehouse

Data Engineering

โลโก้ Lakehouse

รองรับทั้งข้อมูลที่มีโครงสร้างและไม่มีโครงสร้าง
มักเข้าถึงผ่าน Notebooks ด้วย Python
อ่าน ข้อมูล Lakehouse ด้วย SQL ได้ แต่ไม่สามารถแก้ไขข้อมูลด้วย SQL
ใช้ Notebooks พร้อมโค้ด Python/Spark เพื่อแก้ไขข้อมูลใน Lakehouse
จัดเก็บในรูปแบบ Delta-Parquet ใน OneLake

มาฝึกกันเถอะ!

Microsoft Fabric เบื้องต้น