Сім робочих навантажень Fabric (Частина 1)

Вступ до Microsoft Fabric

Alex Kuntz

Technical Instructional Designer

Робочі навантаження Fabric

• Кожне навантаження містить інструменти для певних ролей
• Наприклад, Data Factory використовується для надходження та трансформації даних
• У цьому відео розглянемо Data Factory, Data Warehouse і Data Engineering.

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

Data Factory

Data Factory

• Завантажує дані з різних джерел (напр., аркуші Excel, інші бази даних, інші хмарні сервіси)
• Поміщає дані до OneLake у Fabric
• Інтерфейс схожий на Power Query в Excel або Power BI

Data Factory

• Завантажує дані з різних джерел (напр., аркуші Excel, інші бази даних, інші хмарні сервіси)
• Поміщає дані до OneLake у Fabric
• Інтерфейс схожий на Power Query в Excel або Power BI

• Складні, правил-орієнтовані конвеєри даних
• Можна зʼєднувати послідовність логічних кроків для обробки даних під час надходження
• Створено для інженерів даних та інших технічних ролей

Data Warehouse

• Бази даних для структурованих даних

Data Warehouse

• Бази даних для структурованих даних
• Створюються за допомогою Dataflow або Data Pipeline

Data Warehouse

• Бази даних для структурованих даних
• Створюються за допомогою Dataflow або Data Pipeline
• Повністю транзакційний SQL (читання й запис)

Data Warehouse

• Бази даних для структурованих даних
• Створюються за допомогою Dataflow або Data Pipeline
• Повністю транзакційний SQL (читання й запис)
• Зберігання у форматі Delta-Parquet в OneLake

Data Engineering

• Структуровані та неструктуровані дані

Data Engineering

• Структуровані та неструктуровані дані
• Зазвичай доступ через Notebooks з використанням Python

Data Engineering

• Структуровані та неструктуровані дані
• Зазвичай доступ через Notebooks з використанням Python
• Можна читати дані Lakehouse за допомогою SQL, але не редагувати SQLʼем
• Використовуйте Notebooks з кодом Python/Spark, щоб змінювати дані lakehouse

Data Engineering

• Структуровані та неструктуровані дані
• Зазвичай доступ через Notebooks з використанням Python
• Можна читати дані Lakehouse за допомогою SQL, але не редагувати SQLʼем
• Використовуйте Notebooks з кодом Python/Spark, щоб змінювати дані lakehouse
• Використовує формат Delta-Parquet в OneLake

Давайте потренуємось!

Вступ до Microsoft Fabric