โซลูชันการจัดเก็บข้อมูลและการสร้างออบเจกต์ SQL

การนำเข้าข้อมูลและ Semantic Model ด้วย Microsoft Fabric

Alex Kuntz

Head of Cloud Curriculum, DataCamp

ทบทวน: OneLake, Lakehouse และ Warehouse

OneLake: โซลูชันการจัดเก็บข้อมูลแบบรวมศูนย์ใน Microsoft Fabric ที่ผสานรวมกับทุก tenant ช่วยลดการซ้ำซ้อนของข้อมูลและรองรับรูปแบบอย่าง Delta Parquet, CSV และ JSON

คุณสมบัติ	Lakehouse	Warehouse
ประเภทข้อมูล	มีโครงสร้างและไม่มีโครงสร้าง	มีโครงสร้างเท่านั้น
การแปลงข้อมูล	Notebooks, Dataflows (Gen2), Data Pipelines	Data Pipelines, Dataflows (Gen2), การแปลงด้วย SQL
SQL Endpoint	อ่านอย่างเดียว	อ่านและเขียน

OneLake ใน Microsoft Fabric

Connector ใน Microsoft Fabric

Connector สร้างการเชื่อมต่อระหว่าง Fabric กับแหล่งข้อมูลบนคลาวด์และ on-premises ต่างๆ

การใช้งาน: Pipelines, Dataflows, Shortcuts, Semantic Models, KQL Databases เป็นต้น
แชร์ได้: จัดการแบบรวมศูนย์และแชร์ทั่วทั้งองค์กร ไม่มีเวอร์ชันซ้ำซ้อน
นำกลับมาใช้ใหม่ได้: เมื่อสร้างแล้ว สามารถนำไปใช้ซ้ำกับรายการที่รองรับได้
ฟังก์ชันการทำงาน: คล้ายกับ Linked Services ใน ADF/Synapse

Connections ใน Microsoft Fabric

การสร้าง Stored Procedure ใน Microsoft Fabric

Stored Procedure: ออบเจกต์ SQL สำหรับรันงานที่กำหนดไว้ล่วงหน้า
การสร้าง: รองรับทั้ง Lakehouse และ Warehouse
การผสานกับ Pipeline: เพิ่มเข้า Data Pipeline ได้ผ่าน Stored Procedure activity

Stored Procedures ใน Warehouse

การสร้าง View ใน Microsoft Fabric

Views: ตารางเสมือนจากคิวรี SQL เพื่อให้เข้าถึงข้อมูลได้ง่ายขึ้น
การสร้าง: ใช้คำสั่ง T-SQL หรือตัวเลือก "Save as View" ใน UI
รองรับการสร้างทั้งใน Lakehouse และ Warehouse
เพิ่มประสิทธิภาพคิวรีด้วยการแคชข้อมูล

Views ใน Warehouse

มาฝึกกันเถอะ!

การนำเข้าข้อมูลและ Semantic Model ด้วย Microsoft Fabric