De sju Fabric-arbetsbelastningarna (del 1)

Introduktion till Microsoft Fabric

Alex Kuntz

Technical Instructional Designer

Fabric-arbetsbelastningar

• Varje arbetsbelastning innehåller verktyg för specifika roller
• Data Factory används till exempel för datainmatning och datatransformation
• Det här avsnittet behandlar Data Factory, Data Warehouse och Data Engineering.

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

Data Factory

Data Factory

• Hämtar data från olika källor (t.ex. Excel-ark, andra databaser, andra molntjänster)
• Läser in data i Fabrics OneLake
• Gränssnittet liknar Power Query i Excel eller Power BI

Data Factory

• Hämtar data från olika källor (t.ex. Excel-ark, andra databaser, andra molntjänster)
• Läser in data i Fabrics OneLake
• Gränssnittet liknar Power Query i Excel eller Power BI

• Komplexa, regelbaserade dataarbetsflöden
• Kan kedja samman logikbaserade steg för att bearbeta data under inmatningen
• Byggt för datatekniker och andra tekniska roller

Data Warehouse

• Databaser för strukturerad data

Data Warehouse

• Databaser för strukturerad data
• Skapas med Dataflow eller en Data Pipeline

Data Warehouse

• Databaser för strukturerad data
• Skapas med Dataflow eller en Data Pipeline
• Fullständig transaktionell SQL (både läs och skriv)

Data Warehouse

• Databaser för strukturerad data
• Skapas med Dataflow eller en Data Pipeline
• Fullständig transaktionell SQL (både läs och skriv)
• Lagras i Delta-Parquet-format i OneLake

Data Engineering

• Strukturerad och ostrukturerad data

Data Engineering

• Strukturerad och ostrukturerad data
• Nås vanligtvis via Notebooks med Python

Data Engineering

• Strukturerad och ostrukturerad data
• Nås vanligtvis via Notebooks med Python
• Kan läsa Lakehouse-data med SQL, men kan inte redigera data med SQL
• Använd Notebooks med Python/Spark-kod för att ändra Lakehouse-data

Data Engineering

• Strukturerad och ostrukturerad data
• Nås vanligtvis via Notebooks med Python
• Kan läsa Lakehouse-data med SQL, men kan inte redigera data med SQL
• Använd Notebooks med Python/Spark-kod för att ändra Lakehouse-data
• Använder Delta-Parquet-format i OneLake

Nu kör vi en övning!

Introduktion till Microsoft Fabric