七大 Fabric 工作負載（下）

Microsoft Fabric 入門

Alex Kuntz

Technical Instructional Designer

七大 Fabric 體驗

• Data Factory、Data Engineering、Data Warehouse 著重於資料擷取
• 其餘工作負載更聚焦於資料分析與報表

Data Science

• 撰寫 Spark 程式進行探索與處理
• 支援多種語言，如 Python（PySpark）、Scala、SparkSQL、SparkR

Data Science

• 用於建立 ML 模型並評估其強度

• 將模型洞見準備好，供 Power BI 等工具使用

Data Science

Power BI

• 2011 年推出，已整合進 Fabric 環境
• 用於建立儀表板與視覺化，驅動商業成效
• 供商業智慧開發人員使用
• 從 OneLake 的 Lakehouse 與 Warehouse 擷取資料

Real Time Intelligence

• 為即時事件串流打造的儲存選項
• 使用 OneLake 與 Delta-Parquet 格式，與 Lakehouse、Warehouse 相同

Real Time Intelligence

• 為即時事件串流打造的儲存選項
• 使用 OneLake 與 Delta-Parquet 格式，與 Lakehouse、Warehouse 相同

• 即時擷取資料並導入 Eventhouse
• 類似 DataFlow，但面向串流資料

Real Time Intelligence

• 定義動作以回應資料中偵測到的模式或條件
• 例如：
  • IoT 工具監控實體倉庫中的品項
  • 數量超過門檻，倉庫過滿！
  • 透過 Activator 觸發寄送給主管的電子郵件

產業解決方案

• 針對特定情境（如零售或治理資料）打造的工具。

一起來練習吧！

Microsoft Fabric 入門