七大 Fabric 作業負載（第 1 部分）

Microsoft Fabric 入門

Alex Kuntz

Technical Instructional Designer

Fabric 作業負載

• 各作業負載提供對應職能的工具
• 例如，Data Factory 用於資料擷取與轉換
• 本影片將介紹 Data Factory、Data Warehouse 與 Data Engineering。

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

Data Factory

Data Factory

• 從多種來源擷取資料（如 Excel 試算表、其他資料庫、其他雲端服務）
• 將資料載入 Fabric 的 OneLake
• 介面類似 Excel 或 Power BI 的 Power Query

Data Factory

• 從多種來源擷取資料（如 Excel 試算表、其他資料庫、其他雲端服務）
• 將資料載入 Fabric 的 OneLake
• 介面類似 Excel 或 Power BI 的 Power Query

• 複雜的規則式資料流程
• 可串接一連串以邏輯為基礎的步驟，在擷取時處理資料
• 為資料工程師等技術角色打造

Data Warehouse

• 結構化資料的資料庫

Data Warehouse

• 結構化資料的資料庫
• 以 Dataflow 或 Data Pipeline 建立

Data Warehouse

• 結構化資料的資料庫
• 以 Dataflow 或 Data Pipeline 建立
• 完整的交易式 SQL（可讀可寫）

Data Warehouse

• 結構化資料的資料庫
• 以 Dataflow 或 Data Pipeline 建立
• 完整的交易式 SQL（可讀可寫）
• 在 OneLake 中以 Delta-Parquet 格式儲存

Data Engineering

• 結構化與非結構化資料

Data Engineering

• 結構化與非結構化資料
• 通常透過 Notebook 使用 Python 存取

Data Engineering

• 結構化與非結構化資料
• 通常透過 Notebook 使用 Python 存取
• 可用 SQL 讀取 Lakehouse 資料，但無法用 SQL 編輯
• 以 Notebook 的 Python／Spark 程式碼修改 Lakehouse 資料

Data Engineering

• 結構化與非結構化資料
• 通常透過 Notebook 使用 Python 存取
• 可用 SQL 讀取 Lakehouse 資料，但無法用 SQL 編輯
• 以 Notebook 的 Python／Spark 程式碼修改 Lakehouse 資料
• 在 OneLake 中使用 Delta-Parquet 格式

一起來練習吧！

Microsoft Fabric 入門