Poznámka:
Přístup k této stránce vyžaduje autorizaci. Můžete se zkusit přihlásit nebo změnit adresáře.
Přístup k této stránce vyžaduje autorizaci. Můžete zkusit změnit adresáře.
Použijte tento referenční průvodce a ukázkové scénáře, abyste si mohli vybrat datové úložiště pro vaše Microsoft Fabric pracovní zátěže. Všechna datová úložiště jsou dostupná v jednotném úložišti v OneLake.
Diagram znázorňuje průvodce rozhodováním pro výběr Fabric úložiště dat. Pro streamovaná data událostí a interaktivní analýzy s vysokou členitostí použijte eventhouse. Pro NoSQL databáze použijte Cosmos DB ve Fabric. Pro provozní transakční úlohy (OLTP) použijte databázi SQL v Fabric. Pro vývoj AI s vektorovými datovými typy použijte SQL databázi ve Fabric nebo Cosmos DB ve Fabric. Pro podnikové datové sklady, podporu SQL založeného BI, OLAP a plné SQL transakce použijte Fabric Data Warehouse. Pro big data a strojové učení s nestrukturovanými, polostrukturovanými nebo strukturovanými daty a datové inženýrství použijte lakehouse. Všechny datové úložiště Fabric jsou ve výchozím nastavení dostupné v OneLake ve formátu otevřené tabulky.
| Ideální případ použití | Zátěž Microsoft Fabric | Data dostupná ve OneLake ve výchozím nastavení ve formátu otevřené tabulky |
|---|---|---|
| Streamování dat událostí, vysoká členitost (v čase, prostoru, podrobnostech – JSON/Text) dat aktivit pro interaktivní analýzy | Eventhouse | Dostupné jako dobrovolné přihlášení |
| Databáze NoSQL | Cosmos DB v Fabric | Ano |
| Provozní transakční, OLTP nebo normalizovaná databáze | SQL databáze v prostředí Fabric | Ano |
| Vyvíjejte AI pomocí vektorových datových typů | SQL databáze ve Fabric nebo Cosmos DB ve Fabric | Ano |
| Podnikový datový sklad, SQL založený BI, OLAP, plná podpora SQL transakcí a AI funkce (náhled) | Datový sklad | Ano |
| Big data a strojové učení, nestrukturované, polostrukturované nebo strukturované daty, datové inženýrství | Jezero | Ano |
- Pro streamovaná data událostí a interaktivní analýzy s vysokou členitostí použijte eventhouse.
- Pro NoSQL databáze použijte Cosmos DB ve Fabric.
- Pro provozní, transakční, OLTP pracovní zátěže nebo normalizované relační databáze použijte SQL databázi ve Fabric.
- Pro vývoj AI s vektorovými datovými typy použijte SQL databázi ve Fabric nebo Cosmos DB ve Fabric.
- Pro podnikové datové sklady, podporu SQL založeného BI, OLAP a plné SQL transakce použijte Fabric Data Warehouse.
- Pro big data a strojové učení s nestrukturovanými, polostrukturovanými nebo strukturovanými daty a datové inženýrství použijte lakehouse.
- Všechny datové úložiště Fabric jsou ve výchozím nastavení dostupné v OneLake ve formátu otevřené tabulky, s výjimkou databáze KQL v eventhouse, kde je dostupnost OneLake dostupná jako možnost přihlášení k odběru.
Persony a soubory dovedností
| Zátěž Microsoft Fabric | Primární persony vývojářů | Primární sady dovedností, nástroje | Primární jazyky |
|---|---|---|---|
| Eventhouse | Vývojář aplikací, datový vědec, datový inženýr | Žádný kód, KQL, SQL | KQL (dotazovací jazyk Kusto), T-SQL |
| Cosmos DB v Fabric | Vývojář umělé inteligence, vývojář aplikací | Koncepty NoSQL, rozhraní REST API, podobná službě Azure Cosmos DB | Integrace rozhraní REST API prostřednictvím JavaScriptu/TypeScriptu, Pythonu, C#, Javy a dalších |
| SQL databáze v prostředí Fabric | Vývojář AI, Vývojář aplikací, Databázový vývojář, Správce databáze | Správa a vývoj databází, podobně jako azure SQL Database, SSMS, VS Code a dotazovací nástroje kompatibilní s SQL Serverem | T-SQL |
| Datový sklad fabric | Vývojář datového skladu, datový architekt, datový inženýr, vývojář databáze | Koncepty datových skladů, návrh databáze hvězdicového schématu, SSMS, VS Code a dotazovací nástroje kompatibilní s SQL Serverem | T-SQL, žádný kód |
| Jezero | Datový inženýr, datový vědec | PySpark, Delta Lake, poznámkové bloky | Spark (Scala, PySpark, Spark SQL, R) |
Scénáře
Prohlédněte si tyto scénáře pro pomoc při výběru úložiště dat ve Fabric.
Scénář 1
Susan, profesionální vývojář, je pro Microsoft Fabric novinkou. Jsou připraveni začít s čištěním, modelováním a analýzou dat, ale musí se rozhodnout, zda postaví datový sklad nebo jezerní domek. Po prozkoumání detailů v předchozí tabulce jsou hlavními rozhodovacími body dostupná sada dovedností a potřeba transakcí s více tabulkami.
Susan strávila mnoho let budováním datových skladů na relačních databázových enginech a dobře zná syntaxi a funkcionalitu SQL. Při zvažování většího týmu jsou primárními spotřebiteli těchto dat také ti, kteří mají zkušenosti s SQL a analytickými nástroji SQL. Susan se rozhodne použít sklad Fabric, který týmu umožňuje především pracovat s T-SQL, a zároveň umožňuje všem uživatelům Sparku v organizaci přístup k datům.
Susan vytvoří nový datový sklad a komunikuje s ním pomocí T-SQL stejně jako ostatní databáze SQL Serveru. Většina stávajícího T-SQL kódu, který napsala pro stavbu skladu na SQL Server, funguje v Fabric Data Warehouse, což přechod usnadňuje. Pokud se rozhodne, může dokonce používat stejné nástroje, které fungují s ostatními databázemi, jako je SQL Server Management Studio. Pomocí SQL editoru v portálu Fabric mohou Susan a další členové týmu psát analytické dotazy, které odkazují na jiné datové sklady a tabulky Delta v lakehousech, jednoduše pomocí třídílných názvů k dotazům napříč databázemi.
Scénář 2
Rob, datový inženýr, potřebuje ukládat a modelovat několik terabajtů dat v Fabric. Tým má kombinaci dovedností PySpark a T-SQL. Většina týmu, který provádí T-SQL dotazy, jsou spotřebitelé, a proto nemusí psát INSERT, UPDATE, nebo DELETE příkazy. Zbývající vývojáři dobře pracují v poznámkových blocích a protože jsou data uložená v Delta, můžou pracovat s podobnou syntaxí SQL.
Rob se rozhodne použít lakehouse, což týmu pro přípravu dat umožňuje využívat své různorodé dovednosti při práci s daty, a zároveň umožňuje členům týmu, kteří jsou vysoce zkušení v T-SQL, pracovat s daty.
Scénář 3
Daisy je obchodní analytik zkušený s využitím Power BI k analýze kritických bodů dodavatelského řetězce pro rozsáhlý globální maloobchodní řetězec. Potřebují vytvořit škálovatelné datové řešení, které dokáže zpracovávat miliardy řádků dat a lze je použít k vytváření řídicích panelů a sestav, které je možné použít k obchodním rozhodnutím. Data pochází ze závodů, od dodavatelů, odesílatelů a dalších zdrojů v různých strukturovaných, částečně strukturovaných a nestrukturovaných formátech.
Daisy se rozhodne používat Eventhouse kvůli škálovatelnosti, rychlé době odezvy, pokročilým analytickým možnostem, včetně analýzy časových řad, geoprostorových funkcí a rychlého režimu přímého dotazu v Power BI. Může provádět dotazy pomocí Power BI a KQL k porovnání aktuálních a předchozích období, rychlé identifikaci vznikajících problémů nebo poskytování geoprostorové analýzy pozemních a námořních tras.
Scénář 4
Kirby je aplikační architekt zkušený při vývoji aplikací .NET pro provozní data. Potřebují databázi s úplným dodržováním vlastností ACID, vysokou souběžností a silně vynucenými cizími klíči pro relační integritu. Kirby chce využít výhody automatického ladění výkonu ke zjednodušení každodenní správy databází.
Kirby se rozhodne pro databázi SQL ve Fabricuse stejným SQL databázovým strojem jako Azure SQL Database. Databáze SQL v systému Fabric se automaticky škálují tak, aby splňovaly poptávku po celý pracovní den. Mají plnou funkčnost transakčních tabulek a flexibilitu úrovní izolace transakcí od serializovatelného až po potvrzené snímkové čtení. Databáze SQL ve Fabricu automaticky vytváří a zahodí neclusterované indexy na základě silných signálů z prováděcích plánů pozorovaných v průběhu času.
Ve scénáři Kirbyho musí být data z provozní aplikace spojena s dalšími daty ve Fabric: ve Sparku, ve skladu a z událostí v reálném čase v Eventhouse. Každá databáze Fabric obsahuje koncový bod analýzy SQL, což umožňuje přístup k datům v reálném čase ze Sparku nebo prostřednictvím dotazů Power BI s použitím režimu DirectLake. Tato řešení pro sestavy chrání primární provozní databázi před zátěží způsobenou analytickými úlohami a vyhýbají se denormalizaci. Kirby má také existující provozní data v jiných databázích SQL a potřebuje je importovat bez transformace. Pokud chcete importovat existující provozní data bez převodu datového typu, Kirby navrhne kanály se službou Fabric Data Factory pro import dat do databáze Fabric SQL.