Vzory Microsoft OneLake a základní schopnosti

Tento článek představuje běžné vzory OneLake a možnosti platformy, které můžete použít k jejich implementaci. Využijte informace z tohoto článku k promyšlení, jak chcete uspořádat své datové prostředí, a poté zvolte vzory, které odpovídají vašim obchodním, technickým a governačním potřebám.

Každý vzor popisuje, jak organizovat data a vlastnictví pro dosažení konkrétního architektonického cíle. Pro implementaci vzoru kombinujete jednu nebo více základních schopností OneLake – virtualizaci dat, otevřenou interoperabilitu dat, centralizovanou správu a integrovanou analytiku a AI. Každá schopnost se opírá o specifické funkce produktu , jako jsou zkratky, zrcadlení, zabezpečení OneLake a režim Direct Lake. Stejná schopnost a vlastnost se často objevují ve více než jednom vzoru.

Note

Tento článek vychází ze vzorů identifikovaných v bílé knize architektonických pokynů OneLake.

Považujte těchto pět vzorů za stavební kameny pro váš návrh OneLake. Většina prostředí kombinuje více než jedno. Vyberte vzory, které odpovídají vašim cílům:

Jednotný přístup k datům s minimální replikací

Pokud jsou vaše data rozptýlena do více cloudů, místních systémů nebo externích jezer, nemusí být jejich kopírování na jedno místo praktické – nebo dokonce možné. Jednotný přístup k datům s minimálním vzorem replikace považuje OneLake za jednu logickou datovou vrstvu napříč těmito zdroji. Místo vytváření ingestních kanálů pro každý zdroj používáte zástupce pro odkazování na data v jejich původním umístění a zrcadlení, když potřebujete synchronizovanou kopii optimalizovanou pro dotazy.

Tento model použijte v těchto případech:

  • Vaše data jsou rozptýlena přes více cloudů, lokálních systémů nebo externích jezer.
  • Replikace dat do centrálního úložiště by vytvořila nadměrné náklady na úložiště, latenci nebo dodržování předpisů.
  • Musíte rychle přidávat nové zdroje, aniž byste museli vytvářet kompletní pipeline pro extrakci, transformaci, načítání (ETL).
  • Chcete zachovat investice do stávajících datových jezer, datových skladů a provozních úložišť.

Aplikace jednotného přístupu k datům

Pro uvedení tohoto vzorce do praxe začněte dvěma hlavními přístupy k datům, které nevyžadují budování nebo provozování procesů přesunu dat: virtualizace zpřístupňuje zdrojová data přes OneLake bez jejich kopírování a zero-ETL zrcadlení přináší platformou řízenou, synchronizovanou kopii do OneLake jako analyticky připravené tabulky Delta. Používejte nástroje pro přesun dat Fabric pouze tehdy, když tyto přístupy nepodporují zdroj nebo nesplňují vaše požadavky. Další pokyny k výběru a kombinaci těchto přístupů najdete v článku Sjednocení dat pomocí zástupců OneLake a zrcadlení.

  1. Inventarizujte své datové zdroje, abyste zjistili, ke kterým OneLake přistupuje prostřednictvím virtualizace nebo zrcadlení bez ETL: cloudové objektové úložiště, externí katalogy, provozní databáze a Dataverse. Označte zbývající zdroje jako potřebující přístup k přesunu dat.

  2. Vyberte správnou techniku přístupu k datům pro každý podporovaný zdroj. Preferujte virtualizaci, pokud zdrojový kód podporuje přístup bez kopírování. Použijte zrcadlení bez ETL, když zdroj vyžaduje synchronizovanou, dotazově optimalizovanou kopii:

Zdrojová data Jak k němu přistupovat Manipulace s daty
Cloud objektové úložiště (Azure Data Lake Storage Gen2, Amazon S3, Google Cloud Storage) a S3-kompatibilní on-premises úložiště Zkratky Virtualizace: Zpřístupňuje zdrojová data bez jejich kopírování
Data spravovaná v externím katalogu, který chcete zpřístupnit bez kopírování (například Azure Databricks Unity Catalog) Zrcadlení metadat – synchronizuje pouze katalogová metadata (schémata, tabulky) a přistupuje ke zdrojovým datům pomocí zkratek Virtualizace: Zpřístupňuje zdrojová data bez jejich kopírování
Operační databáze, které potřebují kopii optimalizovanou pro dotazy (Azure SQL Database, Azure Cosmos DB, Snowflake, PostgreSQL, SQL Server 2025, Oracle Database, Google BigQuery) Zrcadlení databází, nebo otevřené zrcadlení pro podporovaná vlastní a partnerská řešení Zero-ETL zrcadlení: Vytváří synchronizovanou kopii Delta
Dataverse (data z Dynamics 365 a Power Platform) Zkratky nebo odkaz na Microsoft Fabric pro přístup bez kopírování Virtualizace: Zpřístupňuje zdrojová data bez jejich kopírování

  1. Transformujte zdrojová data, když je to potřeba. Transformace pomocí zkratek mohou zpracovávat podporované soubory vystavené prostřednictvím zástupce, ať už jsou soubory uloženy externě, nebo již v OneLake. Použijte zkratkové transformace souborů k převodu strukturovaných souborů do Delta tabulek nebo zkratkové AI transformace pro zpracování nestrukturovaného textu. Transformace pomocí zkratek vytvářejí transformovaný výstup Delty a udržují jej synchronizovaný s daty odkazovanými zkratkou.

  2. Používejte nástroje Fabric pro přesun dat, když virtualizace a zrcadlení nepodporují zdroj nebo když potřebujete složité transformace, orchestraci, plánovaný rytmus pohybu nebo vstup do streamování. Pro pomoc s výběrem mezi pipeline, datovými toky, kopírovacími úlohami a eventstreamy viz Vyberte strategii přesunu dat.

Pokud se skutečně rozhodnete pro přesun dat, ukládejte zkopírovaná data v otevřeném tabulkovém formátu, například Delta Parquet nebo Iceberg. Zrcadlení a zkratkové transformace už vytvářejí výstup Delty. Používání otevřených formátů udržuje virtualizovaná data, synchronizované kopie a transformované výstupy Delty čitelné pro Fabric enginy a externí platformy.

  1. Důvod zaznamenávejte vždy, když vytvoříte synchronizovanou kopii, transformovaný výstup Delta nebo kopii pomocí nástrojů pro přesun dat Fabric. Tento záznam umožňuje rozhodnutí auditovat. Kopii vytvořte pouze tehdy, když zdroj vyžaduje fyzické rozložení optimalizované pro dotazy nebo když virtuálně nedokáže splnit vaše požadavky na aktuálnost, náklady na transformaci, dodržování předpisů nebo zpracování.

  2. Aplikujte zabezpečení OneLake na data zpřístupněná přes OneLake, aby stejné politiky pokrývaly virtualizovaná data, synchronizované kopie a transformované výstupy Delty.

  3. Podpořte a popište výsledné datové položky v katalogu OneLake , aby je spotřebitelé mohli najít a důvěřovat jim.

Sjednocené schopnosti přístupu k datům

  • Virtualizace dat a zrcadlení bez ETL – Zpřístupněte data, která jsou v jiných systémech a cloudech, prostřednictvím referencí bez kopií nebo synchronizovaných kopií připravených pro analytiku. Vlastnosti:
  • Centralizovaná správa – Aplikujte konzistentní bezpečnost a vyhledávání na virtualizované zdroje stejně jako na nativní data OneLake. Vlastnosti:
  • Interoperabilita otevřených dat – Udržujte virtualizovaná data a kopie spravované platformou čitelné jak pro Fabric enginy, tak pro externí platformy. Vlastnosti:

Medailonová architektura (bronz, stříbro, zlato)

Zpřístupnění dat v OneLake je jen prvním krokem. Surová data ze zdrojových systémů obvykle nejsou bezpečná pro přímé použití pro analytiku nebo AI. Často obsahuje duplicity, chyby, nekonzistentní formáty nebo citlivá pole. Když více týmů staví na stejných zdrojových datech, potřebují sdílenou definici toho, čemu je každá fáze dat důvěryhodná.

Vzor medailonové architektury uspořádává data v OneLake do tří vrstev kvality: bronz pro surová, neměnná zdrojová data; stříbro pro očištěná a konsolidovaná data; a zlato pro certifikované tabulky a sémantické modely připravené pro podnikové využití. Každá vrstva je definovaná fáze, na kterou se mohou spotřebitelé v downstream sektoru spolehnout. Stříbrné a zlaté tabulky jsou znovu použitelné napříč BI, analytikou a AI zátěžemi, takže týmy nepřestavují stejnou logiku čištění nebo modelování v samostatných nástrojích.

Tento model použijte v těchto případech:

  • Více týmů staví na stejných zdrojových datech a potřebuje konzistentní kvalitu.
  • Potřebujete dohledatelnou linii od surových vstupů až po certifikované výstupy.
  • Potřebujete jasnou smlouvu mezi datovým inženýrstvím a uživateli analytiky nebo AI.

Pro více informací o tomto vzoru viz Pochopte architekturu medailonu pro Fabric with OneLake. Tento článek se zabývá návrhem vrstev, modely nasazení, formáty úložišť, pohledy na materializovaná jezera a optimalizaci Delta tabulky.

Jak ji aplikovat

Funkční medailonová architektura je založena na jedné myšlence: každá vrstva je závazkem vůči navazujícím odběratelům a data postoupí do další vrstvy až poté, co splní standardy kvality dané vrstvy.

  1. Identifikujte své suroviny a spotřebitele, kteří jsou závislí na certifikovaných datech.

  2. Definujte, co patří do každé vrstvy, a aplikujte tyto definice konzistentně napříč doménami:

    Vrstva Obsah Běžní spotřebitelé
    Bronz Surová, neměnná data zachycená přímo ze zdrojů bez vynucování schématu Datoví inženýři (omezený přístup)
    Stříbro Očištěno, deduplikováno a přizpůsobeno sdíleným definicím podnikání Datoví inženýři a vyškolení analytici
    Zlatá Kurátorsky vytvořené, pro podnikání připravené tabulky a sémantické modely Všichni spotřebitelé BI, analytiky a AI

  3. Každou vrstvu vytvořte pomocí vhodné úlohy ve Fabric – obvykle Data Engineering (Spark) nebo Data Factory pro bronzovou a stříbrnou vrstvu a Data Warehouse nebo sémantické modely Power BI pro zlatou vrstvu. Zachovejte věrnost zdrojovým datům v bronzové vrstvě pomocí původního formátu, odkazu na zdrojová data, formátu Parquet nebo Delty podle potřeby. Použijte Delta tabulky pro stříbrné a zlaté produkty, aby Fabric workloads spolehlivě četly a zapisovaly upravená data.

  4. Použijte zásady přístupu s ohledem na vrstvy. Používejte zabezpečení OneLake pro podporované položky a příslušná oprávnění Fabric a SQL pro sklady. Omezte přístup k bronzu, zpřístupněte stříbro analytikům a udělte přístup ke zlatu na základě potřeb spotřebitelů a minimálních privilegií.

  5. Používejte vybrané výstupy zlata pro následnou analytiku. Vytvářejte sémantické modely zlaté vrstvy v režimu Direct Lake, aby Power BI mohl číst data OneLake bez vytváření importované kopie nebo nutnosti plánovaných obnov.

  6. Potvrďte, že každá produkce zlata má sledovatelnou linii přes stříbro až ke svým bronzovým zdrojům. Poté podpořte tabulky se zlatou vrstvou a sémantické modely certifikované v katalogu OneLake. Toto ověření pomáhá spotřebitelům identifikovat, která data jsou připravena pro produkční použití.

  7. Znovu použijte zlaté sémantické modely k nastartování Fabric IQ ontologií. Tento krok dává AI agentům řízený obchodní kontext založený na certifikovaných datech.

Základní možnosti

  • Integrovaná analytika a AI – Bronzová, stříbrná a zlatá vrstva zásobuje veškerou analytiku a AI zátěž na OneLake bez kopií specifických pro engine. Vlastnosti:
  • Centralizovaná správa – Aplikujte různé přístupové politiky a kvalitativní brány na každé vrstvě, aby spotřebitelé viděli pouze data odpovídající jejich roli. Vlastnosti:
  • Interoperabilita otevřených dat – Ukládejte vrstvy v otevřených formátech, aby je externí enginy mohly číst spolu s Fabric. Vlastnosti:

Doménově orientovaný data mesh na sdílené platformě

Pokud máte více obchodních týmů, které produkují a spotřebovávají data, může směrování každého požadavku přes jeden centrální datový tým zpomalit doručení. Obchodní týmy často nejlépe rozumí svým vlastním datům a požadavkům, ale decentralizace vlastnictví bez sdílené správy může vést k nekonzistentní bezpečnosti, kvalitě a původu.

Doménově orientovaný vzor data mesh svěřuje každé byznysové doméně vlastnictví jejích vlastních datových produktů, zatímco všechny domény dodržují sdílené standardy na platformě OneLake. Každá doména publikuje své vlastní datové produkty a jiné domény k nim přistupují pomocí zkratek a využívají je pomocí Fabric analytics a AI zátěží. Centralizované politiky identity, bezpečnosti a správy platí jednotně ve všech oblastech.

Tento model použijte v těchto případech:

  • Jediný centrální datový tým se stává úzkým hrdlem při dodávání.
  • Různé obchodní domény mají odlišná data, požadavky a kadence vydávání.
  • Potřebujete jasnou odpovědnost za kvalitu dat na úrovni domény, aniž byste se vzdali celopodnikové správy.

Použijte doménově orientovaný data mesh

Najděte správnou rovnováhu mezi decentralizací a konzistencí. Přesunout vlastnictví do domény, která data zná nejlépe, a udržovat identitu, bezpečnost a původ centralizované, aby datové produkty všech domén splňovaly stejné standardy.

  1. Identifikujte své obchodní domény. Každá doména by měla představovat soudržnou oblast podnikání s týmem, který může vlastnit a provozovat její datové produkty end-to-end.

  2. Vytvořte doménu pro každou obchodní oblast a přiřaďte jí pracovní prostory. Nastavte samostatnou centrální doménu pro sdílenou infrastrukturu a znovupoužitelná podniková data.

  3. Definujte standardy datových produktů, které musí každá doména splnit – například požadavky na schválení nebo certifikaci, dokumentovaná schémata, metadata vlastnictví, verzování a dohody o úrovni služeb (SLA). Tyto standardy dělají z každého produktu znovupoužitelnou, objevovatelnou smlouvu, nikoli jen složku pracovního prostoru.

  4. Použijte zabezpečení OneLake k aplikaci řízení přístupu k datům na úrovni složek, tabulek, řádků a sloupců, aby producenti mohli publikovat datové produkty, aniž by museli vystavovat vše ve svém pracovním prostoru.

  5. Aplikujte správu pro celé nájemce s katalogem OneLake pro objevování a rodokmen napříč doménami a Microsoft Purview pro štítky citlivosti a audity. Rozšířit stejný model identity a politiky i na AI agenty, kteří využívají produkty doménových dat, takže přístup agentů je řízen jako přístup ostatních spotřebitelů.

  6. Nechte spotřebitelské domény používat zkratky k odkazování na produkty dat producenta místo jejich kopírování. Uživatelé pak mohou používat odkazované datové produkty ve workloadu Fabric, který nejlépe vyhovuje jejich potřebám. Pro sémantické modely Power BI použijte režim Direct Lake pro přímý přenos dat z OneLake. Použijte Fabric Data Agents nebo Fabric IQ k vytváření AI zážitků založených na produktech řízených doménových dat.

  7. Pokud domény publikují do katalogů mimo Fabric, plánujte synchronizaci přístupu a řízení, aby oprávnění zůstala konzistentní mezi OneLake a externím katalogem.

    Tip

    Microsoft open-source akcelerátor Policy Weaver může tuto synchronizaci automatizovat pro zdroje Azure Databricks (Unity Catalog), Snowflake a Dataverse. Zrcadlí zásady přístupu k datům v rámci zabezpečovacích rolí OneLake a doplňuje tak zrcadlení (které přenáší data, ale ne oprávnění).

Možnosti data mesh

  • Centralizované řízení – Decentralizujte vlastnictví domén při zachování identity, bezpečnosti a rodokmenu centralizované. Vlastnosti:
  • Virtualizace dat – Nechte spotřebitelské domény používat datové produkty vlastněné producentem prostřednictvím referencí místo kopií. Vlastnosti:
    • Zkratky umožňují sdílení bez kopírování mezi doménami.
  • Integrovaná analytika a AI – Udělejte datové produkty všech domén spotřebatelnými napříč Fabric pracovními zátěžemi. Vlastnosti:

Konsolidace platforem pro analytiku a AI

Pokud provozujete několik analytických platforem vedle sebe – samostatné nástroje pro datové skladování, business intelligence, datovou vědu, analytiku v reálném čase a AI – každý nástroj má své vlastní datové kopie, pipeline a model správy. Tato fragmentace zvyšuje náklady a ztěžuje konzistentní aplikaci bezpečnosti nebo získání jediné odpovědi na obchodní otázku.

Vzorec konsolidace platforem přenáší tyto pracovní zátěže do Fabric, kde OneLake poskytuje sdílenou, řízenou datovou základnu. Fabric prostřednictvím tohoto základu umožňuje přístup k datům, jejich transformaci, synchronizaci nebo analýzu místo spoléhání se na samostatná data a modely správy pro každý nástroj.

Tento model použijte v těchto případech:

  • Používáte více analytických platforem s překrývajícími se možnostmi.
  • Kopie dat a datová potrubí specifická pro jednotlivé moduly zvyšují náklady a nároky na údržbu.
  • Potřebujete jednotný model správy a bezpečnosti napříč všemi analytickými a AI pracovními zátěžemi.

Použít konsolidaci platforem

Zaměřte se na méně platforem, ne na více integrací. Konsolidujte pracovní zátěže ve Fabric namísto vzájemného propojování nástrojů a externí enginy propojujte jen tehdy, když je ještě nemůžete vyřadit z provozu.

  1. Zmapujte nástroje a procesy pro analytiku, datové sklady, datovou vědu, business intelligence (BI) a AI, které dnes používáte. Všimněte si, jaké pracovní zátěže každý nástroj obsluhuje a jaká data kopíruje.

  2. Každou existující pracovní zátěž namapujte na úlohu Fabric, která ji může nahradit:

    Dědictví práce Úloha Fabric
    Orchestrace dat a ETL (extrakce, transformace, načtení) Data Factory
    Spark notebooky a zpracování v jezerech Datoví technici
    SQL datové skladování Datový sklad
    Streamování a analýza KQL Inteligence v reálném čase
    Trénování ML modelů a sledování experimentů datová věda
    Provozní databáze Databáze (SQL databáze ve službě Fabric a Cosmos DB ve službě Fabric)
    BI vizualizace a sémantické modely Power BI s režimem Direct Lake
    Konverzační AI založená na podnikových datech Fabric Data Agents, Copilot for Fabric, Fabric IQ

  3. Zavést jednotný model správy a bezpečnosti napříč všemi pracovními zátěžemi pomocí OneLake security, Microsoft Purview a katalogu OneLake. Konfigurujte klíče spravované zákazníkem, když podporované položky Fabric vyžadují další vrstvu šifrování.

  4. Konsolidujte analytická data v OneLake pomocí formátu Delta nebo Iceberg, aby pracovní zátěže mohly sdílet řízený datový základ. Zahrňte i provozní úlohy jejich konsolidací na Fabric Databases, které v OneLake zpřístupňují synchronizovaná analytická data.

  5. Uzemněte AI na konsolidovaných datech. Vytvářejte ontologie (preview) nad vaší kurátorskou datovou vrstvou a zpřístupňujte je agentům přes Ontology MCP server, takže Fabric Data Agents, Microsoft 365 Copilot a externí nástroje uvažují ve stejném řízeném kontextu. Definice ontologií můžete generovat z Power BI sémantických modelů v režimu Import, Direct Lake nebo DirectQuery. Používejte režim Direct Lake , když potřebujete vygenerované vazby na podporovaná data OneLake, a zkontrolujte aktuální omezení ontologie.

  6. U externích enginů, které ještě nemůžete ukončit, zpřístupněte data OneLake přes integraci Azure Databricks, interoperabilitu Iceberg se Snowflake nebo přístup a API OneLake.

  7. Po ověření odpovídajícího řešení ve Fabric vyřaďte nahrazené nástroje, datové kopie a kanály. Tímto způsobem konsolidace odstraní náklady, licence a předání, místo aby přidávala další platformu do hromady.

Schopnosti konsolidace platforem

Externí sdílení dat napříč organizacemi

Pokud si průběžně vyměňujete data s partnery, dodavateli, zákazníky nebo jinými divizemi, hromadné exporty, přenosy souborů a duplicitní downstream systémy přidávají mezery v latenci, nákladech a správě. Vzorec externího sdílení dat dává spotřebitelům mimo vaši organizaci nebo obchodní divizi přímý přístup k pečlivě vybraným datům OneLake bez opakovaného exportu. Spotřebitelé mohou k datům přistupovat prostřednictvím sdílení mezi nájemci Fabric nebo z externích analytických platforem, jako jsou Snowflake a Azure Databricks, díky možnosti interoperability OneLake.

Spotřebitelé vidí aktualizace, když je zveřejňujete. Přístup ke zdrojovým datům ovládáte prostřednictvím mechanismu sdílení nebo interoperability, který podporuje platformu uživatele.

Tento model použijte v těchto případech:

  • Vyměňujete si data s externími organizacemi průběžně.
  • Hromadné exporty nebo přenosy souborů přidávají latenci, složitost nebo mezery v správě.
  • Musíte centrálně sledovat a rušit externí přístup.

Aplikace externího sdílení dat

Externí sdílení funguje nejlépe, když používáte virtualizaci místo exportu dat. Přizpůsobte způsob přístupu tomu, co může každý spotřebitel číst, a aplikujte přístupové kontroly podporované tímto mechanismem sdílení nebo interoperability.

  1. Identifikujte datové produkty, které chcete sdílet externě, a spotřebitele, kteří je potřebují (partneři, dodavatelé, zákazníci). Obvykle sdílíte pečlivě vybrané tabulky a soubory, které jsou dobře definované a zdokumentované.

  2. Vyberte správný způsob sdílení pro každého spotřebitele:

    Typ spotřebitele Doporučený přístup
    Uživatelé Fabric v jiném tenantu Externí sdílení dat pro přístup pouze pro čtení, virtualizovaný přístup mezi nájemci
    Uživatelé Snowflake on Azure Interoperabilita Iceberg se Snowflake pro čtení tabulek Fabric vystavených ve formátu Iceberg
    Uživatelé Azure Databricks OneLake catalog federation in Azure Databricks pro dotazování OneLake tabulek prostřednictvím Unity Catalog bez kopírování dat
    Aplikace nebo nástroje podporující ADLS Gen2 nebo Blob API Přístup k OneLake a API pro přístup k datům OneLake prostřednictvím podporovaných API

    Pro přenesení dat z Dataverse do OneLake před jejich sdílením použijte jednotný vzor přístupu k datům.

  3. Vymezte externí přístup pomocí oprávnění podporovaných vybraným mechanismem sdílení. Pro externí sdílení dat ve Fabricu poskytuje sdílení přístup jen pro čtení libovolnému uživateli v domovském tenantovi pozvaného uživatele. Bezpečnostní zásady a zásady správného řízení na straně poskytovatele, včetně zabezpečení OneLake, popisků citlivosti a zásad předcházení úniku dat, se v tenantovi příjemce nevynucují. Spotřebitel musí řídit přístup do downstream ve svém prostředí.

  4. Dohodněte se na podmínkách každého sdíleného vztahu hned na začátku – co se sdílí, s kým a jak dlouho. Pro sdílení externích dat Fabric zrušte přístup v záložce Externí sdílení dat na stránce Spravovat oprávnění. U jiných přístupů odeberte přístup prostřednictvím vybraného mechanismu sdílení. Potvrďte, že spotřebitel ztrácí viditelnost.

  5. Aplikujte štítky citlivosti, audity a prevenci ztráty dat pomocí Microsoft Purview v prostředí Fabric poskytovatele.

  6. Podpořte a dokumentujte zdrojové datové produkty v katalogu OneLake , aby je poskytovatelé mohli najít a spravovat před sdílením. Katalog OneLake nezveřejňuje datové produkty externím nájemcům ani analytickým platformám.

Externí možnosti sdílení dat

  • Virtualizace dat – Sdílení dat přes reference bez kopírování bez správy exportních pipeline. Vlastnosti:
    • Externí sdílení dat umožňuje virtualizované sdílení mezi nájemci Fabric.
    • Zkratky umožňují partnerům konzumovat zveřejněná data bez jejich kopírování.
  • Interoperabilita otevřených dat – Sdílejte s uživateli, kteří Fabric nepoužívají, publikováním v otevřených formátech. Vlastnosti:
  • Centralizovaná správa – Spravovat zdrojová data ve Fabric a kontrolovat externí přístup prostřednictvím každého mechanismu sdílení. Vlastnosti:
    • Zabezpečení OneLake vymezuje přístup ke zdrojovým datům v prostředí Fabric.
    • Microsoft Purview aplikuje štítky citlivosti, audity a prevenci ztráty dat v prostředí Fabric poskytovatele.
    • Katalog OneLake podporuje objevování a schválení na straně poskytovatele před sdílením.
  • Last updated on