Hvad er et lakehouse i Microsoft Fabric?

Microsoft Fabric Lakehouse er en dataarkitekturplatform til lagring, administration og analyse af strukturerede og ustrukturerede data på en enkelt placering. Det er en fleksibel og skalerbar løsning, der gør det muligt for organisationer at håndtere store mængder data ved hjælp af forskellige værktøjer og strukturer til at behandle og analysere disse data. Den kan integreres med andre datastyrings- og analyseværktøjer for at levere en omfattende løsning til datakonstruktion og -analyse.

Sql Analytics-slutpunkt for Lakehouse

Lakehouse opretter et serveringslag ved automatisk at generere et SQL-analyseslutpunkt og en semantisk standardmodel under oprettelsen. Denne nye gennemgangsfunktion gør det muligt for brugeren at arbejde direkte oven på Delta-tabellerne i søen for at give en problemfri og effektiv oplevelse hele vejen fra dataindtagelse til rapportering.

Det er vigtigt at bemærke, at SQL-analyseslutpunktet er en skrivebeskyttet oplevelse og ikke understøtter hele T-SQL-overfladeområdet i et transaktionsdata warehouse.

Bemærk

Det er kun tabellerne i Delta-formatet, der er tilgængelige i SQL Analytics-slutpunktet. Parquet, CSV og andre formater kan ikke forespørges ved hjælp af SQL-analyseslutpunktet. Hvis du ikke kan se tabellen, skal du konvertere den til Delta-format.

Automatisk registrering og registrering af tabeller

Den automatiske registrering og registrering af tabeller er en funktion i Lakehouse, der giver datateknikere og datateknikere en fuldt administreret fil-til-tabeloplevelse. Du kan slippe en fil i det administrerede område i Lakehouse, og systemet validerer den automatisk for understøttede strukturerede formater og registrerer den i metalageret med de nødvendige metadata, f.eks. kolonnenavne, formater, komprimering og meget mere. (I øjeblikket er det eneste understøttede format Delta-tabel). Du kan derefter referere til filen som en tabel og bruge SparkSQL-syntaksen til at interagere med dataene.

Interaktion med Lakehouse-elementet

En datatekniker kan interagere med lakehouse og dataene i lakehouse på flere måder:

• Lakehouse-opdagelsesrejsende: Opdagelsesrejsende er den primære interaktionsside i Lakehouse. Du kan indlæse data i dit Lakehouse, udforske data i Lakehouse ved hjælp af objektoversigten, angive MIP-mærkater og forskellige andre ting. Få mere at vide om stifinderoplevelsen: Naviger til Fabric Lakehouse-opdagelsesrejsende.

• Notesbøger: Datateknikere kan bruge notesbogen til at skrive kode til at læse, transformere og skrive direkte til Lakehouse som tabeller og/eller mapper. Du kan få mere at vide om, hvordan du bruger notesbøger til Lakehouse: Udforsk dataene i dit lakehouse med en notesbog , og sådan bruger du en notesbog til at indlæse data i dit lakehouse.

• Pipelines: Datateknikere kan bruge værktøjer til dataintegration, f.eks. pipelinekopiværktøj, til at hente data fra andre kilder og lande i Lakehouse. Få flere oplysninger om, hvordan du bruger kopiaktiviteten: Sådan kopierer du data ved hjælp af kopiaktivitet.

• Apache Spark-jobdefinitioner: Datateknikere kan udvikle robuste programmer og orkestrere udførelsen af kompilerede Spark-job i Java, Scala og Python. Få mere at vide om Spark-job: Hvad er en Apache Spark-jobdefinition?

• Dataflow Gen 2: Datateknikere kan bruge Dataflow Gen 2 til at indtage og forberede deres data. Find flere oplysninger om indlæsning af data ved hjælp af dataflow: Opret dit første dataflow for at hente og transformere data.

Få mere at vide om de forskellige måder at indlæse data på i dit lakehouse: Muligheder for at hente data ind i Fabric Lakehouse.

Multitasking med lakehouse

Multitasking-oplevelsen giver dig et design af browserfaner, der giver dig mulighed for at åbne og skifte mellem flere elementer uden problemer, så du kan administrere dit data lakehouse mere effektivt end nogensinde før. Slut med at jonglere mellem forskellige vinduer eller miste overblikket over dine opgaver. Lakehouse giver en forbedret multitaskingoplevelse, der gør din dataadministrationsrejse så effektiv og brugervenlig som muligt med følgende funktioner:

• Bevar kørende handlinger: Du kan uploade eller køre dataindlæsningshandlingen på én fane og kontrollere en anden opgave på en anden fane. Med forbedret multiopgave annulleres de kørende handlinger ikke, når du navigerer mellem faner. Du kan fokusere på dit arbejde uden afbrydelser.

• Bevar din kontekst: Markerede objekter, datatabeller eller filer forbliver åbne og let tilgængelige, når du skifter mellem faner. Konteksten af dit data lakehouse er altid lige ved hånden.

• Genindlæsning af lister, der ikke blokerer: En mekanisme til genindlæsning, der ikke blokerer for dine filer og tabeller. Du kan fortsætte med at arbejde, mens listen opdateres i baggrunden. Det sikrer, at du har de nyeste data, samtidig med at du får en problemfri og uafbrudt oplevelse.

• Klart definerede meddelelser: Toastmeddelelserne angiver, hvilket lakehouse de kommer fra, hvilket gør det nemmere at spore ændringer og opdateringer i dit miljø med flere opgaver.

Handicapvenligt lakehouse-design

Tilgængelighed har altid været en topprioritet for at sikre, at Lakehouse er inkluderende og brugervenlig for alle. Her er de vigtigste initiativer, vi har implementeret indtil videre for at understøtte tilgængelighed:

• Kompatibilitet med skærmlæsere: Du kan arbejde problemfrit med populære skærmlæsere, så brugere med synshandicap kan navigere og interagere effektivt med vores platform.

• Tekstombrydning Dynamisk design, der tilpasses forskellige skærmstørrelser og -retninger. Tekst og indhold ombrydes dynamisk, hvilket gør det nemmere for brugerne at få vist og interagere med vores program på en række forskellige enheder.

• Tastaturnavigation: Forbedret tastaturnavigation for at give brugerne mulighed for at bevæge sig gennem lakehouse uden at være afhængig af en mus, hvilket forbedrer oplevelsen for personer med motoriske handicap.

• Alternativ tekst til billeder: Alle billeder indeholder nu en beskrivende alternativ tekst, der gør det muligt for skærmlæsere at formidle meningsfulde oplysninger.

• Formularfelter og etiketter: Alle formularfelter har tilknyttede mærkater, der forenkler datainput for alle, herunder dem, der bruger skærmlæsere.

Relateret indhold

I denne oversigt får du en grundlæggende forståelse af et lakehouse. Gå videre til næste artikel for at få mere at vide om, hvordan du opretter og bruger dit eget lakehouse:

• Hvis du vil bruge lakehouses, skal du se Opret et lakehouse i Microsoft Fabric.