Bemærk
Adgang til denne side kræver godkendelse. Du kan prøve at logge på eller ændre mapper.
Adgang til denne side kræver godkendelse. Du kan prøve at ændre mapper.
Bemærkning
Denne funktion er i øjeblikket tilgængelig som offentlig prøveversion. Denne prøveversion leveres uden en serviceniveauaftale og anbefales ikke til produktionsarbejdsbelastninger. Visse funktioner understøttes muligvis ikke eller kan have begrænsede funktioner. Du kan finde flere oplysninger under Supplerende vilkår for anvendelse af Microsoft Azure Previews.
Grafen i Microsoft Fabric omdanner strukturerede data, der er gemt i OneLake, til en modelleret, forespørgelig graf. Du kan derefter forespørge grafen ved at bruge visuelle eller GQL-baserede værktøjer, der kører gennem en fælles motor for at producere visuelle, tabulære eller programmatiske resultater.
Følgende diagram illustrerer den end-to-end dataflow fra kilde til indsigt:
Datakilder
Data stammer fra eksterne systemer såsom Azure-tjenester, andre cloud-platforme eller on-premises kilder. Microsoft Fabric gør det nemt at oprette forbindelse til en bred vifte af datatjenester og bringe data ind i OneLake.
Opbevaring i OneLake
Indsamlede data gemmes i OneLake som tabelbaserede kildetabeller i et søhus. Graph i Microsoft Fabric læses direkte fra dine lakehouse-tabeller, så du behøver ikke duplikere eller flytte data til en separat database.
Grafmodellering
I grafmodelleringstrinnet defineres grafskemaet ved at specificere:
- Nodetyper: Enheder i dine data, såsom kunder, produkter eller ordrer.
- Kanttyper: Relationer mellem enheder, såsom "køber", "indeholder" eller "producerer."
- Tabelafbildninger: Hvordan node- og kantdefinitioner kortlægges til de underliggende kildetabeller.
Dette trin fastlægger den mærkede egenskabsgrafstruktur . Du skal gennemføre grafmodelleringen, før du kan forespørge grafen.
Bemærkning
Graph i Microsoft Fabric understøtter i øjeblikket ikke skemaudvikling. Hvis du skal foretage strukturelle ændringer, såsom at tilføje nye egenskaber, ændre etiketter eller ændre relationstyper, så genopfør de opdaterede kildedata i en ny model.
Forespørgelig graf
Når du gemmer grafmodellen, indlæser Graph data fra de underliggende lakehouse-tabeller og konstruerer en læseoptimeret, forespørgelig graf. Denne grafstruktur er optimeret til traversering og mønstermatchning, hvilket muliggør hurtige og effektive grafforespørgsler i stor skala.
Forespørgselsforfattning
Du laver forespørgsler mod den forespørgelige graf ved hjælp af en af to oplevelser:
- Forespørgselsgenerator: Et visuelt, interaktivt interface til at udforske noder og relationer uden at skrive kode. For mere information, se Forespørg grafen med forespørgselsgeneratoren.
- Kodeeditor: En tekstbaseret editor til at skrive GQL (Graph Query Language) forespørgsler. For mere information, se Forespørg grafen med GQL.
Begge muligheder sigter mod den samme underliggende graf. Vælg den forfatteroplevelse, der passer til din arbejdsgang.
Forespørgselsudførelse
Forfattede forespørgsler udføres gennem et fælles eksekveringslag, der understøtter:
- GQL: Forespørger grafen ved at bruge den internationale standard for grafforespørgselssprog (ISO/IEC 39075).
- Naturligt sprog til GQL (NL2GQL): Konverterer naturlige sprogspørgsmål til GQL-forespørgsler. Tilmeld dig NL2GQL-forhåndsvisningen.
- REST-baseret eksekvering: Kører forespørgsler programmatisk ved brug af GQL-forespørgsels-API'en.
Dette lag kører forespørgselslogikken mod den forespurgbare graf og returnerer resultater.
Forespørgselsresultater
Afhængigt af hvordan du forespørger grafen, modtager du resultater i et eller flere af følgende formater:
- Visuelle grafdiagrammer: Interaktive visualiseringer af noder og relationer.
- Tabulariske resultatsæt: Strukturerede data i rækker og kolonner.
- Programmatiske svar: JSON-output til REST eller downstream forbrug.
Du kan udforske resultater interaktivt, dele dem som skrivebeskyttede forespørgselssæt eller bruge dem i andre værktøjer og applikationer.