Hinweis
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, sich anzumelden oder das Verzeichnis zu wechseln.
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, das Verzeichnis zu wechseln.
Spiegelung in Fabric bietet eine einfache Möglichkeit, komplexe ETL-Prozesse (Extract, Transform, Load) zu vermeiden und Ihre vorhandenen Google BigQuery Warehouse-Daten nahtlos in den Rest Ihrer Daten in Fabric zu integrieren. Sie können Ihre Google BigQuery-Daten kontinuierlich direkt in das OneLake von Fabric replizieren. Einmal in Fabric können Sie leistungsstarke Funktionen für Business Intelligence, KI, Datentechnik, Data Science und Datenfreigabe nutzen.
Ein Lernprogramm zum Konfigurieren Ihrer Google BigQuery-Datenbank für Spiegelung in Fabric finden Sie im Lernprogramm: Konfigurieren von gespiegelten Microsoft Fabric-Datenbanken aus Google BigQuery.
Von Bedeutung
Die Spiegelung für Google BigQuery befindet sich jetzt in der Vorschau. Produktionsworkloads werden während der Vorschau nicht unterstützt.
Gründe für die Verwendung der Spiegelung in Fabric?
Die Spiegelung in Microsoft Fabric entfernt die Komplexität des Zusammenfügens von Tools aus verschiedenen Anbietern. Ihre Daten müssen nicht migriert werden. Stellen Sie eine Verbindung mit Ihren Google BigQuery-Daten in nahezu Echtzeit her, um das Array der Analysetools von Fabric zu verwenden. Fabric arbeitet auch nahtlos mit Microsoft-Produkten, Google BigQuery und einer vielzahl von Technologien zusammen, die das Open-Source-Delta Lake-Tabellenformat unterstützen.
Welche Analyseerfahrungen sind integriert?
Die Spiegelung erstellt zwei Elemente in Ihrem Fabric-Arbeitsbereich:
- Das gespiegelte Datenbankelement. Die Spiegelung verwaltet die Replikation von Daten in OneLake und die Konvertierung in Parkett in einem analysefähigen Format. Die Spiegelung ermöglicht nachgeschaltete Szenarien wie Data Engineering, Data Science und mehr. Gespiegelte Datenbanken unterscheiden sich von Lager- und SQL-Analyseendpunktelementen.
- Ein SQL-Analyseendpunkt
Aus jeder gespiegelten Datenbank bietet ein SQL-Analyseendpunkt eine schreibgeschützte Analyseerfahrung über den Delta-Tabellen, die während der Spiegelung erstellt wurden. Dieser Endpunkt unterstützt die T-SQL-Syntax zum Definieren und Abfragen von Datenobjekten, lässt jedoch keine direkten Datenänderungen zu, da die Daten schreibgeschützt sind.
Mit dem SQL-Analyseendpunkt können Sie:
- Durchsuchen Sie Tabellen, die auf Ihre Delta Lake-Daten verweisen, die von BigQuery gespiegelt wurden.
- Erstellen Sie No-Code-Abfragen und -Ansichten, und untersuchen Sie Daten visuell – keine SQL erforderlich.
- Erstellen von SQL-Ansichten, Inline-Tabellenwertfunktionen (TVFs) und gespeicherten Prozeduren, um Geschäftslogik mit T-SQL zu integrieren.
- Festlegen und Verwalten von Berechtigungen für Objekte.
- Sie können Daten in anderen Warehouses und Lakehouses innerhalb desselben Arbeitsbereichs abfragen.
Zusätzlich zum SQL-Abfrage-Editor gibt es ein breites Ökosystem von Tools, das den SQL-Analyseendpunkt abfragen kann, einschließlich SQL Server Management Studio (SSMS), der mssql-Erweiterung mit Visual Studio Code und sogar GitHub Copilot.
Sicherheitsüberlegungen
Es gibt bestimmte Benutzerberechtigungsanforderungen , um Fabric Mirroring zu aktivieren.
Fabric bietet außerdem Datenschutzfeatures zum Verwalten des Zugriffs in Microsoft Fabric. Weitere Informationen finden Sie in unserer Dokumentation zu Datenschutzfeatures.
Gespiegelte Überlegungen zu BigQuery-Kosten
Die Fabric-Compute, die zum Replizieren Ihrer Daten in Fabric OneLake verwendet wird, ist kostenlos. Die Speicherkosten für Spiegelung sind bis zu einem Grenzwert basierend auf der Kapazität frei. Die Berechnung zum Abfragen von Daten mit SQL, Power BI oder Spark wird in regelmäßigen Tarifen berechnet.
Fabric berechnet keine Gebühren für Netzwerkdaten, die für Spiegelung in OneLake anfallen.
Es entstehen Google BigQuery-Rechen- und Cloud-Abfragekosten, wenn Daten gespiegelt werden: BigQuery Change Data Capture (CDC) nutzt BigQuery-Rechenleistung für Zeilenänderungen, die Speicher-Schreib-API für die Datenaufnahme und BigQuery-Speicher für die Datenspeicherung. All diese Schritte verursachen jeweils Kosten.
Weitere Informationen zu den Kosten für die Spiegelung von Google BigQuery finden Sie unter der Preisgestaltung erläutert.