Vereinfachen der Datenverwaltung mit Spiegelung und Virtualisierung

  • 8 Minuten

Organisationen stehen häufig vor Herausforderungen beim Verwalten und Analysieren ihrer Daten aufgrund der Komplexität der Integration verschiedener Datenquellen, der Sicherstellung der Datenkonsistenz und der Aufrechterhaltung der Verfügbarkeit von Echtzeitdaten. SQL-Datenbank in Microsoft Fabric behebt diese Herausforderungen, indem eine einheitliche Plattform bereitgestellt wird, welche die Datenintegration vereinfacht, die Datenkonsistenz verbessert und die Verfügbarkeit von Echtzeitdaten gewährleistet.

Integration in Datenbankspiegelung

Eines der wichtigsten Features der SQL-Datenbank in Microsoft Fabric ist die Möglichkeit, Datenbanken aus Azure SQL-Datenbank direkt in OneLake von Fabric zu spiegeln.

Diagramm der Fabric-Datenbankspiegelung für Azure SQL-Datenbank.

Durch diesen Spiegelungsprozess wird sichergestellt, dass Daten in nahezu Echtzeit kontinuierlich repliziert werden, wodurch die Notwendigkeit komplexer ETL-Prozesse (Extract, Transform, Load) eliminiert wird. Dadurch werden die Gesamtbetriebskosten reduziert und die Zeit für den Einblick beschleunigt, sodass Unternehmen Business Intelligence, künstliche Intelligenz, Datentechnik, Data Science und Datenfreigabeszenarien freischalten können.

Nachdem Sie einen Spiegelungsprozess initiiert haben, können Sie den Replikationsstatus überwachen, indem Sie auf der Registerkarte Replikation die Option Replikation überwachen auswählen. Wenn in den Quelltabellen keine Aktualisierungen vorhanden sind, wird das Modul nach dem Erkennen aktualisierter Daten wieder deaktiviert und die regelmäßige Abfrage fortgesetzt.

Screenshot zum Überwachen eines Spiegelungsprozesses für die SQL-Datenbank in Fabric.

Weitere Informationen zum Konfigurieren von gespiegelten Datenbanken finden Sie im Tutorial: Konfigurieren Sie gespiegelte Microsoft Fabric-Datenbanken aus der Azure SQL-Datenbank.

Erkunden der Datenvirtualisierung

Die Datenvirtualisierung in SQL-Datenbank in Fabric ist eine Funktion, mit der Sie auf Daten aus verschiedenen Quellen zugreifen und diese bearbeiten können, ohne die Daten physisch verschieben oder kopieren zu müssen. Dieser Ansatz bietet eine einheitliche Ansicht von Daten und ermöglicht eine nahtlose Integration und Analyse auf verschiedenen Plattformen.

Diese Features ermöglichen Szenarien wie das Abfragen von Parquet-, CSV- und Delta-Tabellen, die in einem Lakehouse verfügbar sind.

Funktion Definition Abfragebeispiel
Datenbankbezogene Anmeldeinformationen Ermöglicht Ihnen das Erstellen von Anmeldeinformationen, die für den sicheren Zugriff auf externe Datenquellen verwendet werden können. CREATE DATABASE SCOPED CREDENTIAL MyCredential WITH IDENTITY = 'USER IDENTITY';
Externe Datenquelle Auf diese Weise können Sie externe Datenquellen definieren, z. B. in OneLake gespeicherte Dateien. 'abfss://aaaaaaaa-0000-1111-2222-bbbbbbbbbbbb@<onelake_account_name>.dfs.fabric.microsoft.com/bbbbbbbb-1111-2222-3333-cccccccccccc/Files/parquet/data1.parquet';
Externes Dateiformat Mit dieser Funktion können Sie das Format externer Dateien angeben, z. B. Parquet-, CSV- und Delta-Dateien. CREATE EXTERNAL FILE FORMAT MyFileFormat WITH ( FORMAT_TYPE = DELIMITEDTEXT, FORMAT_OPTIONS ( FIELD_TERMINATOR = ',', STRING_DELIMITER = '"' ) );
Externe Tabelle Auf diese Weise können Sie Tabellen erstellen, die auf Daten verweisen, die außerhalb der SQL-Datenbank gespeichert sind. CREATE EXTERNAL TABLE MyExternalTable ( Column1 INT, Column2 NVARCHAR(50) ) WITH ( LOCATION = 'myfolder/myfile.csv', DATA_SOURCE = MyExternalDataSource, FILE_FORMAT = MyFileFormat );