Τι είναι το lakehouse στο Microsoft Fabric;

Ένα lakehouse στο Fabric συνδυάζει την επεκτασιμότητα μιας λίμνης δεδομένων με τις δυνατότητες ερωτημάτων μιας αποθήκης. Αποθηκεύετε δομημένα και μη δομημένα δεδομένα σε μία τοποθεσία, τα διαχειρίζεστε με το Delta Lake και τα αναλύετε τόσο με το Apache Spark όσο και με την SQL — όλα αυτά χωρίς να μετακινείτε δεδομένα μεταξύ συστημάτων. Με τις συντομεύσεις στο OneLake και την κοινή χρήση δεδομένων μεταξύ μισθωτών, μπορείτε επίσης να έχετε πρόσβαση σε δεδομένα που διέπονται από εξωτερικές πηγές και άλλους οργανισμούς χωρίς διπλότυπα.

Ένα σπίτι στη λίμνη σας δίνει:

  • Ένα αντίγραφο δεδομένων τόσο για φόρτους εργασίας μηχανικής δεδομένων όσο και για ανάλυση
  • Μορφή Delta Lake για συναλλαγές ACID, επιβολή σχήματος και ταξίδι στο χρόνο
  • Πρόσβαση Spark και SQL , ώστε οι μηχανικοί δεδομένων να χρησιμοποιούν σημειωματάρια ενώ οι αναλυτές χρησιμοποιούν T-SQL
  • Ενσωματωμένη ενοποίηση με Power BI, διοχετεύσεις, ροές δεδομένων και άλλα στοιχεία Fabric

Lakehouse εναντίον αποθήκης

Οι κύριες διαφορές μεταξύ ενός lakehouse και μιας αποθήκης στο Fabric οφείλονται στα εργαλεία ανάπτυξης, τους τύπους δεδομένων και τα μοτίβα φόρτου εργασίας που προτιμάτε. Και οι δύο μοιράζονται τον ίδιο μηχανισμό SQL και αποθηκεύουν δεδομένα σε μορφή Delta στο OneLake, αλλά έχουν σχεδιαστεί για διαφορετικά σενάρια:

Lakehouse Αποθήκη
Εργαλείο πρωτογενούς ανάπτυξης Apache Spark (Python, Scala, SQL, R) T-SQL
Τύποι δεδομένων Δομημένο και μη δομημένο Δομημένο
Συναλλαγές σε πολλούς πίνακες όχι Ναι
Κατάποση δεδομένων σημειωματάρια, διοχετεύσεις, ροές δεδομένων, συντομεύσεις στο OneLake (ζωντανή πρόσβαση χωρίς αντιγραφή) Διοχετεύσεις T-SQL (COPY INTO, INSERT, CTAS),
Καλύτερο για Μηχανική δεδομένων, επιστήμη δεδομένων, αρχιτεκτονικές μεταλλίων Αναφορές BI, μοντελοποίηση διαστάσεων, ομάδες SQL

Μπορείτε να χρησιμοποιήσετε και τα δύο στον ίδιο χώρο εργασίας — για παράδειγμα, να προσγειώσετε και να μετασχηματίσετε δεδομένα σε μια λίμνη με το Spark και, στη συνέχεια, να εκθέσετε επιμελημένα σύνολα δεδομένων σε μια αποθήκη για αναφορές που βασίζονται σε SQL. Για λεπτομερείς οδηγίες, ανατρέξτε στο θέμα Επιλογή μεταξύ αποθήκης και lakehouse.

Εργασία με δεδομένα lakehouse

Μπορείτε να φορτώσετε, να μετασχηματίσετε και να υποβάλετε ερωτήματα σε δεδομένα σε μια λίμνη μέσω πολλών εργαλείων Fabric:

Για μια πλήρη σύγκριση των επιλογών πρόσληψης, ανατρέξτε στο θέμα Επιλογές για τη λήψη δεδομένων στο lakehouse.

Αναλύστε τα δεδομένα του lakehouse σας με τη μηχανή της επιλογής σας

Η κορδέλα lakehouse περιλαμβάνει μια αναπτυσσόμενη λίστα Ανάλυση δεδομένων με που σας επιτρέπει να ανοίγετε τα δεδομένα σας σε διαφορετικές εμπειρίες ανάλυσης απευθείας από το lakehouse:

Επιλογή Περιγραφή
Τελικό σημείο ανάλυσης SQL Υποβολή ερωτήματος σε πίνακες Delta με T-SQL σε ένα πρόγραμμα επεξεργασίας μόνο για ανάγνωση. Δείτε το τελικό σημείο ανάλυσης SQL.
Τελικό σημείο Eventhouse Εκτελέστε ερωτήματα KQL για αναλυτικά στοιχεία υψηλής απόδοσης σε πραγματικό χρόνο. Δείτε το τελικό σημείο Eventhouse.
Σημειωματάριο (Νέο / Υπάρχον) Ανοίξτε ένα σημειωματάριο Spark για να εξερευνήσετε ή να μετασχηματίσετε δεδομένα με κώδικα. Ανατρέξτε στο θέμα Εξερεύνηση δεδομένων με σημειωματάριο.

Στιγμιότυπο οθόνης που εμφανίζει την αναπτυσσόμενη λίστα Ανάλυση δεδομένων με στην κορδέλα lakehouse.

Για λεπτομέρειες σχετικά με κάθε επιλογή και πού μπορείτε να βρείτε την αναπτυσσόμενη λίστα, ανατρέξτε στο θέμα Περιήγηση στον εξερευνητή Lakehouse.

Τελικό σημείο ανάλυσης SQL Lakehouse

Όταν δημιουργείτε ένα lakehouse, Fabric δημιουργεί αυτόματα ένα τελικό σημείο ανάλυσης SQL. Αυτό το τελικό σημείο σάς επιτρέπει:

  • Υποβολή ερωτήματος σε πίνακες Delta με T-SQL — Χρησιμοποιήστε οικεία σύνταξη SQL χωρίς να δημιουργήσετε ξεχωριστή αποθήκη.
  • Απευθείας σύνδεση Power BI — Δημιουργήστε ένα σημασιολογικό μοντέλο Power BI για να δημιουργήσετε αναφορές στα δεδομένα lakehouse σας.
  • Κοινή χρήση πρόσβασης μόνο για ανάγνωση — Οι αναλυτές και τα προγράμματα δημιουργίας αναφορών μπορούν να υποβάλουν ερωτήματα στα δεδομένα χωρίς να επηρεάσουν τους φόρτους εργασίας Spark.

Το τελικό σημείο ανάλυσης SQL είναι μόνο για ανάγνωση και δεν υποστηρίζει την πλήρη επιφάνεια T-SQL μιας αποθήκης. Χρησιμοποιήστε το για εξερεύνηση, αναφορές και ad-hoc ερωτήματα.

Note

Από τις 5 Σεπτεμβρίου 2025, τα προεπιλεγμένα σημασιολογικά μοντέλα δεν δημιουργούνται πλέον αυτόματα όταν δημιουργείτε ένα lakehouse. Τα υπάρχοντα προεπιλεγμένα σημασιολογικά μοντέλα αποσυνδέθηκαν από τα γονικά τους στοιχεία έως τις 30 Νοεμβρίου 2025 και έγιναν ανεξάρτητα σημασιολογικά μοντέλα. Για περισσότερες πληροφορίες, ανατρέξτε στο θέμα Σημασιολογικά μοντέλα Power BI στο Fabric.

Note

Μόνο οι πίνακες Delta εμφανίζονται στο τελικό σημείο ανάλυσης SQL. Αυτό περιλαμβάνει πίνακες Delta που προσεγγίζονται μέσω συντομεύσεων στο OneLake, οι οποίοι είναι ορατοί και μπορούν να αναζητηθούν μαζί με τοπικά αποθηκευμένους πίνακες. Δεν είναι δυνατή η υποβολή ερωτημάτων για parquet, CSV και άλλες μορφές μέσω αυτού του τελικού σημείου. Εάν δεν βλέπετε τον πίνακά σας, μετατρέψτε τον σε μορφή Delta.

Αυτόματος εντοπισμός και καταχώρηση πίνακα

Ένα lakehouse οργανώνει τα δεδομένα σε δύο φακέλους ανώτατου επιπέδου: Πίνακες για διαχειριζόμενους πίνακες Delta και Αρχεία για μη δομημένα ή μη Delta δεδομένα. Όταν τοποθετείτε ένα αρχείο στο φάκελο Tables, Fabric αυτόματα:

  • Επικυρώνει το αρχείο σε σχέση με τις υποστηριζόμενες μορφές (προς το παρόν μόνο πίνακες Delta).
  • Εξάγει μεταδεδομένα — ονόματα στηλών, τύπους δεδομένων, συμπίεση και κατάτμηση.
  • Καταχωρεί τον πίνακα στο metastore, ώστε να μπορείτε να τον ρωτήσετε αμέσως με Spark SQL ή T-SQL.

Αυτή η διαχειριζόμενη εμπειρία από αρχείο σε πίνακα σημαίνει ότι δεν χρειάζεται να γράφετε CREATE TABLE προτάσεις με μη αυτόματο τρόπο για τα δεδομένα που προσγειώνετε στη διαχειριζόμενη περιοχή.

Note

Για lakehouses χωρίς σχήμα, το μέγιστο μέγεθος μεταδεδομένων είναι 10 GB. Η δημοσίευση ή η ενημέρωση οποιουδήποτε μοντέλου που υπερβαίνει τα 10 GB αποτυγχάνει. Για να αντιμετωπίσετε αυτήν την κατάσταση, χρησιμοποιήστε lakehouses με δυνατότητα σχήματος ή μειώστε το μέγεθος του μοντέλου καταργώντας πίνακες και στήλες. Μπορείτε επίσης να χωρίσετε μεγάλα μοντέλα σε πολλές λίμνες για να παραμείνετε εντός αυτού του ορίου.

Πολλαπλές εργασίες με lakehouse

Το lakehouse χρησιμοποιεί μια σχεδίαση καρτέλας προγράμματος περιήγησης που σας επιτρέπει να ανοίγετε και να κάνετε εναλλαγή μεταξύ πολλών στοιχείων χωρίς να χάνετε τη θέση σας:

  • Διατήρηση λειτουργιών που εκτελούνται: Οι φορτώσεις και οι μεταφορτώσεις δεδομένων συνεχίζουν να εκτελούνται όταν μεταβαίνετε σε διαφορετική καρτέλα.

  • Διατηρήστε το περιβάλλον σας: Οι επιλεγμένοι πίνακες, αρχεία και αντικείμενα παραμένουν ανοιχτά κατά την περιήγηση μεταξύ καρτελών.

  • Επαναφόρτωση λίστας χωρίς αποκλεισμό: Η λίστα αρχείων και πινάκων ανανεώνεται στο παρασκήνιο χωρίς να εμποδίζει την εργασία σας.

  • Ειδοποιήσεις εμβέλειας: Οι αναδυόμενες ειδοποιήσεις προσδιορίζουν από ποιο lakehouse προέρχονται, ώστε να μπορείτε να παρακολουθείτε ενημερώσεις σε καρτέλες.

Προσβάσιμη σχεδίαση lakehouse

Το lakehouse υποστηρίζει υποστηρικτικές τεχνολογίες και προσβάσιμα μοτίβα αλληλεπίδρασης:

  • Συμβατότητα με πρόγραμμα ανάγνωσης οθόνης: Λειτουργεί με δημοφιλή προγράμματα ανάγνωσης οθόνης για περιήγηση και αλληλεπίδραση.
  • Εναλλακτικό κείμενο για εικόνες: Όλες οι εικόνες περιλαμβάνουν περιγραφικό εναλλακτικό κείμενο.
  • Πεδία φόρμας με ετικέτα: Όλα τα πεδία φόρμας έχουν συσχετισμένες ετικέτες για χρήστες προγράμματος ανάγνωσης οθόνης και πληκτρολογίου.
  • Αναδιαμόρφωση κειμένου: Responsive διάταξη που προσαρμόζεται σε διαφορετικά μεγέθη και προσανατολισμούς οθόνης.
  • Πλοήγηση πληκτρολογίου: Πλήρης υποστήριξη πληκτρολογίου για πλοήγηση στο lakehouse χωρίς ποντίκι.

Σχετικό περιεχόμενο

  • Τελευταία ενημέρωση στις