Muistiinpano
Tämän sivun käyttö edellyttää valtuutusta. Voit yrittää kirjautua sisään tai vaihtaa hakemistoa.
Tämän sivun käyttö edellyttää valtuutusta. Voit yrittää vaihtaa hakemistoa.
peilaus Fabricissa tarjoaa helpon kokemuksen monimutkaisen ETL:n (Extract Transform Load) välttämiseen ja olemassa olevan Snowflake-varastodatan integroimiseen muun datan kanssa Microsoft Fabric:ssa. Voit jatkuvasti replikoida olemassa olevia Snowflake-tietojasi suoraan Fabricin OneLakeen. Fabricin sisällä voit avata tehokkaita liiketoimintatietoja, tekoälyä, tietotekniikkaa, datatiedettä ja tietojen jakamisen skenaarioita.
Opas Snowflake-tietokannan konfiguroinnista peilausta varten Fabricissa löytyy kohdasta Tutorial: Configure Microsoft Fabric mirrored databases from Snowflake.
Miksi käyttää peilausta kankaassa?
Fabricin peilauksen avulla sinun ei tarvitse koota yhteen eri palveluita useilta toimittajilta. Sen sijaan voit nauttia pitkälle integroidusta, päästä päähän -tuotteesta ja helppokäyttöisestä tuotteesta, joka on suunniteltu yksinkertaistamaan analytiikkatarpeitasi ja joka on rakennettu avoimuutta ja yhteistyötä varten Microsoftin, Snowflaken ja 1000 teknologiaratkaisun välillä, jotka voivat lukea avoimen lähdekoodin Delta Lake -taulukkomuotoa.
Mitä analytiikkakokemuksia on sisäänrakennettu?
Peilatut tietokannat ovat Fabric Data Warehousingin nimike, joka eroaa varasto- ja SQL-analytiikan päätepisteestä.
Peilaus luo seuraavat kohteet Kangas-työtilaan:
- Peilattu tietokantakohde. Tämä mahdollistaa loppupään skenaariot, kuten tietotekniikan, datatieteen ja paljon muuta. Peilaus onnistuu:
- Hallittujen taulukko- ja näkymätietojen replikointi OneLakeen ja muuntaminen Parquetiksi, analytiikkavalmiissa muodossa.
- Iceberg-taulukon metatietojen replikointi OneLakeen pikakuvakkeiden avulla ja muunnos tallennustilaan, joka sisältää Iceberg-taulukosi. OneLake muuntaa nämä Iceberg-taulukot automaattisesti Delta Lake -muotoisiksi taulukoiksi käytettäväksi Fabric-työkuormien välillä.
- SQL-analytiikan päätepiste
Tärkeää
Iceberg table -tuki: Jos päätät peilata Iceberg-taulukoita, sinun on tarjottava tallennusyhteys taustalla olevaan tallennustilaan, joka sisältää Iceberg-taulun tiedot. Vain jäävuoritaulukot, jotka ovat saavutettavissa saman tallennusyhteyden kautta, voidaan peilata yhteen. Löytääksesi Iceberg-pöydän tallennuspaikan, suorita SYSTEM$GET_ICEBERG_TABLE_INFORMATION -järjestelmäfunktio Snowflakessa. Lisätietoja löytyy ohjeesta: Configure Microsoft Fabric mirrored databases from Snowflake.
Jokaisella peilatulla tietokannalla on automaattisesti luotu SQL-analytiikan päätepiste , joka tarjoaa monipuolisen analyysikokemuksen peilausprosessin luomien Delta-taulukoiden lisäksi. Käyttäjillä on pääsy tuttuihin T-SQL-komentoihin, jotka voivat määrittää ja kysellä tietoobjekteja, mutta eivät käsitellä SQL-analytiikan päätepisteen tietoja, koska se on vain luku -kopio. Voit suorittaa seuraavat toiminnot SQL-analytiikan päätepisteessä:
- Tutustu taulukoihin, jotka viittaavat Snowflaken Delta Lake -taulukoiden tietoihin.
- Luo koodittomia kyselyitä ja näkymiä ja tutki tietoja visuaalisesti kirjoittamatta koodiriviä.
- Kehitä SQL-näkymiä, upotettuja TVF-funktioita (taulukkoarvoisia funktioita) ja tallennettuja toimintosarjoja, joiden avulla voit kapseloida semantiikan ja liiketoimintalogiikan T-SQL:ään.
- Hallitse objektien käyttöoikeuksia.
- Tiedustele tietoja muista varastoista ja järvitaloista samassa työtilassa.
SQL-kyselyeditorin lisäksi on olemassa laaja työkaluekosysteemi, joka voi kysyä SQL-analytiikan päätepistettä, mukaan lukien SQL Server Management Studio (SSMS), MSSQL-laajennus Visual Studio Code:lle ja jopa GitHub Copilot.
Tuetut Snowflake -objektityypit
Seuraava taulukko listaa, mitkä Snowflake-objektityypit ovat tuettuja peilaukseen:
| Objektin tyyppi | Tuettu | Huomautuksia |
|---|---|---|
| Hallinnoidut taulukot | Yes | Täysin tuettu replikaatiolle |
| Jäävuoritaulukot | Yes | Vaatii tallennusyhteyden taustalla olevaan Iceberg Table -tallennustilaan. Voit peilata vain Iceberg-taulukoita, jotka ovat saavutettavissa saman tallennusyhteyden kautta. |
| Views | Yes | Tuettu synkronoinnit 12 tunnin välein |
| Muodostettu näkymä | Yes | Tuettu synkronoinnit 12 tunnin välein |
| Ulkoiset taulukot | No | Ei tueta |
| Transienttitaulukot | No | Ei tueta |
| Väliaikaiset pöydät | No | Ei tueta |
| Dynaamiset taulukot | No | Ei tueta |
Turvallisuuteen liittyvät näkökohdat
Jotta voit ottaa Fabric-peilauksen käyttöön, tarvitset käyttöoikeudet Snowflake-tietokantaan, joka sisältää seuraavat käyttöoikeudet:
CREATE STREAMSELECT tableSHOW tablesDESCRIBE tables
Lisätietoja löytyy Snowflake -dokumentaatiosta käyttöoikeuksien valvonta Streaming tables ja Required Permissions for Streams.
Tärkeää
Kaikki yksityiskohtainen turvallisuus, joka on perustettu lähde-Snowflake-varastossa, on konfiguroitava uudelleen Microsoft Fabric -peilatussa tietokannassa. Lisätietoja löytyy SQL:n yksityiskohtaisista käyttöoikeuksista Microsoft Fabric.
Tuetut todennusmenetelmät
Seuraava taulukko listaa, mitkä todennusmenetelmät ovat tuettuja peilaukseen Snowflaken osalta:
| Todentamismenetelmä | Tuettu | Huomautuksia |
|---|---|---|
| Käyttäjänimi ja salasana | Yes | Snowflake-natiivitunnistautuminen |
| Microsoft Entra ID (SSO) | Yes | Kertakirjautuminen Entra ID -tunnus:n kautta |
| Avainparien tunnistautuminen | Yes | RSA-avainpari palvelutilitilanteisiin |
| Työtilan käyttäjätiedot | No | Ei tällä hetkellä tuettu Snowflakelle |
Lumihiutaleen peilaus palomuurin taakse
Tarkista verkkovaatimukset, jotta voit käyttää Snowflake-tietolähdettäsi. Jos Snowflake-tietolähde ei ole julkisesti käytettävissä ja se on yksityisessä verkossa, luo näennäisverkon tietoyhdyskäytävä tai asenna paikallinen tietoyhdyskäytävä tietojen peilaamiseksi. Azure Virtual Network tai yhdyskäytäväkoneen verkon täytyy yhdistyä Snowflake-instanssiin yksityisen päätepisteen kautta tai olla palomuurisäännön sallima. Aloittaaksesi katso Tutorial: Configure Microsoft Fabric mirrored databases from Snowflake.
Yksityinen linkki ja työtilan identiteetti:
- Yksityinen linkki: Direct Yksityinen linkki -yhteys Fabric-työtilan ja Snowflaken välillä ei ole vielä tuettu. Sillä välin käytä virtuaalista verkkodataporttia tai paikallista dataporttia yksityiseen yhteyteen.
- Työtilan identiteetti: Työtilan identiteetin tunnistautumista ei tällä hetkellä tueta Snowflake-peilauksessa.
Peilatun lumihiutaleen kustannusnäkökohdat
Fabric-laskenta, jota käytetään tietojen replikointiin Fabric OneLakeen, on ilmainen. Peilauksen tallennuskustannukset ovat ilmaisia kapasiteettiin perustuvaan rajaan asti. Lisätietoja löytyy Cost of mirroring ja Microsoft Fabric Pricing . SQL:n, Power BI:n tai Sparkin avulla datakyselyjen laskenta veloitetaan normaalilla hinnalla.
Fabric ei veloita verkkodatan saapumismaksuista OneLake for Mirroringiin.
Tietojen peilauksessa on Snowflake-laskenta- ja pilvikyselykustannuksia: virtuaalivarastolaskenta ja pilvipalveluiden laskenta.
- Snowflake-virtuaalivaraston laskentamaksut:
- Laskentamaksut veloitetaan Snowflake-puolella, jos Snowflake luetaan tietomuutoksia, jotka puolestaan peilataan Fabriciin.
- Mitään metatietokyselyitä, jotka suoritetaan kulissien takana tietojen muutosten tarkistamiseksi, ei veloiteta mistään Snowflake-laskennasta; Kyselyt, jotka tuottavat tietoja, kuten A
SELECT *, herättävät kuitenkin Snowflake-varaston ja laskentaa veloitetaan.
- Snowflake-palvelut laskevat maksut:
- Vaikka taustalla olevista tehtävistä, kuten sisällönluomisesta, metatietokyselyistä, käyttöoikeuksien hallinnasta, tietojen muutosten näyttämisestä ja jopa DDL-kyselyistä, ei peritä laskentamaksuja, näihin kyselyihin liittyy pilvikustannuksia.
- Riippuen siitä, minkä tyyppinen Snowflake-versio sinulla on, sinulta veloitetaan vastaavat krediitit mahdollisista pilvipalvelukustannuksista.
Seuraavassa näyttökuvassa näet virtuaalivaraston laskenta- ja pilvipalveluiden laskentakustannukset liittyvälle Snowflake-tietokannalle, joka peilataan Fabriciin. Tässä skenaariossa suurin osa pilvipalveluiden laskentakustannuksista (keltaisella) tulee aiemmin mainittuihin seikkoihin perustuvista tietojen muutoskyselyistä. Virtuaalivaraston laskentamaksut (sinisellä) tulevat vain tiedoista, joita muutokset luetaan Snowflakesta ja peilataan Fabriciin.
Kustannusoptimointisuositukset
Lumihiutalelaskentakustannusten minimoimiseksi peilaamisesta harkitse seuraavia parhaita käytäntöjä:
- Käytä olemassa olevaa varastoa uudelleen. Sen sijaan, että loisit erillisen varaston peilausta varten, konfiguroi peilaus käyttämään samaa varastoa, jota sovelluksesi jo käyttävät lähdetaulujen päivittämiseen. Tämä lähestymistapa välttää tarpeettomat varaston herätys- ja automaattiset keskeytyssyklit. Kun sovelluksesi päivittää taulukon, peilaava replikaattori tunnistaa muutokset lähes välittömästi varaston ollessa vielä aktiivinen, joten sinun ei tarvitse herättää erillistä varastoa. Jotkut organisaatiot saattavat suosia omistettua varastoa budjetin eristämiseen. Tämä mieltymys on kompromissi kustannussäästöjen ja budjetoinnin tarkkuuden välillä.
- Peilaa vain ne pöydät, joita tarvitset. Koko tietokannan peilaaminen voi aiheuttaa odottamattoman suuria Snowflaken kulutusta ja Fabric-kapasiteetin piikkejä. Aloita valitsemalla vain ne taulukot, jotka vaaditaan analytiikkatilanteisiisi. Voit lisätä taulukoita myöhemmin tarpeen mukaan.
- Seuraa odottamattomia uudelleensiemeniä. Reseed (täysi datan uudelleenlataus) käsittelee koko taulukon ja aiheuttaa laskentakustannukset, jotka ovat verrannollisia taulukon kokoon. Skeemamuutokset – mukaan lukien ne, jotka laukaisevat esimerkiksi DBT:n avulla – voivat aiheuttaa jatkuvia uudelleensiementyksiä. Seuraa Mirroring Status -sivua taulukoiden varalta, jotka näyttävät toistuvaa alkuperäiskopiointikäyttäytymistä, ja tutustu alla olevaan Reseeding-osioon laukaisimet ja vianetsintäohjeet.
- Huomioi, että peilaus jatkuu jatkuvasti. Peilaus ei tällä hetkellä tue ajoitus- tai replikaatioikkunoita. Replikaattori kyselyy jatkuvasti muutosten varalta, mikä tuottaa jatkuvaa Snowflake-laskentaa. Suunnittele Snowflake-budjettisi sen mukaisesti.
Lisätietoja Snowflake-kohtaisista pilvikyselyjen kustannuksista on kohdassa Snowflake-dokumentaatio: Kokonaiskustannusten ymmärtäminen.