Partager via


Fonctionnement du graphe dans Microsoft Fabric

Note

Cette fonctionnalité est actuellement disponible en préversion publique. Cette préversion est fournie sans contrat de niveau de service, et n’est pas recommandée pour les charges de travail de production. Certaines fonctionnalités peuvent être limitées ou non prises en charge. Pour plus d’informations, consultez Conditions d'utilisation supplémentaires pour les aperçus Microsoft Azure.

Graph dans Microsoft Fabric transforme les données structurées stockées dans OneLake en graphe modélisable et interrogeable. Vous pouvez ensuite interroger le graphique à l’aide d’outils visuels ou GQL qui s’exécutent via un moteur commun pour produire des résultats visuels, tabulaires ou programmatiques.

Cet article décrit brièvement l’architecture du graphe et décrit le flux de données de bout en bout de la source vers les insights.

Le diagramme suivant illustre le flux de données de bout en bout de source à insights :

Diagramme montrant le flux de données de graphe à partir de sources de données via le stockage, la modélisation de graphiques, la création de requêtes, l’exécution et les résultats.

Sources de données

Les données proviennent de systèmes externes tels que des services Azure, d’autres plateformes cloud ou des sources locales. Microsoft Fabric facilite la connexion à un large éventail de services de données et l’apport de données dans OneLake.

Stockage dans OneLake

Vous stockez des données ingérées dans OneLake sous forme de tables sources tabulaires dans un entrepôt de type "lakehouse". Graph lit directement à partir de vos tables lakehouse. Vous n’avez donc pas besoin de dupliquer ou de déplacer des données dans une base de données distincte.

Modélisation de graphe

Dans l’étape de modélisation de graphe, définissez le schéma de graphique en spécifiant :

  • Types de nœuds : Entités dans vos données, telles que les clients, les produits ou les commandes.
  • Types de périphérie : Les relations entre les entités, telles que « achats », « contient » ou « produit ».
  • Mappages de tables : Comment les définitions de nœud et de périphérie correspondent aux tables sources sous-jacentes.

Cette étape établit la structure de graphes de propriétés étiquetés. Vous devez terminer la modélisation de graphe avant de pouvoir interroger le graphe.

Note

Le graphique ne prend actuellement pas en charge l’évolution du schéma. Si vous avez besoin d’apporter des modifications structurelles, telles que l’ajout de nouvelles propriétés, la modification des étiquettes ou le changement des types de relation, réintégrez les données sources mises à jour dans un nouveau modèle.

Graphique interrogeable

Lorsque vous enregistrez le modèle, le graphe ingère les données des tables lakehouse sous-jacentes et construit un graphique optimisé en lecture et interrogeable. Cette structure de graphe est optimisée pour la correspondance de travers et de modèles, ce qui permet des requêtes de graphique rapides et efficaces à grande échelle.

Création de requêtes

Vous créez des requêtes sur le graphique interrogeable à l’aide de l’une des deux expériences suivantes :

Les deux options ciblent le même graphique sous-jacent. Choisissez l’expérience de création qui correspond à votre flux de travail.

Exécution d’une requête

Vous exécutez des requêtes créées via une couche d’exécution courante qui prend en charge :

Cette couche exécute la logique de requête sur le graphique interrogeable et retourne les résultats.

Résultats de la requête

Selon la façon dont vous interrogez le graphique, vous recevez des résultats dans un ou plusieurs des formats suivants :

  • Diagrammes de graphique visuel : Visualisations interactives des nœuds et des relations.
  • Jeux de résultats tabulaires : Données structurées dans des lignes et des colonnes.
  • Réponses programmatiques : Sortie JSON pour utilisation REST ou en aval.

Vous pouvez explorer les résultats de manière interactive, les partager en tant qu’ensembles de requêtes en lecture seule ou les utiliser dans d’autres outils et applications.