Mi az a szemantikai hivatkozás?

A szemantikai kapcsolat egy olyan funkció, amellyel kapcsolatot létesíthet a szemantikai modellek és a Synapse Adattudomány között a Microsoft Fabricben. A szemantikai hivatkozás használata csak a Microsoft Fabricben támogatott.

• A Spark 3.4-hez és újabb verziókhoz a szemantikai hivatkozás az alapértelmezett futtatókörnyezetben érhető el a Fabric használatakor, és nincs szükség a telepítésre.

• A Spark 3.3 vagy újabb verziójához, illetve a szemantikai hivatkozás legújabb verziójára való frissítéshez futtassa a következő parancsot:

  %pip install -U semantic-link
  

A szemantikai kapcsolat elsődleges céljai a következők:

• Az adatkapcsolat megkönnyítése.
• Engedélyezze a szemantikai információk propagálását.
• Zökkenőmentesen integrálható az adatelemzők által használt eszközökkel, például jegyzetfüzetekkel.

A szemantikai hivatkozás segít megőrizni a tartomány adatszemantika-ismereteit olyan szabványosított módon, amely felgyorsítja az adatelemzést és csökkenti a hibákat.

Szemantikai kapcsolat adatfolyama

A szemantikai kapcsolat adatfolyama olyan szemantikai modellekkel kezdődik, amelyek adatokat és szemantikai információkat tartalmaznak. A szemantikai kapcsolat áthidalja a Power BI és a Synapse Adattudomány közötti szakadékot.

A szemantikai hivatkozás lehetővé teszi a Power BI szemantikai modelljeinek használatát a Synapse Adattudomány tapasztalatában olyan feladatok végrehajtásához, mint a részletes statisztikai elemzés és a gépi tanulási technikákkal végzett prediktív modellezés. Az adatelemzési munka kimenetét az Apache Spark használatával tárolhatja a OneLake-ben, és a tárolt kimenetet a Direct Lake használatával betöltheti a Power BI-ba.

Power BI-kapcsolat

A szemantikai modellek egyetlen táblázatos objektummodellként szolgálnak, amely megbízható forrásokat biztosít a szemantikai definíciókhoz, például a Power BI-mértékekhez. A szemantikai kapcsolat a következő ökoszisztémák szemantikai modelljeihez kapcsolódik, így az adattudósok egyszerűen dolgozhatnak a leginkább jártas rendszerben.

• A Python pandas ökoszisztémája a SemPy Python-kódtáron keresztül.
• Apache Spark-ökoszisztéma a Spark natív összekötőjén keresztül. Ez az implementáció különböző nyelveket támogat, például a PySparkot, a Spark SQL-t, az R-t és a Scalát.

Szemantikai információk alkalmazásai

Az adatok szemantikai információi közé tartoznak a Power BI adatkategóriái , például a cím és az irányítószám, a táblák közötti kapcsolatok és a hierarchikus információk.

Ezek az adatkategóriák olyan metaadatokat tartalmaznak, amelyeket a szemantikai hivatkozás a Synapse Adattudomány környezetbe propagál az új élmények engedélyezése és az adatsorok fenntartása érdekében.

A szemantikai hivatkozás néhány példaalkalmazása:

• A beépített szemantikai függvények intelligens javaslatai.
• Innovatív integráció az adatok Power BI-mértékekkel való bővítéséhez bővítmények használatával.
• Eszközök az adatminőség ellenőrzéséhez a táblák és a táblák funkcionális függőségei közötti kapcsolatok alapján.

A szemantikai hivatkozás egy hatékony eszköz, amely lehetővé teszi az üzleti elemzők számára, hogy hatékonyan használják az adatokat egy átfogó adatelemzési környezetben.

A szemantikai kapcsolat megkönnyíti az adattudósok és az üzleti elemzők közötti zökkenőmentes együttműködést azáltal, hogy szükségtelenné teszi a Power BI-mértékekbe ágyazott üzleti logika újrakontegrálását. Ez a megközelítés biztosítja, hogy mindkét fél hatékonyan és hatékonyan működjön, maximalizálva az adatvezérelt elemzések potenciálját.

FabricDataFrame-adatstruktúra

A FabricDataFrame az elsődleges adatstruktúra, amelyet a szemantikai kapcsolat használ a szemantikai modellek szemantikai adatainak a Synapse Adattudomány környezetbe való propagálására.

A FabricDataFrame osztály szerepe a következő:

• Támogatja az összes pandas-műveletet.
• Alosztályozza a pandas DataFrame-et , és metaadatokat ad hozzá, például szemantikai információkat és életútot.
• Elérhetővé teszi a szemantikai függvényeket és az add-measure metódust, amellyel Power BI-mértékeket használhat az adatelemzési munkában.

Kapcsolódó tartalom

• A Python szemantikai hivatkozáscsomag (SemPy) referenciadokumentációjának megismerése
• Oktatóanyag: Adatok tisztítása funkcionális függőségekkel
• Power BI-kapcsolat szemantikai kapcsolattal és Microsoft Fabrictel
• Adatok feltárása és ellenőrzése szemantikai hivatkozással
• Kapcsolatok vizsgálata és érvényesítése szemantikai modellekben