Microsoft Fabric a gráfon működése

A Microsoft Fabric gráfja modellezett, lekérdezhető gráfmá alakítja a OneLake-ben tárolt strukturált adatokat. A gráf lekérdezése vizualizációs vagy GQL-alapú eszközökkel, amelyek egy közös motoron futnak vizualizációs, táblázatos vagy programozott eredmények előállításához.

Ez a cikk ismerteti a gráfarchitektúrát, és ismerteti a végpontok közötti adatfolyamot a forrástól a megállapításokig.

Az alábbi ábra a végpontok közötti adatfolyamot mutatja be a forrástól az elemzésig:

Diagram, amely az adatforrásokból a tároláson, a gráfmodellezésen, a lekérdezéskészítésen, a végrehajtáson és az eredményeken keresztüli gráfadatfolyamot mutatja be.

Adatforrások

Az adatok külső rendszerekből, például Azure szolgáltatásokból, más felhőplatformokból vagy helyszíni forrásokból származnak. A Microsoft Fabric gráfja ezekből a forrásokból származó adatokkal dolgozik, miután betölti őket a OneLake-be, ahol a gráf felolvassa őket.

Tárolás a OneLake-ben

A betöltött adatokat táblázatos forrástáblákként tárolhatja a OneLake-ben egy tóházban. A diagram a modell mentésekor betölti az adatokat a lakehouse-táblákból, így nem kell külön ETL-folyamatot beállítania, és nem kell adatokat áthelyeznie egy külső adatbázisba.

Gráfmodellezés

A gráfmodellezési lépésben a gráfséma meghatározásához adja meg a következőket:

  • Csomóponttípusok: Az adatok entitásai, például ügyfelek, termékek vagy megrendelések.
  • Éltípusok: Entitások közötti kapcsolatok, például "vásárlások", "tartalmaz" vagy "termel".
  • Táblázatleképezések: A csomópont- és éldefiníciók leképezése az alapul szolgáló forrástáblákra.

Ez a lépés létrehozza a címkézett tulajdonságdiagram struktúráját. A gráf lekérdezése előtt végezze el a gráfmodellezést. A modellezési döntések meghozatalához a gráfséma tervezése című témakörben talál útmutatást.

Megjegyzés:

A Graph jelenleg nem támogatja a sémafejlődést. Ha szerkezeti módosításokat kell végrehajtania (például új tulajdonságokat kell hozzáadnia, címkéket kell módosítania, vagy módosítania kell a kapcsolattípusokat), a frissített forrásadatokat egy új modellbe kell beszúrnia.

Lekérdezhető gráf

A modell mentésekor a gráf adatokat olvas be a mögöttes lakehouse-táblákból, és egy olvasásra optimalizált, lekérdezhető gráfot hoz létre. Ez a gráfstruktúra bejárási és mintaegyeztetéshez van optimalizálva, amely lehetővé teszi a gyors és hatékony gráfalapú lekérdezéseket nagy léptékben.

Lekérdezéskészítés

A lekérdezéseket a lekérdezhető gráfon két felület egyikével készítheti el:

Mindkét beállítás ugyanazt az alapul szolgáló gráfot célozza meg. Válassza ki a munkafolyamatnak megfelelő szerzői felületet.

Lekérdezés végrehajtása

Lekérdezéseket futtat egy gyakori végrehajtási rétegen, amely támogatja a következőket:

Jótanács

Válassza ki a lekérdezés elérési útját: A GQL vagy REST használatával közvetlen, programozott hozzáférést biztosít a gráfadatokhoz a lekérdezési struktúra teljes vezérlésével. Az NL2GQL (előzetes verzió) használata Fabric Adatügynökön keresztül, ha természetes nyelvi hozzáférésre van szüksége – ideális beszélgetési AI- és tudássegéd-forgatókönyvekhez.

Ez a réteg futtatja a lekérdezési logikát a lekérdezhető gráfon, és eredményeket ad vissza.

Lekérdezés eredményei

A gráf lekérdezésének módjától függően az eredmények az alábbi formátumok közül egy vagy több formátumban érkeznek:

  • Vizualizációs diagramok: Csomópontok és kapcsolatok interaktív vizualizációi.
  • Táblázatos eredményhalmazok: Strukturált adatok sorokban és oszlopokban.
  • Programozott válaszok: JSON-kimenet REST vagy alsóbb rétegbeli felhasználáshoz.

Interaktívan megismerheti az eredményeket, megoszthatja őket írásvédett lekérdezéskészletként, vagy más eszközökben és alkalmazásokban is használhatja őket.