Catatan
Akses ke halaman ini memerlukan otorisasi. Anda dapat mencoba masuk atau mengubah direktori.
Akses ke halaman ini memerlukan otorisasi. Anda dapat mencoba mengubah direktori.
Impor Data (Pratinjau) dan Koneksi Data (Pratinjau) adalah fitur di Azure Machine Learning yang memungkinkan Anda membawa data eksternal ke dalam alur kerja pembelajaran mesin Anda. Fitur-fitur ini dijadwalkan untuk dihentikan pada 30 September 2026. Untuk terus mengimpor data eksternal, migrasikan ke Microsoft Fabric.
Dalam artikel ini, Anda mempelajari tentang jalur migrasi yang direkomendasikan dari Impor Data dan Koneksi Data ke Microsoft Fabric, dan cara menyambungkan data Fabric Anda kembali ke Azure Machine Learning melalui penyimpanan data.
Jadwal penghentian
Penting
Impor Data (Pratinjau) dan Koneksi Data (Pratinjau) akan dihentikan pada 30 September 2026. Rencanakan migrasi Anda sebelum tanggal ini untuk menghindari gangguan pada alur kerja data Anda.
Tabel berikut ini meringkas apa yang diharapkan selama dan setelah periode migrasi:
| Pencapaian Penting | Detail lebih lanjut |
|---|---|
| Penghentian diumumkan | 31 Maret 2026 |
| Penghentian fitur | 30 September 2026 |
| Koneksi data yang ada | Berhenti berfungsi setelah pensiun. Refresh terjadwal tidak akan lagi berjalan. |
| Replacement | Microsoft Fabric |
Setelah pensiun, jadwal Impor Data yang ada dan Koneksi Data berhenti berfungsi. Migrasikan ke Fabric sebelum tanggal penghentian untuk mempertahankan akses tanpa gangguan ke data eksternal Anda.
Pilihan Migrasi
Microsoft Fabric mendukung lebih dari 170 konektor sumber data. Anda dapat membawa data eksternal ke Fabric dengan menggunakan salah satu opsi berikut:
Fabric Pipelines — Salin data ke OneLake sesuai jadwal. Pipeline mendukung alur kerja ETL batch dari sumber-sumber seperti Snowflake, Amazon S3, dan Azure SQL Database. Untuk informasi selengkapnya, lihat:
Pencerminan Snowflake — Akses data Snowflake di OneLake secara nyaris waktu nyata tanpa membangun pipeline. Untuk informasi selengkapnya, lihat Database cermin dari Snowflake.
Pintasan OneLake — Mereferensikan data di penyimpanan Amazon S3 atau Azure tanpa menyalinnya. Pintasan menyediakan akses langsung tanpa pergerakan data. Untuk informasi selengkapnya, lihat Membuat pintasan Amazon S3.
Pilih opsi migrasi
Opsi terbaik tergantung pada sumber data, persyaratan latensi, dan apakah Anda perlu menyalin data atau mereferensikannya di tempat.
| Option | Paling cocok untuk | Pergerakan data | Keterlambatan | Sumber yang didukung |
|---|---|---|---|---|
| Pipeline Fabric | ETL batch terjadwal dari sumber apa pun | Menyalin data ke OneLake | Tergantung pada jadwal | 170+ konektor |
| Cermin Snowflake | Akses hampir waktu nyata ke Snowflake | Mencerminkan data di OneLake | Mendekati waktu nyata | Hanya Snowflake |
| Pintasan OneLake | Mereferensikan data tanpa menyalin | Tidak ada pergerakan data | Akses langsung | Amazon S3, Azure Data Lake Storage Gen2 |
Gunakan panduan berikut untuk memilih jalur migrasi Anda:
- Pilih Fabric Pipelines saat Anda memerlukan transfer batch terjadwal dari salah satu dari 170+ sumber yang didukung, atau ketika Anda perlu mengubah data sebelum mencapai OneLake.
- Pilih pencerminan Snowflake saat Anda memerlukan akses nyaris real-time ke data Snowflake dan ingin menghindari pengelolaan jadwal pipeline.
- Pilih pintasan OneLake saat Anda ingin mereferensikan data di penyimpanan Amazon S3 atau Azure tanpa menyalinnya, dan alat Anda dapat membaca dari OneLake secara langsung.
Menyambungkan data Fabric ke Azure Machine Learning
Setelah data Anda berada di Fabric, sambungkan ke Azure Machine Learning dengan menggunakan salah satu opsi berikut:
Datastore OneLake — Buat datastore OneLake Azure Machine Learning untuk mereferensikan data langsung di Fabric. Opsi ini menghindari langkah penyalinan tambahan dan menyimpan data Anda di satu lokasi. Untuk informasi selengkapnya, lihat Membuat datastore OneLake.
Salin ke penyimpanan Azure — Buat alur Fabric untuk menyalin data ke Azure Blob Storage atau Azure Data Lake Storage Gen2, lalu buat datastore Azure Machine Learning yang sesuai untuk mereferensikan data yang disalin. Opsi ini berguna saat alat hilir Anda memerlukan data di penyimpanan Azure. Untuk informasi selengkapnya, lihat Membuat penyimpanan data.