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.
Lakehouse di Fabric menggabungkan skalabilitas danau data dengan kemampuan kueri dari gudang data. Anda menyimpan data terstruktur dan tidak terstruktur dalam satu lokasi, mengelolanya dengan Delta Lake, dan menganalisisnya dengan Apache Spark dan SQL — semuanya tanpa memindahkan data antar sistem. Dengan shortcut di OneLake dan berbagi data antar-tenant, Anda juga dapat mengakses data yang dikelola dari sumber eksternal dan organisasi lain tanpa duplikasi.
Sebuah lakehouse memberi Anda:
- Satu salinan data untuk beban kerja rekayasa data dan analitik
- Format Delta Lake untuk transaksi ACID, penegakan skema, dan perjalanan waktu
- Akses Spark dan SQL sehingga teknisi data menggunakan notebook sementara analis menggunakan T-SQL
- Integrasi terintegrasi dengan Power BI, pipeline, aliran data, dan item Fabric lainnya.
Lakehouse vs. gudang
Perbedaan utama antara lakehouse dan warehouse di Fabric terletak pada alat pengembangan pilihan Anda, tipe data, dan pola beban kerja. Keduanya berbagi mesin SQL yang sama dan menyimpan data dalam format Delta di OneLake, tetapi dirancang untuk skenario yang berbeda:
| Lakehouse | Warehouse | |
|---|---|---|
| Alat pengembangan utama | Apache Spark (Python, Scala, SQL, R) | T-SQL |
| Jenis data | Terstruktur dan tidak terstruktur | Terstruktur |
| Transaksi multi-tabel | Tidak. | Yes |
| Penyerapan data | notebook, pipeline, dataflow, pintasan di OneLake (akses langsung tanpa salinan) | T-SQL (COPY INTO, INSERT, CTAS), pipeline |
| Pilihan terbaik untuk | Rekayasa data, ilmu data, arsitektur medali | Pelaporan Business Intelligence, pemodelan dimensi, tim yang berorientasi kepada SQL |
Anda dapat menggunakan keduanya di ruang kerja yang sama — misalnya, mendaratkan dan mengubah data di lakehouse dengan Spark, lalu mengekspos himpunan data yang dikumpulkan ke gudang untuk pelaporan berbasis SQL. Untuk panduan lebih detail, lihat Pilih antara gudang dan rumah danau.
Bekerja dengan data lakehouse
Anda dapat memuat, mengubah, dan mengkueri data di lakehouse melalui beberapa alat Fabric:
Pintasan di OneLake — Mengakses data dari sumber eksternal (termasuk penyewa lain melalui berbagi data lintas penyewa) tanpa menyalinnya ke lakehouse. Pintasan menyediakan referensi langsung baca-saja ke data operasional dan analitik di OneLake. Lihat pintasan di OneLake.
Penjelajah Lakehouse — Telusuri tabel dan file, muat data, dan kelola metadata langsung di browser. Anda dapat beralih antara tampilan tabel dan tampilan file dan menambahkan beberapa lakehouse ke penjelajah. Lihat Menavigasi Lakehouse Explorer.
Penjelajah kueri Spark SQL — Jalankan kueri Spark SQL langsung di dalam penjelajah Lakehouse tanpa meninggalkan konteks kerja Anda. Penjelajah kueri mendukung IntelliSense, tab dinamis, kueri lintas skema dan lintas lakehouse, visualisasi bagan dalam baris, dan pembuatan tampilan. Lihat Mengkueri data dengan penjelajah kueri Spark SQL.
Notebooks — Tulis kode Spark (Python, Scala, SQL, R) untuk membaca, mengubah, dan menulis data ke tabel dan folder lakehouse. Lihat Menjelajahi data dengan buku catatan dan Memuat data dengan buku catatan.
Pipelines — Gunakan aktivitas salin dan alat integrasi data lainnya untuk mengambil data dari sumber eksternal ke lakehouse. Lihat Menyalin data menggunakan aktivitas salin.
definisi kerja Spark — Jalankan aplikasi Spark yang dikompilasi di Java, Scala, atau Python untuk ETL tingkat produksi. Lihat Apa itu definisi pekerjaan Apache Spark?.
Aliran Data Gen 2 — Menyerap dan menyiapkan data dengan antarmuka visual berkode rendah. Lihat Membuat aliran data pertama Anda.
Untuk perbandingan lengkap opsi ingesti data, lihat Opsi untuk memasukkan data ke dalam lakehouse.
Analisis data lakehouse Anda dengan mesin sesuai pilihan Anda
Bilah pita lakehouse menyertakan menu drop-down Analisis data dengan yang memungkinkan Anda membuka data Anda dalam berbagai pengalaman analisis langsung dari lakehouse:
| Option | Deskripsi |
|---|---|
| Titik akhir analitik SQL | Kueri tabel Delta dengan T-SQL di editor baca-saja. Lihat Titik akhir analitik SQL. |
| Titik akhir eventhouse | Jalankan kueri KQL untuk analitik real-time berperforma tinggi. Lihat Titik akhir Eventhouse. |
| Buku Catatan (Baru/Sudah Ada) | Buka buku catatan Spark untuk menjelajahi atau mengubah data dengan kode. Lihat Menjelajahi data dengan buku catatan. |
Untuk detail selengkapnya tentang setiap opsi dan tempat menemukan menu tarik-turun, lihat Menavigasi penjelajah Lakehouse.
Titik akhir analisis SQL Lakehouse
Saat Anda membuat lakehouse, Fabric secara otomatis menghasilkan titik akhir analitik SQL. Titik akhir ini memungkinkan Anda:
- Kueri tabel Delta dengan T-SQL — Gunakan sintaks SQL yang sudah dikenal tanpa menyiapkan data warehouse terpisah.
- Hubungkan Power BI secara langsung — Buat model semantik Power BI untuk menyusun laporan berdasarkan data lakehouse Anda.
- Berbagi akses baca-saja — Analis dan penyusun laporan dapat mengkueri data tanpa memengaruhi beban kerja Spark.
Endpoint analitik SQL bersifat baca-saja dan tidak mendukung seluruh cakupan T-SQL dari warehouse. Gunakan itu untuk eksplorasi, pelaporan, dan kueri ad hoc.
Nota
Sejak 5 September 2025, model semantik default tidak lagi dibuat secara otomatis saat Anda membuat lakehouse. Model semantik default yang ada dipisahkan dari item induk mereka pada 30 November 2025 dan menjadi model semantik independen. Untuk informasi lebih lanjut, lihat model semantik Power BI di Fabric.
Nota
Hanya tabel Delta yang muncul di titik akhir analitik SQL. Ini termasuk tabel Delta yang diakses melalui pintasan di OneLake, yang terlihat dan dapat dikueri bersama tabel yang disimpan secara lokal. Parquet, CSV, dan format lainnya tidak dapat dikueri melalui titik akhir ini. Jika Anda tidak melihat tabel Anda, konversikan ke format Delta.
Penemuan dan pendaftaran tabel otomatis
Lakehouse menata data ke dalam dua folder tingkat atas: Tabel Delta terkelola dan File untuk data yang tidak terstruktur atau non-Delta. Saat Anda menempatkan file di folder Tables, Fabric secara otomatis:
- Memvalidasi file terhadap format yang didukung (saat ini hanya tabel Delta).
- Mengekstrak metadata — nama kolom, jenis data, kompresi, dan partisi.
- Mendaftarkan tabel di metastore sehingga Anda dapat segera mengkuerinya dengan Spark SQL atau T-SQL.
Pengalaman berkas-ke-tabel terkelola ini berarti Anda tidak perlu menulis CREATE TABLE pernyataan secara manual untuk data yang Anda tempatkan di area terkelola.
Nota
Untuk lakehouse tanpa skema, ukuran metadata maksimum adalah 10 GB. Menerbitkan atau memperbarui model yang melebihi 10 GB gagal. Untuk mengatasi kondisi ini, gunakan lakehouse yang mendukung skema atau kurangi ukuran model dengan menghapus tabel dan kolom. Anda juga bisa membagi model besar ke beberapa lakehouse agar tetap berada dalam batas ini.
Menjalankan banyak tugas dengan arsitektur lakehouse
Lakehouse menggunakan desain tab browser yang memungkinkan Anda membuka dan beralih di antara beberapa item tanpa kehilangan tempat Anda:
Pertahankan operasi yang sedang berjalan: Pemuatan dan pengunggahan data terus berjalan saat Anda beralih ke tab lain.
Pertahankan konteks Anda: Tabel, file, dan objek yang dipilih tetap terbuka saat Anda menavigasi antar tab.
Pemuat ulang daftar non-pemblokiran: Daftar file dan tabel diperbarui di latar belakang sehingga tidak mengganggu pekerjaan Anda.
Pemberitahuan terlingkup: Pemberitahuan toast mengidentifikasi lakehouse asalnya, sehingga Anda dapat melacak pembaruan di seluruh tab.
Desain lakehouse yang dapat diakses
Lakehouse mendukung teknologi bantuan dan pola interaksi yang dapat diakses:
- Kompatibilitas pembaca layar: Bekerja dengan pembaca layar populer untuk navigasi dan interaksi.
- Teks alternatif untuk gambar: Semua gambar menyertakan teks alt deskriptif.
- Bidang formulir berlabel: Semua bidang formulir memiliki label terkait untuk pembaca layar dan pengguna keyboard.
- Aliran ulang teks: Tata letak responsif yang beradaptasi dengan ukuran dan orientasi layar yang berbeda.
- Navigasi keyboard: Dukungan keyboard penuh untuk menavigasi lakehouse tanpa mouse.