Mulai mempelajari Data Factory (pengalaman lab dipandu)

Selamat datang di Lab Data Factory! Artikel ini memandu Anda melalui proses pemanfaatan Fabric Data Factory, berfokus pada aspek utama seperti memulai alur tugas Medali, mengatur pergerakan data, dan mengubah dan menyalin data.

Dengan mengikuti panduan ini, Anda akan dapat memulai Data Factory dan menerapkan kemampuan canggihnya untuk mengatur pergerakan data, mengubah data, dan menyalin data secara efisien.

Tautan gambar ke lab Data Factory.

Lab ini adalah lingkungan klik demi klik yang mensimulasikan antarmuka Fabric. Karena lab adalah simulasi, yang berarti tidak menggunakan lingkungan Fabric yang sebenarnya, Anda akan dapat mengakses lab tanpa perlu pendaftaran.

Untuk memulai, Anda harus mengakses lingkungan lab Data Factory. Anda dapat melakukan ini dengan mengunjungi tautan berikut:

Alur kerja tugas medali

Alur tugas Medallion adalah pendekatan berlapis untuk membangun dan mengirimkan produk data. Ini secara bertahap dan progresif meningkatkan kualitas data, membuatnya ideal untuk aplikasi kecerdasan bisnis (BI) dan kecerdasan buatan (AI). Arsitektur Medallion terdiri dari tiga lapisan: perunggu (data mentah), perak (data tervalidasi), dan emas (data yang diperkaya). Saat data bergerak melalui lapisan ini, data mengalami validasi dan transformasi untuk memastikan data memenuhi properti ACID (Atomitas, Konsistensi, Isolasi, dan Durabilitas) dan dioptimalkan untuk analitik.

Mengatur pergerakan data

Mengatur pergerakan data di Data Factory melibatkan koordinasi berbagai aktivitas untuk memastikan aliran data lancar dari sumber ke tujuan. Anda dapat menggunakan penyusun ekspresi alur untuk membuat ekspresi kompleks yang mengontrol aliran data berdasarkan kondisi tertentu. Ini memungkinkan Anda mengotomatiskan pergerakan data dan memastikan data diproses secara efisien.

Mengubah dan menyalin data

Mengubah dan menyalin data melibatkan penggunaan berbagai alat dan aktivitas dalam Data Factory untuk menyiapkan dan memindahkan data. Dataflows Gen 2, misalnya, memungkinkan Anda untuk menyerap dan menyiapkan data pada skala yang lebih tinggi dan mendaratkannya ke OneLake melalui solusi penyimpanan yang berbeda. Anda juga dapat menggunakan item pekerjaan Salin untuk memindahkan data dengan mulus dari sumber apa pun ke tujuan mana pun, dengan beberapa gaya pengiriman seperti batch, inkremental (CDC), dan penyalinan data real-time.