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.
Mirroring in Fabric adalah solusi bernilai rendah dan latensi rendah untuk menyatukan data dari berbagai sistem ke dalam satu platform analitik. Anda dapat terus mereplikasi data estate yang ada langsung ke OneLake Fabric dari berbagai database Azure dan sumber data eksternal.
Dengan data yang paling up-to-date dalam format yang dapat dikueri di OneLake, Anda sekarang dapat menggunakan semua layanan yang berbeda di Fabric, seperti menjalankan analitik dengan Spark, menjalankan notebook, rekayasa data, memvisualisasikan melalui Laporan Power BI, dan banyak lagi.
Mirroring in Fabric memungkinkan pengguna untuk menikmati produk yang sangat terintegrasi, end-to-end, dan mudah digunakan yang dirancang untuk menyederhanakan kebutuhan analitik Anda. Dibangun untuk keterbukaan dan kolaborasi antara Microsoft, dan solusi teknologi yang dapat membaca format tabel Delta Lake sumber terbuka, Mirroring adalah solusi turnkey berbilai rendah dan latensi rendah yang memungkinkan Anda membuat replika data Anda di OneLake yang dapat digunakan untuk semua kebutuhan analitik Anda.
Tabel Delta kemudian dapat digunakan di mana-mana Fabric, memungkinkan pengguna untuk mempercepat perjalanan mereka ke Fabric.
Pencerminan diaktifkan dengan membuat koneksi aman ke sumber data operasional Anda. Anda memilih apakah akan mereplikasi seluruh database atau tabel individual dan Pencerminan akan secara otomatis menjaga data Anda tetap sinkron. Setelah disiapkan, data akan terus direplikasi ke OneLake untuk konsumsi analitik.
Mengapa menggunakan Mirroring in Fabric?
Saat ini banyak organisasi memiliki data operasional atau analitik misi penting yang berada di silo.
Mengakses dan bekerja dengan data ini saat ini memerlukan alur ETL (Ekstrak Beban Transformasi) yang kompleks, proses bisnis, dan silo keputusan, membuat:
- Akses terbatas dan terbatas ke data penting, selalu berubah
- Gesekan antara orang, proses, dan teknologi
- Waktu tunggu yang lama untuk membuat alur dan proses ke data yang sangat penting
- Tidak ada kebebasan untuk menggunakan alat yang Anda butuhkan untuk menganalisis dan berbagi wawasan dengan nyaman
- Kurangnya fondasi yang tepat bagi orang untuk berbagi dan berkolaborasi pada data
- Tidak ada format data terbuka umum untuk semua skenario analitik - BI, AI, Integrasi, Teknik, dan bahkan Aplikasi
Mirroring in Fabric memberikan pengalaman yang mudah untuk mempercepat waktu ke nilai untuk wawasan dan keputusan, dan untuk memecah silo data antara solusi teknologi:
- Replikasi data dan metadata mendekati real time ke dalam data lake SaaS, dengan analitik bawaan bawaan untuk BI dan AI
Platform Microsoft Fabric dibangun di atas fondasi Software as a Service (SaaS), yang mengambil kesederhanaan dan integrasi ke tingkat yang sama sekali baru. Untuk mempelajari selengkapnya tentang Microsoft Fabric, lihat Apa itu Microsoft Fabric?
Berikut ini adalah tenet inti Mirroring:
Mengaktifkan Mirroring in Fabric sederhana dan intuitif, tanpa perlu membuat alur ETL yang kompleks, mengalokasikan sumber daya komputasi lainnya, dan mengelola pergerakan data.
Mirroring in Fabric adalah layanan yang dikelola sepenuhnya, jadi Anda tidak perlu khawatir tentang hosting, pemeliharaan, atau pengelolaan replikasi koneksi cermin.
Mencerminkan objek
Pencerminan membuat item ini di ruang kerja Fabric Anda:
- Pencerminan mengelola replikasi data dan metadata ke OneLake dan konversi ke Parquet, dalam format siap analitik. Ini memungkinkan skenario hilir seperti rekayasa data, ilmu data, dan banyak lagi.
- Titik akhir analitik SQL
Selain editor kueri SQL, ada ekosistem alat yang luas termasuk SQL Server Management Studio (SSMS),ekstensi mssql dengan Visual Studio Code, dan bahkan GitHub Copilot.
Berbagi memungkinkan kemudahan kontrol dan manajemen akses, untuk memastikan Anda dapat mengontrol akses ke informasi sensitif. Berbagi juga memungkinkan pengambilan keputusan yang aman dan demokratisasi di seluruh organisasi Anda.
Jenis pencerminan
Fabric menawarkan tiga pendekatan berbeda dalam membawa data ke OneLake melalui pencerminan.
- Pencerminan database – Pencerminan database di Microsoft Fabric memungkinkan replikasi seluruh database dan tabel, memungkinkan Anda untuk menyatukan data dari berbagai sistem ke dalam satu platform analitik.
- Pencerminan metadata – Pencerminan metadata di Fabric menyinkronkan metadata (seperti nama katalog, skema, dan tabel) alih-alih memindahkan data secara fisik. Pendekatan ini memanfaatkan pintasan, memastikan data tetap berada di sumbernya sambil tetap mudah diakses dalam Fabric.
- Pencerminan terbuka - Pencerminan terbuka di Fabric dirancang untuk memperluas pencerminan berdasarkan format tabel Delta Lake terbuka. Kemampuan ini memungkinkan pengembang untuk menulis data perubahan aplikasi mereka langsung ke item database cermin di Microsoft Fabric, berdasarkan pendekatan pencerminan terbuka dan API publik.
Saat ini, database eksternal berikut ini tersedia:
Replikasi hampir waktu nyata
Hampir real-time dapat bergantung pada berbagai faktor, termasuk:
- Lokasi/wilayah sumber
- Lokasi/wilayah tujuan
- Volume perubahan
- Frekuensi perubahan
- Bandwidth dan latensi jaringan dari sumber
- Sumber daya komputasi yang dialokasikan ke gateway data lokal
Bagaimana cara kerja pencerminan database?
File Delta tiba secara bertahap dalam Fabric dari sumber data. Metode mengidentifikasi data yang diubah secara bertahap bervariasi di setiap sumber data. Di SQL Server 2025, misalnya, Mesin SQL Database memindai log transaksi database sumber pada frekuensi tinggi. SQL Server menerbitkan perubahan untuk setiap tabel ke file yang sesuai di zona pendaratan Fabric.
Di dalam Fabric, mesin replikator selalu berjalan dan memindai file yang baru diterbitkan pada frekuensi tinggi. Fabric langsung menggabungkan perubahan masuk ke dalam tabel delta target. Perubahan dapat diterbitkan secepat setiap 15 detik.
Logika backoff untuk mendeteksi aktivitas rendah menghindari overhead yang berlebihan pada mesin sumber data di luar Fabric dan menurunkan latensi dengan menanggapi frekuensi perubahan data yang masuk.
Bagaimana cara kerja pencerminan metadata?
Pencerminan tidak hanya memungkinkan replikasi data tetapi juga dapat dicapai melalui pintasan atau pencerminan metadata daripada replikasi data penuh, memungkinkan data tersedia tanpa memindahkan atau menduplikasinya secara fisik. Pencerminan dalam konteks ini mengacu pada replikasi hanya metadata—seperti nama katalog, skema, dan tabel—bukan data aktual itu sendiri. Pendekatan ini memungkinkan Fabric untuk membuat data dari berbagai sumber dapat diakses tanpa menduplikasinya, menyederhanakan manajemen data dan meminimalkan kebutuhan penyimpanan.
Misalnya, saat mengakses data yang terdaftar di Unity Catalog, Fabric hanya mencerminkan struktur katalog dari Azure Databricks, yang memungkinkan data yang mendasar diakses melalui pintasan. Metode ini memastikan bahwa setiap perubahan dalam data sumber langsung tercermin dalam Fabric tanpa memerlukan pergerakan data, mempertahankan sinkronisasi real time dan meningkatkan efisiensi dalam mengakses informasi up-to-tanggal.
Bagaimana cara kerja pencerminan terbuka?
Selain mencerminkan mengaktifkan replikasi data dengan membuat koneksi aman ke sumber data Anda, Anda juga dapat memilih penyedia data yang ada atau menulis aplikasi Anda sendiri untuk memasukkan data ke database cermin. Setelah Anda membuat database cermin terbuka melalui API publik atau melalui portal Fabric, Anda akan dapat memperoleh URL zona pendaratan di OneLake, di mana Anda dapat mendaratkan data perubahan per spesifikasi pencerminan terbuka.
Setelah data berada di zona pendaratan dengan format yang tepat, replikasi akan mulai berjalan dan mengelola kompleksitas penggabungan perubahan dengan pembaruan, sisipkan, dan hapus untuk direfleksikan ke dalam tabel delta. Metode ini memastikan bahwa setiap data yang ditulis ke zona pendaratan akan segera dan menyimpan data dalam Fabric up-to-date.
Berbagi
Berbagi memungkinkan kemudahan kontrol dan manajemen akses, sementara kontrol keamanan seperti keamanan tingkat baris (RLS) dan Keamanan tingkat objek (OLS), dan lebih memastikan Anda dapat mengontrol akses ke informasi sensitif. Berbagi juga memungkinkan pengambilan keputusan yang aman dan demokratisasi di seluruh organisasi Anda.
Dengan berbagi, pengguna memberi pengguna lain atau sekelompok pengguna akses ke database cermin tanpa memberikan akses ke ruang kerja dan sisa itemnya. Saat seseorang berbagi database cermin, mereka juga memberikan akses ke titik akhir analitik SQL.
Untuk informasi selengkapnya, lihat Berbagi database cermin Anda dan mengelola izin.
Kueri lintas database
Dengan data dari database cermin Anda yang disimpan di OneLake, Anda dapat menulis kueri lintas database, menggabungkan data dari database cermin, gudang, dan titik akhir analitik SQL Lakehouses dalam satu kueri T-SQL. Untuk informasi selengkapnya, lihat Menulis kueri lintas database.
Misalnya, Anda dapat mereferensikan tabel dari database dan gudang yang dicerminkan menggunakan penamaan tiga bagian. Dalam contoh berikut, gunakan nama tiga bagian untuk merujuk ContosoSalesTable di gudang ContosoWarehouse. Dari database atau gudang lain, bagian pertama dari konvensi penamaan tiga bagian SQL standar adalah nama database yang dicerminkan.
SELECT *
FROM ContosoWarehouse.dbo.ContosoSalesTable AS Contoso
INNER JOIN Affiliation
ON Affiliation.AffiliationId = Contoso.RecordTypeID;
Biaya pencerminan
Untuk pencerminan database dan pencerminan terbuka, komputasi Fabric dan penyimpanan OneLake bebas hingga batas berbasis kapasitas.
- Penyimpanan untuk replika bebas hingga batas berdasarkan ukuran kapasitas. Mirroring menawarkan terabyte gratis penyimpanan pencerminan untuk setiap unit kapasitas (CU) yang telah Anda beli. Misalnya, jika Anda membeli kapasitas F64, Anda mendapatkan penyimpanan senilai 64 terabyte gratis, yang secara eksklusif digunakan untuk pencerminan. Penyimpanan OneLake ditagih jika batas penyimpanan Mirroring gratis terlampaui, atau saat kapasitas dijeda. Untuk informasi selengkapnya, lihat Harga Microsoft Fabric.
- Komputasi Background Fabric yang digunakan untuk mereplikasi data Anda ke Fabric OneLake gratis dan tidak mengonsumsi kapasitas. Permintaan langsung ke OneLake untuk data cermin menggunakan kapasitas sebagai konsumsi komputasi OneLake normal. Komputasi untuk mengkueri data menggunakan SQL, Power BI, atau Spark dikenakan biaya reguler.
- Kapasitas Fabric yang berjalan hanya diperlukan untuk pengaturan awal Mirroring.
Rekayasa Data dengan data database cermin Anda
Microsoft Fabric menyediakan berbagai kemampuan rekayasa data untuk memastikan bahwa data Anda mudah diakses, terorganisir dengan baik, dan berkualitas tinggi. Dari Fabric Data Engineering, Anda dapat:
- Membuat dan mengelola data Anda sebagai Spark menggunakan lakehouse
- Merancang alur untuk menyalin data ke lakehouse Anda
- Menggunakan definisi kerja Spark untuk mengirimkan pekerjaan batch/streaming ke kluster Spark
- Menggunakan notebook untuk menulis kode untuk penyerapan, persiapan, dan transformasi data
Ilmu Data dengan data database cermin Anda
Microsoft Fabric menawarkan Fabric Data Science untuk memberdayakan pengguna untuk menyelesaikan alur kerja ilmu data end-to-end untuk tujuan pengayaan data dan wawasan bisnis. Anda dapat menyelesaikan berbagai aktivitas di seluruh proses ilmu data, mulai dari eksplorasi data, persiapan dan pembersihan hingga eksperimen, pemodelan, penilaian model, dan penyajian wawasan prediktif ke laporan BI.
Pengguna Microsoft Fabric dapat mengakses beban kerja Data Science. Dari sana, mereka dapat menemukan dan mengakses berbagai sumber daya yang relevan. Misalnya, mereka dapat membuat Eksperimen, Model, dan Notebook pembelajaran mesin. Mereka juga dapat mengimpor Notebook yang sudah ada di halaman Beranda Ilmu Data.
Direct Lake dengan data database cermin Anda
Mode Direct Lake dapat digunakan dengan database cermin di Microsoft Fabric untuk memungkinkan kueri berperforma tinggi melalui data yang dicerminkan tanpa perlu pergerakan data atau duplikasi. Saat database cermin dibuat, datanya disimpan dalam format Delta Lake dalam OneLake. Format asli ini memungkinkan Power BI dan alat analitik lainnya terhubung melalui mode Direct Lake, menawarkan wawasan mendekati real-time dengan langsung mengakses file yang mendasar. Integrasi ini menggabungkan kesederhanaan pencerminan dengan kecepatan dan skalabilitas Direct Lake, memungkinkan pelaporan tanggal up-toyang cepat pada data operasional.
Retensi untuk data cermin
Pencerminan dalam Fabric terus mereplikasi data estate Anda yang ada ke oneLake dalam format tabel Delta Lake. Untuk menjaga data cermin disimpan secara efisien dan selalu siap untuk analitik, pencerminan secara otomatis menjalankan vakum untuk menghapus file lama yang tidak lagi direferensikan oleh log Delta.
Anda dapat menyesuaikan pengaturan retensi sesuai dengan kebutuhan Anda. Misalnya, Anda dapat memilih periode retensi yang lebih pendek untuk mengurangi konsumsi penyimpanan pencerminan atau memperpanjang periode retensi untuk menggunakan kemampuan perjalanan waktu Delta untuk analitik.
Untuk database cermin yang dibuat dari portal Fabric setelah pertengahan Juni 2025, retensi defaultnya adalah satu hari. Untuk database lama yang dicerminkan, defaultnya adalah tujuh hari. Untuk memeriksa atau memperbarui pengaturan retensi, di portal Fabric, navigasikan ke database cermin Anda ->Pengaturan ->tab Pemeliharaan, dan tentukan ambang retensi. Anda juga dapat mengonfigurasinya melalui API publik dengan menentukan retentionInDays properti .
Basis data SQL di platform Fabric
Anda juga dapat langsung membuat dan mengelola database SQL di Microsoft Fabric di dalam portal Fabric. Berdasarkan Azure SQL Database, database SQL di Fabric secara otomatis dicerminkan untuk tujuan analitik dan memungkinkan Anda untuk dengan mudah membuat database operasional Anda di Fabric. Database SQL adalah rumah dalam Fabric untuk beban kerja OLTP, dan dapat berintegrasi dengan integrasi kontrol sumber Fabric.