Peran di ruang kerja di Microsoft Fabric

  • Artikel

Peran ruang kerja memungkinkan Anda mengelola siapa yang dapat melakukan apa di ruang kerja Microsoft Fabric. Ruang kerja Microsoft Fabric berada di atas OneLake dan membagi data lake menjadi kontainer terpisah yang dapat diamankan secara independen. Peran ruang kerja di Microsoft Fabric memperluas peran ruang kerja Power BI dengan mengaitkan kemampuan Microsoft Fabric baru seperti integrasi data dan eksplorasi data dengan peran ruang kerja yang ada. Untuk informasi selengkapnya tentang peran Power BI, lihat Peran di ruang kerja di Power BI.

Anda dapat menetapkan peran kepada individu atau ke grup keamanan, grup Microsoft 365, dan daftar distribusi. Untuk memberikan akses ke ruang kerja, tetapkan grup pengguna atau individu tersebut ke salah satu peran ruang kerja: Admin, Anggota, Kontributor, atau Penampil. Berikut cara memberi pengguna akses ke ruang kerja.

Untuk membuat ruang kerja baru, lihat Membuat ruang kerja.

Semua orang dalam grup pengguna mendapatkan peran yang telah Anda tetapkan. Jika seseorang berada di beberapa grup pengguna, mereka mendapatkan tingkat izin tertinggi yang disediakan oleh peran yang ditetapkan. Jika Anda menumpuk grup pengguna dan menetapkan peran ke grup, semua pengguna yang terkandung memiliki izin.

Pengguna dalam peran ruang kerja memiliki kemampuan Microsoft Fabric berikut, selain kemampuan Power BI yang ada yang terkait dengan peran ini.

Peran ruang kerja Microsoft Fabric

Kemampuan Admin Anggota Kontributor Penampil
Memperbarui dan menghapus ruang kerja.
Menambahkan atau menghapus orang, termasuk admin lain.
Menambahkan anggota atau orang lain dengan izin yang lebih rendah.
Perbolehkan orang lain untuk membentuk ulang item.1
Menampilkan dan membaca konten alur data, notebook, definisi pekerjaan Spark, model dan eksperimen ML, dan Aliran peristiwa.
Menampilkan dan membaca konten database KQL, set kueri KQL, dan dasbor real time.
Koneksi ke titik akhir analitik SQL Lakehouse atau Gudang
Baca data dan pintasangudang Data dan Lakehouse 2 dengan T-SQL melalui titik akhir TDS.
Baca data dan pintasangudang Lakehouse dan Data 2 melalui API dan Spark OneLake.
Membaca data Lakehouse melalui penjelajah Lakehouse.
Menulis atau menghapus alur data, notebook, definisi pekerjaan Spark, model dan eksperimen ML, dan Aliran peristiwa.
Menulis atau menghapus set kueri KQL, dasbor real-time, dan skema dan data database KQL, Lakehouses, gudang data, dan pintasan.
Jalankan atau batalkan eksekusi notebook, definisi kerja Spark, model ML, dan eksperimen.
Jalankan atau batalkan eksekusi alur data.
Lihat output eksekusi alur data, notebook, model ML, dan eksperimen.
Jadwalkan refresh data melalui gateway lokal.3
Ubah pengaturan koneksi gateway.3

1 Kontributor dan Pemirsa juga dapat berbagi item di ruang kerja, jika mereka memiliki izin Reshare.

2 Izin tambahan diperlukan untuk membaca data dari tujuan pintasan. Pelajari selengkapnya tentang model keamanan pintasan.

3 Perlu diingat bahwa Anda juga memerlukan izin di gateway. Izin tersebut dikelola di tempat lain, terlepas dari peran dan izin ruang kerja.

Konten terkait