Cara kerja grafik dalam Microsoft Fabric

Nota

Fitur ini saat ini dalam pratinjau publik. Tinjauan awal ini disediakan tanpa perjanjian tingkat layanan dan tidak disarankan untuk beban kerja produksi. Fitur tertentu mungkin tidak didukung atau mungkin memiliki kemampuan terbatas. Untuk informasi selengkapnya, lihat Ketentuan Penggunaan Tambahan untuk Pratinjau Microsoft Azure.

Grafik dalam Microsoft Fabric mengubah data terstruktur yang disimpan di OneLake menjadi grafik yang dapat dimodelkan dan dapat dikueri. Kueri grafik dengan menggunakan alat berbasis visual atau GQL yang berjalan melalui mesin umum untuk menghasilkan hasil visual, tabular, atau terprogram.

Artikel ini menggambarkan arsitektur graf dan menjelaskan aliran data end-to-end dari sumber hingga menjadi wawasan.

Diagram berikut menggambarkan bagaimana aliran data end-to-end berlangsung dari sumber hingga menjadi wawasan.

Data mengalir dari sumber eksternal ke penyimpanan OneLake sebagai tabel sumber tabular. Dalam langkah pemodelan grafik, Anda menentukan jenis node, jenis tepi, dan pemetaan tabel untuk membuat grafik properti berlabel. Menyimpan model menghasilkan grafik yang dapat ditanyakan dan dioptimalkan untuk penelusuran. Anda menulis kueri dengan menggunakan Penyusun Kueri atau Editor Kode, lalu menjalankannya melalui GQL, NL2GQL, atau REST. Hasil ditampilkan sebagai diagram grafik visual, kumpulan hasil tabular, atau respons JSON terprogram.

Sumber data

Data berasal dari sistem eksternal seperti layanan Azure, platform cloud lainnya, atau sumber lokal. Grafik di Microsoft Fabric berfungsi dengan data dari sumber ini setelah Anda menyerapnya ke OneLake, di mana grafik dapat membacanya.

Penyimpanan di OneLake

Anda menyimpan data yang diserap di OneLake sebagai tabel sumber tabular di lakehouse. Grafik menyerap data dari tabel lakehouse saat Anda menyimpan model, sehingga Anda tidak perlu menyiapkan alur ETL terpisah atau memindahkan data ke database eksternal.

Pemodelan graf

Dalam langkah pemodelan grafik, Anda menentukan skema grafik dengan menentukan:

• Jenis node: Entitas dalam data Anda, seperti pelanggan, produk, atau pesanan.
• Jenis tepi: Hubungan antar entitas, seperti "pembelian," "berisi," atau "menghasilkan."
• Pemetaan tabel: Bagaimana definisi simpul dan tepi dipetakan ke tabel sumber yang mendasar.

Langkah ini membuat struktur grafik properti berlabel . Selesaikan pemodelan grafik sebelum Anda mengkueri grafik. Untuk panduan tentang membuat keputusan pemodelan ini, lihat Mendesain skema grafik.

Nota

Grafik saat ini tidak mendukung evolusi skema. Jika Anda perlu membuat perubahan struktural—seperti menambahkan properti baru, memodifikasi label, atau mengubah jenis hubungan—menyerap kembali data sumber yang diperbarui ke dalam model baru.

Grafik yang dapat diakses dengan kueri

Saat Anda menyimpan model, grafik mengambil data dari tabel lakehouse yang mendasar dan membangun grafik yang dioptimalkan untuk pembacaan dan dapat dikueri. Struktur graf ini dioptimalkan untuk traversal dan pencocokan pola, yang memungkinkan kueri graf yang cepat dan efisien dalam skala besar.

Penulisan kueri

Anda menulis kueri terhadap grafik yang dapat dikueri dengan menggunakan salah satu dari dua pengalaman:

• Penyusun Kueri: Antarmuka visual interaktif untuk menjelajahi simpul dan hubungan tanpa menulis kode. Untuk informasi selengkapnya, lihat Mengkueri grafik dengan penyusun kueri.
• Editor Kode: Editor berbasis teks untuk menulis kueri GQL (Bahasa Kueri Grafik). Untuk informasi selengkapnya, lihat Mengkueri grafik dengan GQL.

Kedua opsi menargetkan grafik mendasar yang sama. Pilih pengalaman penulisan yang sesuai dengan alur kerja Anda.

Pelaksanaan kueri

Anda menjalankan kueri melalui lapisan eksekusi umum yang mendukung:

• GQL: Mengkueri grafik dengan menggunakan standar internasional untuk bahasa kueri grafik (ISO/IEC 39075).
• Bahasa Alami untuk GQL (NL2GQL) (pratinjau): Menerjemahkan pertanyaan bahasa alami ke dalam kueri GQL. Tambahkan grafik di Microsoft Fabric sebagai sumber data di Fabric Data Agent untuk mengaktifkan penalaran AI yang didukung grafik. Untuk detail tentang cara kerja NL2GQL, lihat pengumuman penalaran AI yang didukung Graph.
• Eksekusi berbasis REST: Menjalankan kueri secara terprogram dengan menggunakan API kueri GQL.

Petunjuk / Saran

Pilih jalur kueri Anda: Gunakan GQL atau REST untuk akses langsung dan terprogram ke data grafik dengan kontrol penuh atas struktur kueri. Gunakan NL2GQL (pratinjau) melalui Fabric Data Agent saat Anda memerlukan akses bahasa alami — ideal untuk skenario AI percakapan dan asisten pengetahuan.

Lapisan ini menjalankan logika kueri terhadap grafik yang dapat dikueri dan mengembalikan hasil.

Hasil kueri

Bergantung pada cara Anda mengkueri grafik, Anda menerima hasil dalam satu atau beberapa format berikut:

• Diagram grafik visual: Visualisasi interaktif simpul dan hubungan.
• Tataan hasil tabular: Data terstruktur dalam baris dan kolom.
• Respons terprogram: Output JSON untuk konsumsi REST atau hilir.

Jelajahi hasil secara interaktif, bagikan sebagai set kueri baca-saja, atau gunakan di alat dan aplikasi lain.

Konten terkait

• Gambaran umum grafik
• Panduan memulai cepat untuk grafik
• Tutorial: Pengantar grafik