Accesso ai dati in Microsoft OneLake

  • 4 minuti

Le tabelle che vengono collegate da Dataverse a Fabric sono visualizzate su Fabric sotto forma di lakehouse. È possibile collegare le tabelle a Dataverse usando collegamenti Dataverse da Microsoft OneLake, la soluzione di archiviazione per Fabric. È possibile usare più metodi per accedere a questi dati.

Accesso ai dati mediante endpoint

Quando il sistema stabilisce il collegamento, crea un lakehouse nell'area di lavoro fornita. Il nome del lakehouse è univoco e viene generato dal sistema in base a una combinazione di fattori. Il sistema genera i due endpoint seguenti dal lakehouse:

  • Endpoint di Analisi SQL

  • Modello semantico predefinito

Screenshot del lakehouse e dei relativi endpoint nell'area di lavoro.

Questi endpoint consentono a utenti tipo quali gli analisti di dati di iniziare immediatamente a eseguire query e creare report.

Endpoint di Analisi SQL

L'endpoint di Analisi SQL permette di scrivere query usando Transact-SQL (T-SQL). È possibile accedervi selezionando l'endpoint Analisi SQL nell'area di lavoro. Gli analisti di dati possono scrivere query per i report combinando i dati provenienti da Dataverse e da altre origini archiviati su Fabric.

Screenshot di una query T-SQL scritta ed eseguita all'interno dell'endpoint di Analisi SQL.

Modello semantico predefinito

È possibile usare il modello semantico predefinito per creare report mediante Power BI. È possibile accedervi selezionando il modello semantico predefinito nell'area di lavoro. Il sistema fornisce opzioni per esplorare i dati, creare un report dall'inizio, creare automaticamente un report e creare un report impaginato dal modello semantico. Gli analisti di dati possono esplorare i dati e quindi creare report di loro scelta usando un'interfaccia visiva.

Screenshot della home page predefinita del modello semantico con opzioni per l'esplorazione dei dati.

Accesso ai dati mediante il lakehouse

Un lakehouse fornisce agli ingegneri di dati e analisi opzioni per accedere ai dati direttamente dal lakehouse. Gli ingegneri di dati e analisi possono usare le seguenti opzioni:

  • Notebooks

  • Modelli semantici personalizzati

Notebooks

Notebooks permette di scrivere codice complesso per elaborare e trasformare i dati. Ad esempio, è possibile usare questa opzione per creare una logica di trasformazione per un data warehouse. Fabric permette di scrivere codice in Notebooks usando più linguaggi, tra cui Python, Scala, SQL e R. È possibile accedere o creare un notebook dall'interno del lakehouse selezionando Apri notebook > Nuovo notebook nella barra dei comandi.

Screenshot di un notebook con una query scritta usando Python insieme ai relativi risultati.

Modelli semantici personalizzati

È possibile creare modelli semantici personalizzati usando le tabelle disponibili nel lakehouse. Ad esempio, è possibile creare un modello semantico per un caso d'uso specifico usando solo le tabelle richieste, ad esempio per l'analisi delle telefonate in un call center. È possibile creare un nuovo modello semantico dal lakehouse selezionando Nuovo modello semantico nella barra dei comandi.

Screenshot di un modello semantico in fase di progettazione con due tabelle selezionate dal lakehouse.

Creazione di app e automazioni mediante tabelle virtuali di Dataverse

Per ottenere informazioni dettagliate, è possibile combinare i dati Dataverse collegati in Fabric con dati che altre origini inseriscono in Fabric. È possibile collegare queste informazioni da Fabric usando le tabelle virtuali in Dataverse. Quindi, le app e le automazioni create usando Power Apps e Power Automate possono agire su queste tabelle virtuali.

Passaggi successivi

Dopo aver esaminato come collegare i dati Dataverse a Fabric, il passaggio successivo consiste nell'imparare a gestire i collegamenti a OneLake.