AutoML 코드 우선 미리 보기 |
패브릭 데이터 과학 새 AutoML 기능을 사용하면 기계 학습 워크플로를 자동화할 수 있습니다.
AutoML 또는 자동화된 Machine Learning은 지정된 데이터 및 작업 종류에 대해 기계 학습 모델을 자동으로 학습하고 최적화할 수 있는 기술 및 도구 집합입니다. |
Fabric의 AutoML 하위 코드 사용자 환경(미리 보기) |
AutoML 또는 자동화된 Machine Learning은 기계 학습 모델을 개발하는 데 시간이 많이 걸리고 복잡한 작업을 자동화하는 프로세스입니다. 새로운 낮은 코드 AutoML 환경은 회귀, 예측, 분류 및 다중 클래스 분류를 비롯한 다양한 작업을 지원합니다. 시작하려면 자동화된 ML(미리 보기)을 사용하여 모델을 만듭니다. |
Azure Data Factory 항목 |
이제 기존 ADF(Azure Data Factory)를 패브릭 작업 영역으로 가져올 수 있습니다. 이 새로운 미리 보기 기능을 사용하면 패브릭 작업 영역에서 기존 Azure Data Factory에 연결할 수 있습니다. Fabric Data Factory 작업 영역 내에서 "Azure Data Factory 만들기"를 선택하면 패브릭 작업 영역에서 직접 Azure 데이터 팩터리를 관리할 수 있습니다. |
용량 풀 미리 보기 |
용량 관리자는 이제 워크로드 요구 사항에 따라 사용자 지정 풀(미리 보기)을 생성하여 컴퓨팅 리소스에 대한 세부적인 제어를 제공할 수 있습니다.
데이터 엔지니어 및 데이터 과학 사용자 지정 풀은 작업 영역 Spark 설정 및 환경 항목 내에서 Spark 풀 옵션으로 설정할 수 있습니다. |
Code-First 하이퍼 매개 변수 튜닝 미리 보기 |
패브릭 데이터 과학 FLAML은 현재 미리 보기 기능인 하이퍼 매개 변수 튜닝을 위해 통합되었습니다. Fabric의 flaml.tune 기능은 이 프로세스를 간소화하여 하이퍼 매개 변수 튜닝에 대한 비용 효율적이고 효율적인 접근 방식을 제공합니다. |
Fabric의 Copilot은 전 세계적으로 사용할 수 있습니다. |
이제 Power BI, Data Factory, 데이터 과학 & 데이터 엔지니어링, Real-Time Intelligence 등 패브릭의 모든 고객에게 사용할 수 있습니다. 패브릭의 에 대한 개요에서 더 읽어보세요. |
복사 작업 |
Data Factory에서 복사 작업(미리 보기)는 복사 활동에 비해 이점이 있습니다. 자세한 내용은 미리 보기 발표: Microsoft Fabric의 복사 작업을 참조 하세요. 자습서 는 Microsoft Fabric용 Data Factory에서 복사 작업(미리 보기)을 만드는 방법을 참조하세요. |
Data Factory Apache Airflow 작업 미리 보기 |
Apache Airflow를 통해 구동되는 Data Factory의 Apache Airflow 작업(미리 보기)은 DIRECTED Acyclic Graphs(DAG)로 정의된 Python 기반 데이터 프로세스에 대한 원활한 제작, 예약 및 모니터링 환경을 제공합니다. 자세한 내용은 빠른 시작: Apache Airflow 작업 만들기를 참조하세요. |
Data Factory의 Copilot 데이터 파이프라인 기능(미리 보기) |
Copilot의 새 데이터 파이프라인 기능을 미리 보기로 사용할 수 있습니다. 이러한 기능은 사용자가 데이터 파이프라인을 빌드, 문제 해결 및 유지 관리하는 데 도움이 되는 AI 전문가 역할을 합니다. |
Spark DataFrames용 Data Wrangler 미리 보기 |
Spark DataFrames의 데이터 랭글러는 프리뷰로 제공됩니다. 이제 사용자는 데이터 랭글러로 Spark DataFrames를 편집할 수 있을 뿐만 아니라 pandas DataFrames도 편집할 수 있습니다. |
데이터 과학 AI 기술(미리 보기) |
이제 AI 기술(미리 보기)을 사용하여 Fabric의 데이터에 대해 고유한 생성형 AI 환경을 빌드할 수 있습니다. Lakehouses 및 Warehouse를 통해 질문 및 답변 AI 시스템을 빌드할 수 있습니다. 자세한 내용은 Microsoft Fabric의 AI 기술 소개: 이제 미리 보기에서 참조하세요. 시작하려면 AdventureWorks 데이터 세트(미리 보기)와 함께 AI 기술 예제를 시도해 보십시오. |
CI/CD 및 Git 통합을 사용하여 데이터 흐름 Gen2 |
이제 Dataflow Gen2는 CI/CD(연속 통합/지속적인 배포) 및 Git 통합을 지원합니다. 이 미리 보기 기능을 사용하면 패브릭 작업 영역에 연결된 Git 리포지토리에서 데이터 흐름을 만들고, 편집하고, 관리할 수 있습니다. 또한 배포 파이프라인 기능을 사용하여 작업 영역에서 다른 작업 영역으로의 데이터 흐름 배포를 자동화할 수 있습니다. 또한 패브릭 만들기, 읽기, 업데이트, 삭제 및 목록(CRUDL) API를 사용하여 데이터 흐름 Gen2를 관리할 수 있습니다. |
SQL 분석 엔드포인트의 델타 열 매핑 |
이제 SQL 분석 엔드포인트는 열 매핑을 사용하도록 설정된 델타 테이블을 지원합니다. 자세한 내용은 SQL 분석 엔드포인트의 델타 열 매핑 및 제한 사항을 참조하세요. 이 기능은 현지 미리 보기로 제공됩니다. |
OneLake의 도메인(미리 보기) |
OneLake의 도메인을 사용하면 데이터를 논리 데이터 메시로 구성하여 페더레이션된 거버넌스를 허용하고 비즈니스 요구 사항에 맞게 최적화할 수 있습니다. 이제 하위 도메인, 사용자에 대한 기본 도메인을 만들고 도메인 간에 작업 영역을 이동할 수 있습니다. 자세한 내용은 Fabric 도메인을 참조하세요. |
OneLake 바로 가기(미리 보기) 대한 eventhouse 쿼리 가속 |
OneLake의 데이터에 대한 임시 쿼리를 보다 빠르게 실행하기 위해 Eventhouse의 OneLake 바로 가기 쿼리 가속 기능을 사용합니다. OneLake 바로 가기는 Eventhouse에서 내부 Fabric 또는 외부 소스를 가리키는 참조입니다. 이전에는 OneLake 바로 가기를 통해 실행되는 쿼리가 다양한 요인으로 인해 Eventhouses에 직접 수집되는 데이터보다 성능이 낮았습니다. |
이벤트 스트림 처리 및 이벤트를 Activator로 라우팅(미리 보기) |
이제 Eventstream은 이벤트를 대상으로 라우팅하기 전에 비즈니스 요구 사항이 있는 이벤트 처리 및 변환을 지원합니다. 이러한 변환된 이벤트가 Activator에 도달하면 경고를 통해 이벤트를 모니터링하는 규칙 또는 조건을 설정할 수 있습니다. |
파이프라인의 Notebook에 대한 높은 동시성 모드(미리 보기) |
파이프라인의 Notebook에 대한 높은 동시성 모드를 사용하면 사용자가 파이프라인 내의 여러 Notebook에서 Spark 세션을 공유할 수 있습니다. 높은 동시성 모드를 사용하면 사용자는 파이프라인 작업을 트리거할 수 있으며, 이러한 작업은 자동으로 기존 높은 동시성 세션으로 압축됩니다. |
Fabric 게이트웨이를 사용하면 온-프레미스 데이터에 대한 OneLake 바로 가기를 사용할 수 있습니다. |
사용자 환경의 컴퓨터에서 패브릭 온-프레미스 데이터 게이트웨이 를 사용하여 온-프레미스 데이터 원본에 연결하고 S3 호환 또는 Google Cloud Storage 데이터 원본의 네트워킹 가시성을 제공합니다. 그런 다음, 바로 가기를 만들고 해당 게이트웨이를 선택합니다. 자세한 내용은 온-프레미스 데이터에 대한 바로 가기 만들기를 참조하세요. |
Spark 런타임의 Fabric Data Warehouse용 Fabric Spark 커넥터(미리 보기) |
데이터 웨어하우스용 Spark 커넥터 사용하면 Spark 개발자 또는 데이터 과학자가 간소화된 Spark API를 사용하여 레이크하우스의 웨어하우스 또는 SQL 분석 엔드포인트(동일한 작업 영역 내 또는 작업 영역 간)의 데이터에 액세스하고 작업할 수 있습니다. |
패브릭 Spark 진단 방출기(미리 보기) |
Fabric Apache Spark 진단 Emitter(미리 보기)을 사용하면 Apache Spark 사용자가 Spark 애플리케이션에서 로그, 이벤트 로그 및 메트릭을 수집하여 Azure Event Hubs, Azure Storage, Azure Log Analytics등 다양한 대상으로 보낼 수 있습니다. |
패브릭 SQL 데이터베이스(미리 보기) |
Microsoft Fabric(미리 보기)의 SQL 데이터베이스는 Azure SQL Database를 기반으로 하는 개발자 친화적인 트랜잭션 데이터베이스로, Fabric에서 운영 데이터베이스를 쉽게 만들 수 있습니다. 패브릭의 SQL 데이터베이스는 SQL Database 엔진을 Azure SQL Database사용합니다.
의사 결정 가이드를 검토하여 SQL 데이터베이스를 선택합니다. |
작업 영역 폴더 미리 보기 |
작업 영역의 조직 구성 단위인 폴더는 항목을 구성하고 관리하기 위한 계층 구조를 제공하여 이 문제점을 해결합니다. 자세한 내용은 작업 영역폴더 만들기를 참조하세요. |
Snowflake 및 바로 가기를 사용하는 OneLake의 빙산 데이터(미리 보기) |
이제 데이터 이동이나 중복 없이 Microsoft Fabric에서 Iceberg 형식의 데이터를 사용할 수 있으며 Snowflake는 OneLake에 직접 Iceberg 테이블을 작성하는 기능을 추가했습니다. 자세한 내용은 OneLake에서 Iceberg 테이블 사용을 참조 하세요. |
Dataflow Gen2에 대한 증분 새로 고침(미리 보기) |
데이터 흐름 Gen2(미리 보기) 증분 새로 고침은 특히 데이터가 계속 확장됨에 따라 데이터 수집 및 변환을 최적화하도록 설계되었습니다. 자세한 내용은 미리 보기 발표: 데이터 흐름 Gen2의 증분 새로 고침을 참조하세요. |
데이터 파이프라인에서 원격 파이프라인(미리 보기) 호출 |
이제 파이프라인 호출(미리 보기) 작업을 사용하여 Azure Data Factory 또는 Synapse Analytics 파이프라인에서 파이프라인을 호출할 수 있습니다. 이 기능을 사용하면 이 새로운 호출 파이프라인 작업을 통해 인라인으로 호출하여 패브릭 파이프라인 내부의 기존 ADF 또는 Synapse 파이프라인을 활용할 수 있습니다. |
Lakehouse 스키마 기능 |
Lakehouse 스키마 기능(미리 보기)은 Lakehouse 테이블에서 스키마 정보를 읽기 위한 데이터 파이프라인 지원을 도입하고 지정된 스키마 아래의 테이블에 데이터 쓰기를 지원합니다.
Lakehouse 스키마를 사용하면 더 나은 데이터 검색, 액세스 제어 등을 위해 테이블을 그룹화할 수 있습니다. |
Git 통합 및 배포 파이프라인에 대한 Lakehouse 지원(미리 보기) |
이제 Lakehouse는 Microsoft Fabric의 수명 주기 관리 기능과 통합되어 제품 수명 동안 모든 개발 팀 구성원 간에 표준화된 협업을 제공합니다. 수명 주기 관리는 기능 및 버그 수정을 여러 환경에 지속적으로 제공하여 효과적인 제품 버전 관리 및 릴리스 프로세스를 용이하게 합니다. |
관리 가상 네트워크(미리 보기) |
관리 가상 네트워크는 각 Fabric 작업 영역에 대해 Microsoft Fabric에서 만들고 관리하는 가상 네트워크입니다. |
이제 Microsoft 365 커넥터는 Lakehouse로의 데이터 수집을 지원합니다(미리 보기). |
이제 Microsoft 365 커넥터는 Lakehouse 테이블로의 데이터 수집을 지원합니다. |
Microsoft Fabric 관리 API |
Fabric 관리 API는 관리 작업을 간소화하도록 설계되었습니다.
Fabric 관리 API의 초기 집합은 작업 영역, Fabric 항목 및 사용자 액세스 세부 정보의 검색을 간소화하도록 조정됩니다. |
Microsoft Fabric의 미러링 미리 보기 |
패브릭에서 데이터베이스 미러링을 사용하면 Microsoft Fabric의 OneLake로 데이터베이스를 쉽게 가져올 수 있으므로 원활한 제로 ETL, 데이터에 대한 거의 실시간 인사이트 및 웨어하우징, BI, AI 등의 잠금을 해제할 수 있습니다. 자세한 내용은 Fabric에서 미러링이란?을 참조하세요. |
런타임 1.3의 네이티브 실행 엔진(미리 보기) |
이제 Fabric Runtime 1.3용 네이티브 실행 엔진 미리 보기에서 사용할 수 있으며 데이터 처리, ETL, 데이터 과학 및 대화형 쿼리에서 뛰어난 쿼리 성능을 제공합니다. 네이티브 실행 엔진을 사용할 때 Apache Spark 작업의 실행 속도를 높이기 위해 코드를 변경할 필요가 없습니다. |
중첩된 일반 테이블 식(CTE)(미리 보기) |
패브릭 웨어하우스 및 SQL 분석 엔드포인트는 모두 표준, 순차 및 중첩된 CTE를 지원합니다. CTE는 일반적으로 Microsoft Fabric에서 사용할 수 있지만 패브릭 데이터 웨어 하우스의 중첩된 CTE(일반 테이블 식)는 현재 미리 보기 기능입니다. |
vscode.dev 내 Notebook 디버그(미리 보기) |
이제 vscode.dev Synapse VS Code - 원격 확장을 사용하여 중단점을 배치하고 Notebook 코드를디버그할 수 있습니다. 이 업데이트는 첫 번째로 Fabric Runtime 1.3(GA)부터 시작합니다. |
OneLake 데이터 액세스 역할 |
레이크하우스의 OneLake 데이터 액세스 역할이 미리 보기로 제공됩니다. 새 폴더 보안 사용자 인터페이스를 통해 역할 권한 및 사용자/그룹 할당을 쉽게 업데이트할 수 있습니다. |
OneLake SAS(미리 보기) |
수명이 짧은 사용자 위임 OneLake SAS에 대한 지원은 현재 미리 보기로 제공됩니다. 이 기능을 사용하면 애플리케이션에서 Microsoft Entra ID로 지원되는 사용자 위임 키를 요청한 다음 이 키를 사용하여 OneLake SAS 토큰을 생성할 수 있습니다. 이 토큰을 전달하여 다른 도구, 노드 또는 사용자에게 위임된 액세스를 제공하여 안전하고 제어된 액세스를 보장할 수 있습니다. |
미러링 열기(미리 보기) |
오픈 미러링을 사용하면 모든 애플리케이션이 개방형 미러링 공용 API 및 접근 방식에 따라 패브릭의 미러된 데이터베이스에 직접 변경 데이터를 쓸 수 있습니다.
오픈 미러링 이 확장 가능하고 사용자 지정 가능하며 열려 있도록 설계되었습니다. 개방형 Delta Lake 테이블 형식에 따라 패브릭에서 미러링을 확장하는 강력한 기능입니다. 시작하려면 자습서: Microsoft Fabric 미러된 데이터베이스 열기 구성을 참조 하세요. |
Fabric에서 미리 빌드된 Azure AI 서비스 미리 보기 |
Fabric에서 미리 빌드된 AI 서비스의 미리 보기는 이전의 Azure Cognitive Services로 알려진 Azure AI 서비스와의 통합입니다.
미리 빌드된 Azure AI 서비스를 사용하면 필수 구성 요소 없이 미리 빌드된 AI 모델을 사용하여 데이터를 쉽게 향상시킬 수 있습니다. 이제 미리 빌드된 AI 서비스가 미리 보기로 제공되며 Microsoft Azure OpenAI Service, Azure AI 언어 및 Azure AI 번역기에 대한 지원을 포함합니다. |
Purview 데이터 손실 방지 정책이 패브릭 레이크하우스로 확장되었습니다. |
Microsoft Purview의 DLP(데이터 손실 방지) 정책을 패브릭 레이크하우스로 확장하는 기능은 현재 미리 보기로 제공됩니다. |
Purview 데이터 손실 방지 정책은 이제 의미 체계 모델에 대한 액세스 제한 작업을 지원합니다. |
이제 미리 보기로 제공된 의미 체계 모델에 대한 중요한 콘텐츠에 따라 액세스를 제한하면 패브릭 레이크하우스 및 의미 체계 모델에 업로드될 때 중요한 정보를 자동으로 검색할 수 있습니다. |
Python Notebook (미리 보기) |
Python Notebook 기본 언어로 Python을 사용하여 더 작은 데이터 세트를 사용하는 BI 개발자 및 데이터 과학자를 위한 것입니다. 시작하려면 NotebookPython 환경 사용을 참조하세요. |
실시간 대시보드 및 기본 KQL 데이터베이스 액세스 분리(미리 보기) |
대시보드 및 기본 데이터에 대한 별도의 권한을 통해 관리자는 이제 사용자가 원시 데이터에 대한 액세스 권한을 부여하지 않고도 대시보드를 볼 수 있는 유연성을 갖습니다. |
작업에 대한 최대 코어 예약(미리 보기) |
새 작업 영역 수준 설정을 사용하면 Spark 워크로드에 대한 활성 작업의 최대 코어를 예약할 수 있습니다. 자세한 내용은 패브릭용 Apache Spark의 높은 동시성 모드를 참조 하세요. |
연결 및 게이트웨이(미리 보기) 대한 REST API |
연결 및 게이트웨이에 대한 REST API는 이제 미리 보기. 이러한 새로운 API를 통해 개발자는 패브릭 내에서 연결 및 게이트웨이를 프로그래밍 방식으로 관리하고 상호 작용할 수 있습니다. |
Fabric Data Factory 파이프라인용 REST API 미리 보기 |
이제 Fabric Data Factory 파이프라인용 REST API가 미리 보기로 제공됩니다.
Fabric 데이터 파이프라인 공용 REST API 사용하여 패브릭의 기본 제공 기능을 확장하여 파이프라인을 만들고, 읽고, 업데이트하고, 삭제하고, 나열할 수 있습니다. |
Eventstream에서 관리형 프라이빗 엔드포인트를 사용하여 데이터 스트리밍 보호(미리 보기) |
패브릭 관리형 프라이빗 엔드포인트를 만들어 이제 프라이빗 네트워크 또는 방화벽 뒤에 있는 Azure Event Hubs 또는 IoT Hub와 같은 Azure 서비스에 Eventstream을 안전하게 연결할 수 있습니다. 자세한 내용은 Eventstream(미리 보기)에서 관리형 프라이빗 엔드포인트를 사용한 보안 데이터 스트리밍을 참조하세요. |
의미 체계 모델 새로 고침 작업(미리 보기) |
의미 체계 모델 새로 고침 작업을 사용하여 패브릭 의미 체계 모델을 새로 고치는 가장 효과적인 방법인 Power BI 데이터 세트(미리 보기)를 새로 고칩니다. 자세한 내용은 Ignite발표된 Fabric Data Factory 파이프라인에 대한 새로운 기능을 참조하세요. |
Notebook 대화형 실행에 대한 작업 영역 설정의 세션 만료 컨트롤(미리 보기) |
데이터 엔지니어/Science 작업 영역 설정의 새 세션 만료 컨트롤을 사용하면 Notebook 대화형 세션의 최대 만료 시간 제한을 설정할 수 있습니다. 기본적으로 세션은 20분 후에 만료되지만 이제 최대 만료 기간을 사용자 지정할 수 있습니다. |
패브릭 AI 기술 공유 기능(미리 보기) |
패브릭 AI 기술 (미리 보기)에 대한 "공유" 기능을 사용하면 다양한 권한 모델을 사용하여 AI 기술을 다른 사용자와 공유할 수 있습니다. |
패브릭 AI 기술 공유(미리 보기) |
패브릭 AI 기술 (미리 보기)에 대한 기능을 공유하면 다양한 권한 모델을 사용하여 AI 기술을 다른 사용자와 공유할 수 있습니다. |
Spark 실행 시리즈 분석 미리 보기 |
Spark 모니터링 실행 시리즈 분석 기능을 사용하면 동일한 Notebook 또는 Spark 작업 정의에서 파이프라인 Spark 활동 반복 실행 인스턴스 및 반복적인 Spark 실행 활동에 대한 실행 기간 추세와 성능 비교를 분석할 수 있습니다. |
Splunk 추가 기능 미리 보기 |
Splunk용 Microsoft Fabric 추가 기능을 사용하면 Kusto python SDK를 사용하여 Splunk 플랫폼에서 Fabric KQL DB로 로그를 수집할 수 있습니다. |
태그 |
태그(미리 보기)를 사용하면 관리자가 데이터를 분류하고 구성하여 데이터의 검색 가능성을 높이고 최종 사용자의 성공률과 효율성을 높일 수 있습니다. |
Microsoft Fabric의 작업 흐름(미리 보기) |
Microsoft Fabric의 작업 흐름 미리 보기는 모든 Microsoft Fabric 사용자에 대해 사용하도록 설정됩니다.
작업 흐름(미리 보기)데이터 프로젝트를 디자인할 때 더 이상 화이트보드를 사용하여 프로젝트의 다른 부분과 해당 상호 관계를 스케치할 필요가 없습니다. 대신 작업 흐름을 사용하여 이 키 정보를 빌드하고 프로젝트 자체로 가져올 수 있습니다. |
미리 보기의 varchar(max) 및 varbinary(max) 지원 |
이제 Warehouse의 varchar(max) 및 varbinary(max)데이터 형식 에 대한 지원이 미리 보기로 제공됩니다. 자세한 내용은 Fabric Data Warehouse에서 VARCHAR(MAX) 및 VARBINARY(MAX) 형식의 공개 미리 보기 발표를 참조하세요. |
Terraform Provider for Fabric(미리 보기) |
이제 Microsoft Fabric용 Terraform 공급자가 미리 보기로 제공됩니다. Terraform Provider for Microsoft Fabric은 많은 패브릭 리소스의 생성 및 관리를 지원합니다. 자세한 내용은 Microsoft Fabric용 새 Terraform 공급자 발표를 참조 하세요. |
Fabric Notebook의 T-SQL 지원(미리 보기) |
Microsoft Fabric(미리 보기)의 T-SQL Notebook 기능을 사용하면 Notebook 내에서 T-SQL 코드를 작성하고 실행할 수 있습니다. 이를 사용하여 복잡한 쿼리를 관리하고 더 나은 markdown 설명서를 작성할 수 있습니다. 또한 연결된 웨어하우스 또는 SQL 분석 엔드포인트에서 T-SQL을 직접 실행할 수 있습니다. 자세한 내용은 Microsoft Fabric 노트북에서 T-SQL 지원을 살펴보세요. |
웨어하우스 복원 지점 및 현재 위치 복원 |
이제 복원 지점을 만들고 웨어 하우스의 현재 위치 복원을 과거 시점으로 수행할 수 있습니다.
현재 위치 복원은 데이터 웨어하우스 복구의 필수적인 부분으로, 복원 지점이 만들어진 기존 데이터 웨어하우스를 대체하거나 과도하게 작성하여 데이터 웨어하우스를 이전에 알려진 신뢰할 수 있는 상태로 복원할 수 있습니다. |
웨어하우스 소스 제어(미리 보기) |
웨어하우스(미리 보기)소스 제어를 사용하여 버전이 지정된 웨어하우스 개체의 개발 및 배포를 관리할 수 있습니다.
Azure Data Studio 및 Visual Studio Code 내에서 사용할 수 있는 SQL Database Projects 확장을 사용할 수 있습니다. 웨어하우스 소스 제어에 대한 자세한 내용은 Microsoft Fabric의 Warehouse를 사용하는 CI/CD를 참조하세요. |
작업 영역 모니터링(미리 보기) |
작업 영역 모니터링 작업 영역의 다양한 패브릭 항목에서 데이터를 수집하고 사용자가 로그 및 메트릭에 액세스하고 분석할 수 있도록 하는 Microsoft Fabric 데이터베이스입니다. 이 기능에 대한 자세한 내용은 "작업 영역 모니터링 "의 미리 보기 발표 ""을 참조하세요. |