gebeurtenis
31 mrt, 23 - 2 apr, 23
De ultieme Microsoft Fabric-, Power BI-, SQL- en AI-communitygebeurtenis. 31 maart tot 2 april 2025.
Zorg dat u zich vandaag nog registreertDeze browser wordt niet meer ondersteund.
Upgrade naar Microsoft Edge om te profiteren van de nieuwste functies, beveiligingsupdates en technische ondersteuning.
Van toepassing op:✅ Warehouse in Microsoft Fabric
In dit artikel worden belangrijke concepten beschreven voor het ontwerpen van tabellen in Microsoft Fabric.
In tabellen worden gegevens logisch ingedeeld in een rij- en kolomindeling. Elke rij vertegenwoordigt een unieke record en elke kolom vertegenwoordigt een veld in de record.
Een stervormig schema ordent gegevens in feitentabellen en dimensietabellen. Sommige tabellen worden gebruikt voor integratie- of faseringsgegevens voordat u naar een feiten- of dimensietabel gaat. Wanneer u een tabel ontwerpt, bepaalt u of de tabelgegevens deel uitmaken van een feiten-, dimensie- of integratietabel. Deze beslissing informeert de juiste tabelstructuur.
Feitentabellen bevatten kwantitatieve gegevens die vaak worden gegenereerd in een transactioneel systeem en vervolgens in het datawarehouse worden geladen. Een retailbedrijf genereert bijvoorbeeld elke dag verkooptransacties en laadt de gegevens vervolgens in een feitentabel van een datawarehouse voor analyse.
Dimensietabellen bevatten kenmerkgegevens die mogelijk worden gewijzigd, maar meestal onregelmatig worden gewijzigd. De naam en het adres van een klant worden bijvoorbeeld opgeslagen in een dimensietabel en worden alleen bijgewerkt wanneer het profiel van de klant wordt gewijzigd. Als u de grootte van een grote feitentabel wilt minimaliseren, hoeft de naam en het adres van de klant zich niet in elke rij van een feitentabel te bevinden. In plaats daarvan kunnen de feitentabel en de dimensietabel een klant-id delen. Een query kan de twee tabellen samenvoegen om het profiel en de transacties van een klant te koppelen.
Integratietabellen bieden een plaats voor het integreren of faseren van gegevens. U kunt bijvoorbeeld gegevens laden in een faseringstabel, transformaties uitvoeren op de gegevens in fasering en de gegevens vervolgens invoegen in een productietabel.
In een tabel worden gegevens opgeslagen in OneLake als onderdeel van het magazijn. De tabel en de gegevens blijven behouden of een sessie al dan niet is geopend.
Als u de organisatie van de tabellen wilt weergeven, kunt u de tabelnamen gebruiken fact
of dim
int
als voorvoegsels gebruiken. In de volgende tabel ziet u enkele schema- en tabelnamen voor WideWorldImportersDW-voorbeelddatawarehouse .
Naam van brontabel WideWorldImportersDW | Tabeltype | Naam van datawarehouse-tabel |
---|---|---|
City | Dimensie | wwi.DimCity |
Order | Feit | wwi.FactOrder |
/
of \
eindigen met een .
.Voor Warehouse kunt u een tabel maken als een nieuwe lege tabel. U kunt ook een tabel maken en vullen met de resultaten van een select-instructie. Hier volgen de T-SQL-opdrachten voor het maken van een tabel.
T-SQL-instructie | Beschrijving |
---|---|
CREATE TABLE | Hiermee maakt u een lege tabel door alle tabelkolommen en -opties te definiëren. |
CREATE TABLE AS SELECT | Hiermee wordt een nieuwe tabel gevuld met de resultaten van een select-instructie. De tabelkolommen en gegevenstypen zijn gebaseerd op de resultaten van de select-instructie. Als u gegevens wilt importeren, kunt u deze instructie selecteren uit een externe tabel. |
In dit voorbeeld wordt een tabel met twee kolommen gemaakt:
CREATE TABLE MyTable (col1 int, col2 int );
Warehouse ondersteunt het maken van aangepaste schema's. Net als in SQL Server zijn schema's een goede manier om objecten te groeperen die op een vergelijkbare manier worden gebruikt. Met de volgende code maakt u een door de gebruiker gedefinieerd schema met de naam wwi
.
/
of \
beëindigen met een .
.CREATE SCHEMA wwi;
Microsoft Fabric ondersteunt de meest gebruikte T-SQL-gegevenstypen.
Latin1_General_100_BIN2_UTF8
Momenteel is dit de standaardinstelling en wordt alleen ondersteund voor sortering voor zowel tabellen als metagegevens.
De queryoptimalisatie maakt gebruik van statistieken op kolomniveau wanneer het plan voor het uitvoeren van een query wordt gemaakt. Om de queryprestaties te verbeteren, is het belangrijk dat u statistieken hebt over afzonderlijke kolommen, met name kolommen die worden gebruikt in querydeelnames. Warehouse ondersteunt het automatisch maken van statistieken.
Statistische updates worden niet automatisch uitgevoerd. Statistieken bijwerken nadat een aanzienlijk aantal rijen is toegevoegd of gewijzigd. Werk bijvoorbeeld statistieken bij na een belasting. Zie Statistieken voor meer informatie.
Voor warehouse, PRIMAIRE SLEUTEL en UNIEKE beperking worden alleen ondersteund wanneer NIET-GECLUSTERD en NIET AFGEDWONGEN beide worden gebruikt.
REFERERENDE SLEUTEL wordt alleen ondersteund wanneer NIET AFGEDWONGEN wordt gebruikt.
Magazijntabellen worden gevuld door gegevens uit een andere gegevensbron te laden. Als u een geslaagde belasting wilt bereiken, moeten het aantal en de gegevenstypen van de kolommen in de brongegevens worden afgestemd op de tabeldefinitie in het datawarehouse.
Als gegevens afkomstig zijn uit meerdere gegevensarchieven, kunt u de gegevens overzetten naar het datawarehouse en opslaan in een integratietabel. Zodra gegevens zich in de integratietabel bevinden, kunt u de kracht van het datawarehouse gebruiken om transformatiebewerkingen te implementeren. Zodra de gegevens zijn voorbereid, kunt u deze invoegen in productietabellen.
Warehouse ondersteunt veel, maar niet alle, tabelfuncties die door andere databases worden aangeboden.
In de volgende lijst ziet u enkele tabelfuncties die momenteel niet worden ondersteund.
Belangrijk
Er zijn beperkingen met het toevoegen van tabelbeperkingen of kolommen bij het gebruik van broncodebeheer met Warehouse.
gebeurtenis
31 mrt, 23 - 2 apr, 23
De ultieme Microsoft Fabric-, Power BI-, SQL- en AI-communitygebeurtenis. 31 maart tot 2 april 2025.
Zorg dat u zich vandaag nog registreertTraining
Module
Aan de slag met datawarehouses in Microsoft Fabric - Training
Inzicht in de belangrijkste onderdelen en ontwerpoverwegingen voor de implementatie van datawarehouses in Microsoft Fabric.
Certificering
Microsoft Certified: Fabric Data Engineer Associate - Certifications
As a fabric data engineer, you should have subject matter expertise with data loading patterns, data architectures, and orchestration processes.