Co to jest lakehouse w Microsoft Fabric?

Lakehouse w Fabric łączy skalowalność jeziora danych z możliwościami zapytań magazynu. Dane ustrukturyzowane i nieustrukturyzowane można przechowywać w jednej lokalizacji, zarządzać nimi za pomocą usługi Delta Lake i analizować je zarówno przy użyciu platformy Apache Spark, jak i bazy danych SQL — wszystko bez przenoszenia danych między systemami. Dzięki skrótom w OneLake i udostępnianiu danych między dzierżawcami możesz także uzyskać dostęp do zarządzanych danych z zewnętrznych źródeł i innych organizacji bez duplikacji.

Jezioro zapewnia:

• Jedna kopia danych dla obciążeń inżynierii danych i analizy
• Format Delta Lake dla transakcji ACID, egzekwowania schematu i śledzenia zmian w czasie
• Dostęp do platformy Spark i bazy danych SQL , dzięki czemu inżynierowie danych używają notesów, podczas gdy analitycy używają języka T-SQL
• Wbudowana integracja z Power BI, potokami, przepływami danych i innymi elementami Fabric

Dom nad jeziorem vs. magazyn

Główne różnice między domem nad jeziorem a magazynem w Fabric sprowadzają się do preferowanych narzędzi deweloperskich, typów danych i wzorców obciążenia. Oba te elementy współużytkują ten sam aparat SQL i przechowują dane w formacie delta w usłudze OneLake, ale są one zaprojektowane pod kątem różnych scenariuszy:

	Lakehouse	Magazyn
Podstawowe narzędzie programistyczne	Apache Spark (Python, Scala, SQL, R)	T-SQL
Typy danych	Ustrukturyzowane i nieustrukturyzowane	Dane ustrukturyzowane
Transakcje obejmujące wiele tabel	Nie.	Tak
Pozyskiwanie danych	notatniki, potoki, przepływy danych, skróty w OneLake (dostęp na żywo bez kopiowania)	T-SQL (COPY INTO, INSERT, CTAS), przepływy danych
Najlepsze dla	Inżynieria danych, nauka o danych, architektury medalonu	Raportowanie analizy biznesowej, modelowanie wymiarowe, zespoły oparte na języku SQL

Możesz użyć obu tych elementów w tym samym obszarze roboczym — na przykład załadować i przekształcić dane w Lakehouse przy użyciu platformy Spark, a następnie uwidocznić opracowane zestawy danych w magazynie do raportowania opartego na języku SQL. Szczegółowe wskazówki znajdziesz w artykule Wybierz między magazynem a domem nad jeziorem.

Praca z danymi Lakehouse

Dane można ładować, przekształcać i wykonywać zapytania w usłudze Lakehouse za pomocą kilku narzędzi Fabric:

• Skróty w OneLake — Dostęp do danych ze źródeł zewnętrznych (w tym innych najemców poprzez współdzielenie danych między najemcami) bez kopiowania ich do domku nad jeziorem. Skróty zapewniają dynamiczne odwołania tylko do odczytu do danych operacyjnych i analitycznych w usłudze OneLake. Zobacz skróty w OneLake.

• Eksplorator usługi Lakehouse — przeglądaj tabele i pliki, ładuj dane i zarządzaj metadanymi bezpośrednio w przeglądarce. Możesz przełączać się między widokiem tabeli a widokiem pliku i dodawać wiele magazynów lakehouse do eksploratora. Zobacz Nawigacja po Lakehouse explorer.

  

• Eksplorator zapytań Spark SQL — uruchamianie zapytań Spark SQL bezpośrednio w eksploratorze usługi Lakehouse bez opuszczania kontekstu roboczego. Eksplorator zapytań obsługuje funkcję IntelliSense, karty dynamiczne, zapytania między schematami i zapytaniami między usługami lakehouse, wizualizację wykresu wbudowanego i tworzenie widoku. Zobacz Wykonywanie zapytań o dane za pomocą eksploratora zapytań Spark SQL.

• Notebooks — Pisanie kodu Spark (Python, Scala, SQL, R) w celu odczytywania, przekształcania i zapisywania danych w tabelach i folderach lakehouse. Zobacz Eksplorowanie danych za pomocą notesu i Ładowanie danych za pomocą notesu.

• Potoki — skorzystaj z działania kopiowania i innych narzędzi do integracji danych, aby przenieść dane ze źródeł zewnętrznych do Lakehouse'u. Zobacz Kopiowanie danych przy użyciu działania kopiowania.

• Definicje zadań — uruchamianie skompilowanych aplikacji Spark w Java, Scala lub Python na potrzeby procesu ETL klasy produkcyjnej. Zobacz Co to jest definicja zadania platformy Apache Spark?.

• Przepływy danych Gen 2 — pozyskiwanie i przygotowywanie danych przy użyciu interfejsu wizualnego o niskim kodzie. Zobacz Tworzenie pierwszego przepływu danych.

Aby zobaczyć pełne porównanie opcji ładowania danych, zobacz Opcje ładowania danych do lakehouse.

Analizowanie danych typu lakehouse przy użyciu wybranego aparatu

Na wstążce lakehouse znajduje się lista rozwijana Analizuj dane za pomocą, która umożliwia otwieranie danych w różnych środowiskach analitycznych bezpośrednio z lakehouse:

Option	Opis
Punkt końcowy analizy SQL	Wykonywanie zapytań w tabelach Delta za pomocą języka T-SQL w edytorze tylko do odczytu. Zobacz Punkt końcowy analizy SQL.
Punkt końcowy usługi Eventhouse	Uruchamiaj zapytania KQL do wydajnej analizy w czasie rzeczywistym. Zobacz Punkt końcowy usługi Eventhouse.
Notatnik (Nowy / istniejący)	Otwórz notes w usłudze Spark, aby analizować lub przekształcać dane za pomocą kodu. Zobacz Eksplorowanie danych za pomocą notesu.

Szczegóły dotyczące każdej opcji i miejsce znalezienia rozwijanego menu znajdziesz w sekcji Nawiguj po Lakehouse explorer.

Punkt końcowy analizy SQL usługi Lakehouse

Gdy tworzysz lakehouse, Fabric automatycznie generuje punkt końcowy do analizy SQL. Ten punkt końcowy umożliwia:

• Wykonywanie zapytań względem tabel delty przy użyciu języka T-SQL — użyj znanej składni SQL bez konfigurowania oddzielnego magazynu.
• Połącz Power BI bezpośrednio — utwórz semantyczny model Power BI do budowania raportów na danych Lakehouse.
• Udostępnianie dostępu tylko do odczytu — analitycy i konstruktorzy raportów mogą wykonywać zapytania dotyczące danych bez wpływu na obciążenia platformy Spark.

Punkt końcowy analizy SQL jest tylko do odczytu i nie obsługuje pełnego zakresu języka T-SQL w magazynie. Służy do eksploracji, raportowania i zapytań ad hoc.

Notatka

Od 5 września 2025 r. domyślne modele semantyczne nie są już tworzone automatycznie podczas tworzenia magazynu lakehouse. Istniejące domyślne modele semantyczne zostały oddzielone od elementów nadrzędnych do 30 listopada 2025 r. i stały się niezależnymi modelami semantycznymi. Więcej informacji można znaleźć w sekcji Power BI semantic models in Fabric.

Notatka

Tylko tabele delty są wyświetlane w punkcie końcowym analizy SQL. Dotyczy to tabel Delta dostępnych za pomocą skrótów w OneLake, które są widoczne i możliwe do zapytań obok lokalnie przechowywanych tabel. Za pomocą tego punktu końcowego nie można przeprowadzać zapytań w formacie Parquet, CSV i innych. Jeśli tabela nie jest widoczna, przekonwertuj ją na format delta.

Automatyczne odnajdywanie i rejestrowanie tabel

Usługa Lakehouse organizuje dane w dwa foldery najwyższego poziomu: Tabele dla zarządzanych tabel Delta i Pliki dla danych bez struktury lub danych innych niż Delta. Po umieszczeniu pliku w folderze Tables, Fabric automatycznie:

• Sprawdza poprawność pliku względem obsługiwanych formatów (obecnie tylko tabele Delta).
• Wyodrębnia metadane — nazwy kolumn, typy danych, kompresja i partycjonowanie.
• Rejestruje tabelę w magazynie metadanych, aby można było wykonywać zapytania natychmiast za pomocą języka Spark SQL lub T-SQL.

Ta zarządzana funkcja konwersji plików na tabelę oznacza, że nie musisz ręcznie pisać CREATE TABLE instrukcji dla danych, które umieszczasz w obszarze zarządzanym.

Notatka

Dla domów nad jeziorem bez schematu maksymalny rozmiar metadanych wynosi 10 GB. Publikacja lub aktualizacja dowolnego modelu przekraczającego 10 GB kończy się niepowodzeniem. Aby rozwiązać ten problem, użyj domów nad jeziorem ze schematem lub zmniejsz rozmiar modelu, usuwając tabele i kolumny. Możesz też podzielić duże modele na kilka domów nad jeziorem, aby utrzymać się w tym limicie.

Wielozadaniowość z lakehouse

Usługa Lakehouse używa projektu karty przeglądarki, który umożliwia otwieranie i przełączanie się między wieloma elementami bez utraty miejsca:

• Zachowaj uruchomione operacje: Ładowanie i przesyłanie danych nadal się odbywa podczas przełączania na inną kartę.

• Zachowaj kontekst: Wybrane tabele, pliki i obiekty pozostają otwarte podczas przechodzenia między kartami.

• Ponowne ładowanie listy bez blokowania: Pliki i tabele są odświeżane w tle bez przerywania pracy.

• Powiadomienia o zasięgu: Wyskakujące powiadomienia identyfikują, z którego lakehouse pochodzą, dzięki czemu można śledzić aktualizacje na kartach.

Projekt dostępnego domku nad jeziorem

Usługa Lakehouse obsługuje technologie pomocnicze i dostępne wzorce interakcji:

• Zgodność czytnika zawartości ekranu: Współpracuje z popularnymi czytnikami zawartości ekranu na potrzeby nawigacji i interakcji.
• Tekst alternatywny dla obrazów: Wszystkie obrazy zawierają opisowy tekst alternatywny.
• Pola formularza z etykietami: Wszystkie pola formularzy mają skojarzone etykiety dla użytkowników czytnika zawartości ekranu i klawiatury.
• Przepływ tekstu: Responsywny układ, który dostosowuje się do różnych rozmiarów i orientacji ekranu.
• Nawigacja za pomocą klawiatury: Pełna obsługa klawiatury do poruszania się po lakehouse bez myszy.

Powiązana zawartość

• Stwórz domek nad jeziorem w Fabric
• Opcje wprowadzenia danych do domku nad jeziorem
• lakehouse SQL analytics endpoint
• Wykonywanie zapytań dotyczących danych za pomocą eksploratora zapytań Spark SQL
• Eksplorowanie danych przy użyciu notatnika lakehouse
• Wybierz między magazynem a domem nad jeziorem
• Odzyskiwanie usuniętych plików w usłudze OneLake