AutoML code-first preview |
W Nauka o danych sieci szkieletowej nowa funkcja automatycznego uczenia maszynowego umożliwia automatyzację przepływu pracy uczenia maszynowego. AutoML lub Automated Machine Learning to zestaw technik i narzędzi, które mogą automatycznie trenować i optymalizować modele uczenia maszynowego dla danych i typów zadań. |
Środowisko użytkownika z małą ilością kodu w usłudze Fabric (wersja zapoznawcza) |
AutoML lub Automated Machine Learning to proces automatyzujący czasochłonne i złożone zadania tworzenia modeli uczenia maszynowego. Nowe środowisko automatycznego uczenia maszynowego z małą ilością kodu obsługuje różne zadania, w tym regresję, prognozowanie, klasyfikację i klasyfikację wieloklasową. Aby rozpocząć, utwórz modele za pomocą zautomatyzowanego uczenia maszynowego (wersja zapoznawcza). |
Element usługi Azure Data Factory |
Możesz teraz przenieść istniejącą usługę Azure Data Factory (ADF) do obszaru roboczego usługi Fabric. Ta nowa funkcja w wersji zapoznawczej umożliwia nawiązanie połączenia z istniejącą usługą Azure Data Factory z obszaru roboczego usługi Fabric. Wybierz pozycję "Utwórz usługę Azure Data Factory" w obszarze roboczym usługi Fabric Data Factory i możesz zarządzać fabrykami danych platformy Azure bezpośrednio z obszaru roboczego Sieć szkieletowa. |
Podgląd pul pojemności |
Administratorzy pojemności mogą teraz tworzyć pule niestandardowe (wersja zapoznawcza) na podstawie wymagań dotyczących obciążenia, zapewniając szczegółową kontrolę nad zasobami obliczeniowymi. Pule niestandardowe dla inżynierowie danych i Nauka o danych można ustawić jako opcje puli platformy Spark w obszarze Roboczym Ustawienia platformy Spark i elementy środowiska. |
Podgląd dostrajania hiperparametrów code-first |
W Nauka o danych sieci szkieletowej funkcja FLAML jest teraz zintegrowana z dostrajaniem hiperparametrów, obecnie funkcją w wersji zapoznawczej. Funkcja sieci szkieletowej usprawnia flaml.tune ten proces, oferując ekonomiczne i wydajne podejście do dostrajania hiperparametrów. |
Copilot w sieci szkieletowej jest dostępna na całym świecie |
CopilotUsługa Fabric jest teraz dostępna dla wszystkich klientów, w tymCopilot dla usług Power BI, Data Factory, Nauka o danych i inżynierowie danych oraz analizy w czasie rzeczywistym. Przeczytaj więcej w temacie Omówienie w usłudze Copilot Fabric. |
Zadanie kopiowania |
Zadanie kopiowania (wersja zapoznawcza) ma przewagę nad starszymi działanie Kopiuj. Aby uzyskać więcej informacji, zobacz Ogłoszenie wersji zapoznawczej: kopiowanie zadania w usłudze Microsoft Fabric. Aby zapoznać się z samouczkiem, zobacz Dowiedz się, jak utworzyć zadanie kopiowania (wersja zapoznawcza) w usłudze Data Factory dla usługi Microsoft Fabric. |
Wersja zapoznawcza zadań Apache Airflow w usłudze Data Factory |
Zadanie platformy Apache Airflow (wersja zapoznawcza) w usłudze Data Factory obsługiwane przez platformę Apache Airflow oferuje bezproblemowe tworzenie, planowanie i monitorowanie procesów danych opartych na języku Python zdefiniowanych jako ukierunkowane grafy Acykliczne (DAG). Aby uzyskać więcej informacji, zobacz Szybki start: tworzenie przepływu pracy danych. |
Możliwości potoku danych w usłudze Copilot Data Factory (wersja zapoznawcza) |
Nowe możliwości potoku danych w usłudze Copilot Data Factory są teraz dostępne w wersji zapoznawczej. Te funkcje działają jako ekspert od sztucznej inteligencji, aby pomóc użytkownikom tworzyć, rozwiązywać problemy i obsługiwać potoki danych. |
Data Wrangler for Spark DataFrames (wersja zapoznawcza) |
Funkcja Data Wrangler obsługuje teraz ramki danych Spark w wersji zapoznawczej. Użytkownicy mogą teraz edytować ramki danych Platformy Spark oprócz ramek danych biblioteki pandas za pomocą narzędzia Data Wrangler. |
umiejętność Nauka o danych sztucznej inteligencji (wersja zapoznawcza) |
Teraz możesz tworzyć własne środowiska generowania sztucznej inteligencji na danych w usłudze Fabric za pomocą umiejętności sztucznej inteligencji (wersja zapoznawcza)! Możesz tworzyć pytania i odpowiadać na systemy sztucznej inteligencji w usłudze Lakehouses i Warehouses. Aby uzyskać więcej informacji, zobacz Wprowadzenie do umiejętności sztucznej inteligencji w usłudze Microsoft Fabric: teraz w wersji zapoznawczej. Aby rozpocząć, wypróbuj przykład umiejętności sztucznej inteligencji z zestawem danych AdventureWorks. |
Przepływ danych Gen2 z integracją ciągłej integracji/ciągłego wdrażania i usługą Git |
Usługa Dataflow Gen2 obsługuje teraz ciągłą integrację/ciągłe wdrażanie (CI/CD) i integrację z usługą Git. Ta funkcja w wersji zapoznawczej umożliwia tworzenie, edytowanie i zarządzanie przepływami danych w repozytorium Git połączonym z obszarem roboczym sieci szkieletowej. Ponadto możesz użyć funkcji potoków wdrażania, aby zautomatyzować wdrażanie przepływów danych z obszaru roboczego do innych obszarów roboczych. Ponadto do zarządzania przepływem danych gen2 można użyć interfejsu API Tworzenia, odczytu, aktualizacji, usuwania i listy (CRUDL). |
Mapowanie kolumn różnicowych w punkcie końcowym analizy SQL |
Punkt końcowy analizy SQL obsługuje teraz tabele delty z włączonym mapowaniem kolumn. Aby uzyskać więcej informacji, zobacz Delta column mapping and Limitations of the SQL Analytics endpoint (Mapowanie kolumn delty i ograniczenia punktu końcowego analizy SQL). Ta funkcja jest aktualnie dostępna jako funkcja podglądu. |
Domeny w usłudze OneLake (wersja zapoznawcza) |
Domeny w usłudze OneLake ułatwiają organizowanie danych w logiczną siatkę danych, umożliwiając zarządzanie federacyjne i optymalizowanie pod kątem potrzeb biznesowych. Teraz można tworzyć domeny podrzędne, domeny domyślne dla użytkowników i przenosić obszary robocze między domenami. Aby uzyskać więcej informacji, zobacz Domeny sieci szkieletowej. |
Tryb wysokiej współbieżności notesów w potokach (wersja zapoznawcza) |
Tryb wysokiej współbieżności notesów w potokach umożliwia użytkownikom udostępnianie sesji platformy Spark w wielu notesach w potoku. W trybie wysokiej współbieżności użytkownicy mogą wyzwalać zadania potoku, a te zadania są automatycznie pakowane do istniejących sesji o wysokiej współbieżności. |
Brama sieci szkieletowej umożliwia skróty oneLake do danych lokalnych |
Nawiąż połączenie z lokalnymi źródłami danych za pomocą lokalnej bramy danych sieci szkieletowej na maszynie w środowisku, z widocznością sieciową źródła danych zgodnego z usługą S3 lub źródła danych usługi Google Cloud Storage. Następnie utworzysz skrót i wybierz tę bramę. Aby uzyskać więcej informacji, zobacz Tworzenie skrótów do danych lokalnych. |
Łącznik spark sieci szkieletowej dla magazynu danych sieci szkieletowej w środowisku uruchomieniowym platformy Spark (wersja zapoznawcza) |
Łącznik spark sieci szkieletowej dla magazynu danych (wersja zapoznawcza) umożliwia deweloperowi platformy Spark lub analitykowi danych uzyskiwanie dostępu do danych z magazynu lub punktu końcowego analizy SQL usługi Lakehouse (z poziomu tego samego obszaru roboczego lub z różnych obszarów roboczych) z uproszczonym interfejsem API platformy Spark. |
Fabric Spark Diagnostic Emitter (wersja zapoznawcza) |
Usługa Apache Spark Diagnostic Emitter (wersja zapoznawcza) umożliwia użytkownikom platformy Apache Spark zbieranie dzienników, dzienników zdarzeń i metryk z aplikacji Spark oraz wysyłanie ich do różnych miejsc docelowych, w tym do usług Azure Event Hubs, Azure Storage i Azure Log Analytics. |
Baza danych SQL sieci szkieletowej (wersja zapoznawcza) |
Baza danych SQL w usłudze Microsoft Fabric (wersja zapoznawcza) to przyjazna dla deweloperów transakcyjna baza danych oparta na usłudze Azure SQL Database, która umożliwia łatwe tworzenie operacyjnej bazy danych w usłudze Fabric. Baza danych SQL w sieci szkieletowej używa aparatu bazy danych SQL jako usługi Azure SQL Database. Zapoznaj się z przewodnikiem po decyzjach dotyczących baz danych SQL. |
Folder w wersji zapoznawczej obszaru roboczego |
Jako jednostka organizacyjna w obszarze roboczym folder rozwiązuje ten problem, zapewniając hierarchiczną strukturę organizowania elementów i zarządzania nimi. Aby uzyskać więcej informacji, zobacz Tworzenie folderów w obszarach roboczych (wersja zapoznawcza). |
Dane góry lodowej w usłudze OneLake przy użyciu usługi Snowflake i skrótów (wersja zapoznawcza) |
Teraz możesz korzystać z danych sformatowanych w warstwie Iceberg w usłudze Microsoft Fabric bez przenoszenia ani duplikowania danych, a snowflake dodał możliwość zapisywania tabel góry lodowej bezpośrednio w usłudze OneLake. Aby uzyskać więcej informacji, zobacz Use Iceberg tables with OneLake (Używanie tabel góry lodowej w usłudze OneLake). |
Odświeżanie przyrostowe dla usługi Dataflow Gen2 (wersja zapoznawcza) |
Odświeżanie przyrostowe dla przepływów danych Gen2 w usłudze Fabric Data Factory jest przeznaczone do optymalizacji pozyskiwania i przekształcania danych, szczególnie w miarę rozszerzania danych. Aby uzyskać więcej informacji, zobacz Ogłoszenie wersji zapoznawczej: odświeżanie przyrostowe w przepływie danych Gen2. |
Wywoływanie potoku zdalnego (wersja zapoznawcza) w potoku danych |
Teraz możesz użyć działania Invoke Pipeline (wersja zapoznawcza) do wywoływania potoków z potoków usługi Azure Data Factory lub Synapse Analytics. Ta funkcja umożliwia korzystanie z istniejących potoków usługi ADF lub Synapse wewnątrz potoku sieci szkieletowej przez wywołanie go w tekście za pośrednictwem tego nowego działania Wywołaj potok. |
Funkcja schematów usługi Lakehouse |
Funkcja schematów usługi Lakehouse (wersja zapoznawcza) wprowadza obsługę potoków danych do odczytywania informacji o schemacie z tabel lakehouse i obsługuje zapisywanie danych w tabelach w określonych schematach. Schematy usługi Lakehouse umożliwiają grupowanie tabel w celu lepszego odnajdywania danych, kontroli dostępu i nie tylko. |
Obsługa usługi Lakehouse dla potoków integracji i wdrażania usługi Git (wersja zapoznawcza) |
Usługa Lakehouse jest teraz zintegrowana z funkcjami zarządzania cyklem życia w usłudze Microsoft Fabric, zapewniając ustandaryzowaną współpracę między wszystkimi członkami zespołu deweloperskiego w całym życiu produktu. Zarządzanie cyklem życia ułatwia efektywne przechowywanie wersji i proces wydawania produktów przez ciągłe dostarczanie funkcji i poprawek usterek w wielu środowiskach. |
Zarządzane sieci wirtualne (wersja zapoznawcza) |
Zarządzane sieci wirtualne to sieci wirtualne tworzone i zarządzane przez usługę Microsoft Fabric dla każdego obszaru roboczego usługi Fabric. |
Łącznik platformy Microsoft 365 obsługuje teraz pozyskiwanie danych do usługi Lakehouse (wersja zapoznawcza) |
Łącznik platformy Microsoft 365 obsługuje teraz pozyskiwanie danych do tabel usługi Lakehouse. |
Interfejsy API administratora usługi Microsoft Fabric |
Interfejsy API administratora sieci szkieletowej zostały zaprojektowane w celu usprawnienia zadań administracyjnych. Początkowy zestaw interfejsów API administratora sieci szkieletowej jest dostosowany do uproszczenia odnajdywania obszarów roboczych, elementów sieci szkieletowej i szczegółów dostępu użytkowników. |
Dublowanie w wersji zapoznawczej usługi Microsoft Fabric |
Dzięki dublowaniu bazy danych w sieci szkieletowej można łatwo przenieść bazy danych do usługi OneLake w usłudze Microsoft Fabric, umożliwiając bezproblemowe przetwarzanie bezobsługowe, niemal w czasie rzeczywistym szczegółowe informacje o danych — i odblokowywanie magazynowania, analizy biznesowej, sztucznej inteligencji i nie tylko. Aby uzyskać więcej informacji, zobacz Co to jest dublowanie w sieci szkieletowej? |
Natywny aparat wykonywania w środowisku uruchomieniowym 1.3 (wersja zapoznawcza) |
Aparat wykonywania natywnego dla środowiska Fabric Runtime 1.3 jest teraz dostępny w wersji zapoznawczej, oferując lepszą wydajność zapytań w zakresie przetwarzania danych, ETL, nauki o danych i interakcyjnych zapytań. Podczas korzystania z aparatu wykonywania natywnego nie są wymagane żadne zmiany kodu w celu przyspieszenia wykonywania zadań platformy Apache Spark. |
Zagnieżdżone typowe wyrażenia tabel (CTE) (wersja zapoznawcza) |
Magazyn sieci szkieletowej i punkt końcowy analizy SQL obsługują standardowe, sekwencyjne i zagnieżdżone wartości CTE. Mimo że ctEs są ogólnie dostępne w usłudze Microsoft Fabric, zagnieżdżone typowe wyrażenia tabel (CTE) w magazynie danych sieci szkieletowej są obecnie funkcją w wersji zapoznawczej. |
Debugowanie notesu w vscode.dev (wersja zapoznawcza) |
Teraz możesz umieścić punkty przerwania i debugować kod notesu za pomocą rozszerzenia SYNApse VS Code — remote w vscode.dev. Ta aktualizacja najpierw rozpoczyna się od środowiska fabric Runtime 1.3. |
Role dostępu do danych w usłudze OneLake |
Role dostępu do danych usługi OneLake dla usługi Lakehouse są dostępne w wersji zapoznawczej. Uprawnienia ról i przypisania użytkowników/grup można łatwo zaktualizować za pomocą nowego interfejsu użytkownika zabezpieczeń folderu. |
Sygnatura dostępu współdzielonego usługi OneLake (wersja zapoznawcza) |
Obsługa krótkotrwałych, delegowanych przez użytkownika sygnatury dostępu współdzielonego OneLake jest teraz dostępna w wersji zapoznawczej. Ta funkcja umożliwia aplikacjom żądanie klucza delegowania użytkownika wspieranego przez identyfikator Entra firmy Microsoft, a następnie użycie tego klucza do utworzenia tokenu SAS usługi OneLake. Ten token można przekazać w celu zapewnienia delegowanego dostępu do innego narzędzia, węzła lub użytkownika, zapewniając bezpieczny i kontrolowany dostęp. |
Otwieranie dublowania (wersja zapoznawcza) |
Otwarte dublowanie umożliwia każdej aplikacji zapisywanie danych zmian bezpośrednio w dublowanej bazie danych w sieci szkieletowej na podstawie otwartych interfejsów API i podejścia do dublowania publicznego. Otwieranie dublowania zostało zaprojektowane tak, aby można było rozszerzać, dostosowywać i otwierać. Jest to zaawansowana funkcja, która rozszerza dublowanie w sieci szkieletowej na podstawie otwartego formatu tabeli usługi Delta Lake. Aby rozpocząć, zobacz Samouczek: konfigurowanie otwartych dublowanych baz danych w usłudze Microsoft Fabric. |
Wstępnie utworzone usługi Azure AI w wersji zapoznawczej |
Wersja zapoznawcza wstępnie utworzonych usług sztucznej inteligencji w usłudze Fabric to integracja z usługami Azure AI, wcześniej znaną jako Azure Cognitive Services. Wstępnie utworzone usługi azure AI umożliwiają łatwe ulepszenie danych za pomocą wstępnie utworzonych modeli sztucznej inteligencji bez żadnych wymagań wstępnych. Obecnie wstępnie utworzone usługi sztucznej inteligencji są w wersji zapoznawczej i obejmują obsługę usług Microsoft Azure OpenAI Service, Azure AI Language i Azure AI Translator. |
Zasady ochrony przed utratą danych usługi Purview zostały rozszerzone na magazyny lakehouse usługi Fabric |
Rozszerzenie zasad ochrony przed utratą danych (DLP) firmy Microsoft do usługi Fabric lakehouse jest teraz dostępne w wersji zapoznawczej. |
Zasady ochrony przed utratą danych usługi Purview obsługują teraz akcję ograniczania dostępu dla modeli semantycznych |
Ograniczanie dostępu na podstawie poufnej zawartości dla modeli semantycznych, teraz w wersji zapoznawczej, pomaga automatycznie wykrywać poufne informacje podczas przekazywania ich do usług Fabric lakehouse i modeli semantycznych. |
Pulpity nawigacyjne w czasie rzeczywistym i bazowe oddzielenie dostępu do baz danych KQL (wersja zapoznawcza) |
Z oddzielnymi uprawnieniami dla pulpitów nawigacyjnych i danych bazowych administratorzy mają teraz elastyczność umożliwiającą użytkownikom wyświetlanie pulpitów nawigacyjnych bez udzielania dostępu do danych pierwotnych. |
Rezerwuj maksymalne rdzenie dla zadań (wersja zapoznawcza) |
Nowe ustawienie na poziomie obszaru roboczego umożliwia rezerwowanie maksymalnych rdzeni dla aktywnych zadań dla obciążeń platformy Spark. Aby uzyskać więcej informacji, zobacz Tryb wysokiej współbieżności w usłudze Apache Spark for Fabric. |
Interfejsy API REST dla potoków usługi Data Factory w wersji zapoznawczej |
Interfejsy API REST dla potoków usługi Data Factory usługi Fabric są teraz dostępne w wersji zapoznawczej. Interfejsy API REST dla potoków usługi Data Factory umożliwiają rozszerzenie wbudowanej funkcji w sieci szkieletowej w celu tworzenia, odczytywania, aktualizowania, usuwania i tworzenia potoków listy. |
Zabezpieczanie przesyłania strumieniowego danych za pomocą zarządzanych prywatnych punktów końcowych w usłudze Eventstream (wersja zapoznawcza) |
Tworząc zarządzany prywatny punkt końcowy sieci szkieletowej, można teraz bezpiecznie połączyć strumień zdarzeń z usługami platformy Azure, takimi jak Azure Event Hubs lub IoT Hub, w sieci prywatnej lub za zaporą. Aby uzyskać więcej informacji, zobacz Secure Data Streaming with Managed Private Endpoints in Eventstream (Wersja zapoznawcza). |
Działanie odświeżania modelu semantycznego (wersja zapoznawcza) |
Użyj działania odświeżania modelu semantycznego, aby odświeżyć zestaw danych usługi Power BI (wersja zapoznawcza) — najbardziej efektywny sposób odświeżania modeli semantycznych sieci szkieletowej. |
Kontrolka wygasania sesji w ustawieniach obszaru roboczego dla interakcyjnych przebiegów notesu (wersja zapoznawcza) |
Nowa kontrolka wygasania sesji w ustawieniach obszaru roboczego inżynierowie danych/Nauki umożliwia ustawienie maksymalnego limitu czasu wygaśnięcia dla interakcyjnych sesji notesu. Domyślnie sesje wygasają po 20 minutach, ale można teraz dostosować maksymalny czas trwania wygaśnięcia. |
Umiejętność udostępniania funkcji dla sztucznej inteligencji sieci szkieletowej (wersja zapoznawcza) |
Funkcja udostępniania dla umiejętności sztucznej inteligencji sieci szkieletowej (wersja zapoznawcza) umożliwia udostępnianie umiejętności sztucznej inteligencji innym osobom przy użyciu różnych modeli uprawnień. |
Udostępnianie umiejętności sztucznej inteligencji sieci szkieletowej (wersja zapoznawcza) |
Udostępnianie możliwości umiejętności sztucznej inteligencji sieci szkieletowej (wersja zapoznawcza) umożliwia udostępnianie umiejętności sztucznej inteligencji innym osobom przy użyciu różnych modeli uprawnień. |
Spark Run Series Analysis (wersja zapoznawcza) |
Funkcje Analizy serii uruchomień monitorowania platformy Spark umożliwiają analizowanie trendu czasu trwania przebiegu i porównania wydajności dla cyklicznych wystąpień przebiegu potoku Spark i powtarzających się działań uruchamiania platformy Spark z poziomu tego samego notesu lub definicji zadania platformy Spark. |
Dodatek Splunk w wersji zapoznawczej |
Dodatek microsoft Fabric dla rozwiązania Splunk umożliwia użytkownikom pozyskiwanie dzienników z platformy Splunk do bazy danych KQL fabric przy użyciu zestawu SDK języka Python Kusto. |
Tagi |
Tagi (wersja zapoznawcza) pomagają administratorom kategoryzować i organizować dane, zwiększając możliwości wyszukiwania danych oraz zwiększając współczynniki powodzenia i wydajność dla użytkowników końcowych. |
Przepływy zadań w usłudze Microsoft Fabric (wersja zapoznawcza) |
Podgląd przepływów zadań w usłudze Microsoft Fabric jest włączony dla wszystkich użytkowników usługi Microsoft Fabric. W przypadku przepływów zadań sieci szkieletowej podczas projektowania projektu danych nie trzeba już używać tablicy do szkicowania różnych części projektu i ich powiązań. Zamiast tego możesz użyć przepływu zadań, aby skompilować i wprowadzić te kluczowe informacje do samego projektu. |
obsługa varchar(max) i varbinary(max) w wersji zapoznawczej |
Obsługa typów danych varchar(max) i varbinary(max) w magazynie jest teraz dostępna w wersji zapoznawczej. Aby uzyskać więcej informacji, zobacz Ogłoszenie publicznej wersji zapoznawczej typów VARCHAR(MAX) i VARBINARY(MAX) w magazynie danych sieci szkieletowej. |
Dostawca narzędzia Terraform dla sieci szkieletowej (wersja zapoznawcza) |
Dostawca programu Terraform dla usługi Microsoft Fabric jest teraz w wersji zapoznawczej. Dostawca narzędzia Terraform dla usługi Microsoft Fabric obsługuje tworzenie wielu zasobów sieci szkieletowej i zarządzanie nimi. Aby uzyskać więcej informacji, zobacz Ogłoszenie nowego dostawcy programu Terraform dla usługi Microsoft Fabric. |
Obsługa języka T-SQL w notesach usługi Fabric (wersja zapoznawcza) |
Funkcja notesu T-SQL w usłudze Microsoft Fabric (wersja zapoznawcza) umożliwia pisanie i uruchamianie kodu T-SQL w notesie. Można ich używać do zarządzania złożonymi zapytaniami i pisania lepszej dokumentacji języka Markdown. Umożliwia również bezpośrednie wykonywanie języka T-SQL w połączonym magazynie lub punkcie końcowym analizy SQL. Aby dowiedzieć się więcej, zobacz Tworzenie i uruchamianie notesów języka T-SQL. |
Punkty przywracania magazynu i przywracanie w miejscu |
Teraz można tworzyć punkty przywracania i wykonywać przywracanie w miejscu magazynu do ostatniego punktu w czasie. Przywracanie w miejscu jest istotną częścią odzyskiwania magazynu danych, która umożliwia przywrócenie magazynu danych do wcześniejszego znanego niezawodnego stanu przez zastąpienie lub zastąpienie istniejącego magazynu danych, z którego utworzono punkt przywracania. |
Kontrola źródła magazynu (wersja zapoznawcza) |
Korzystając z potoków integracji i/lub wdrażania usługi Git z magazynem, można zarządzać programowaniem i wdrażaniem obiektów magazynu w wersji. Możesz użyć rozszerzenia SQL Database Projects dostępnego w programie Azure Data Studio i programie Visual Studio Code. Aby uzyskać więcej informacji na temat kontroli źródła magazynu, zobacz Ciągła integracja/ciągłe wdrażanie z magazynami w usłudze Microsoft Fabric. |