Wzorce Microsoft OneLake i podstawowe możliwości

Ten artykuł przedstawia typowe wzorce OneLake oraz możliwości platformy, które możesz wykorzystać do ich implementacji. Wykorzystaj informacje z tego artykułu, aby przemyśleć, jak chcesz zorganizować swoje środowisko danych, a następnie wybierz wzorce odpowiadające potrzebom biznesowym, technicznym i ładu korporacyjnego.

Każdy wzorzec opisuje, jak organizować dane i własność, aby osiągnąć określony cel architektoniczny. Aby wdrożyć wzorzec, łączysz jedną lub więcej podstawowych możliwości OneLake – wirtualizację danych, interoperacyjność otwartych danych, scentralizowane zarządzanie oraz zintegrowaną analitykę i AI. Każda z tych funkcji opiera się na konkretnych funkcjach produktu , takich jak skróty, mirroring, bezpieczeństwo OneLake oraz tryb Direct Lake. Ta sama zdolność i cecha często występują w więcej niż jednym wzorze.

Note

Ten artykuł opiera się na wzorcach zidentyfikowanych w białej księdze wytycznych architektonicznych OneLake.

Traktuj te pięć wzorów jako elementy budulcowe dla swojego projektu OneLake. Większość środowisk łączy więcej niż jedno. Wybierz wzorce odpowiadające Twoim celom:

Zunifikowany dostęp do danych przy minimalnej replikacji

Jeśli twoje dane są rozproszone po wielu chmurach, systemach lokalnych lub zewnętrznych jeziorach danych, skopiowanie ich wszystkich do jednego miejsca może być niepraktyczne — a nawet niemożliwe. Zunifikowany dostęp do danych z minimalnym wzorcem replikacji traktuje OneLake jako jedną logiczną warstwę danych w tych źródłach. Zamiast budować potoki pozyskiwania danych dla każdego źródła, używasz skrótów umożliwiających odwoływanie się do danych w ich oryginalnej lokalizacji oraz replikacji lustrzanej, gdy potrzebujesz zsynchronizowanej kopii zoptymalizowanej pod kątem zapytań.

Użyj tego wzorca, gdy:

  • Twoje dane są rozproszone po wielu chmurach, systemach lokalnych lub zewnętrznych jeziorach.
  • Replikowanie danych w centralnym repozytorium powodowałoby nadmierne zużycie przestrzeni magazynowej, opóźnienia lub obciążenia związane z zapewnieniem zgodności.
  • Musisz szybko wdrażać nowe źródła danych bez tworzenia kompletnych potoków ETL (ekstrakcji, transformacji i ładowania danych).
  • Chcesz zachować inwestycje w istniejące jeziora danych, magazyny i magazyny operacyjne.

Zastosowanie zunifikowanego dostępu do danych

Aby wdrożyć ten schemat, zacznij od dwóch głównych metod dostępu do danych, które nie wymagają budowania ani obsługi procesów przenoszenia danych: wirtualizacja udostępnia dane źródłowe przez OneLake bez ich kopiowania, a mirroring zero-ETL wprowadza do OneLake zarządzaną, zsynchronizowaną kopię jako gotowe do analityki tabele Delty. Używaj narzędzi Fabric do przenoszenia danych tylko wtedy, gdy te podejścia nie wspierają źródła lub nie spełniają Twoich wymagań. Dodatkowe wskazówki dotyczące wyboru i łączenia tych podejść można znaleźć w Unify data with OneLake shortcuts and mirroring.

  1. Sporządź inwentaryzację źródeł danych, aby określić, do których z nich OneLake może uzyskiwać dostęp za pomocą wirtualizacji lub dublowania zero ETL: chmurowa pamięć obiektowa, katalogi zewnętrzne, operacyjne bazy danych oraz Dataverse. Oznacz pozostałe źródła jako potrzebujące podejścia do przenoszenia danych.

  2. Wybierz odpowiednią technikę dostępu do danych dla każdego obsługiwanego źródła. Wolę wirtualizację, gdy źródło obsługuje dostęp bez kopiowania. Użyj dublowania zero-ETL, gdy źródło wymaga zsynchronizowanej kopii zoptymalizowanej pod kątem zapytań:

Dane źródłowe Jak do niego uzyskać dostęp Obsługa danych
Przechowywanie obiektów w chmurze (Azure Data Lake Storage Gen2, Amazon S3, Google Cloud Storage) oraz kompatybilne z S3 przechowywanie lokalne Skróty Wirtualizacja: udostępnia dane źródłowe bez ich kopiowania
Dane zarządzane w zewnętrznym katalogu, który chcesz udostępnić bez kopiowania (na przykład Azure Databricks Unity Catalog) Lustrzane odbicie metadanych – synchronizuje jedynie metadane katalogowe (schematy, tabele) i uzyskuje dostęp do danych źródłowych za pomocą skrótów Wirtualizacja: udostępnia dane źródłowe bez ich kopiowania
Operacyjne bazy danych, które wymagają kopii zoptymalizowanej pod kątem zapytań (Azure SQL Database, Azure Cosmos DB, Snowflake, PostgreSQL, SQL Server 2025, Oracle Database, Google BigQuery) Dublowanie bazy danych lub otwarte dublowanie dla obsługiwanych rozwiązań niestandardowych i partnerskich Zero-ETL mirroring: Tworzy zsynchronizowaną kopię Delty
Dataverse (dane Dynamics 365 i Power Platform) Skróty lub Łącze do Microsoft Fabric do dostępu bez kopiowania danych Wirtualizacja: udostępnia dane źródłowe bez ich kopiowania

  1. Przekształcaj dane źródłowe, gdy jest to potrzebne. Transformacje skrótów mogą przetwarzać wspierane pliki udostępnione przez skrót, niezależnie od tego, czy pliki są przechowywane zewnętrznie, czy już w OneLake. Użyj transformacji plików skrótowych do konwersji plików strukturalnych na tabele Delta lub skrótowych transformacji AI do przetwarzania tekstu nieustrukturyzowanego. Transformacje skrótowe tworzą przekształcony wynik Delty i utrzymują go synchronizowanego z danymi odwołanymi przez skrót.

  2. Używaj narzędzi Fabric do przenoszenia danych, gdy wirtualizacja i dublowanie nie obsługują źródła lub gdy potrzebujesz złożonych transformacji, orkiestracji, ruchu danych według harmonogramu albo pozyskiwania strumieniowego. Aby uzyskać pomoc w wyborze między potokami, przepływami danych, zadaniami kopiowania i strumieniami zdarzeń, zobacz Wybierz strategię przenoszenia danych.

Jeśli zdecydujesz się na przenoszenie danych, zapisuj skopiowane dane w otwartym formacie tabelarycznym, takim jak Delta Parquet lub Iceberg. Transformacje lustrzane i transformacje skrótów już generują dane wyjściowe Delta. Korzystanie z otwartych formatów sprawia, że wirtualizowane dane, zsynchronizowane kopie oraz przekształcone dane wyjściowe Delta pozostają czytelne dla silników Fabric i platform zewnętrznych.

  1. Zapisz przyczynę za każdym razem, gdy tworzysz zsynchronizowaną kopię, przekształcone dane wyjściowe Delta lub kopię przy użyciu narzędzi Fabric do przenoszenia danych. Ten zapis pozwala na możliwość audytu decyzji. Twórz kopię tylko wtedy, gdy źródło wymaga fizycznego, zoptymalizowanego pod kątem zapytań układu lub nie spełnia Twoich wymagań dotyczących świeżości, kosztów transformacji, zgodności czy przetwarzania wirtualnie.

  2. Zastosuj zabezpieczenia OneLake do danych udostępnianych przez OneLake, aby te same polityki obejmowały dane wirtualizowane, zsynchronizowane kopie i przekształcone wyniki Delty.

  3. Zatwierdzać i opisywać powstałe elementy danych w katalogu OneLake, aby odbiorcy mogli je znaleźć i im zaufać.

Zunifikowane możliwości dostępu do danych

  • Wirtualizacja danych i dublowanie zero ETL – Udostępnianie danych znajdujących się w innych systemach i chmurach za pomocą odwołań bez kopiowania lub zsynchronizowanych kopii gotowych do analizy. Funkcje:
  • Scentralizowane zarządzanie – Stosuj konsekwentne zabezpieczenia i wykrywanie do źródeł wirtualnych, tak jak do natywnych danych OneLake. Funkcje:
  • Interoperacyjność otwartych danych – Utrzymuj zwirtualizowane dane i kopie zarządzane przez platformę jako dostępne do odczytu zarówno dla silników Fabric, jak i platform zewnętrznych. Funkcje:

Architektura medalionowa (brąz, srebro, złoto)

Udostępnienie danych w OneLake to dopiero pierwszy krok. Surowe dane z systemów źródłowych zazwyczaj nie są bezpieczne do bezpośredniego wykorzystania do analityki czy AI. Często zawiera duplikaty, błędy, niespójne formaty lub wrażliwe pola. Gdy wiele zespołów pracuje na tych samych danych źródłowych, potrzebują one wspólnej definicji tego, do czego można ufać danym na każdym etapie przetwarzania.

Wzór architektury medalionowej organizuje dane w OneLake w trzy warstwy jakości: brąz dla surowych, niezmiennych danych źródłowych; srebro dla danych oczyszczonych i uformowanych; oraz złote dla certyfikowanych, gotowych do biznesu tabel i modeli semantycznych. Każda warstwa to zdefiniowany etap, na którym konsumenci mogą polegać. Tabele srebrne i złote mogą być ponownie wykorzystywane w zastosowaniach BI, analitycznych i AI, dzięki czemu zespoły nie muszą odtwarzać tej samej logiki oczyszczania lub modelowania w osobnych narzędziach.

Użyj tego wzorca, gdy:

  • Wiele zespołów opiera się na tych samych danych źródłowych i potrzebuje spójnej jakości.
  • Potrzebujesz prześladowalnej linii od surowych wejść do certyfikowanych wyjść.
  • Potrzebujesz jasnej umowy między inżynierią danych a konsumentami zajmującymi się analizą lub AI.

Więcej informacji na temat tego wzoru można znaleźć w artykule Understand medallion architecture for Fabric with OneLake. Ten artykuł obejmuje projektowanie warstw, modele wdrożeń, formaty pamięci, widoki na zmaterializowane jeziora oraz optymalizację tabel Delta.

Jak ją stosować

Działający medalion opiera się na jednej idei: każda warstwa jest kontraktem z konsumentami na dalszej linii, a dane przechodzą do kolejnej warstwy dopiero po spełnieniu jej standardów jakości.

  1. Zidentyfikuj surowe źródła oraz konsumentów, którzy polegają na certyfikowanych danych.

  2. Zdefiniuj, co należy do każdej warstwy i stosuj te definicje konsekwentnie w różnych dziedzinach:

    Warstwa Spis treści Typowi konsumenci
    Brąz Surowe, niezmienne dane pobrane bezpośrednio ze źródeł bez egzekwowania schematu Data Engineer (ograniczony dostęp)
    Srebro Oczyszczony, pozbawiony duplikatów i dostosowany do wspólnych definicji biznesowych Inżynierowie danych i przeszkoleni analitycy
    Złoto Starannie dobrane tabele i modele semantyczne gotowe do użycia w biznesie Wszyscy konsumenci BI, analityki i AI

  3. Twórz każdą warstwę przy użyciu odpowiedniego obciążenia platformy Fabric — zazwyczaj Data Engineering (Spark) lub Data Factory dla warstw brązowej i srebrnej, a Data Warehouse lub modeli semantycznych Power BI dla warstwy złotej. Zachowaj wierność źródłowemu w brązie, używając oryginalnego formatu, skrótu do danych źródłowych, Parquet lub Delta, jeśli to stosowne. Używaj tabel Delta dla srebra i złota, aby obciążenia Fabric mogły niezawodnie odczytywać i zapisywać dane dopracowane.

  4. Stosuj polityki dostępu uwzględniające warstwy. Użyj zabezpieczeń OneLake dla obsługiwanych elementów oraz odpowiednich uprawnień Fabric i SQL dla magazynów. Ograniczyć dostęp do brązu, udostępnić srebro analitykom i przyzwolić dostęp do złota na podstawie potrzeb konsumentów i standardów najniższych przywilejów.

  5. Korzystaj z wyselekcjonowanych wyników złota do analityki dalszej produkcji. Twórz semantyczne modele warstwy złotej w trybie Direct Lake, aby Power BI mogło odczytywać dane z usługi OneLake bez tworzenia zaimportowanej kopii i bez konieczności korzystania z zaplanowanych odświeżeń.

  6. Potwierdź, że każde wydobycie złota ma możliwe do prześledzenia linii przez srebro do jego źródeł brązu. Następnie popieraj tabele z warstwą złota oraz modele semantyczne certyfikowane w katalogu OneLake. To walidacja pomaga konsumentom określić, które dane są gotowe do produkcji produkcyjnej.

  7. Wykorzystaj ponownie sprawdzone modele semantyczne, aby przyspieszyć tworzenie ontologii Fabric IQ. Ten krok nadaje agentom AI zarządzany kontekst biznesowy oparty na certyfikowanych danych.

Podstawowe możliwości

  • Zintegrowana analityka i AI – warstwy brązowe, srebrne i złote dostarczają wszystkie analizy i obciążenia AI na OneLake, bez kopii specyficznych dla silnika. Funkcje:
  • Scentralizowane zarządzanie – Stosuj różne polityki dostępu i bramki jakości na każdej warstwie, tak aby konsumenci widzieli tylko dane odpowiednie dla swojej roli. Funkcje:
  • Interoperacyjność otwartych danych – Przechowuj warstwy w otwartych formatach, aby zewnętrzne silniki mogły je odczytywać razem z Fabric. Funkcje:

Siatka danych zorientowana na domenę na platformie współdzielonej

Jeśli masz wiele zespołów biznesowych produkujących i konsumujących dane, kierowanie każdego żądania przez jeden centralny zespół danych może spowolnić dostawę. Zespoły biznesowe często najlepiej rozumieją własne dane i wymagania, ale decentralizacja własności bez wspólnego zarządzania może prowadzić do niespójnego bezpieczeństwa, jakości i pochodzenia.

Wzorzec siatki danych zorientowany na domenę daje każdej domenze biznesowej własność własnych produktów danych, podczas gdy wszystkie domeny stosują wspólne standardy na zasadzie OneLake. Każda domena publikuje własne produkty danych, a inne domeny uzyskują do nich dostęp za pośrednictwem skrótów i wykorzystują je w analizach Fabric oraz obciążeniach AI. Scentralizowane polityki tożsamości, bezpieczeństwa i zarządzania są stosowane równomiernie we wszystkich dziedzinach.

Użyj tego wzorca, gdy:

  • Jeden scentralizowany zespół ds. danych staje się wąskim gardłem, które spowalnia realizację.
  • Różne domeny biznesowe mają odrębne dane, wymagania i rytmy wydawania.
  • Potrzebujesz jasnej odpowiedzialności za jakość danych na poziomie domenowym, bez rezygnacji z zarządzania całego przedsiębiorstwa.

Zastosowanie siatki danych zorientowanej na domenę

Znajdź właściwą równowagę między decentralizacją a spójnością. Przenieś odpowiedzialność do domeny, która najlepiej zna dane, a tożsamość, bezpieczeństwo i rodowód danych utrzymuj w sposób scentralizowany, tak aby produkty danych każdej domeny spełniały te same standardy.

  1. Zidentyfikuj domeny firmy. Każda domena powinna reprezentować spójny obszar biznesu z zespołem, który może posiadać i obsługiwać produkty danych od początku do końca.

  2. Stwórz domenę dla każdego obszaru biznesowego i przypisz jej przestrzenie robocze. Ustaw osobną domenę centralną dla współdzielonej infrastruktury i wielokrotnego użytku danych przedsiębiorstwowych.

  3. Zdefiniuj standardy produktów danych, które każda domena musi spełniać – na przykład wymagania dotyczące zatwierdzenia lub certyfikacji, udokumentowane schematy, metadane własności, wersjonowanie oraz umowy o poziomie usług (SLA). Te standardy sprawiają, że każdy produkt staje się wielokrotnego użytku, łatwym do odnalezienia kontraktem, zamiast być jedynie folderem w przestrzeni roboczej.

  4. Wykorzystaj zabezpieczenia OneLake, aby zastosować kontrolę dostępu do danych opartą na rolach na poziomie folderów, tabel, wierszy i kolumn, aby producenci mogli publikować produkty danych bez ujawniania wszystkiego w swojej przestrzeni roboczej.

  5. Zastosuj zarządzanie dzierżawcze z katalogiem OneLake do odkrywania i linii genealogicznych między domenami oraz Microsoft Purview do etykiet wrażliwości i audytu. Rozszerzenie tego samego modelu tożsamości i polityki na agentów AI korzystających z produktów danych domenowych, tak aby dostęp agentów był regulowany jak dostęp każdego innego konsumenta.

  6. Niech domeny konsumenckie używają skrótów do odwoływania się do produktów danych producenta zamiast ich kopiowania. Konsumenci mogą następnie korzystać z cytowanych produktów danych w zadaniu Fabric, które odpowiadają ich potrzebom. Dla modeli semantycznych Power BI użyj trybu Direct Lake, aby odczytać dane bezpośrednio z OneLake. Wykorzystaj Fabric Data Agents lub Fabric IQ, aby tworzyć doświadczenia AI oparte na produktach danych domenowych zarządzanych.

  7. Jeśli domeny publikują w katalogach poza Fabric, zaplanuj synchronizację kontroli dostępu, aby uprawnienia pozostały spójne między OneLake a katalogiem zewnętrznym.

    Tip

    Akcelerator open source Microsoft Policy Weaver może zautomatyzować tę synchronizację dla źródeł Azure Databricks (Unity Catalog), Snowflake i Dataverse. Odzwierciedla zasady dostępu do danych w rolach zabezpieczeń OneLake, uzupełniając mirroring (który przenosi dane, ale nie uprawnienia).

Możliwości siatki danych

  • Scentralizowane zarządzanie – Decentralizacja własności do domen, jednocześnie utrzymując tożsamość, bezpieczeństwo i linię rodową w centralizacji. Funkcje:
  • Wirtualizacja danych – Pozwól domenom konsumenckim korzystać z produktów danych należących do producenta poprzez odniesienia zamiast kopii. Funkcje:
    • Skróty umożliwiają zerowe udostępnianie kopii między domenami.
  • Zintegrowana analityka i AI – Spraw, by produkty danych każdej domeny były użyteczne dla wszystkich obciążeń Fabric. Funkcje:

Konsolidacja platform dla analityki i AI

Jeśli uruchamiasz kilka platform analitycznych obok siebie – oddzielne narzędzia do magazynowania danych, business intelligence, data science, analizy czasu rzeczywistego i AI – każde narzędzie ma własne kopie danych, pipeline'y i model zarządzania. Ta fragmentacja podnosi koszty i utrudnia stosowanie spójnego bezpieczeństwa lub uzyskanie jednej odpowiedzi na pytanie biznesowe.

Wzorzec konsolidacji platform przenosi te obciążenia do Fabric, gdzie OneLake zapewnia wspólną, zarządzaną bazę danych. Obciążenia robocze platformy Fabric uzyskują dostęp do danych, przekształcają je, synchronizują lub analizują w oparciu o tę podstawę, zamiast opierać się na oddzielnych modelach danych i ładu dla każdego narzędzia.

Użyj tego wzorca, gdy:

  • Korzystasz z wielu platform analitycznych o nakładających się możliwościach.
  • Kopie danych specyficzne dla silnika i pipeline'y generują koszty i narzuty utrzymania.
  • Potrzebujesz jednego modelu zarządzania i bezpieczeństwa we wszystkich obciążeniach analityki i AI.

Zastosuj konsolidację platform

Celuj w mniej platform, a nie więcej integracji. Konsoliduj obciążenia robocze w usłudze Fabric zamiast integrować ze sobą narzędzia, a zewnętrzne silniki integruj tylko wtedy, gdy nie możesz jeszcze wycofać ich z użycia.

  1. Zrób inwentaryzację narzędzi i pipeline'ów analityki, magazynowania danych, data science, business intelligence (BI) oraz AI, których używasz już dziś. Zwróć uwagę, jakie obciążenia obsługuje każde narzędzie i jakie dane kopiuje.

  2. Przyporządkuj każde istniejące obciążenie robocze do obciążenia roboczego platformy Fabric, które może je zastąpić:

    Obciążenie dziedziczone Obciążenie robocze usługi Fabric
    Orkiestracja danych i ETL Fabryka danych
    Notesy Spark i przetwarzanie w architekturze lakehouse inżynierowie danych
    Magazynowanie danych SQL Magazyn danych
    Streaming i analityka KQL Analiza w czasie rzeczywistym
    Trening modeli ML i śledzenie eksperymentów Nauka o danych
    Operacyjne bazy danych Bazy danych (baza SQL w Fabric oraz Cosmos DB w Fabric)
    Wizualizacja BI i modele semantyczne Power BI z trybem Direct Lake
    Konwersacyjna sztuczna inteligencja oparta na danych korporacyjnych Fabric Data Agents, Copilot for Fabric, Fabric IQ

  3. Ustal jeden model zarządzania i bezpieczeństwa dla wszystkich obciążeń, korzystając z OneLake security, Microsoft Purview oraz katalogu OneLake. Konfiguruj klucze zarządzane przez klienta, gdy obsługiwane elementy Fabric wymagają dodatkowej warstwy szyfrowania.

  4. Skonsoliduj dane analityczne w OneLake, używając formatu Delta lub Iceberg, aby obciążenia mogły dzielić zarządzaną bazę danych. Uwzględnić obciążenia operacyjne poprzez konsolidację ich w bazach danych Fabric, które udostępniają zsynchronizowane dane analityczne w OneLake.

  5. Ugruntuj AI na skonsolidowanych danych. Buduj ontologie (podgląd) na swojej wyselekcjonowanej warstwie danych i udostępniaj je agentom przez serwer Ontology MCP, tak aby Fabric Data Agents, Microsoft 365 Copilot i zewnętrzne narzędzia mogły rozumować w tym samym zarządzanym kontekście. Możesz generować definicje ontologii z modeli semantycznych Power BI w trybie Import, Direct Lake lub DirectQuery. Używaj trybu Direct Lake , gdy potrzebujesz generowanych przypisań do obsługiwanych danych OneLake i zapoznaj się z aktualnymi ograniczeniami ontologii.

  6. Jeśli chodzi o zewnętrzne silniki, których jeszcze nie możesz wycofać, udostępnij dane OneLake poprzez integrację z Azure Databricks, interoperacyjność Iceberg z Snowflake lub dostęp do OneLake i API.

  7. Wycofaj zastąpione narzędzia, kopie danych i potoki przetwarzania po zweryfikowaniu ich odpowiedników w usłudze Fabric. Dzięki temu konsolidacja eliminuje koszty, licencje i przekazywanie zadań, zamiast dokładać kolejną platformę do i tak już istniejącego stosu rozwiązań.

Możliwości konsolidacji platform

Zewnętrzne udostępnianie danych między organizacjami

Jeśli wymieniasz dane z partnerami, dostawcami, klientami lub innymi działami na bieżąco, eksport wsadowy, transfery plików oraz zduplikowane systemy downstream powodują opóźnienia, koszty i luki w zarządzaniu. Zewnętrzny wzorzec udostępniania danych daje konsumentom spoza Twojej organizacji lub działu biznesowego bezpośredni dostęp do wyselekcjonowanych danych OneLake bez konieczności powtarzających się eksportów. Użytkownicy mogą uzyskiwać dostęp do danych za pośrednictwem funkcji udostępniania między dzierżawcami w usłudze Fabric lub z poziomu zewnętrznych platform analitycznych, takich jak Snowflake i Azure Databricks, dzięki funkcjom interoperacyjności OneLake.

Konsumenci widzą aktualizacje, gdy je publikujesz. Kontrolujesz dostęp do danych źródłowych poprzez mechanizm współdzielenia lub interoperacyjności, który wspiera platformę użytkownika.

Użyj tego wzorca, gdy:

  • Na bieżąco wymieniasz się danymi z organizacjami zewnętrznymi.
  • Eksport wsadowy lub transfer plików powoduje opóźnienia, złożoność lub luki w zarządzaniu.
  • Musisz centralnie śledzić i odbierać dostęp zewnętrzny.

Zastosowanie zewnętrznego udostępniania danych

Zewnętrzne udostępnianie najlepiej działa, gdy używasz wirtualizacji zamiast eksportu danych. Dopasuj metodę dostępu do tego, co każdy konsument może odczytać, i zastosuj kontrole dostępu wspierane przez ten mechanizm współdzielenia lub interoperacyjności.

  1. Zidentyfikuj produkty danych, które chcesz udostępniać na zewnątrz, oraz konsumentów, którzy ich potrzebują (partnerów, dostawców, klientów). Zazwyczaj dzielisz się starannie zdefiniowanymi tabelami i plikami, które są dobrze zdefiniowane i udokumentowane.

  2. Wybierz odpowiednie podejście do udostępniania dla każdego konsumenta:

    Typ konsumenta Zalecane podejście
    Użytkownicy usługi Fabric w innej dzierżawie Zewnętrzne udostępnianie danych na potrzeby zwirtualizowanego dostępu między dzierżawami tylko do odczytu
    Użytkownicy Snowflake na platformie Azure Interoperacyjność Iceberg z platformą Snowflake umożliwiająca odczyt tabel Fabric udostępnionych w formacie Iceberg
    Użytkownicy usługi Azure Databricks Federacja katalogu OneLake w usłudze Azure Databricks umożliwiająca wykonywanie zapytań do tabel OneLake za pośrednictwem Unity Catalog bez kopiowania danych
    Aplikacje lub narzędzia wspierające ADLS Gen2 lub Blob API Dostęp do OneLake oraz API umożliwiające dostęp do danych OneLake za pośrednictwem obsługiwanych API

    Aby wprowadzić dane z Dataverse do OneLake przed ich udostępnieniem, użyj zunifikowanego wzorca dostępu do danych.

  3. Zakres dostępu zewnętrznego z uprawnieniami obsługiwanymi przez wybrany mechanizm udostępniania. W przypadku zewnętrznego udostępniania danych w usłudze Fabric udostępnienie przyznaje każdemu użytkownikowi w dzierżawie macierzystej zaproszonego użytkownika dostęp tylko do odczytu. Polityki bezpieczeństwa i zarządzania po stronie dostawcy, w tym OneLake, etykiety wrażliwości oraz polityki zapobiegania utracie danych, nie są egzekwowane w najemcy konsumenta. Konsument musi zarządzać dalszym dostępem w swoim środowisku.

  4. Uzgodnij od początku warunki każdej relacji dzielącej się – co jest dzielone, z kim i na jak długo. W usłudze Fabric, aby zarządzać udostępnianiem danych zewnętrznych, cofnij dostęp na karcie External data shares na stronie Zarządzanie uprawnieniami. W przypadku innych metod cofnij dostęp za pomocą wybranego mechanizmu udostępniania. Potwierdź, że konsument traci widoczność.

  5. Zastosuj etykiety poufności, inspekcję i zapobieganie utracie danych za pomocą Microsoft Purview w środowisku Fabric dostawcy.

  6. Polecam i dokumentuj produkty danych źródłowych w katalogu OneLake , aby dostawcy mogli je odnaleźć i zarządzać przed udostępnieniem ich. Katalog OneLake nie publikuje produktów danych dla zewnętrznych najemców ani platform analitycznych.

Możliwości zewnętrznego udostępniania danych

  • Wirtualizacja danych – Udostępniaj dane za pomocą referencji bez kopiowania, bez konieczności zarządzania procesami eksportu. Funkcje:
  • Interoperacyjność otwartych danych – Udostępniaj je konsumentom, którzy nie korzystają z Fabric, publikując w otwartych formatach. Funkcje:
  • Scentralizowane zarządzanie – Zarządzanie danymi źródłowymi w Fabric i kontrola dostępu zewnętrznego za pomocą każdego mechanizmu udostępniania. Funkcje:
    • Zabezpieczenia usługi OneLake określają zakres dostępu do danych źródłowych w usłudze Fabric.
    • Microsoft Purview stosuje etykiety wrażliwości, audyt oraz mechanizmy zapobiegania utracie danych w środowisku Fabric dostawcy.
    • Katalog OneLake obsługuje odnajdywanie i zatwierdzanie po stronie dostawcy przed udostępnieniem.
  • Last updated on