Compartilhar via

Como funciona o grafo no Microsoft Fabric

Observação

Esse recurso está atualmente em versão prévia pública. Essa versão prévia é oferecida sem um Acordo de Nível de Serviço (SLA) e não é recomendada para cargas de trabalho de produção. Alguns recursos podem não ter suporte ou podem ter restrição de recursos. Para obter mais informações, consulte Supplemental Terms of Use for Microsoft Azure Previews.

O Graph no Microsoft Fabric transforma dados estruturados armazenados no OneLake em um grafo modelado e que pode ser consultado. Em seguida, você pode consultar o grafo usando ferramentas visuais ou baseadas em GQL que são executadas por meio de um mecanismo comum para produzir resultados visuais, tabulares ou programáticos.

Este artigo descreve brevemente a arquitetura do grafo e percorre o fluxo de dados de ponta a ponta da origem para os insights.

O diagrama a seguir ilustra o fluxo de dados de ponta a ponta da origem até os insights.

Diagrama mostrando o fluxo de dados do grafo de fontes de dados por meio de armazenamento, modelagem de grafo, criação de consulta, execução e resultados.

Fontes de dados

Os dados são provenientes de sistemas externos, como serviços Azure, outras plataformas de nuvem ou fontes locais. Microsoft Fabric facilita a conexão com uma ampla gama de serviços de dados e trazer dados para o OneLake.

Armazenamento no OneLake

Você armazena dados ingeridos no OneLake como tabelas de origem tabular em um lakehouse. O grafo é lido diretamente de suas tabelas lakehouse, portanto, você não precisa duplicar ou mover dados para um banco de dados separado.

Modelagem de grafo

Na etapa de modelagem de grafo, defina o esquema de grafo especificando:

  • Tipos de nó: Entidades em seus dados, como clientes, produtos ou pedidos.
  • Tipos de borda: Relações entre entidades, como "compras", "contém" ou "produz".
  • Mapeamentos de tabela: Como as definições de nó e borda são mapeadas para as tabelas de origem subjacentes.

Esta etapa estabelece a estrutura de grafo de propriedades rotulado. Você deve concluir a modelagem de grafo antes de consultar o grafo.

Observação

atualmente, o grafo não dá suporte à evolução do esquema. Se você precisar fazer alterações estruturais, como adicionar novas propriedades, modificar rótulos ou alterar tipos de relação, reingesque os dados de origem atualizados em um novo modelo.

Grafo consultável

Quando você salva o modelo, o grafo ingere dados das tabelas de lakehouse subjacentes e constrói um grafo otimizado para leitura e que pode ser consultado. Essa estrutura de grafo é otimizada para passagem e correspondência de padrões, o que permite consultas de grafo rápidas e eficientes em escala.

Criação de consulta

Você cria consultas no grafo que pode ser consultado usando uma das duas experiências:

Ambas as opções destinam-se ao mesmo grafo subjacente. Escolha a experiência de criação que se ajuste ao fluxo de trabalho.

Execução da consulta

Você executa consultas criadas por meio de uma camada de execução comum que dá suporte a:

Essa camada executa a lógica de consulta no grafo que pode ser consultado e retorna resultados.

Resultados da consulta

Dependendo de como você consulta o grafo, você recebe resultados em um ou mais dos seguintes formatos:

  • Diagramas de grafo visual: Visualizações interativas de nós e relações.
  • Conjuntos de resultados tabulares: Dados estruturados em linhas e colunas.
  • Respostas programáticas: Saída JSON para consumo REST ou downstream.

Você pode explorar os resultados interativamente, compartilhá-los como conjuntos de consultas somente leitura ou consumi-los em outras ferramentas e aplicativos.

Conteúdo relacionado

  • Last updated on