Microsoft Fabric-integreringsvägar för ISV:er

Microsoft Fabric erbjuder tre distinkta vägar för oberoende mjukvaruleverantörer (ISV:er) att sömlöst integreras med Fabric. För en ISV som påbörjar denna resa går denna artikel igenom olika resurser som finns tillgängliga under var och en av dessa vägar.

Interoperabilitet med OneLake

Interop-modellens huvudsakliga fokus är att möjliggöra för ISV:er att integrera sina lösningar med OneLake Foundation. För att interoperasera med Fabric tillhandahåller Microsoft integration via en mängd olika kopplingar i Data Factory och i Real-Time Intelligence. Microsoft tillhandahåller också REST-API:er för OneLake, genvägar i OneLake, datadelning mellan Fabric-tenants och databasspegling.

I följande avsnitt beskrivs några av de sätt som du kan komma igång med den här modellen på.

OneLake-API:er

• OneLake stöder befintliga Api:er och SDK:er för Azure Data Lake Storage (ADLS) Gen2 för direkt interaktion, så att utvecklare kan läsa, skriva och hantera sina data i OneLake. Läs mer om REST API:er för ADLS Gen2 och hur du ansluter till OneLake.
• Eftersom inte alla funktioner i ADLS Gen2 mappar direkt till OneLake, inför OneLake också en uppsättning mappstruktur för att stödja Fabric arbetsytor och objekt. En fullständig lista över olika beteenden mellan OneLake och ADLS Gen2 när du anropar dessa API:er finns i OneLake API-paritet.
• Om du använder Databricks och vill ansluta till Fabric fungerar Databricks med ADLS Gen2-API:er. Integrera OneLake med Azure Databricks.
• För att utnyttja vad Delta Lake-lagringsformatet kan göra för dig, granska och förstå formatet, tabelloptimering och V-ordning. Delta Lake-tabelloptimering och V-ordning.
• När datan finns i OneLake, utforska den lokalt genom att använda OneLakes filutforskare. OneLake Filutforskaren integrerar sömlöst OneLake med Windows Utforskaren. Det här programmet synkroniserar automatiskt alla OneLake-objekt som du har åtkomst till i Windows Utforskaren. Du kan också använda andra verktyg som är kompatibla med ADLS Gen2 som Azure Storage Explorer.

API:er för realtidsinformation

Fabric Real-Time Intelligence är en omfattande lösning som har utformats för att stödja hela livscykeln för realtidsdata – från inmatning och dataströmbearbetning till analys, visualisering och åtgärd. Den är byggd för att hantera strömmande data med högt dataflöde och erbjuder robusta funktioner för datainmatning, transformering, frågor och lagring, vilket gör det möjligt för organisationer att fatta datadrivna beslut i tid.

• Eventstreams gör det möjligt att ta in realtidshändelser från olika källor och skicka dem till olika destinationer, såsom sjöhus, KQL-databaser i Eventhouse och Fabric Activator. Lär dig mer om eventstreams och eventstreams API.
• Du kan mata in strömmande data i händelseströmmar via flera protokoll, inklusive Kafka, Event Hubs, AMQP och en växande lista av kopplingar som listas här.
• Efter att ha bearbetat de inhämtade händelserna antingen med no-code-upplevelsen eller med SQL-operatorn (Preview) kan du routa resultatet till flera Fabric-destinationer eller till anpassade endpoints. Läs mer om eventstreams destinationer här.
• Eventhouses är utformade för strömmande data, kompatibla med Real-Time hubb och idealiska för tidsbaserade händelser. Data indexeras och partitioneras automatiskt baserat på inmatningstid, vilket ger dig otroligt snabba och komplexa analytiska frågemöjligheter på höggranularitetsdata som du kan komma åt i OneLake för användning i hela Fabric:s upplevelsesvit. Eventhouses stöder befintliga eventhouse-API:er och SDK:er för direkt interaktion, vilket gör det möjligt för utvecklare att läsa, skriva och hantera sin data i eventhouses. Läs mer om REST API.
• Om du använder Databricks eller Jupyter Notebooks kan du använda Kusto Python-klientbiblioteket för att arbeta med KQL-databaser i Fabric. Läs mer om Kusto Python SDK.
• Du kan använda befintliga Microsoft Logic Apps, Azure Data Factory eller Microsoft Power Automate connectors för att interagera med dina eventhouse- eller KQL-databaser.
• Databasgenvägar i Realtidsinformation är inbäddade referenser i ett händelsehus till en källdatabas. Källdatabasen kan antingen vara en KQL-databas i Real-Time Intelligence eller en Azure Data Explorer databas. Du kan använda genvägar för att dela data på plats inom samma hyresgäst eller mellan hyresgäster. Läs mer om hur du hanterar databasgenvägar med hjälp av API:et.

Datafabrik

• Pipelines har en omfattande uppsättning anslutningar som gör det möjligt för ISV:er att enkelt ansluta till en mängd olika datalager. Oavsett om du samverkar med traditionella databaser eller moderna molnbaserade lösningar säkerställer våra anslutningsappar en smidig integreringsprocess. Översikt över anslutning.
• Genom att använda de stödda Dataflow Gen2-kontakterna kan ISV:er utnyttja kraften i Fabric Data Factory för att hantera komplexa dataflöden. Den här funktionen är särskilt fördelaktig för ISV:er som vill effektivisera databearbetnings- och transformeringsuppgifter. Dataflow Gen2-anslutningar i Fabric.
• För en fullständig lista över funktioner som stöds av Data Factory, kolla in denna Data Factory-blogg.

Genvägar för flera moln

Genvägar i OneLake förenar din data över domäner, moln och konton genom att skapa en enda virtuell datalake för hela ditt företag. Alla Fabric-upplevelser och analytiska motorer kan direkt peka på dina befintliga datakällor såsom OneLake i olika tenants, Azure Data Lake Storage (ADLS) Gen2, Amazon S3-lagringskonton, Google Cloud Storage (GCS),S3-kompatibla datakällor och Dataverse via ett enhetligt namnrymd. OneLake presenterar ISV:er med en transformerande dataåtkomstlösning som sömlöst överbryggar integreringen mellan olika domäner och molnplattformar.

• Läs mer om OneLake-genvägar
• Läs mer om OneLake one logical copy
• Läs mer om genvägar för KQL-databaser

Dela data

Datadelning gör det möjligt för Fabric-användare att dela data mellan olika Fabric-klienter utan att duplicera dem. Den här funktionen förbättrar samarbetet genom att göra det möjligt att dela data "på plats" från OneLake-lagringsplatser. Data delas som skrivskyddat, tillgängligt via olika Fabric-beräkningsmotorer, inklusive SQL, Spark, KQL och semantiska modeller. För att använda den här funktionen måste Fabric-administratörer aktivera den i både delnings- och mottagarklientorganisationerna. Processen omfattar att välja data i OneLake-katalogen eller arbetsytan, konfigurera delningsinställningar och skicka en inbjudan till den avsedda mottagaren.

• Läs mer om datadelning.

Databasåterspegling

Mirroring in Fabric ger en enkel upplevelse för att undvika komplexa ETL (Extract Transform Load) och integrera din befintliga data i OneLake med resten av din data i Fabric. Du kan kontinuerligt kopiera din befintliga data direkt till OneLake. I Fabric kan du låsa upp kraftfull affärsintelligens, artificiell intelligens, Data Engineering, Data Science och scenarier för datadelning.

• Läs mer om spegling och databaser som stöds.

Med öppen spegling kan alla program skriva ändringsdata direkt till en speglad databas i Fabric. Öppen spegling är utformad för att vara utökningsbar, anpassningsbar och öppen. Det är en kraftfull funktion som utökar speglingen i Fabric och bygger på det öppna tabellformatet för Delta Lake. När data har landat i OneLake i Fabric förenklar öppen spegling hanteringen av komplexa dataändringar, vilket säkerställer att alla speglade data kontinuerligt är uppdaterade och redo för analys.

• Läs mer om öppen spegling och när du ska använda den.

Utveckla på Fabric

Med utvecklingsmodellen Fabric kan ISV:er bygga sina produkter och tjänster ovanpå Fabric eller sömlöst bädda in Fabrics funktioner i sina befintliga applikationer. Det är en övergång från grundläggande integrering till att aktivt tillämpa de funktioner som Fabric erbjuder. Den huvudsakliga integrationsytan är via REST API:er för olika Fabric-upplevelser. I följande tabell visas en delmängd rest-API:er grupperade efter fabric-upplevelsen. För en fullständig lista, se Fabric REST API-dokumentationen.

Fabricsupplevelse	API (gränssnitt för programmering av applikationer)
Informationslager	- Lager - Spegellagrat lager
Datateknik	- Sjöhus - Gnista - Spark-jobbdefinition - Tabeller - Jobb
Datafabrik	- Datapipeline
Realtidsinformation	- Eventhouse - KQL-databas - KQL-frågeuppsättning - Händelseström
Datavetenskap	- Anteckningsbok - ML-experimentet - ML-modell
OneLake	- Genväg - ADLS Gen2-API:er
Power BI	- Rapport - Instrumentpanel - Semantisk modell

Skapa en Fabric-arbetsbelastning

Skapa en fabric-arbetsbelastningsmodell är utformad för att ge ISV:er möjlighet att skapa anpassade upplevelser på Fabric-plattformen. Det ger ISV:er de verktyg och funktioner som krävs för att anpassa sina erbjudanden till Fabric-ekosystemet, vilket optimerar kombinationen av deras unika värdeförslag med Fabrics omfattande funktioner.

Microsoft Fabric Workload Development Kit erbjuder ett omfattande verktygspaket för utvecklare att integrera applikationer i Fabric-hubben. Denna integration möjliggör tillägg av nya funktioner direkt inom en Fabric-arbetsyta, vilket förbättrar analysresan för användarna. Det ger utvecklare och ISV:er en ny väg för att nå kunder, leverera både välbekanta och nya upplevelser och utnyttja befintliga dataprogram. Fabric-administratörer kan hantera vem som kan lägga till arbetsbelastningar i en organisation.

Arbetsbelastningscentret

Workload Hub i Fabric är ett centraliserat gränssnitt där du kan utforska, hantera och komma åt alla tillgängliga arbetsbelastningar. Varje arbetsbelastning i Fabric är kopplad till en specifik objekttyp som du kan skapa inom Fabric-arbetsytor. Genom att navigera genom Workload Hub kan du enkelt upptäcka och interagera med olika arbetsbelastningar, vilket förbättrar dina analytiska och operativa förmågor.

Infrastrukturadministratörer har rättigheter att hantera arbetsbelastning tillgänglighet, vilket gör dem tillgängliga för hela tjänsthavaren eller inom specifika kapacitetsgränser. Den här utökningsbarheten säkerställer att Fabric förblir en flexibel och skalbar plattform, så att organisationer kan skräddarsy sin arbetsbelastningsmiljö för att uppfylla föränderliga data- och affärskrav. Genom att integrera sömlöst med Fabrics säkerhets- och styrningsramverk förenklar arbetsbelastningshubben distribution och hantering av arbetsbelastningar. Varje arbetsbelastning har en utvärderingsupplevelse där användarna snabbt kan komma igång. Följande är de tillgängliga arbetsbelastningarna:

• 2TEST: En omfattande arbetsbelastning för kvalitetssäkring som automatiserar testning och datakvalitetskontroller.

  

• Informatica Cloud Data Quality: Nu ska du profilera, identifiera och åtgärda dataproblem – till exempel dubbletter, saknade värden och inkonsekvenser – direkt i din Infrastrukturmiljö.

  

• Lumel EPM: Ger företagsanvändare möjlighet att skapa EPM-appar (Enterprise Performance Management) utan kod ovanpå semantiska modeller.

  

• Neo4j AuraDB med grafanalys: Skapa grafmodeller från OneLake-data, analysera och utforska datakopplingar visuellt, fråga dina data och kör någon av de 65+ inbyggda algoritmerna med en sömlös upplevelse i Fabric.

  

• Osmos AI Data Wrangler: Automatiserar dataförberedelse genom att använda AI-baserade datahanterare, vilket gör datatransformeringarna smidiga.

  

• Power Designer: Ett verktyg för att skapa mallar för hela företaget och förbättra Power BI-rapportdesignen.

  

• Celonis Process Intelligence: Gör det möjligt för organisationer att exponera Celonis unika dataklass och kontext i Fabric.

  

• Profisee Master Data Management: ger användarna möjlighet att effektivt matcha, slå samman, standardisera, reparera och validera data, omvandla dem till betrodda, förbrukningsklara dataprodukter för analys och AI.

  

• Quantexa Unify: Förbättrar OneLake-datakällorna genom att erbjuda en 360-graders vy med avancerade dataupplösningsfunktioner.

  

• SAS Decision Builder: Hjälper organisationer att automatisera, optimera och skala sina beslutsprocesser.

  

• Statsig: Tar datavisualisering och analys direkt till ditt lager.

  

• Teradata AI Unlimited: Kombinerar Teradatas analytiska motor med Fabric:s datahanteringsfunktioner via Teradatas funktioner i databasen.

  

• SQL2Fabric-Mirroring av Striim: Fullt hanterad, icke-kod replikeringslösning som sömlöst speglar lokal SQL Server data till OneLake.

  

När fler arbetsbelastningar blir tillgängliga fortsätter arbetsbelastningshubben att fungera som ett dynamiskt utrymme för att upptäcka nya funktioner, vilket säkerställer att användarna har de verktyg de behöver för att skala och optimera sina datadrivna lösningar.