Introduktion till informationslagersjälvstudier
Gäller för:✅ SQL-analysslutpunkt och lager i Microsoft Fabric
Microsoft Fabric tillhandahåller en enda kontaktpunkt för alla analytiska behov för varje företag. Den omfattar hela spektrumet av tjänster, inklusive dataflytt, datasjö, datateknik, dataintegrering och datavetenskap, realtidsanalys och business intelligence. Med Microsoft Fabric behöver du inte sy ihop olika tjänster från flera leverantörer. I stället har kunden en heltäckande, mycket integrerad och heltäckande produkt som är lätt att förstå, registrera, skapa och använda. Ingen annan produkt på marknaden erbjuder den bredd, djup och nivå av integrering som Microsoft Fabric erbjuder. Dessutom ingår Microsoft Purview som standard i varje klientorganisation för att uppfylla efterlevnads- och styrningsbehoven.
Syftet med den här självstudien
Även om många begrepp i Microsoft Fabric kanske är bekanta för data- och analysproffs kan det vara svårt att tillämpa dessa begrepp i en ny miljö. Den här självstudien har utformats för att steg för steg gå igenom ett scenario från slutpunkt till slutpunkt från datainsamling till dataförbrukning för att skapa en grundläggande förståelse för Microsoft Fabric-användarupplevelsen, de olika upplevelserna och deras integreringspunkter samt Microsoft Fabrics professionella och medborgarutvecklarupplevelser.
Självstudierna är inte avsedda att vara en referensarkitektur, en fullständig lista över funktioner och funktioner eller en rekommendation om specifika metodtips.
Scenario för informationslager från slutpunkt till slutpunkt
Slutför följande steg som förutsättningar för den här självstudien:
- Logga in på ditt Power BI-onlinekonto, eller om du inte har något konto ännu, registrera dig för en kostnadsfri utvärderingsversion.
- Aktivera Microsoft Fabric i din klientorganisation.
I den här självstudien tar du dig an rollen som lagerutvecklare på det fiktiva wide world importers-företaget och utför följande steg i Microsoft Fabric-portalen för att skapa och implementera en lösning för informationslager från slutpunkt till slutpunkt:
- Skapa en Microsoft Fabric-arbetsyta.
- Skapa ett lager.
- Mata in data från källan till den dimensionella datalagermodellen med en datapipeline.
- Skapa tabeller i ditt lager.
- Läs in data med T-SQL med SQL-frågeredigeraren.
- Klona en tabell med T-SQL med SQL-frågeredigeraren.
- Transformera data för att skapa aggregerade datamängder med hjälp av T-SQL.
- Tidsresor med T-SQL för att se data som de såg ut.
- Använd den visuella frågeredigeraren för att fråga informationslagret.
- Analysera data med en notebook-fil.
- Skapa och köra frågor mellan lager med SQL-frågeredigeraren .
- Skapa Power BI-rapporter med DirectLake-läge för att analysera data på plats.
- Skapa en rapport från OneLake Data Hub.
- Rensa resurser genom att ta bort arbetsytan och andra objekt.
Arkitektur för informationslager från slutpunkt till slutpunkt
Datakällor – Microsoft Fabric gör det enkelt och snabbt att ansluta till Azure Data Services, andra molnplattformar och lokala datakällor att mata in data från.
Inmatning – Med över 200 interna anslutningsappar som en del av Microsoft Fabric-pipelinen och med dra och släpp datatransformering med dataflöde kan du snabbt skapa insikter för din organisation. Genväg är en ny funktion i Microsoft Fabric som ger ett sätt att ansluta till befintliga data utan att behöva kopiera eller flytta dem. Mer information om genvägsfunktionen finns senare i den här självstudien.
Transformera och lagra – Microsoft Fabric standardiserar i Delta Lake-format, vilket innebär att alla motorer i Microsoft Fabric kan läsa och arbeta med samma data som lagras i OneLake – inget behov av dataduplicering. Med den här lagringen kan du skapa ett informationslager eller ett datanät baserat på organisationens behov. För transformering kan du välja antingen lågkods- eller kodfri upplevelse med pipelines/dataflöden eller använda T-SQL för en första kodupplevelse.
Förbruka – Data från lagret kan användas av Power BI, det branschledande business intelligence-verktyget, för rapportering och visualisering. Varje lager levereras med en inbyggd TDS-slutpunkt för att enkelt ansluta till och köra frågor mot data från andra rapporteringsverktyg när det behövs. När ett lager skapas genereras ett sekundärt objekt, som kallas för en standardsemantisk modell, samtidigt med samma namn. Du kan använda standardsemantikmodellen för att börja visualisera data med bara ett par steg.
Exempeldata
För exempeldata använder vi exempeldatabasen Wide World Importers (WWI). För vårt scenario med informationslager från slutpunkt till slutpunkt har vi genererat tillräckligt med data för en smygtitt på skalnings- och prestandafunktionerna i Microsoft Fabric-plattformen.
Wide World Importers (WWI) är en importör och distributör av varor i grossistledet från San Francisco Bay-området. Som grossist är WWI:s kunder främst företag som säljer vidare till individer. WWI säljer till detaljhandelskunder över hela USA, inklusive specialbutiker, stormarknader, databehandlingsbutiker, turistattraktionbutiker och vissa individer. WWI säljer också till andra grossister via ett nätverk av agenter som marknadsför produkterna för WWI: s räkning. Mer information om företagets profil och drift finns i Wide World Importers-exempeldatabaser för Microsoft SQL.
Vanligtvis skulle du föra data från transaktionssystem (eller branschspecifika program) till en datasjö eller ett mellanlagringsområde för informationslager. I den här självstudien använder vi dock den dimensionsmodell som tillhandahålls av WWI som vår första datakälla. Vi använder den som källa för att mata in data i ett informationslager och transformera dem via T-SQL.
Datamodell
WWI-dimensionsmodellen innehåller flera faktatabeller, men för den fact_sale här självstudien fokuserar vi bara på tabellen och dess relaterade dimensioner, enligt följande, för att demonstrera det här scenariot för informationslager från slutpunkt till slutpunkt:
