Dela via

Beslutsguide för Microsoft Fabric: Välj mellan Warehouse och Lakehouse

Microsoft Fabric erbjuder två arbetslaster i företagsskala med öppet format för datalagring: Warehouse och Lakehouse. I den här artikeln jämförs de två plattformarna och beslutspunkterna för var och en.

Kriterium

diagram som innehåller beslutsträd för Lakehouse och Warehouse i Microsoft Fabric.

No Code- eller Pro Code-lösningar: Hur vill du utveckla?

  • Gnista
    • Använd Lakehouse
  • T-SQL
    • Använd Warehouse

lagerbehov: Behöver du transaktioner med flera tabeller?

  • Ja
    • Använd Lager
  • Nej
    • Använd Lakehouse

Datakomplexitet: Vilken typ av data analyserar du?

  • Vet inte
    • Använd Lakehouse
  • Ostrukturerade och strukturerade data
    • Använd Lakehouse
  • Endast strukturerade data
    • Använd Warehouse

Välj en kandidattjänst

Utför en detaljerad utvärdering av tjänsten för att bekräfta att den uppfyller dina behov.

Objektet Warehouse i Fabric Data Warehouse är ett informationslager i företagsskala med öppet standardformat.

  • Prestanda utan justeringsbehov med minimal uppsättning och distribution, ingen konfiguration av beräkning eller lagring behövs. ​
  • Enkla och intuitiva informationslagerupplevelser för både nybörjare och erfarna dataproffs (ingen/pro-kod).
  • Lake-centrerat lager lagrar data i OneLake i öppet Delta-format med enkel dataåterställning och hantering.
  • Helt integrerad med alla Fabric-arbetsbelastningar.
  • Datainläsning och transformeringar i stor skala, med fullständiga transaktionsgarantier för flera tabeller som tillhandahålls av SQL-motorn.
  • Virtuella lager med frågor mellan databaser och ett helt integrerat semantiskt lager.
  • Företagsklar plattform med prestanda och användningssynlighet från slutpunkt till slutpunkt, med inbyggd styrning och säkerhet.
  • Flexibilitet att skapa datamagasin eller datamesh baserat på organisationens behov och val av no-code, low-code eller T-SQL för transformationer.

Lakehouse objekt i Fabric Data Engineering är en plattform för dataarkitektur för lagring, hantering och analys av strukturerade och ostrukturerade data på en enda plats.

  • Lagra, hantera och analysera strukturerade och ostrukturerade data på en enda plats för att få insikter och fatta beslut snabbare och effektivt.
  • Flexibel och skalbar lösning som gör det möjligt för organisationer att hantera stora mängder data av alla typer och storlekar.
  • Mata enkelt in data från många olika källor, som konverteras till ett enhetligt Delta-format
  • Automatisk tabellidentifiering och registrering för en fullständigt hanterad fil-till-tabell-upplevelse för datatekniker och dataforskare. ​
  • Automatisk SQL-analysslutpunkt och standarddatauppsättning som tillåter T-SQL-frågekörning av deltatabeller i sjön

Båda ingår i Power BI Premium- eller Fabric-kapaciteter.

Jämföra olika lagerfunktioner

I den här tabellen jämförs lagret med SQL-analysslutpunkten för Lakehouse.

Microsoft Fabric-erbjudande

Lager

SQL-analysslutpunkt för Lakehouse

Primära funktioner

ACID-kompatibel, fullständig datalagerhantering med transaktionsstöd i T-SQL.

Skrivskyddad, systemgenererad SQL-analysslutpunkt för Lakehouse för T-SQL-frågor och -servering. Stödjer analyser på Lakehouse Delta-tabellerna och Delta Lake-mapparna som hänvisas till via genvägar.

Utvecklarprofil

SQL-utvecklare eller medborgarutvecklare

Datatekniker eller SQL-utvecklare

Datainläsning

SQL, pipelines, dataflöden

Spark, pipelines, dataflöden, genvägar

Stöd för Delta-tabell

Läser och skriver Delta-tabeller

Läser deltatabeller

Lagringsskikt

Öppna dataformat – Delta

Öppna dataformat – Delta

Rekommenderat användningsfall

  • Datalager för företagsanvändning
  • Datalagerstöd för avdelnings-, affärsenhets- eller självbetjäningsanvändning
  • Strukturerad dataanalys i T-SQL med tabeller, vyer, procedurer och funktioner och avancerat SQL-stöd för BI
  • Utforska och köra frågor mot deltatabeller från lakehouse
  • Mellanlagringsdata och arkiveringszon för analys
  • Medallion lakehouse-arkitektur med zoner för brons-, silver- och guldanalys
  • Parkoppling med datalager för företagsanalytiska användningsområden

Utvecklingsupplevelse

  • Warehouse Editor med fullt stöd för T-SQL-datainmatning, modellering, utveckling och frågor, samt användargränssnittsupplevelser för datainmatning, modellering och frågor.
  • Läs-/skrivstöd för verktyg från första och tredje part
  • Lakehouse SQL-analysslutpunkt med begränsat T-SQL-stöd för vyer, tabellvärdesfunktioner och SQL-frågor
  • Gränssnittsupplevelser för modellering och frågor
  • Begränsat T-SQL-stöd för verktyg från första och tredje part

T-SQL-funktioner

Fullständigt stöd för DQL, DML och DDL T-SQL, fullständigt transaktionsstöd

Fullständig DQL, ingen DML, begränsat DDL T-SQL-stöd, till exempel SQL-vyer och TVF:er

Relaterat innehåll