Vad är OneLake?

Microsoft OneLake är en enhetlig datasjö för hela organisationen. Varje Microsoft Fabric klientorganisation innehåller automatiskt OneLake, och det är den enda platsen för alla dina analysdata. Det är en central lagringsplats där du kan lagra, hantera och styra alla dina data för analys- och AI-arbetsbelastningar i hela organisationen.

OneLake bygger på Azure Data Lake Storage och lagrar tabeller i Delta Parquet- eller Iceberg-format, två öppna standarder som alla verktyg kan läsa. Den här metoden innebär att dina data inte är låsta i egna format.

OneLake tillhandahåller:

  • Enhetlig datalagring för hela organisationen med inbyggd styrning och säkerhet
  • En kopia av data som ska användas med flera analysmotorer utan duplicering
  • Flexibel anslutning via utforskaren, ADLS Gen2-API:er och Azure tjänstintegreringar
  • Dataskydd och övervakning med inbyggd redundans, haveriberedskap och åtkomstdiagnostik

Enhetlig datalagring

Före OneLake skapade organisationer ofta flera sjöar för olika företagsgrupper, vilket ledde till extra omkostnader för att hantera flera resurser. Den här siloed metoden gjorde det svårt att samarbeta mellan team, saktade ned dataprojekt och ökade risken för duplicering.

OneLake löser dessa utmaningar genom att ge dig en central dataåtkomstpunkt för hela organisationen. Varje Fabric-tenant har en enda OneLake-instans. Du kan inte ta bort OneLake eller skapa flera OneLakes och det finns ingen infrastruktur att etablera eller hantera. Avdelningar, team och projekt kan lagra eller ansluta till sina data i den här enhetliga sjön och organisera dem med hjälp av Fabric domäner, underdomäner och arbetsytor – var och en med sin egen administratör. Den här modellen upprätthåller dataägarskapet och möjliggör federerad styrning, samtidigt som behöriga användare kan identifiera och använda data utan friktion.

Centralt hanterad med distribuerat ägarskap

Fabric data finns i följande hierarki för organisation och styrning:

  • Tenant: Policyer på tenantnivå skyddar automatiskt all data som hamnar i OneLake för säkerhet, regelefterlevnad och datahantering.
  • Arbetsyta: Du kan skapa valfritt antal arbetsytor i klientorganisationen för att organisera dina data. Med arbetsytor kan olika delar av organisationen distribuera ägarskaps- och åtkomstprinciper. Varje arbetsyta är en del av en kapacitet som är knuten till en viss region och faktureras separat.
  • Dataobjekt: Arbetsytor innehåller dataobjekt som lakehouses, lager, eventhouses och KQL-databaser. Varje objekttyp är specialbyggd för specifika arbetsbelastningar som Spark-baserad analys, T-SQL-frågor, realtidsströmning med mera.

Diagram som visar funktionen och strukturen för OneLake.

Mer information finns i Arbetsytor.

Identifiera och styra med OneLake-katalogen

OneLake-katalogen är den enda platsen för dataproffs och företagsanvändare att identifiera, hantera och styra de data som de äger och kan komma åt i OneLake.

Användare kan filtrera efter domän, arbetsyta, objekttyp, bekräftelser och mer för att hitta exakt vad de behöver, med varje dataobjekt berikat av metadata, till exempel beskrivningar, ägare, schema, ursprung och användningsstatistik.

Dataägare kan få insikter och rekommenderade åtgärder för att förbättra datakvaliteten och efterlevnaden, inklusive insyn i täckning av känslighetsetiketter, taggning, godkännanden och dataplats.

Mer information finns i OneLake-katalogen.

Security

Med OneLakes säkerhetsmodell kan du dela data brett utan att exponera känslig information. Genom att använda OneLake-säkerhetsroller kan du definiera detaljerade behörigheter för dataobjekt, ned till specifika mappar, tabeller eller till och med rader och kolumner. Du kan till exempel dela en försäljningsdatauppsättning med ett team men begränsa åtkomsten Cost till kolumnen, eller så kan du tillåta att en partner bara ser rader där Region = "US". OneLake lagrar dessa roller och tillämpar dem automatiskt i alla analysupplevelser. Så om en användare bara har åtkomst till en del av en datauppsättning gäller den regeln oavsett om de frågar via SQL, kör en Spark-notebook-fil eller visar en Power BI rapport. OneLake ser till att de bara ser vad de får se.

Den här enhetliga säkerhetsmetoden innebär att användarna inte behöver ha separata behörigheter för olika motorer. Det innebär också att de ursprungliga dataägarna alltid har kontroll över vem som kan komma åt datakällan, även om data skickas till ett sjöhus eller en arbetsyta som ägs av någon annan.

Du kan använda känslighetsetiketter på OneLake-objekt precis som i ett dokument, och dessa etiketter tillämpar krypterings- eller åtkomstbegränsningar även om data exporteras till Excel eller något annat verktyg. På samma sätt kan principer för dataförlustskydd (DLP) identifiera uppladdningar eller nedladdningar av känsliga data från OneLake och förhindra eller varna om potentiella dataläckor.

Mer information finns i Kom igång med att skydda dina data i OneLake.

En kopia av data

Alla Fabric analysmotorer arbetar med data direkt i OneLake. Du behöver inte kopiera data för att använda dem med en annan motor eller analysera data från flera källor.

Genvägar

En genväg är en referens till data som lagras på andra filplatser. Dessa filplatser kan finnas inom samma arbetsyta, en annan arbetsyta i OneLake eller utanför OneLake. Du kan använda genvägar för OneLake, Azure Data Lake Storage, Azure Blob Storage, Amazon S3- och S3-kompatibla källor, Iceberg-kompatibla källor, Microsoft Dataverse, lokala källor med mera. Oavsett plats får genvägar filer och mappar att se ut som om de lagras lokalt.

Med genvägar kan din organisation förena data mellan moln och domäner utan att kopiera dem. Teams kan arbeta oberoende av varandra på separata arbetsytor och använda genvägar för att dela data med varandra i stället för att duplicera dem. Ett team kan till exempel skapa en genväg till en datauppsättning på en annan grupps arbetsyta eller till en extern S3-bucket och sedan kombinera dessa data med sina egna i OneLake. Genvägen pekar på källan, så när källdata uppdateras visas dessa ändringar direkt via OneLake. På så sätt kan du skapa virtuella produkter eller vyer som samlar in data från flera företagsgrupper för att passa ett specifikt behov, utan att flytta eller duplicera data. Genom att använda genvägstransformeringar kan du till och med tillämpa automatiska ändringar på data som att konvertera dataformatet eller ta bort personligt identifierbar information (PII).

Diagram som visar hur genvägar ansluter data mellan arbetsytor och objekt.

Mer information om hur du använder genvägar finns i OneLake-genvägar.

Mirroring

Spegling i Fabric är en lågkostnadslösning med låg svarstid som kontinuerligt replikerar data från olika system till OneLake. Du kan på ett säkert sätt ansluta till en extern datakälla och automatiskt spegla (kopiera) valda databaser eller tabeller i OneLakes öppna format, så att de är synkroniserade nästan i realtid. De speglade data lagras som Delta Parquet i OneLake, så de är omedelbart tillgängliga för analys med valfri Fabric-motor.

Spegling stöder källor som Azure SQL Database, Azure Cosmos DB, Azure Database for PostgreSQL, Azure Databricks (Unity Catalog), Snowflake med mera. Ändringar i källan sprids kontinuerligt, så din OneLake-kopia förblir up-to-date utan manuella ETL-jobb. Du kan köra analyser, AI eller Power BI rapporter på nya data utan att fråga produktionskällan direkt.

Mer information finns i Vad är spegling i Fabric?

Samarbeta i flera analysmotorer

De analysmotorer i Fabric (T-SQL, Apache Spark, Analysis Services och andra) lagrar all data i OneLake i det öppna Delta Parquet-formatet. Med den här standardiseringen kan du använda samma data i flera motorer. Du behöver inte kopiera data bara för att använda dem med en annan motor eller känna dig fast med att använda en viss motor eftersom det är där dina data finns.

Ett team med SQL-tekniker skapar till exempel ett fullständigt transaktionellt informationslager. De använder T-SQL-motorn för att skapa tabeller, transformera data och läsa in data till tabeller. Om en dataexpert vill använda dessa data kan de koppla en Spark-anteckningsbok till OneLake och läsa tabellerna direkt. Eftersom OneLake lagrar tabellerna i Delta-format kan Spark läsa in dem utan några särskilda anslutningsappar eller dataexporter. Både SQL-frågorna och Spark-jobben fungerar på en kopia av data i OneLake.

Dessutom kan företagsanvändare skapa Power BI rapporter ovanpå OneLake med hjälp av Direct Lake-läget i Analysis Services-motorn. Direct Lake-läget är ett dataåtkomstläge som läser in och uppdaterar stora mängder data snabbt utan att göra en kopia. Mer information finns i Översikt över Direct Lake.

Exempeldiagram som visar inläsning av data med Spark, frågor med T-SQL och visning av data i en Power BI-rapport.

Interoperabilitet för öppna tabellformat

OneLake stöder både Delta Lake- och Apache Iceberg-tabellformat via metadatavirtualisering. Den här funktionen genererar automatiskt virtuella metadata så att Iceberg-tabeller kan läsas som Delta Lake-tabeller över Fabric arbetsbelastningar, och Delta Lake-tabeller kan läsas av externa Iceberg-läsare. Du kan skriva Iceberg-tabeller direkt till OneLake eller skapa genvägar till Iceberg-tabeller som lagras externt, och OneLake gör dem tillgängliga för alla Fabric motorer utan manuell konvertering. På samma sätt kan alla Delta Lake-tabeller i OneLake nås av Iceberg-kompatibla tjänster som Snowflake.

För mer information, se Använda isbergstabeller med OneLake.

Ansluta till OneLake

Du kan komma åt OneLake-data från Fabric-portalen, Windows, befintliga Azure-verktyg eller program som stöder ADLS Gen2-API:er.

OneLake-utforskaren för Windows

Du kan utforska OneLake-data från Windows med hjälp av OneLake-utforskaren för Windows. Du kan navigera i alla dina arbetsytor och dataobjekt, enkelt ladda upp, ladda ned eller ändra filer precis som du gör i Office. OneLake-utforskaren förenklar arbetet med datasjöar, så även icke-tekniska företagsanvändare kan använda dem.

Mer information finns i OneLake-utforskaren.

ADLS Gen2-API:er och SDK:er

OneLake stöder Azure Data Lake Storage (ADLS) Gen2 API:er och SDK:er, så att du kan använda befintliga ADLS Gen2-program. Varje arbetsyta visas som en container och dataobjekt visas som mappar i dessa containrar. Mer information finns i OneLake-åtkomst och API:er.

Diagram som visar hur du kan komma åt OneLake-data med API:er och SDK:er.

Eftersom OneLake är kompatibelt med ADLS Gen2-program kan du ansluta till OneLake från Azure tjänster. Ett exempel:

Dataskydd och övervakning

OneLake innehåller inbyggda funktioner för att skydda dina data och ge dig insyn i hur de används.

Haveriberedskap och dataskydd

OneLake skyddar automatiskt dina data med inbyggd redundans. I regioner som stöder tillgänglighetszoner använder OneLake zonredundant lagring (ZRS) för att replikera data över flera datacenter. I andra regioner använder den lokalt redundant lagring (LRS). För ytterligare skydd mot avbrott i hela regionen kan du aktivera affärskontinuitet och katastrofåterställning (BCDR) för en kapacitet för att georeplikera dina data till en parkopplad Azure-region. OneLake har också stöd för mjuk borttagning, vilket behåller borttagna filer i sju dagar så att du kan återställa från oavsiktliga borttagningar.

Mer information finns i Haveriberedskap och dataskydd för OneLake.

Diagnostics

OneLake-diagnostik ger insyn i hur data används i din Fabric miljö. När du aktiverar diagnostik på arbetsytenivå strömmas dataåtkomsthändelser in i ett lakehouse i form av loggar. Du kan spåra vem som har åtkomst till vilka data, när och hur. Den här loggningen omfattar användaråtgärder i Fabric användargränssnittet, programmatisk åtkomst via API:er och analysmotorer samt åtkomst mellan arbetsytor via genvägar.

Mer information finns i OneLake-diagnostik.

Relaterat innehåll

  • Last updated on