ตัวอย่างแรกสําหรับรหัส AutoML |
ใน Fabric Data Science คุณลักษณะ AutoML ใหม่เปิดใช้งาน การทํางานอัตโนมัติของเวิร์กโฟลว์การเรียนรู้ของเครื่องของคุณ
AutoML หรือ Automated Machine Learning เป็นชุดของเทคนิคและเครื่องมือที่สามารถฝึกและปรับแบบจําลองการเรียนรู้ของเครื่องสําหรับข้อมูลและประเภทงานใด ๆ ได้โดยอัตโนมัติ |
ประสบการณ์ผู้ใช้รหัสต่ําของ AutoML ใน Fabric (ตัวอย่าง) |
AutoML หรือ Automated Machine Learning เป็นกระบวนการที่ทําให้งานที่ซับซ้อนและใช้เวลานานในการพัฒนาแบบจําลองการเรียนรู้ของเครื่องเป็นแบบอัตโนมัติ ประสบการณ์ AutoML ของรหัสต่ําใหม่สนับสนุนงานต่าง ๆ รวมถึงการถดถอย การคาดการณ์ การจัดประเภท และการจําแนกประเภทแบบหลายประเภท เพื่อเริ่มต้นใช้งาน สร้างแบบจําลองด้วย ML อัตโนมัติ (ตัวอย่าง) |
รายการ Azure Data Factory |
ตอนนี้ คุณสามารถนํา Azure Data Factory (ADF) ที่มีอยู่ของคุณไปยังพื้นที่ทํางานของ Fabric ได้แล้ว ความสามารถในการแสดงตัวอย่างใหม่นี้ช่วยให้คุณสามารถเชื่อมต่อกับ Azure Data Factory ที่มีอยู่ของคุณจากพื้นที่ทํางาน Fabric ของคุณ เลือก "สร้าง Azure Data Factory" ภายในพื้นที่ทํางาน Fabric Data Factory ของคุณ และคุณสามารถจัดการโรงงานข้อมูล Azure ได้โดยตรงจากพื้นที่ทํางาน Fabric |
ตัวอย่างกลุ่มความจุ |
ตอนนี้ผู้ดูแลระบบความจุสามารถสร้างกลุ่มแบบกําหนดเอง (ตัวอย่าง) ตามข้อกําหนดของปริมาณงาน ซึ่งให้การควบคุมที่แยกย่อยผ่านทรัพยากรการคํานวณได้
คุณสามารถตั้งค่ากลุ่มแบบกําหนดเองสําหรับวิศวกรข้อมูลและวิทยาศาสตร์ข้อมูลเป็นตัวเลือก Spark Pool ภายในการตั้งค่าพื้นที่ทํางาน Spark และรายการสภาพแวดล้อมได้ |
ตัวอย่างการปรับแต่ง Hyperparameter ครั้งแรกของโค้ด |
ใน Fabric Data Science ตอนนี้ FLAML ถูกรวมเข้ากับการปรับแต่ง hyperparameter ในขณะนี้เป็นคุณลักษณะตัวอย่าง คุณลักษณะของ flaml.tune Fabric ทําให้กระบวนการนี้มีประสิทธิภาพและมีประสิทธิภาพในการ ปรับแต่ง hyperparameter |
Copilot ในผ้าสามารถใช้ได้ทั่วโลก |
ตอนนี้ Copilot in Fabric พร้อมใช้งาน สําหรับลูกค้าทั้งหมด รวมถึง Copilot สําหรับ Power BICopilot สําหรับData Factory Copilot สําหรับวิศวกรรมข้อมูลวิทยาศาสตร์ข้อมูล & และ Copilot สําหรับข่าวกรอง Real-Time อ่านเพิ่มเติมในภาพรวมของ Copilotใน Fabric |
คัดลอกงาน |
งานสําเนา (ตัวอย่าง) ใน Data Factory มีประโยชน์มากกว่ากิจกรรมการคัดลอก สําหรับข้อมูลเพิ่มเติม ดูการประกาศตัวอย่าง: คัดลอกงานใน Microsoft Fabric สําหรับบทช่วยสอน ดูเรียนรู้วิธีการสร้างงานคัดลอก (ตัวอย่าง) ใน Data Factory สําหรับ Microsoft Fabric |
ตัวอย่างงาน กระแสอากาศ Data Factory Apache |
งานกระแสอากาศ Apache (ตัวอย่าง) ใน Data Factory ซึ่งขับเคลื่อนโดย Apache Airflow นําเสนอการเขียนที่ราบรื่น การจัดกําหนดการ และประสบการณ์การตรวจสอบสําหรับกระบวนการข้อมูลที่ใช้ Python ซึ่งกําหนดให้เป็นกราฟ Acyclic Directed (DAGs) สําหรับข้อมูลเพิ่มเติม โปรดดู เริ่มต้นใช้งานด่วน: สร้างงานกระแสอากาศ Apache |
ความสามารถของไปป์ไลน์ข้อมูลใน Copilot สําหรับ Data Factory (ตัวอย่าง) |
ความสามารถของไปป์ไลน์ข้อมูลใหม่ใน Copilot สําหรับ Data Factory ตอนนี้พร้อมให้ใช้งานในการแสดงตัวอย่างแล้ว คุณสมบัติเหล่านี้ทําหน้าที่เป็นผู้เชี่ยวชาญ AI เพื่อช่วยให้ผู้ใช้สามารถสร้าง แก้ไขปัญหา และบํารุงรักษาไปป์ไลน์ข้อมูลได้ |
Data Wrangler สําหรับการแสดงตัวอย่าง Spark DataFrames |
Data Wrangler บน Spark DataFrames ในการแสดงตัวอย่าง ขณะนี้ผู้ใช้สามารถ แก้ไข Spark DataFrames นอกเหนือจาก pandas DataFrames ที่มี Data Wrangler |
ทักษะ AI ของวิทยาศาสตร์ข้อมูล (ตัวอย่าง) |
ตอนนี้คุณสามารถสร้างประสบการณ์ AI ที่สร้างของคุณเองผ่านข้อมูลของคุณใน Fabric ด้วยทักษะ AI (ตัวอย่าง)! คุณสามารถสร้างคําถามและตอบคําถามของระบบ AI ผ่านเลคเฮ้าส์และคลังสินค้าของคุณ สําหรับข้อมูลเพิ่มเติม ดูการแนะนําทักษะ AI ใน Microsoft Fabric: ตอนนี้ในการแสดงตัวอย่าง หากต้องการเริ่มต้นใช้งาน ให้ลอง ตัวอย่างทักษะ AI ด้วยชุดข้อมูล AdventureWorks (ตัวอย่าง) |
Dataflow Gen2 ที่มีการรวม CI/CD และ Git |
ในตอนนี้ Dataflow Gen2 รองรับการรวมอย่างต่อเนื่อง/การปรับใช้อย่างต่อเนื่อง (CI/CD) และการรวม Git คุณลักษณะตัวอย่างนี้ช่วยให้คุณสามารถสร้าง แก้ไข และจัดการกระแสข้อมูลในที่เก็บ Git ที่เชื่อมต่อกับพื้นที่ทํางานของผ้าของคุณ นอกจากนี้ คุณสามารถใช้คุณลักษณะไปป์ไลน์การปรับใช้เพื่อทําให้การปรับใช้กระแสข้อมูลจากพื้นที่ทํางานของคุณไปยังพื้นที่ทํางานอื่น ๆ เป็นไปโดยอัตโนมัติ นอกจากนี้ คุณยังสามารถใช้ API Fabric Create, Read, Update, Delete และ List (CRUDL) เพื่อจัดการ Dataflow Gen2 ได้ |
การแมปคอลัมน์ Delta ในจุดสิ้นสุดการวิเคราะห์ SQL |
ตอนนี้จุดสิ้นสุดการวิเคราะห์ SQL รองรับ ตาราง Delta ที่มีการเปิดใช้งานการแมปคอลัมน์ สําหรับข้อมูลเพิ่มเติม โปรดดู การแมป คอลัมน์ Delta และ ขีดจํากัดของจุดสิ้นสุดการวิเคราะห์ SQL ขณะนี้ คุณลักษณะนี้อยู่ในการการแสดงตัวอย่าง |
โดเมนใน OneLake (ตัวอย่าง) |
โดเมนใน OneLake ช่วยให้คุณจัดระเบียบข้อมูลของคุณ ลงในตาข่ายข้อมูลแบบตรรกะ ช่วยให้การกํากับดูแลของรัฐบาลกลางและการปรับให้เหมาะสมสําหรับความต้องการทางธุรกิจ ตอนนี้คุณสามารถสร้างโดเมนย่อย โดเมนเริ่มต้นสําหรับผู้ใช้ และย้ายพื้นที่ทํางานระหว่างโดเมนได้ สําหรับข้อมูลเพิ่มเติม ดู โดเมน Fabric |
การเร่งคิวรีของ Eventhouse สําหรับทางลัด OneLake (ตัวอย่าง) |
การเร่งคิวรีสําหรับทางลัด OneLake ใน Eventhouse เร่งความเร็วคิวรีเฉพาะกิจผ่านข้อมูลใน OneLake ทางลัด OneLake คือการอ้างอิงจาก Eventhouse ที่ชี้ไปยัง Fabric ภายในหรือแหล่งข้อมูลภายนอก ก่อนหน้านี้ คิวรีที่เรียกใช้บนทางลัด OneLake มีประสิทธิภาพน้อยกว่าข้อมูลที่จะนําเข้าโดยตรงไปยัง Eventhouses เนื่องจากปัจจัยต่าง ๆ |
การประมวลผลเหตุการณ์และกําหนดเส้นทางเหตุการณ์ไปยังตัวกระตุ้น (ตัวอย่าง) |
ในตอนนี้ Eventstream สนับสนุนการประมวลผลและแปลงเหตุการณ์ด้วยข้อกําหนดทางธุรกิจ ก่อนที่จะกําหนดเส้นทางเหตุการณ์ไปยังปลายทาง: Activator เมื่อเหตุการณ์ที่แปลงแล้วเหล่านี้เข้าถึง Activator คุณสามารถสร้างกฎหรือเงื่อนไขสําหรับการแจ้งเตือนของคุณเพื่อตรวจสอบเหตุการณ์ได้ |
โหมดการทํางานพร้อมกันสูงสําหรับสมุดบันทึกในไปป์ไลน์ (ตัวอย่าง) |
โหมดการทํางานพร้อมกันสูงสําหรับสมุดบันทึกในไปป์ไลน์ ช่วยให้ผู้ใช้สามารถแชร์เซสชัน Spark ในสมุดบันทึกหลายเล่มภายในไปป์ไลน์ได้ ด้วย โหมดภาวะพร้อมกันสูง ผู้ใช้สามารถทริกเกอร์งานไปป์ไลน์และงานเหล่านี้จะถูกบรรจุลงในเซสชันภาวะพร้อมกันสูงที่มีอยู่โดยอัตโนมัติ |
เกตเวย์ Fabric เปิดใช้งานทางลัด OneLake ไปยังข้อมูลภายในองค์กร |
เชื่อมต่อกับแหล่งข้อมูลภายในองค์กรด้วยเกตเวย์ ข้อมูลภายในองค์กร Fabric บนเครื่องในสภาพแวดล้อมของคุณ ด้วยการมองเห็นเครือข่ายของแหล่งข้อมูลที่เข้ากันได้ของ S3 หรือ Google Cloud Storage จากนั้น คุณสร้างทางลัดของคุณและเลือกเกตเวย์นั้น สําหรับข้อมูลเพิ่มเติม ดู สร้างทางลัดไปยังข้อมูลภายในองค์กร |
ตัวเชื่อมต่อ Fabric Spark สําหรับ Fabric Data Warehouse ในรันไทม์ Spark (ตัวอย่าง) |
ตัวเชื่อมต่อ Spark สําหรับคลังข้อมูล ช่วยให้นักพัฒนา Spark หรือนักวิทยาศาสตร์ข้อมูลสามารถเข้าถึงและทํางานเกี่ยวกับข้อมูลจากจุดสิ้นสุดการวิเคราะห์ SQL หรือ SQL Analytics ของเลคเฮ้าส์ (จากภายในพื้นที่ทํางานเดียวกันหรือจากพื้นที่ทํางานทั้งหมด) ด้วย Spark API แบบประยุกต์ |
ตัวปล่อยการวินิจฉัย Fabric Spark (ตัวอย่าง) |
Fabric Apache Spark Diagnostic Emitter (ตัวอย่าง) อนุญาตให้ผู้ใช้ Apache Spark รวบรวมบันทึก บันทึกเหตุการณ์ และเมตริกจากแอปพลิเคชัน Spark และส่งไปยังปลายทางต่างๆ รวมถึง Azure Event Hubsที่เก็บข้อมูล Azureและ การวิเคราะห์บันทึก Azure |
ฐานข้อมูล Fabric SQL (ตัวอย่าง) |
ฐานข้อมูล SQL ใน Microsoft Fabric (ตัวอย่าง) เป็นฐานข้อมูลทรานแซคชันที่เป็นมิตรกับนักพัฒนา ซึ่งยึด ตามฐานข้อมูล Azure SQL ที่ช่วยให้คุณสามารถสร้างฐานข้อมูลการดําเนินงานของคุณใน Fabric ได้อย่างง่ายดาย ฐานข้อมูล SQL ใน Fabric ใช้กลไกจัดการฐานข้อมูล SQL เป็นฐานข้อมูล Azure SQL ตรวจทานคู่มือการตัดสินใจ : เลือกฐานข้อมูล SQL |
โฟลเดอร์ในตัวอย่างพื้นที่ทํางาน |
ในฐานะหน่วยองค์กรในพื้นที่ทํางาน โฟลเดอร์ จะจัดการปัญหาดังกล่าวโดยให้มีโครงสร้างแบบลําดับชั้นสําหรับการจัดระเบียบและจัดการรายการของคุณ สําหรับข้อมูลเพิ่มเติม ให้ดู สร้างโฟลเดอร์ในพื้นที่ทํางาน |
ข้อมูลภูเขาน้ําแข็งใน OneLake โดยใช้ Snowflake และทางลัด (ตัวอย่าง) |
ตอนนี้ คุณสามารถใช้ข้อมูลที่จัดรูปแบบเป็นไอศกรีมทั่ว Microsoft Fabric โดยไม่มีการเคลื่อนย้ายข้อมูลหรือทําซ้ํา รวมถึง Snowflake ได้เพิ่มความสามารถในการเขียนตาราง Iceberg โดยตรงไปยัง OneLake สําหรับข้อมูลเพิ่มเติม โปรดดูใช้ตาราง Iceberg กับ OneLake |
การรีเฟรชแบบเพิ่มหน่วยสําหรับ Dataflow Gen2 (ตัวอย่าง) |
การรีเฟรชแบบเพิ่มหน่วยใน กระแสข้อมูล Gen2 (ตัวอย่าง) ถูกออกแบบมาเพื่อปรับการนําเข้าและการแปลงข้อมูลให้เหมาะสม โดยเฉพาะอย่างยิ่งเมื่อข้อมูลของคุณยังคงขยายต่อไป สําหรับข้อมูลเพิ่มเติม โปรดดูการประกาศตัวอย่าง: การรีเฟรชแบบเพิ่มหน่วยในกระแสข้อมูลรุ่น 2 |
เรียกใช้ไปป์ไลน์ระยะไกล (ตัวอย่าง) ในไปป์ไลน์ข้อมูล |
ตอนนี้ คุณสามารถใช้ กิจกรรมการเรียกไปป์ไลน์ (ตัวอย่าง) เพื่อเรียกใช้ไปป์ไลน์จากไปป์ไลน์ Azure Data Factory หรือ Synapse Analytics ได้ คุณลักษณะนี้ช่วยให้คุณสามารถใช้ประโยชน์จากไปป์ไลน์ ADF หรือ Synapse ที่มีอยู่ของคุณภายในไปป์ไลน์ Fabric โดยเรียกแบบอินไลน์ผ่านกิจกรรมไปป์ไลน์เรียกใหม่นี้ |
คุณลักษณะ Schema ของเลคเฮ้าส์ |
คุณลักษณะ Schema ของ Lakehouse (ตัวอย่าง) แนะนําการสนับสนุนไปป์ไลน์ข้อมูลสําหรับการอ่านข้อมูล Schema จากตาราง Lakehouse และรองรับการเขียนข้อมูลลงในตารางภายใต้สคีมาที่ระบุ
Schema ของ เลคเฮ้าส์ช่วยให้คุณสามารถจัดกลุ่มตารางของคุณเข้าด้วยกันเพื่อการค้นหาข้อมูลที่ดีขึ้น การควบคุมการเข้าถึง และอื่น ๆ |
การสนับสนุนของเลคเฮ้าส์สําหรับการรวม git และไปป์ไลน์การปรับใช้ (ตัวอย่าง) |
ตอนนี้ Lakehouse ผสานรวมกับความสามารถในการจัดการวงจรชีวิตใน Microsoft Fabric ซึ่งเป็นการทํางานร่วมกันที่ได้มาตรฐานระหว่างสมาชิกทีมพัฒนาทั้งหมดตลอดชีวิตของผลิตภัณฑ์ การจัดการวงจรชีวิตช่วยอํานวยความสะดวกในการกําหนดรุ่นและเผยแพร่ผลิตภัณฑ์ที่มีประสิทธิภาพโดยการนําเสนอคุณลักษณะและการแก้ไขข้อบกพร่องในหลายสภาพแวดล้อมอย่างต่อเนื่อง |
เครือข่ายเสมือนที่มีการจัดการแล้ว (ตัวอย่าง) |
เครือข่าย เสมือนที่มีการจัดการคือเครือข่ายเสมือนจริงที่สร้างและจัดการโดย Microsoft Fabric สําหรับแต่ละพื้นที่ทํางาน Fabric |
ตอนนี้ตัวเชื่อมต่อ Microsoft 365 สนับสนุนการนําเข้าข้อมูลลงใน Lakehouse (ตัวอย่าง) |
ตอนนี้ ตัวเชื่อมต่อ Microsoft 365 สนับสนุนการนําเข้าข้อมูลลงในตาราง Lakehouse |
API ผู้ดูแลระบบของ Microsoft Fabric |
API ผู้ดูแลระบบ Fabric ถูกออกแบบมาเพื่อปรับปรุงงานดูแลระบบให้มีประสิทธิภาพขึ้น ชุด เริ่มต้นของ API ผู้ดูแลระบบ Fabric ได้รับการปรับให้ง่ายต่อการค้นหาพื้นที่ทํางาน รายการ Fabric และรายละเอียดการเข้าถึงของผู้ใช้ |
มิเรอร์ในตัวอย่าง Microsoft Fabric |
ด้วยการทํามิเรอร์ฐานข้อมูลใน Fabric คุณสามารถนําฐานข้อมูลของคุณเข้าสู่ OneLake ใน Microsoft Fabric ได้อย่างง่ายดาย ช่วยให้ ETL เป็นศูนย์ที่ราบรื่น ใกล้กับข้อมูลเชิงลึกแบบเรียลไทม์บนข้อมูลของคุณ และการปลดล็อกคลัง BI AI และอื่น ๆ สําหรับข้อมูลเพิ่มเติม ดู ที่ มิลเลอร์ใน Fabric คืออะไร |
กลไกการดําเนินการดั้งเดิมบนรันไทม์ 1.3 (ตัวอย่าง) |
กลไกการดําเนินการเนทีฟ สําหรับ Fabric Runtime 1.3 พร้อมให้ใช้งานในการแสดงตัวอย่าง ซึ่งนําเสนอประสิทธิภาพที่เหนือกว่าของคิวรีในการประมวลผลข้อมูล ETL วิทยาศาสตร์ข้อมูล และคิวรีแบบโต้ตอบ ไม่จําเป็นต้องมีการเปลี่ยนแปลงรหัสเพื่อเพิ่มความเร็วในการดําเนินการของ งาน Apache Spark ของคุณเมื่อใช้กลไกการดําเนินการดั้งเดิม |
นิพจน์ตารางทั่วไปที่ซ้อนกัน (CTEs) (ตัวอย่าง) |
ทั้งจุดสิ้นสุด Fabric Warehouse และ SQL Analytics รองรับทั้งมาตรฐาน ลําดับ และ CTEs ที่ซ้อนกัน ในขณะที่ CTE พร้อมใช้งานโดยทั่วไปใน Microsoft Fabric แต่ นิพจน์ตารางทั่วไปที่ซ้อนกัน (CTE) ในคลัง ข้อมูล Fabric เป็นคุณลักษณะตัวอย่างในขณะนี้ |
แก้จุดบกพร่องสมุดบันทึกภายใน vscode.dev (ตัวอย่าง) |
ตอนนี้คุณสามารถวางจุดสั่งหยุดและดีบักโค้ดสมุดบันทึกของคุณด้วย Synapse VS Code - ส่วนขยายระยะไกลใน vscode.dev โปรแกรมปรับปรุงนี้เริ่มแรก ด้วย Fabric Runtime 1.3 (GA) |
บทบาทการเข้าถึงข้อมูล OneLake |
บทบาทการเข้าถึงข้อมูลของ OneLake สําหรับเลคเฮ้าส์อยู่ในตัวอย่าง
สิทธิ์บทบาทและการกําหนดผู้ใช้/กลุ่มสามารถอัปเดต ได้อย่างง่ายดายผ่านอินเทอร์เฟซผู้ใช้ด้านความปลอดภัยของโฟลเดอร์ใหม่ |
OneLake SAS (ตัวอย่าง) |
การสนับสนุนสําหรับ OneLake SAS ที่ได้รับมอบหมายจากผู้ใช้ในระยะสั้นตอนนี้อยู่ในการแสดงตัวอย่าง ฟังก์ชันนี้อนุญาตให้แอปพลิเคชันร้องขอคีย์การมอบหมายผู้ใช้ที่ได้รับการสนับสนุนโดยรหัส Microsoft Entra จากนั้นใช้คีย์นี้เพื่อสร้างโทเค็น OneLake SAS โทเค็นนี้สามารถส่งต่อเพื่อให้เข้าถึงเครื่องมือ โหนด หรือผู้ใช้ที่ได้รับมอบหมาย เพื่อให้มั่นใจถึงการเข้าถึงที่ปลอดภัยและมีการควบคุม |
เปิดการมิเรอร์ (ตัวอย่าง) |
การเปิดการ มิเรอร์ช่วยให้แอปพลิเคชันใด ๆ สามารถเขียนข้อมูลการเปลี่ยนแปลงลงในฐานข้อมูลมิเรอร์ใน Fabric ได้โดยตรงตาม API และวิธีการแบบเปิดที่มิเรอร์มิเรอร์สาธารณะ
การเปิดมิ เรอร์ถูกออกแบบมาเพื่อขยาย, ปรับแต่งได้และเปิด เป็นคุณลักษณะที่มีประสิทธิภาพที่ขยายมิเรอร์ใน Fabric ตามรูปแบบตาราง Delta Lake แบบเปิด เมื่อต้องเริ่มต้นใช้งาน ดู บทช่วยสอน: กําหนดค่า Microsoft Fabric เปิดฐานข้อมูลมิเรอร์ |
บริการ Azure AI ที่สร้างไว้ล่วงหน้าในตัวอย่าง Fabric |
ตัวอย่าง ของบริการ AI จัดทําสําเร็จใน Fabric คือการรวมกับ บริการ Azure AI ซึ่งเดิมเรียกว่า Azure Cognitive Services
บริการ Azure AI จัดทําสําเร็จช่วยให้สามารถปรับปรุงข้อมูลด้วยแบบจําลอง AI จัดทําสําเร็จได้อย่างง่ายดายโดยไม่ต้องมีข้อกําหนดเบื้องต้น ในปัจจุบัน บริการ AI จัดทําสําเร็จอยู่ในการแสดงตัวอย่างและรวมการสนับสนุนสําหรับ Microsoft Azure OpenAI Service, Azure AI Language และ Azure AI Translator |
นโยบายการป้องกันการสูญหายของข้อมูล Purview ได้รับการขยายไปยังแฟบริคเฮาส์ |
การขยาย นโยบายการป้องกันการสูญหายของข้อมูล (DLP) ของ Microsoft Purview ไปยังแฟบริค เฮาส์ตอนนี้อยู่ในตัวอย่าง |
ขณะนี้นโยบายการป้องกันการสูญหายของข้อมูล Purview สนับสนุนการดําเนินการจํากัดการเข้าถึงสําหรับแบบจําลองความหมาย |
การจํากัดการเข้าถึงตามเนื้อหาที่ละเอียดอ่อนสําหรับแบบจําลองเชิงความหมาย ตอนนี้ในการแสดงตัวอย่างจะช่วยให้คุณสามารถ ตรวจจับข้อมูลที่ละเอียดอ่อนได้โดยอัตโนมัติเนื่องจากถูกอัปโหลดลงใน Fabric lakehouses และแบบจําลองความหมาย |
Python Notebook (ตัวอย่าง) |
Python Notebooks มีไว้สําหรับนักพัฒนา BI และนักวิทยาศาสตร์ข้อมูลซึ่งทํางานกับชุดข้อมูลที่มีขนาดเล็กกว่าโดยใช้ Python เป็นภาษาหลัก เมื่อต้องเริ่มต้นใช้งาน ให้ดู ใช้ประสบการณ์ Python บนสมุดบันทึก |
แดชบอร์ดแบบเรียลไทม์และฐานข้อมูล KQL พื้นฐานทําการแยกการเข้าถึง (ตัวอย่าง) |
ด้วยสิทธิ์แยกต่างหากสําหรับแดชบอร์ดและข้อมูลพื้นฐาน ตอนนี้ผู้ดูแลระบบมีความ ยืดหยุ่นในการอนุญาตให้ผู้ใช้ดูแดชบอร์ดโดยไม่ต้องให้สิทธิ์การเข้าถึงข้อมูลดิบ |
จองแกนหลักสูงสุดสําหรับงาน (ตัวอย่าง) |
การตั้งค่าระดับพื้นที่ทํางานใหม่ช่วยให้คุณสามารถ จองแกนหลักสูงสุดสําหรับงานที่ใช้งานอยู่ของคุณสําหรับปริมาณงาน Spark สําหรับข้อมูลเพิ่มเติม โปรดดู โหมดการทํางานพร้อมกันสูงใน Apache Spark สําหรับ Fabric |
REST API สําหรับการเชื่อมต่อและเกตเวย์ (ตัวอย่าง) |
REST API สําหรับการเชื่อมต่อและเกตเวย์ขณะนี้อยู่ในการแสดงตัวอย่าง API ใหม่เหล่านี้ช่วยให้นักพัฒนาสามารถจัดการและโต้ตอบกับการเชื่อมต่อและเกตเวย์ภายใน Fabric ได้โดยทางโปรแกรม |
REST API สําหรับ Fabric Data Factory ตัวอย่างไปป์ไลน์ |
REST API สําหรับ Fabric Data Factory Pipelines ตอนนี้อยู่ในตัวอย่าง
Fabric data pipeline public REST API ช่วยให้คุณสามารถขยายความสามารถที่มีอยู่แล้วภายในใน Fabric เพื่อสร้าง อ่าน อัปเดต ลบ และทํารายการไปป์ไลน์ได้ |
รักษาความปลอดภัยการสตรีมข้อมูลด้วยจุดสิ้นสุดส่วนตัวที่มีการจัดการในอีเวนต์สตรีม (ตัวอย่าง) |
ด้วยการสร้างจุดสิ้นสุดส่วนตัวที่จัดการโดย Fabric คุณสามารถเชื่อมต่อ Eventstream กับบริการ Azure ของคุณได้อย่างปลอดภัย เช่น Azure Event Hubs หรือ IoT Hub ภายในเครือข่ายส่วนตัวหรือหลังไฟร์วอลล์ สําหรับข้อมูลเพิ่มเติม โปรดดูการรักษาความปลอดภัยการสตรีมข้อมูลด้วยจุดสิ้นสุดส่วนตัวที่มีการจัดการในเหตุการณ์ (ตัวอย่าง) |
กิจกรรมการรีเฟรชแบบจําลองความหมาย (ตัวอย่าง) |
ใช้กิจกรรมการ รีเฟรชแบบจําลองความหมายเพื่อรีเฟรชชุดข้อมูล Power BI (ตัวอย่าง) วิธีที่มีประสิทธิภาพที่สุดในการรีเฟรชแบบจําลองความหมาย Fabric ของคุณ สําหรับข้อมูลเพิ่มเติม โปรดดู คุณสมบัติใหม่สําหรับ Fabric Data Factory Pipelines ที่ประกาศที่ Ignite |
ตัวควบคุมการหมดอายุของเซสชันในการตั้งค่าพื้นที่ทํางานสําหรับการเรียกใช้สมุดบันทึกแบบโต้ตอบ (ตัวอย่าง) |
การควบคุมการหมดอายุของเซสชันใหม่ในการตั้งค่าพื้นที่ทํางาน วิศวกรข้อมูล/วิทยาศาสตร์ ช่วยให้คุณสามารถตั้งค่าขีดจํากัดเวลาหมดอายุสูงสุดสําหรับเซสชันแบบโต้ตอบของสมุดบันทึก ตามค่าเริ่มต้น เซสชันจะหมดอายุหลังจาก 20 นาที แต่ตอนนี้ คุณสามารถกําหนดระยะเวลาการหมดอายุสูงสุดได้ |
คุณสมบัติการแชร์สําหรับทักษะ Fabric AI (ตัวอย่าง) |
"แบ่งปัน" ความสามารถสําหรับทักษะ Fabric AI (ตัวอย่าง) ช่วยให้คุณสามารถแชร์ทักษะ AI กับผู้อื่นโดยใช้โมเดลการให้สิทธิ์ที่หลากหลาย |
แชร์ทักษะ Fabric AI (ตัวอย่าง) |
ความสามารถในการแชร์สําหรับทักษะ Fabric AI (ตัวอย่าง) ช่วยให้คุณสามารถแชร์ทักษะ AI กับผู้อื่นโดยใช้แบบจําลองการให้สิทธิ์ที่หลากหลาย |
ตัวอย่างการวิเคราะห์ชุดการเรียกใช้ Spark |
คุณลักษณะการวิเคราะห์ชุดการตรวจสอบ Spark ช่วยให้คุณสามารถวิเคราะห์แนวโน้มระยะเวลาการเรียกใช้และการเปรียบเทียบประสิทธิภาพการทํางานสําหรับอินสแตนซ์การเรียกใช้ที่เกิดซ้ําของกิจกรรม Pipeline Spark และกิจกรรมการเรียกใช้ Spark ซ้ํา ๆ จากสมุดบันทึกหรือข้อกําหนดงาน Spark เดียวกัน |
ตัวอย่าง Add-on Splunk |
Microsoft Fabric add-on สําหรับ Splunk ช่วยให้ผู้ใช้สามารถนําเข้าบันทึกจากแพลตฟอร์ม Splunk ลงใน Fabric KQL DB โดยใช้ Kusto python SDK |
แท็ก |
แท็ก (ตัวอย่าง) ช่วยให้ผู้ดูแลระบบจัดประเภทและจัดระเบียบข้อมูล ปรับปรุงความสามารถในการค้นหาข้อมูลของคุณ และเพิ่มอัตราความสําเร็จและประสิทธิภาพสําหรับผู้ใช้ปลายทาง |
ลําดับงานใน Microsoft Fabric (ตัวอย่าง) |
ตัวอย่าง ของลําดับงานใน Microsoft Fabric จะเปิดใช้งานสําหรับผู้ใช้ Microsoft Fabric ทั้งหมด ด้วย ลําดับงาน (ตัวอย่าง)เมื่อออกแบบโครงการข้อมูล คุณไม่จําเป็นต้องใช้ไวท์บอร์ดเพื่อร่างส่วนต่างๆ ของโครงการและความสัมพันธ์ของโครงการอีกต่อไป แต่คุณสามารถใช้ลําดับงานเพื่อสร้างและนําข้อมูลสําคัญนี้เข้าสู่โครงการได้ |
การสนับสนุน varchar(max) และ varbinary(max) ในการแสดงตัวอย่าง |
การสนับสนุนสําหรับชนิดข้อมูล varchar(max) และ varbinary(max)ใน Warehouse ตอนนี้อยู่ในตัวอย่างแล้ว สําหรับข้อมูลเพิ่มเติม โปรดดู การประกาศตัวอย่างสาธารณะของ VARCHAR(MAX) และชนิด VARBINARY(MAX) ใน Fabric Data Warehouse |
ตัวให้บริการ Terraform สําหรับ Fabric (ตัวอย่าง) |
ตัวให้บริการ Terraform สําหรับ Microsoft Fabric ขณะนี้อยู่ในตัวอย่าง ตัวให้บริการ Terraform สําหรับ Microsoft Fabric สนับสนุนการสร้างและการจัดการทรัพยากร Fabric จํานวนมาก สําหรับข้อมูลเพิ่มเติม ดูการประกาศตัวให้บริการ Terraform ใหม่สําหรับ Microsoft Fabric |
การสนับสนุน T-SQL ในโน้ตบุ๊ค Fabric (ตัวอย่าง) |
ฟีเจอร์ T-SQL notebook ใน Microsoft Fabric (ตัวอย่าง) ช่วยให้คุณเขียนและเรียกใช้รหัส T-SQL ภายในสมุดบันทึกได้ คุณสามารถใช้เพื่อจัดการคิวรีที่ซับซ้อนและเขียนเอกสาร Markdown ที่ดีกว่า นอกจากนี้ยังอนุญาตให้ดําเนินการโดยตรงของ T-SQL ในคลังที่เชื่อมต่อหรือจุดสิ้นสุดการวิเคราะห์ SQL หากต้องการเรียนรู้เพิ่มเติม โปรดดู การสนับสนุน T-SQL ในสมุดบันทึก Microsoft Fabric |
จุดคืนค่าและคืนค่าคลังสินค้าในสถานที่ |
ตอนนี้ คุณสามารถสร้างจุดคืนค่าและดําเนินการคืนค่าคลังสินค้า ในสถานที่ไปยังจุดเวลาที่ผ่านมาได้
การคืนค่าในตําแหน่งคือส่วนสําคัญของการกู้คืนคลังข้อมูล ซึ่งช่วยให้สามารถกู้คืนคลังข้อมูลกลับไปยังสถานะที่เชื่อถือได้ก่อนหน้านี้ได้โดยการเปลี่ยนหรือเขียนทับคลังข้อมูลที่มีอยู่ซึ่งสร้างจุดคืนค่า |
การควบคุมแหล่งที่มาของคลังสินค้า (ตัวอย่าง) |
การใช้ ตัวควบคุมแหล่งข้อมูลกับ Warehouse (ตัวอย่าง)คุณสามารถจัดการการพัฒนาและการปรับใช้ออบเจ็กต์คลังสินค้าที่มีเวอร์ชัน คุณสามารถใช้ส่วนขยายโครงการฐานข้อมูล SQL ที่พร้อมใช้งานภายใน Azure Data Studio และ Visual Studio Code สําหรับข้อมูลเพิ่มเติมเกี่ยวกับตัวควบคุมแหล่งคลังสินค้า ดู CI/CD กับ Warehouses ใน Microsoft Fabric |
การตรวจสอบพื้นที่ทํางาน |
การตรวจสอบพื้นที่ทํางาน เป็นฐานข้อมูล Microsoft Fabric ที่รวบรวมข้อมูลจากหน่วยข้อมูล Fabric ที่หลากหลายในพื้นที่ทํางานของคุณ และช่วยให้ผู้ใช้สามารถเข้าถึงและวิเคราะห์บันทึกและเมตริกได้ สําหรับข้อมูลเพิ่มเติมเกี่ยวกับคุณลักษณะนี้ โปรดดู ประกาศการแสดงตัวอย่างของการตรวจสอบพื้นที่ทํางาน |