หมายเหตุ
การเข้าถึงหน้านี้ต้องได้รับการอนุญาต คุณสามารถลอง ลงชื่อเข้าใช้หรือเปลี่ยนไดเรกทอรีได้
การเข้าถึงหน้านี้ต้องได้รับการอนุญาต คุณสามารถลองเปลี่ยนไดเรกทอรีได้
Note
คุณลักษณะนี้อยู่ในการแสดงตัวอย่างสาธารณะ การแสดงตัวอย่างนี้จะมีให้โดยไม่มีข้อตกลงระดับบริการ และไม่แนะนําสําหรับปริมาณงานการผลิต คุณลักษณะบางอย่างอาจไม่ได้รับการสนับสนุนหรืออาจมีความสามารถที่จํากัด สําหรับข้อมูลเพิ่มเติม โปรดดู ข้อกําหนดการใช้งานเพิ่มเติมสําหรับตัวอย่าง Microsoft Azure
กราฟใน Microsoft Fabric ช่วยให้คุณสร้างแบบจําลอง แสดงภาพ และวิเคราะห์ความสัมพันธ์ที่ซับซ้อนภายในข้อมูลของคุณ เป็นโซลูชันระดับองค์กรที่ปรับขนาดได้ซึ่งเปลี่ยนข้อมูลที่ไม่ได้เชื่อมต่อให้เป็นข้อมูลเชิงลึกที่ขับเคลื่อนด้วย AI เมื่อใช้กราฟ คุณสามารถเปิดเผยการเชื่อมต่อที่ซ่อนอยู่ภายในข้อมูลของคุณและเพิ่มความสามารถในการตัดสินใจ
ซึ่งแตกต่างจากฐานข้อมูลเชิงสัมพันธ์แบบดั้งเดิมที่มักต้องการการรวมที่มีค่าใช้จ่ายสูงและการสืบค้นที่ซับซ้อน กราฟ:
- แนะนําสถาปัตยกรรมการปรับขนาดออกที่ใช้ โมเดลกราฟคุณสมบัติที่มีป้ายกํากับที่ยืดหยุ่น
- รองรับมาตรฐานสากลสําหรับภาษาการสืบค้นกราฟ GQL (ISO/IEC 39075)
ความสามารถเหล่านี้ช่วยให้การวิเคราะห์กราฟขั้นสูงได้โดยตรงบน OneLake โดยไม่จําเป็นต้องตั้งค่า ETL (แยก แปลง โหลด) หรือเวิร์กโฟลว์การจําลองข้อมูลที่เปราะบางด้วยตนเอง ซึ่งแตกหักได้ง่ายเมื่อข้อมูลเปลี่ยนแปลง
Graph จะปรับขนาดโดยอัตโนมัติเพื่อจัดการกับปริมาณงานขนาดใหญ่ คุณจึงสามารถวิเคราะห์ความสัมพันธ์หลายพันล้านรายการได้โดยไม่ชะลอตัว คุณสามารถเพิ่มแท็กและรายละเอียดที่สื่อความหมายให้กับทั้งรายการ (โหนด) และการเชื่อมต่อ (ขอบ) ทําให้ง่ายต่อการจัดระเบียบและค้นหาความสัมพันธ์ที่ซับซ้อน
เมื่อใช้การรองรับ GQL ดั้งเดิมและภาษาธรรมชาติเป็น GQL (NL2GQL) คุณจะได้รับความสามารถในการสืบค้นตามมาตรฐานที่ปรับให้เหมาะสมสําหรับการดําเนินการกราฟ ความสามารถเหล่านี้มอบการพกพาและความสอดคล้องในโซลูชันกราฟ คุณจึงสามารถย้ายการสืบค้นจากระบบอื่นๆ ที่สอดคล้องกับ GQL ได้ Graph ขจัดความซับซ้อนของการรวมและการแปลงเพื่อปลดล็อกการวิเคราะห์กราฟที่ราบรื่นและข้อมูลเชิงลึกขั้นสูงในวงกว้าง ทั้งหมดนี้ในขณะที่ใช้ข้อมูลที่มีอยู่ของคุณใน OneLake
เหตุใดการวิเคราะห์กราฟจึงมีความสําคัญ
รูปแบบข้อมูลเชิงสัมพันธ์และตารางแบบดั้งเดิมทําให้การแมปความสัมพันธ์ระหว่างจุดข้อมูลต่างๆ เป็นเรื่องยาก ตัวอย่างเช่น รูปแบบเหล่านี้ไม่สามารถแสดงการเชื่อมต่อที่เกี่ยวพันกันระหว่างผู้ใช้ โพสต์ ความคิดเห็น ฟอรัม และแท็กบนแพลตฟอร์มโซเชียลมีเดีย กราฟช่วยให้คุณสามารถเปิดเผยการเชื่อมต่อ ชุมชน และอิทธิพลที่ซ่อนอยู่ภายในข้อมูลของคุณ เมื่อใช้กราฟ คุณสามารถตอบคําถามที่ซับซ้อนเกี่ยวกับโซเชียลเน็ตเวิร์ก กระบวนการทางธุรกิจ และอื่นๆ ได้
กราฟเป็นวิธีที่มีประสิทธิภาพในการสร้างแบบจําลอง แสดงภาพ และคิวรีความสัมพันธ์เหล่านี้ ช่วยให้คุณเข้าใจถึงความเชื่อมโยงของข้อมูลและขับเคลื่อนข้อมูลเชิงลึกที่ดีขึ้น
- ผู้ใช้ทางธุรกิจ: สํารวจความสัมพันธ์ด้วยสายตา เรียกใช้การสืบค้น NL (ภาษาธรรมชาติ) และรับข้อมูลเชิงลึกได้อย่างง่ายดาย
- วิศวกรข้อมูล: กําหนดโมเดลกราฟ รวมข้อมูลใน OneLake ด้วยเครื่องมือที่ไม่ใช้โค้ดและไม่มีโค้ด
- นักวิทยาศาสตร์ข้อมูล: ใช้อัลกอริทึมกราฟและ ML (แมชชีนเลิร์นนิง) ในสภาพแวดล้อมวิทยาศาสตร์ข้อมูลของ Fabric
- นักพัฒนา: สร้างตัวแทน AI และแอปแบบเรียลไทม์โดยใช้ข้อมูลเชิงลึกตามบริบทที่ขับเคลื่อนด้วยกราฟ Fabric Data Agent รองรับ graph เป็นแหล่งข้อมูล (พรีวิว)
กราฟขยายการเข้าถึงข้อมูลเชิงลึกของกราฟนอกเหนือจากบทบาทเฉพาะทาง ผู้ใช้ทุกคนสามารถใช้ข้อมูลที่เชื่อมต่อในการตัดสินใจในแต่ละวันได้
สิ่งที่คุณสามารถทําได้ด้วยกราฟ
เมื่อใช้กราฟ คุณสามารถ:
สร้างกราฟคุณสมบัติที่มีป้ายกํากับเหนือข้อมูลที่มีโครงสร้างใน OneLake โดยกําหนดโหนดและขอบในแง่ของข้อมูลแบบตารางพื้นฐาน เมื่อต้องการเรียนรู้วิธีโหลดและรีเฟรชข้อมูลต้นทาง ให้ดูที่ จัดการและรีเฟรชข้อมูล
สําคัญ
ขณะนี้กราฟไม่รองรับวิวัฒนาการสคีมา หลังจากที่คุณนําเข้าและสร้างแบบจําลองข้อมูลแล้ว โครงสร้างของโหนด ความสัมพันธ์ และคุณสมบัติจะได้รับการแก้ไข ถ้าคุณจําเป็นต้องทําการเปลี่ยนแปลงโครงสร้าง เช่น การเพิ่มคุณสมบัติใหม่ การแก้ไขป้ายชื่อ หรือการเปลี่ยนชนิดความสัมพันธ์ คุณต้องดึงข้อมูลต้นฉบับที่อัปเดตกลับไปยังแบบจําลองใหม่ สําหรับคําแนะนําในการวางแผน Schema ของคุณ ให้ดูที่ ออกแบบ Schema กราฟ
สืบค้นโดยใช้ GQL (Graph Query Language) รวมถึงการจับคู่รูปแบบ โครงสร้างเส้นทาง การรวม และคุณสมบัติอื่นๆ เมื่อเผยแพร่ มาตรฐานสากลอย่างเป็นทางการสําหรับ GQL คือ ISO/IEC 39075 เทคโนโลยีสารสนเทศ — ภาษาฐานข้อมูล — GQL
การใช้เหตุผล AI ตามกราฟพลังงานโดยการเพิ่ม graph เป็นแหล่งข้อมูล ใน Fabric Data Agent สําหรับรายละเอียดเกี่ยวกับวิธีการทํางานของ NL2GQL โปรดดูประกาศการใช้เหตุผล AI ที่ขับเคลื่อนด้วยกราฟ
ประโยชน์จากประสบการณ์ตามหน้าที่งาน:
- วิศวกรข้อมูลสามารถสร้างแบบจําลองและสร้างกราฟได้
- นักวิเคราะห์สามารถเรียกใช้การสืบค้นแบบ low-code หรือ no-code และดูแลจัดการชุดมุมมอง
- ผู้ใช้ทางธุรกิจสามารถสํารวจด้วยภาพหรือ ใช้ภาษาธรรมชาติ เพื่อโต้ตอบกับข้อมูล
ดําเนินการภายใน Fabric: ปิดโดยอัตโนมัติเมื่อไม่ได้ใช้งานและตรวจสอบการใช้งานในแอปเมตริกความจุ ซึ่งทั้งหมดนี้ควบคุมโดยรูปแบบการรักษาความปลอดภัย การปฏิบัติตามข้อกําหนด และสิทธิ์ของ Fabric OneLake
การผสานรวมกับ Microsoft Fabric
Graph ถูกรวมเข้ากับแพลตฟอร์ม Microsoft Fabric อย่างลึกซึ้ง รวมถึง OneLake สําหรับการจัดเก็บข้อมูลแบบรวมและ Fabric UI สําหรับการแสดงภาพ ผสานรวมกับคุณลักษณะการกํากับดูแล ความปลอดภัย และการดําเนินงานของ Microsoft Fabric ได้อย่างราบรื่น
คุณสามารถรวมการวิเคราะห์กราฟเข้ากับเวิร์กโฟลว์ที่มีอยู่ โดยไม่จําเป็นต้องทําซ้ําข้อมูลและทักษะเฉพาะทาง ดังนั้น คุณจึงสามารถทําให้ข้อมูลเชิงลึกเข้าถึงได้สําหรับผู้ชมในวงกว้างเมื่อเทียบกับ ฐานข้อมูลกราฟแบบสแตนด์อโลนแบบดั้งเดิม สําหรับรายละเอียดของโฟลว์ข้อมูลแบบ end-to-end โปรดดู วิธีการทํางานของกราฟ
การให้เหตุผล AI ที่ขับเคลื่อนด้วยกราฟด้วย Fabric Data Agent (พรีวิว)
Fabric Data Agent รองรับกราฟใน Microsoft Fabric เป็นแหล่งข้อมูลสําหรับการให้เหตุผลที่ขับเคลื่อนด้วย AI ผ่านข้อมูลที่เชื่อมต่อ เมื่อคุณเพิ่มกราฟเป็นแหล่งข้อมูล ผู้ใช้สามารถถามคําถามภาษาธรรมชาติที่ตัวแทนตอบได้โดยการสืบค้นกราฟ
การผสานรวมนี้เหมาะสําหรับสถานการณ์ต่างๆ เช่น การตอบคําถามแบบหลายฮ็อป ผู้ช่วยความรู้ และเวิร์กโฟลว์การสร้างเสริมการดึงข้อมูล (RAG) ซึ่งบริบทของความสัมพันธ์ช่วยปรับปรุงคุณภาพคําตอบ สําหรับรายละเอียดเกี่ยวกับวิธีที่ NL2GQL แปลภาษาธรรมชาติเป็น GQL โปรดดูประกาศการใช้เหตุผล AI ที่ขับเคลื่อนด้วยกราฟ
Note
การให้เหตุผล AI ที่ขับเคลื่อนด้วยกราฟอยู่ในการแสดงตัวอย่าง สําหรับข้อมูลเพิ่มเติมเกี่ยวกับ Fabric Data Agent โปรดดู Fabric แนวคิดของตัวแทนข้อมูล
กราฟแตกต่างจากฐานข้อมูลกราฟแบบสแตนด์อโลนอย่างไร
| ขอบเขต | กราฟ | ฐานข้อมูลกราฟแบบสแตนด์อโลน |
|---|---|---|
| แรงโน้มถ่วงของข้อมูล | กราฟทํางานโดยตรงบน OneLake ดังนั้นคุณจึงไม่ต้องดําเนินการ ETL หรือข้อมูลที่ซ้ํากัน | ฐานข้อมูลกราฟแบบสแตนด์อโลนต้องการให้คุณย้ายหรือทําซ้ําข้อมูลของคุณไปยังอินสแตนซ์ฐานข้อมูลกราฟแยกต่างหาก ซึ่งอาจเพิ่มความซับซ้อนและค่าใช้จ่ายได้ |
| ความสามารถในการปรับสเกล | บริการนี้ออกแบบมาสําหรับกราฟขนาดใหญ่และใช้การแบ่งส่วนข้อมูลแบบขยายขนาดในเครื่องหลายเครื่องเพื่อจัดการปริมาณงานข้อมูลขนาดใหญ่อย่างมีประสิทธิภาพ | ฐานข้อมูลกราฟแบบสแตนด์อโลนส่วนใหญ่อาศัยสถาปัตยกรรมหรือคลัสเตอร์แบบขยายขนาดที่อาจถูกจํากัดโดยผู้จําหน่ายหรือรุ่น ซึ่งอาจจํากัดความสามารถในการปรับขนาดได้ |
| ภาษา | กราฟเข้ากันได้กับมาตรฐาน GQL ใหม่ (พรีวิว) และมีอัลกอริธึมการวิเคราะห์กราฟในตัว | ฐานข้อมูลกราฟแบบสแตนด์อโลนมักใช้ภาษาคิวรีเฉพาะผู้ขายและเฟรมเวิร์กการวิเคราะห์แยกต่างหาก การสนับสนุนอัลกอริทึมอาจแตกต่างกันอย่างมาก |
| ประสบการณ์ผู้ใช้ | ผู้ใช้ได้รับประโยชน์จากอินเทอร์เฟซ Microsoft Fabric แบบรวมสําหรับการสร้างแบบจําลอง การคิวรี ข่าวกรองธุรกิจ (BI) การรวมปัญญาประดิษฐ์ (AI) และการสํารวจแบบใช้โค้ดต่ํา/ไม่มีโค้ด ไม่จําเป็นต้องมีทักษะด้านวิศวกรรมกราฟเฉพาะทาง | ฐานข้อมูลกราฟแบบสแตนด์อโลนมุ่งเน้นไปที่นักพัฒนาเป็นหลัก โดยมีคอนโซลและ SDK ที่มักต้องใช้ทักษะเฉพาะทาง เครื่องมือการแสดงภาพและเครื่องมือแบบ low-code สามารถแยกจากกันได้ และอาจต้องมีการตั้งค่าเพิ่มเติม |
| การดําเนินงานและต้นทุน | กราฟใช้ความจุ Fabric ที่มีอยู่ของคุณและลดทรัพยากรโดยอัตโนมัติเมื่อไม่ได้ใช้งาน ซึ่งช่วยให้คุณประหยัดค่าใช้จ่าย | ฐานข้อมูลกราฟแบบสแตนด์อโลนต้องการคลัสเตอร์หรือสิทธิ์การใช้งานแยกต่างหาก การปรับขนาดและการตรวจสอบแบบกําหนดเอง และมักจะมีค่าบริการความจุที่ไม่ได้ใช้งาน เพิ่มความซับซ้อนและต้นทุนในการดําเนินงาน |
| การกํากับดูแลและความปลอดภัย | Microsoft Fabric ให้การกํากับดูแล OneLake ดั้งเดิม การติดตามสายข้อมูล และการควบคุมการเข้าถึงตามบทบาทของพื้นที่ทํางาน (RBAC) ผสานรวมกับมาตรฐานการปฏิบัติตามข้อกําหนดของ Fabric เพื่อความปลอดภัยและการตรวจสอบ | ฐานข้อมูลกราฟแบบสแตนด์อโลนมีโมเดลการรักษาความปลอดภัยและการกํากับดูแลแยกต่างหาก ซึ่งคุณต้องกําหนดค่าและตรวจสอบอย่างอิสระ พวกเขาสามารถเพิ่มความเสี่ยงและภาระการบริหาร |
Note
เข้าร่วมแผงผู้ใช้ Fabric ใหม่เพื่อแบ่งปันคําติชมและช่วยกําหนดรูปร่าง Fabric และ Power BI เข้าร่วมในแบบสํารวจและเซสชันแบบตัวต่อตัวกับทีมผลิตภัณฑ์ หากต้องการเรียนรู้เพิ่มเติมและลงชื่อสมัครใช้ โปรดดู Fabric แผงผู้ใช้
การกําหนดราคาและหน่วยความจุ
กราฟใช้หน่วยความจุ (CU) เดียวกันกับปริมาณงานอื่นๆ ใน Microsoft Fabric คุณไม่จําเป็นต้องซื้อใบอนุญาตเฉพาะกราฟหรือ SKU แยกต่างหาก การดําเนินการกราฟทั้งหมด รวมถึงการนําเข้าข้อมูล การสืบค้น และอัลกอริทึมที่เรียกใช้ จะใช้ความจุ Fabric ที่สงวนไว้หรือชําระค่าบริการตามการใช้งานขององค์กรของคุณ
การดําเนินการกราฟจะถูกเรียกเก็บเงินตามเวลาทํางานของ CPU เวลาทํางานแต่ละวินาทีมีค่าใช้จ่าย 10 คิววินาที เวลาทํางานของ CPU แต่ละเซสชันจะถูกปัดเศษขึ้นเป็นนาที
สําหรับพื้นที่จัดเก็บกราฟ ระบบจะจัดเตรียมขั้นต่ํา 100 GB พื้นที่จัดเก็บกราฟจะถูกเรียกเก็บเงินในอัตราเดียวกับ OneLake Cache
สําหรับข้อมูลเพิ่มเติมเกี่ยวกับการกําหนดราคาและหน่วยความจุ โปรดดู <ราคา c0>Microsoft Fabric
คุณสามารถตรวจสอบการใช้ทรัพยากรและประสิทธิภาพของปริมาณงานกราฟได้ใน Fabric ความจุ Metrics app คุณจะเห็นบรรทัดไอเท็มต่อไปนี้ในแอป Fabric Metrics และในใบเรียกเก็บเงินรายเดือน:
| ชื่อการดําเนินการ Fabric ในแอปเมตริก | เครื่องวัดการเรียกเก็บเงิน Azure |
|---|---|
| กราฟการทํางานทั่วไป | การใช้ความจุกราฟ CU |
| การจัดเก็บแคชกราฟ | แคช OneLake |
ความพร้อมของภูมิภาค
ขณะนี้ Graph มีให้บริการในภูมิภาคต่อไปนี้:
- ออสเตรเลียตะวันออก
- Australia Southeast
- บราซิลใต้
- แคนาดาตอนกลาง
- Central India
- Central US
- East Asia
- สหรัฐอเมริกาภาคตะวันออก
- สหรัฐอเมริกาฝั่งตะวันออก 2
- France Central
- เยอรมนีตอนกลางทางตะวันตก
- อิสราเอลเซ็นทรัล
- Italy North
- Japan East
- ญี่ปุ่นตะวันตก
- Korea Central
- เม็กซิโกเซ็นทรัล
- สหรัฐอเมริกาตอนกลางทางเหนือ
- ยุโรปเหนือ
- นอร์เวย์ฝั่งตะวันออก
- Poland Central
- แอฟริกาใต้ตอนเหนือ
- สหรัฐอเมริกาตอนกลางทางใต้
- เอเชียตะวันออกเฉียงใต้
- South India
- Spain Central
- Sweden Central
- Switzerland North
- Switzerland West
- สหรัฐอาหรับเอมิเรตส์เหนือ
- UK South
- สหราชอาณาจักรตะวันตก
- ยุโรปตะวันตก
- สหรัฐอเมริกาตะวันตก
- US 2 ตะวันตก
- US 3 ตะวันตก