หมายเหตุ
การเข้าถึงหน้านี้ต้องได้รับการอนุญาต คุณสามารถลอง ลงชื่อเข้าใช้หรือเปลี่ยนไดเรกทอรีได้
การเข้าถึงหน้านี้ต้องได้รับการอนุญาต คุณสามารถลองเปลี่ยนไดเรกทอรีได้
การมิเรอร์ใน Fabric เป็นโซลูชันที่มีต้นทุนต่ําและเวลาแฝงต่ํา ซึ่งนําข้อมูลจากระบบต่างๆ มารวมกันเป็นแพลตฟอร์มการวิเคราะห์เดียว คุณสามารถจําลองทรัพย์สินข้อมูลที่มีอยู่ของคุณไปยัง OneLake ของ Fabric ได้โดยตรงจากฐานข้อมูล Azure ต่างๆ และแหล่งข้อมูลภายนอก
ด้วยข้อมูลที่ up-toวันที่มากที่สุดในรูปแบบที่คิวรีได้ใน OneLake คุณสามารถใช้บริการต่างๆ ทั้งหมดใน Fabric ได้ เช่น การเรียกใช้การวิเคราะห์ด้วย Spark การดําเนินการสมุดบันทึก วิศวกรรมข้อมูล การแสดงภาพผ่านรายงาน Power BI และอื่นๆ
เมื่อใช้ Mirroring in Fabric คุณจะได้รับผลิตภัณฑ์แบบครบวงจร แบบครบวงจร และใช้งานง่าย ซึ่งช่วยลดความยุ่งยากในการวิเคราะห์ของคุณ การมิเรอร์สร้างขึ้นเพื่อการเปิดกว้างและการทํางานร่วมกันระหว่าง Microsoft และโซลูชันเทคโนโลยีที่สามารถอ่านรูปแบบตาราง Delta Lake แบบโอเพนซอร์สได้ เป็นโซลูชันแบบครบวงจรที่มีต้นทุนต่ําและเวลาแฝงต่ํา ซึ่งจะสร้างแบบจําลองข้อมูลของคุณใน OneLake สําหรับทุกความต้องการในการวิเคราะห์ของคุณ
คุณสามารถใช้ตารางเดลต้าได้ทุกที่ใน Fabric ซึ่งจะช่วยให้คุณเร่งการเดินทางสู่ Fabric
คุณเปิดใช้งานการมิเรอร์โดยการสร้างการเชื่อมต่อที่ปลอดภัยกับแหล่งข้อมูลการดําเนินงานของคุณ คุณเลือกได้ว่าจะจําลองแบบทั้งฐานข้อมูลหรือแต่ละตาราง และการสะท้อนจะซิงค์ข้อมูลของคุณโดยอัตโนมัติ เมื่อตั้งค่าแล้ว ข้อมูลจะจําลองแบบไปยัง OneLake อย่างต่อเนื่องเพื่อใช้ในการวิเคราะห์
ทําไมต้องใช้ Mirroring in Fabric?
ปัจจุบันหลายองค์กรมีข้อมูลการดําเนินงานหรือการวิเคราะห์ที่สําคัญต่อภารกิจอยู่ในไซโล
การเข้าถึงและทํางานกับข้อมูลนี้ต้องใช้ไปป์ไลน์ ETL (Extract Transform Load) กระบวนการทางธุรกิจ และไซโลการตัดสินใจที่ซับซ้อน ซึ่งสร้าง:
- การเข้าถึงข้อมูลที่สําคัญและเปลี่ยนแปลงตลอดเวลา
- แรงเสียดทานระหว่างคน กระบวนการ และเทคโนโลยี
- ใช้เวลารอนานในการสร้างไปป์ไลน์และกระบวนการสําหรับข้อมูลที่สําคัญอย่างยิ่ง
- ไม่มีอิสระในการใช้เครื่องมือที่คุณต้องการเพื่อวิเคราะห์และแบ่งปันข้อมูลเชิงลึกอย่างสะดวกสบาย
- ขาดรากฐานที่เหมาะสมสําหรับผู้คนในการแบ่งปันและทํางานร่วมกันในข้อมูล
- ไม่มีรูปแบบข้อมูลแบบเปิดทั่วไปสําหรับสถานการณ์การวิเคราะห์ทั้งหมด - BI, AI, การผสานรวม, วิศวกรรม และแม้แต่แอป
การมิเรอร์ใน Fabric มอบประสบการณ์ที่ง่ายดายในการเร่งเวลาในการสร้างมูลค่าสําหรับข้อมูลเชิงลึกและการตัดสินใจ และเพื่อแยกไซโลข้อมูลระหว่างโซลูชันเทคโนโลยี:
- การจําลองข้อมูลและข้อมูลเมตาแบบเกือบเรียลไทม์ลงในที่จัดเก็บข้อมูลดิบ SaaS พร้อมการวิเคราะห์ในตัวสําหรับ BI และ AI
แพลตฟอร์ม Microsoft Fabric สร้างขึ้นบนรากฐานของ Software as a Service (SaaS) ซึ่งนําความเรียบง่ายและการผสานรวมไปสู่ระดับใหม่ทั้งหมด เมื่อต้องการเรียนรู้เพิ่มเติมเกี่ยวกับ Microsoft Fabric ให้ดูที่ Microsoft Fabric คืออะไร
ต่อไปนี้เป็นหลักการหลักของการมิเรอร์:
การเปิดใช้งาน Mirroring in Fabric นั้นง่ายและใช้งานง่าย โดยไม่จําเป็นต้องสร้างไปป์ไลน์ ETL ที่ซับซ้อน จัดสรรทรัพยากรการประมวลผลอื่นๆ หรือจัดการการเคลื่อนย้ายข้อมูล
การมิเรอร์ใน Fabric เป็นบริการที่มีการจัดการเต็มรูปแบบ คุณจึงไม่ต้องกังวลเกี่ยวกับการโฮสต์ การบํารุงรักษา หรือการจัดการการจําลองแบบของการเชื่อมต่อที่มิเรอร์
การสะท้อนวัตถุ
การมิเรอร์จะสร้างรายการเหล่านี้ในพื้นที่ทํางาน Fabric ของคุณ:
- กระบวนการที่จัดการการจําลองข้อมูลและข้อมูลเมตาลงใน OneLake และการแปลงเป็น Parquet ในรูปแบบที่พร้อมสําหรับการวิเคราะห์ กระบวนการนี้เปิดใช้งานสถานการณ์ปลายทาง เช่น วิศวกรรมข้อมูล วิทยาศาสตร์ข้อมูล และอื่นๆ
- ตําแหน่งข้อมูลการวิเคราะห์ SQL
นอกจาก ตัวแก้ไขแบบสอบถาม SQL แล้ว ยังมีระบบนิเวศของเครื่องมือที่กว้างขวาง รวมถึง SQL Server Management Studio (SSMS)ส่วนขยาย MSSQL สําหรับ Visual Studio Code และแม้แต่ GitHub Copilot
การแชร์ ทําให้ง่ายต่อการควบคุมการเข้าถึงและจัดการสิทธิ์ คุณจึงสามารถปกป้องข้อมูลที่ละเอียดอ่อนได้ การแชร์ยังช่วยให้การตัดสินใจที่ปลอดภัยและเป็นประชาธิปไตยทั่วทั้งองค์กรของคุณ
ประเภทของการมิเรอร์
Microsoft Fabric นําเสนอสามวิธีที่แตกต่างกันในการนําข้อมูลเข้าสู่ OneLake ผ่านการมิเรอร์
- การมิเรอร์ฐานข้อมูล - การมิเรอร์ฐานข้อมูลใน Fabric จะจําลองฐานข้อมูลและตารางทั้งหมดเพื่อนําข้อมูลจากระบบต่างๆ มารวมกันในแพลตฟอร์มการวิเคราะห์เดียว
- การสะท้อนข้อมูลเมตา - การสะท้อนข้อมูลเมตาใน Fabric จะซิงโครไนซ์ข้อมูลเมตา (เช่น ชื่อแค็ตตาล็อก สคีมา และตาราง) แทนการย้ายข้อมูลทางกายภาพ วิธีการนี้ใช้ ทางลัด เพื่อให้มั่นใจว่าข้อมูลยังคงอยู่ในแหล่งที่มาในขณะที่ยังคงเข้าถึงได้ง่ายภายใน Fabric
- การสะท้อนแบบเปิด - การมิเรอร์แบบเปิดใน Fabric ได้รับการออกแบบมาเพื่อขยายการมิเรอร์ตามรูปแบบตาราง Delta Lake แบบเปิด ความสามารถนี้ช่วยให้นักพัฒนาสามารถเขียนข้อมูลการเปลี่ยนแปลงของแอปพลิเคชันลงในรายการฐานข้อมูลที่มิเรอร์ใน Fabric ได้โดยตรง โดยอิงตามแนวทางการมิเรอร์แบบเปิดและ API สาธารณะ
ปัจจุบันมีฐานข้อมูลภายนอกดังต่อไปนี้:
การจําลองแบบแบบเกือบเรียลไทม์
การจําลองแบบแบบเกือบเรียลไทม์อาจขึ้นอยู่กับปัจจัยต่างๆ ได้แก่:
- ตําแหน่งที่ตั้งหรือภูมิภาคของแหล่งที่มา
- ตําแหน่งที่ตั้งหรือภูมิภาคของจุดหมายปลายทาง
- ปริมาณการเปลี่ยนแปลง
- ความถี่ของการเปลี่ยนแปลง
- แบนด์วิดท์เครือข่ายและเวลาแฝงจากแหล่งที่มา
- ทรัพยากรการคํานวณที่จัดสรรให้กับเกตเวย์ข้อมูลภายในองค์กร
การมิเรอร์ฐานข้อมูลทํางานอย่างไร
ไฟล์เดลต้ามาถึง Fabric ทีละน้อยจากแหล่งข้อมูล วิธีการระบุข้อมูลที่เปลี่ยนแปลงทีละน้อยจะแตกต่างกันไปในแต่ละแหล่งข้อมูล ตัวอย่างเช่น ใน SQL Server 2025 SQL Database Engine จะสแกนบันทึกธุรกรรมของฐานข้อมูลต้นทางด้วยความถี่สูง SQL Server เผยแพร่การเปลี่ยนแปลงสําหรับแต่ละตารางไปยังไฟล์ที่สอดคล้องกันในโซนเริ่มต้นของ Fabric
ภายใน Fabric เอ็นจิ้นตัวจําลองจะทํางานและสแกนหาไฟล์ที่เผยแพร่ใหม่ด้วยความถี่สูงเสมอ Fabric จะรวมการเปลี่ยนแปลงที่เข้ามาลงในตารางเดลต้าเป้าหมายทันที การเปลี่ยนแปลงสามารถเผยแพร่ได้เร็วที่สุดทุกๆ 15 วินาที
ตรรกะการแบ็คออฟที่ตรวจพบกิจกรรมต่ําจะหลีกเลี่ยงค่าใช้จ่ายที่มากเกินไปบนกลไกจัดการแหล่งข้อมูลภายนอก Fabric และลดเวลาแฝงโดยการตอบสนองต่อความถี่ของการเปลี่ยนแปลงข้อมูลขาเข้า
การสะท้อนข้อมูลเมตาทํางานอย่างไร
การมิเรอร์ไม่เพียงแต่เปิดใช้งานการจําลองข้อมูล แต่ยังสามารถทําได้ผ่านทางลัดหรือการสะท้อนข้อมูลเมตาแทนการจําลองข้อมูลแบบเต็ม การสะท้อนในบริบทนี้หมายถึงการจําลองเฉพาะข้อมูลเมตา เช่น ชื่อแค็ตตาล็อก สคีมา และตาราง แทนที่จะเป็นข้อมูลจริง วิธีนี้ช่วยให้ Fabric สามารถทําให้ข้อมูลจากแหล่งต่างๆ สามารถเข้าถึงได้โดยไม่ต้องทําซ้ํา ทําให้การจัดการข้อมูลง่ายขึ้นและลดความต้องการในการจัดเก็บข้อมูลให้เหลือน้อยที่สุด
ตัวอย่างเช่น เมื่อเข้าถึงข้อมูล ที่ลงทะเบียนใน Unity Catalog Fabric จะสะท้อนเฉพาะโครงสร้างแค็ตตาล็อกตั้งแต่ Azure Databricks ซึ่งช่วยให้สามารถเข้าถึงข้อมูลพื้นฐานผ่านทางลัดได้ วิธีนี้ช่วยให้มั่นใจได้ว่าการเปลี่ยนแปลงใด ๆ ในข้อมูลต้นฉบับจะสะท้อนให้เห็นใน Fabric ทันทีโดยไม่ต้องย้ายข้อมูล รักษาการซิงโครไนซ์แบบเรียลไทม์ และเพิ่มประสิทธิภาพในการเข้าถึงข้อมูล up-toวันที่
การมิเรอร์แบบเปิดทํางานอย่างไร
นอกเหนือจากการเปิดใช้งานการจําลองข้อมูลโดยการสร้างการเชื่อมต่อที่ปลอดภัยกับแหล่งข้อมูลของคุณแล้ว การมิเรอร์ยังช่วยให้คุณสามารถเลือกผู้ให้บริการข้อมูลที่มีอยู่หรือเขียนแอปพลิเคชันของคุณเองเพื่อส่งข้อมูลไปยังฐานข้อมูลที่มิเรอร์ได้ เมื่อคุณสร้าง ฐานข้อมูลมิเรอร์แบบเปิด ผ่าน API สาธารณะหรือพอร์ทัล Fabric คุณจะได้รับ URL ของโซน Landing Zone ใน OneLake ซึ่งคุณสามารถส่งข้อมูลการเปลี่ยนแปลงตามข้อกําหนดการมิเรอร์แบบเปิดได้
เมื่อข้อมูลอยู่ในโซน Landing Zone ด้วยรูปแบบที่เหมาะสม การจําลองแบบจะเริ่มทํางานและจัดการความซับซ้อนของการรวมการเปลี่ยนแปลงด้วยการอัปเดต แทรก และลบเพื่อแสดงลงในตารางเดลต้า วิธีนี้ช่วยให้แน่ใจว่าข้อมูลใดๆ ที่เขียนลงใน Landing Zone จะสะท้อนให้เห็นทันที โดยเก็บข้อมูลไว้ใน Fabric up-toวันที่
การใช้ร่วมกัน
การแชร์ทําให้การควบคุมและการจัดการการเข้าถึงง่ายขึ้น การควบคุมความปลอดภัย เช่น การรักษาความปลอดภัยระดับแถว (RLS) การรักษาความปลอดภัยระดับวัตถุ (OLS) และอื่นๆ ทําให้แน่ใจว่าคุณสามารถควบคุมการเข้าถึงข้อมูลที่ละเอียดอ่อนได้ การแชร์ยังช่วยให้การตัดสินใจที่ปลอดภัยและเป็นประชาธิปไตยทั่วทั้งองค์กรของคุณ
ผู้ใช้จะให้สิทธิ์ผู้ใช้รายอื่นหรือกลุ่มผู้ใช้เข้าถึงฐานข้อมูลที่มิเรอร์โดยไม่ให้สิทธิ์เข้าถึงพื้นที่ทํางานและรายการที่เหลือ เมื่อมีคนแชร์ฐานข้อมูลที่มิเรอร์ พวกเขาจะให้สิทธิ์การเข้าถึงจุดสิ้นสุดการวิเคราะห์ SQL ด้วย
สําหรับข้อมูลเพิ่มเติม โปรดดู การแชร์ฐานข้อมูลที่มิเรอร์ของคุณและจัดการสิทธิ์
การสืบค้นข้ามฐานข้อมูล
ด้วยข้อมูลจากฐานข้อมูลมิเรอร์ที่จัดเก็บไว้ใน OneLake คุณสามารถเขียนการสืบค้นข้ามฐานข้อมูล รวมข้อมูลจากฐานข้อมูลมิเรอร์ คลังสินค้า และปลายทางการวิเคราะห์ SQL ของ Lakehouses ในการสืบค้น T-SQL เดียว สําหรับข้อมูลเพิ่มเติม โปรดดู เขียนแบบสอบถามข้ามฐานข้อมูล
ตัวอย่างเช่น คุณสามารถอ้างอิงตารางจากฐานข้อมูลและคลังสินค้าที่มิเรอร์โดยใช้การตั้งชื่อแบบสามส่วน ในตัวอย่างต่อไปนี้ ให้ใช้ชื่อสามส่วนเพื่ออ้างอิงContosoSalesTableในคลังสินค้าContosoWarehouse จากฐานข้อมูลหรือคลังสินค้าอื่น ๆ ส่วนแรกของข้อตกลงการตั้งชื่อสามส่วนของ SQL มาตรฐานคือชื่อของฐานข้อมูลที่มิเรอร์
SELECT *
FROM ContosoWarehouse.dbo.ContosoSalesTable AS Contoso
INNER JOIN Affiliation
ON Affiliation.AffiliationId = Contoso.RecordTypeID;
ค่าใช้จ่ายในการสะท้อนภาพ
สําหรับการมิเรอร์ฐานข้อมูลและการมิเรอร์แบบเปิด การประมวลผล Fabric และที่เก็บข้อมูล OneLake จะว่างได้ถึงขีดจํากัดตามความจุ
- พื้นที่จัดเก็บสําหรับแบบจําลองมีพื้นที่ว่างสูงสุดตามขนาดความจุ การมิเรอร์มีพื้นที่จัดเก็บมิเรอร์ฟรีเทราไบต์สําหรับทุกหน่วยความจุ (CU) ที่คุณซื้อ ตัวอย่างเช่น หากคุณซื้อความจุ F64 คุณจะได้รับพื้นที่เก็บข้อมูลฟรีมูลค่า 64 เทราไบต์ ซึ่งใช้สําหรับการมิเรอร์โดยเฉพาะ คุณชําระค่าที่เก็บข้อมูล OneLake หากคุณใช้เกินขีดจํากัดพื้นที่เก็บข้อมูลการมิเรอร์ฟรีหรือเมื่อความจุหยุดชั่วคราว สําหรับข้อมูลเพิ่มเติม โปรดดู Microsoft Fabric ราคา
- การประมวลผล Fabric แบบเบื้องหลังที่ใช้ในการจําลองข้อมูลของคุณไปยัง Fabric OneLake นั้นฟรีและไม่ใช้ความจุ คําขอโดยตรงไปยัง OneLake สําหรับข้อมูลที่มิเรอร์จะใช้ความจุเป็นการใช้การประมวลผล OneLake ตามปกติ การคํานวณสําหรับการคิวรีข้อมูลโดยใช้ SQL, Power BI หรือ Spark จะถูกเรียกเก็บเงินในอัตราปกติ
- ความจุ Fabric ที่ทํางานอยู่เป็นสิ่งจําเป็นสําหรับการตั้งค่าเริ่มต้นของการมิเรอร์เท่านั้น
วิศวกรรมข้อมูลด้วยข้อมูลฐานข้อมูลมิเรอร์ของคุณ
Microsoft Fabric มีความสามารถทางวิศวกรรมข้อมูลที่หลากหลายเพื่อให้แน่ใจว่าข้อมูลของคุณสามารถเข้าถึงได้ง่าย จาก Fabric Data Engineering คุณสามารถ:
- สร้างและจัดการข้อมูลของคุณเป็น Spark โดยใช้เลคเฮาส์
- ออกแบบไปป์ไลน์เพื่อคัดลอกข้อมูลไปยังเลคเฮาส์ของคุณ
- ใช้ข้อกําหนดงาน Spark เพื่อส่งชุดงานหรืองานสตรีมมิ่งไปยังคลัสเตอร์ Spark
- ใช้สมุดบันทึกเพื่อเขียนโค้ดสําหรับการนําเข้า การเตรียม และการแปลงข้อมูล
วิทยาศาสตร์ข้อมูลด้วยข้อมูลฐานข้อมูลที่มิเรอร์ของคุณ
Microsoft Fabric นําเสนอ Fabric Data Science เพื่อเพิ่มศักยภาพให้ผู้ใช้สามารถทําเวิร์กโฟลว์วิทยาศาสตร์ข้อมูลแบบครบวงจรเพื่อวัตถุประสงค์ในการเพิ่มความสมบูรณ์ของข้อมูลและข้อมูลเชิงลึกทางธุรกิจ คุณสามารถทํากิจกรรมที่หลากหลายในกระบวนการวิทยาศาสตร์ข้อมูลทั้งหมด โดยเริ่มตั้งแต่การสํารวจข้อมูล การเตรียมการ และการล้างข้อมูล ไปจนถึงการทดลอง การสร้างแบบจําลอง การให้คะแนนแบบจําลอง และการให้บริการข้อมูลเชิงลึกเชิงคาดการณ์ไปยังรายงาน BI
ผู้ใช้ Microsoft Fabric สามารถเข้าถึง ปริมาณงานวิทยาศาสตร์ข้อมูล จากนั้นพวกเขาสามารถค้นพบและเข้าถึงแหล่งข้อมูลที่เกี่ยวข้องต่างๆ ตัวอย่างเช่น พวกเขาสามารถสร้างการทดลอง โมเดล และโน้ตบุ๊กของแมชชีนเลิร์นนิง พวกเขายังสามารถนําเข้าสมุดบันทึกที่มีอยู่ในหน้าแรกของวิทยาศาสตร์ข้อมูล
Direct Lake กับข้อมูลฐานข้อมูลที่มิเรอร์ของคุณ
คุณสามารถใช้โหมด Direct Lake กับฐานข้อมูลมิเรอร์ใน Microsoft Fabric เพื่อเปิดใช้งานการคิวรีประสิทธิภาพสูงผ่านข้อมูลที่มิเรอร์โดยไม่จําเป็นต้องมีการเคลื่อนย้ายข้อมูลหรือทําสําเนา เมื่อคุณสร้างฐานข้อมูลมิเรอร์ ข้อมูลจะถูกจัดเก็บในรูปแบบ Delta Lake ภายใน OneLake รูปแบบดั้งเดิมนี้ช่วยให้ Power BI และเครื่องมือวิเคราะห์อื่นๆ สามารถเชื่อมต่อผ่านโหมด Direct Lake โดยนําเสนอข้อมูลเชิงลึกแบบเกือบเรียลไทม์โดยการเข้าถึงไฟล์ต้นแบบโดยตรง การผสานรวมนี้ผสมผสานความเรียบง่ายของการมิเรอร์เข้ากับความเร็วและความสามารถในการปรับขนาดของ Direct Lake ทําให้สามารถรายงานข้อมูลการดําเนินงานได้อย่างรวดเร็ว up-to
การเก็บรักษาข้อมูลมิเรอร์
การมิเรอร์ใน Fabric จะจําลองอสังหาริมทรัพย์ข้อมูลที่มีอยู่ของคุณอย่างต่อเนื่องไปยัง OneLake ในรูปแบบตาราง Delta Lake เพื่อให้ข้อมูลที่มิเรอร์จัดเก็บไว้อย่างมีประสิทธิภาพและพร้อมสําหรับการวิเคราะห์อยู่เสมอ การมิเรอร์จะเรียกใช้สุญญากาศโดยอัตโนมัติเพื่อลบไฟล์เก่าที่ไม่ได้อ้างอิงโดยบันทึกเดลต้าอีกต่อไป
คุณสามารถปรับแต่งการตั้งค่าการเก็บรักษาตามความต้องการของคุณ ตัวอย่างเช่น คุณอาจเลือกระยะเวลาการเก็บรักษาที่สั้นลงเพื่อลดการใช้พื้นที่จัดเก็บการมิเรอร์ หรือขยายระยะเวลาการเก็บรักษาเพื่อใช้ความสามารถในการเดินทางข้ามเวลาของเดลต้าสําหรับการวิเคราะห์
สําหรับฐานข้อมูลมิเรอร์ที่สร้างขึ้นจากพอร์ทัล Fabric หลังจากกลางเดือนมิถุนายน 2025 การเก็บรักษาเริ่มต้นคือหนึ่งวัน สําหรับฐานข้อมูลมิเรอร์แบบเก่า ค่าเริ่มต้นคือเจ็ดวัน หากต้องการตรวจสอบหรืออัปเดตการตั้งค่าการเก็บข้อมูล ในพอร์ทัล Fabric ให้ไปที่แท็บการจัดการตาราง ->การตั้งค่า ->Delta ฐานข้อมูลมิเรอร์ และระบุเกณฑ์การเก็บข้อมูล คุณยังสามารถกําหนดค่าผ่าน API สาธารณะ โดยระบุ retentionInDays คุณสมบัติ
ฐานข้อมูล SQL ใน Fabric
คุณยังสามารถสร้างและจัดการฐานข้อมูล SQL ใน Microsoft Fabric ภายในพอร์ทัล Fabric ได้โดยตรง ฐานข้อมูล SQL ใน Fabric จะสะท้อนข้อมูลโดยอัตโนมัติเพื่อวัตถุประสงค์ในการวิเคราะห์ และคุณสามารถสร้างฐานข้อมูลการดําเนินงานใน Fabric ได้อย่างง่ายดาย ฐานข้อมูล SQL เป็นบ้านใน Fabric สําหรับปริมาณงาน OLTP และสามารถรวมเข้ากับ การรวมการควบคุมแหล่งที่มาของ Fabric ได้