Microsoft Fabric'da göl evi nedir?

Microsoft Fabric'daki bir göl evi, veri gölü ölçeklenebilirliğini bir veri ambarının sorgulama özellikleriyle birleştirir. Yapılandırılmış ve yapılandırılmamış verileri tek bir konumda depolar, Delta Lake ile yönetir ve verileri sistemler arasında taşımadan hem Apache Spark hem de SQL ile analiz edebilirsiniz. OneLake kısayolları ve kiracılar arası veri paylaşımı sayesinde, dış kaynaklardan ve diğer kuruluşlardan yönetilen verilere yineleme olmadan da erişebilirsiniz.

Göl evi size şunu verir:

  • Hem veri mühendisliği hem de analiz iş yükleri için bir veri kopyası
  • ACID işlemleri, şema zorlama ve zaman yolculuğu için Delta Lake biçimi
  • Spark ve SQL erişimi , veri mühendislerinin not defterlerini kullanırken analistlerin T-SQL kullanmasını sağlar
  • Dahili entegrasyon ile Power BI, ardışık düzenler, veri akışları ve diğer Fabric öğeleri

Lakehouse ile veri ambarı karşılaştırması

Microsoft Fabric'da bir lakehouse ile data warehouse arasındaki temel farklar tercih ettiğiniz geliştirme araçlarına, veri türlerine ve iş yükü desenlerine gelir. Her ikisi de aynı SQL altyapısını paylaşır ve Verileri OneLake'te Delta biçiminde depolar, ancak farklı senaryolar için tasarlanmıştır:

Lakehouse Veri ambarı
Birincil geliştirme aracı Apache Spark (Python, Scala, SQL, R) T-SQL
Veri türleri Yapılandırılmış ve yapılandırılmamış Yapılandırılmış
Çok tablolu işlemler Hayı Evet
Veri alımı Not defterleri, işlem hatları, veri akışları, OneLake kısayolları (kopyalama olmadan canlı erişim) T-SQL (COPY INTO, INSERT, CTAS), işlem hatları
için en iyi Veri mühendisliği, veri bilimi, madalyon mimariler BI raporlama, boyutsal modelleme, SQL odaklı ekipler

Her ikisini de aynı çalışma alanında kullanabilirsiniz; örneğin, Spark ile bir göl evindeki verileri alabilir ve dönüştürebilir, ardından seçilmiş veri kümelerini SQL tabanlı raporlama için bir ambarda kullanıma sağlayabilirsiniz. Ayrıntılı kılavuz için bkz. Ambar ve Lakehouse arasında seçim yapma.

Lakehouse verileriyle çalışma

Birkaç Fabric aracıyla bir lakehouse'a veri yükleyebilir, dönüştürebilir ve sorgulayabilirsiniz:

  • OneLake kısayolları — Verilere dış kaynaklardan, kiracılar arası veri paylaşımı dahil, göl evine kopyalamadan erişin. Kısayollar, OneLake genelindeki operasyonel ve analitik verilere canlı, salt okunur başvurular sağlar. Bkz. OneLake kısayolları.

  • Lakehouse gezgini — Tablolara ve dosyalara göz atın, verileri yükleyin ve meta verileri doğrudan tarayıcıda yönetin. Tablo görünümü ile dosya görünümü arasında geçiş yapabilir ve gezgine birden çok göl evi ekleyebilirsiniz. Bkz. Fabric Lakehouse explorer'yi açın.

    Lakehouse gezgininde tablo görünümünü, dosya görünümünü ve lakehouse eklemeyi gösteren bir screencast.

  • Notebooks — Lakehouse tablo ve klasörlerine veri okumak, dönüştürmek ve yazmak için Spark kodu (Python, Scala, SQL, R) yazın. Bkz. Not defteriyle verileri keşfetme ve Not defteriyle veri yükleme.

  • Veri akışları — Dış kaynaklardan lakehouse'a veri aktarımı yapmak için kopyalama aktivitesini ve diğer veri tümleştirme araçlarını kullanın. Kopyalama etkinliğini kullanarak veri kopyalama hakkında bilgi için Veri kopyalama etkinliğini kullanarak veri kopyalama bölümüne bakınız.

  • Spark iş tanımları — Derlenmiş Spark uygulamalarını üretim sınıfı ETL için Java, Scala veya Python çalıştırın. Bkz. Apache Spark iş tanımı nedir?.

  • Veri Akışları 2. Nesil — Düşük kodlu bir görsel arabirimle verileri alır ve hazırlar. Bkz. İlk veri akışınızı oluşturma.

Veri alma seçeneklerinin tam karşılaştırması için Fabric Lakehouse'e veri alma seçenekleri başlıklı bölüme bakın.

Lakehouse SQL analiz uç noktası

Bir lakehouse oluşturduğunuzda Fabric otomatik olarak bir SQL analiz uç noktası oluşturur. Bu uç nokta şunları yapmanızı sağlar:

  • T-SQL ile Delta tablolarını sorgula — Ayrı bir ambar ayarlamadan tanıdık SQL söz dizimini kullanın.
  • Power BI'ye doğrudan bağlanın — Lakehouse verileriniz üzerinde rapor oluşturmak için bir Power BI anlam modeli oluşturun.
  • Yalnızca okunur erişimin paylaşılması — Analistler ve rapor oluşturucular, Spark iş yüklerini etkilemeden verileri sorgulayabilir.

Not

5 Eylül 2025'ten bu yana, bir göl evi oluşturduğunuzda varsayılan anlam modelleri artık otomatik olarak oluşturulmaz. Mevcut varsayılan semantik modeller 30 Kasım 2025'e kadar üst öğelerinden ayrılmış ve bağımsız anlamsal modeller haline gelmiştir. Daha fazla bilgi için Microsoft Fabric'deki Power BI semantik modellerine bakın.

SQL analiz uç noktası salt okunurdur ve veri ambarının tam T-SQL yüzeyini desteklemez. Keşif, raporlama ve geçici sorgular için kullanın.

Not

SQL analiz uç noktasında yalnızca Delta tabloları görüntülenir. Bu, yerel olarak depolanan tabloların yanı sıra görünür ve sorgulanabilir OneLake kısayolları aracılığıyla ulaşılan Delta tablolarını içerir. Parquet, CSV ve diğer biçimler bu uç nokta üzerinden sorgulanamaz. Tablonuzu görmüyorsanız, delta biçimine dönüştürün.

Otomatik tablo bulma ve kayıt

Lakehouse, verileri iki üst düzey klasör halinde düzenler: Yönetilen Delta tabloları için Tablolar ve yapılandırılmamış veya Delta olmayan veriler için Dosyalar. Tables klasörüne bir dosya yerleştirdiğinizde, otomatik olarak Fabric:

  • Dosyayı desteklenen biçimlere göre doğrular (şu anda yalnızca Delta tabloları).
  • Sütun adları, veri türleri, sıkıştırma ve bölümleme gibi meta verileri ayıklar.
  • Spark SQL veya T-SQL ile hemen sorgulayabileceğiniz tabloyu meta veri deposuna kaydeder.

Bu, yönetilen alana aldığınız veriler için sorguları el ile yazmanız gerekmediği anlamına gelen yönetilen dosyadan tabloya bir deneyimdir.

Lakehouse ile çoklu görev

Lakehouse, yerinizi kaybetmeden birden çok öğeyi açmanızı ve bunlar arasında geçiş yapmanızı sağlayan bir tarayıcı-sekme tasarımı kullanır:

  • Çalışan işlemleri koruyun: Farklı bir sekmeye geçtiğiniz zaman veri yükleme ve yükleme işlemleri çalışmaya devam eder.

  • Bağlamınızı koruyun: Seçili tablolar, dosyalar ve nesneler, sekmeler arasında gezindiğinizde açık kalır.

  • Engelleyici olmayan liste yeniden yükleme: Dosya ve tablo listesi, çalışmanızı engellemeden arka planda yenilenir.

  • Kapsamlı bildirimler: Toast bildirimleri, hangi lakehouse'dan geldiklerini belirler, böylece sekmeler arasında güncellemeleri izleyebilirsiniz.

Erişilebilir göl evi tasarımı

Lakehouse yardımcı teknolojileri ve erişilebilir etkileşim desenlerini destekler:

  • Ekran okuyucu uyumluluğu: Gezinti ve etkileşim için popüler ekran okuyucularla çalışır.
  • Resimler için alternatif metin: Tüm görüntüler açıklayıcı alternatif metin içerir.
  • Etiketli form alanları: Tüm form alanlarında ekran okuyucu ve klavye kullanıcıları için ilişkili etiketler bulunur.
  • Metin yeniden akışı: Farklı ekran boyutlarına ve yönlendirmelerine uyum sağlayan esnek düzen.
  • Klavye gezintisi: Göl evinde fare olmadan gezinmek için tam klavye desteği.

İlgili içerik

  • Last updated on