Microsoft Fabric'da göl evi nedir?

Fabric'teki bir göl evi, bir veri gölünün ölçeklenebilirliğini bir deponun sorgulama yetenekleriyle 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'teki kestirmeler ve kiracılar arası veri paylaşımı sayesinde, dış kaynaklardan ve diğer kuruluşlardan yönetilen verilere tekrarlanmadan 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 vs. depo

Fabric'te bir göl evi ile depo arasındaki temel farklar, tercih ettiğiniz geliştirme araçları, veri türleri ve iş yükü kalıplarına dayanır. Her ikisi de aynı SQL altyapısını paylaşır ve Verileri OneLake'te Delta biçiminde depolar, ancak farklı senaryolar için tasarlanmıştır:

Lakehouse Ambar
Birincil geliştirme aracı Apache Spark (Python, Scala, SQL, R) T-SQL
Veri türleri Yapılandırılmış ve yapılandırılmamış Yapılandırılmış
Çok tablolu işlemler Hayı Evet
Veri alımı OneLake'te notebooklar, pipeline, veri akışları, kısayollar (kopyasız 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. Detaylı rehberlik için bakınız : Depo ile göl evi arasında seçim yapın.

Lakehouse verileriyle çalışma

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

  • OneLake'te Kısayollar — Verileri göl evine kopyalamadan harici kaynaklardan (diğer kiracılar dahil) erişin. Kısayollar, OneLake genelindeki operasyonel ve analitik verilere canlı, salt okunur başvurular sağlar. OneLake'teki kestirmelere bakınız.

  • 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. Göl Evi Kaşifi Navigasyonu.

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

  • Spark SQL sorgu gezgini — Spark SQL sorgularını çalışma bağlamınızı bırakmadan doğrudan Lakehouse gezgininin içinde çalıştırın. Sorgu gezgini IntelliSense'i, dinamik sekmeleri, çapraz şema ve göller arası sorgulamayı, satır içi grafik görselleştirmesini ve görünüm oluşturmayı destekler. Bkz. Spark SQL sorgu gezginiyle verileri sorgulama.

  • 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.

Tüketim seçeneklerinin tam karşılaştırması için , göl evine veri almak için seçenekler bölümünü inceleyebilirsiniz.

Lakehouse verilerinizi dilediğiniz işleme altyapısıyla analiz edin

Lakehouse şeridi, verilerinizi doğrudan lakehouse’tan farklı analiz deneyimlerinde açmanızı sağlayan Verileri şununla analiz et açılır menüsünü içerir:

Seçenek Açıklama
SQL analiz uç noktası Salt okunur bir düzenleyicide T-SQL ile Delta tablolarını sorgula. Bkz. SQL analytics uç noktası.
Eventhouse uç noktası Yüksek performanslı, gerçek zamanlı analiz için KQL sorguları çalıştırın. Bkz. Eventhouse uç noktası.
Not Defteri (Yeni / Mevcut) Kodla verileri keşfetmek veya dönüştürmek için bir Spark not defteri açın. Bkz . Not defteriyle verileri keşfetme.

Lakehouse şeridinde açılan menüyle verileri analiz etme işlemini gösteren ekran görüntüsü.

Her seçenek ve açılır menü hakkında detaylar için Göl Evi kaşifinde gezinme bölümünü ziyaret edin.

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.

SQL analitik uç noktası yalnızca okunabilir ve bir deponun tam T-SQL yüzeyini desteklemez. Keşif, raporlama ve geçici sorgular için kullanın.

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 Fabric'teki Power BI anlamsal modelleri sayfasına bakınız.

Not

SQL analiz uç noktasında yalnızca Delta tabloları görüntülenir. Bu, OneLake'teki kestirmelerle ulaşılan ve yerel olarak depolanan tablolarla birlikte görülebilir ve sorgulanabilir olan Delta tablolarını da kapsar. 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