Azure Synapse Analytics ayrılmış SQL havuzları için Doku Veri Ambarı'na geçiş yöntemleri

Şunlar için geçerlidir: ✅ Microsoft Fabric'te Ambar

Bu makale, Azure Synapse Analytics özel SQL havuzlarında veri depolamasının Microsoft Fabric Data Warehouse'ye taşınması yöntemlerini açıklar.

Tavsiye

Strateji geliştirme ve geçiş planlaması hakkında daha fazla bilgi için bakınız: Geçiş Planlaması: Azure Synapse Analytics için ayrılmış SQL havuzlarını Fabric Veri Ambarı'na.

Azure Synapse Analytics ayrılmış SQL havuzlarından geçiş için otomatik bir deneyim, Veri Ambarı için Fabric Geçiş Yardımcısı kullanılarak sağlanabilir. Bu makalenin geri kalanında daha fazla el ile geçiş adımı yer alır.

Bu tabloda veri şeması (DDL), veritabanı kodu (DML) ve veri geçiş yöntemleriyle ilgili bilgiler özetlenmiştir. Bu makalenin devamında Option sütununda bağlantılı olan her senaryoyu daha da genişleteceğiz.

Seçenek Numarası	Seçenek	Ne yapar?	Beceri/Tercih	Senaryo
1	Veri Fabrikası	Şema (DDL) dönüşümü Veri ayıklama Veri alımı	ADF/Pipeline	Hepsi tek bir şemada (DDL) ve veri geçişiyle basitleştirildi. Boyut tabloları için önerilir.
2	Bölümlendirilmiş Veri Fabrikası	Şema (DDL) dönüşümü Veri ayıklama Veri alımı	ADF/Pipeline	okuma/yazma paralelliğini artıracak şekilde bölümleme seçeneklerinin kullanılması, işleme hızını, 1. seçeneğe kıyasla on katına çıkarır ve olgu tabloları için önerilir.
3	Hızlandırılmış koda sahip Data Factory	Şema (DDL) dönüşümü	ADF/Pipeline	Önce şemayı (DDL) dönüştürün ve geçirin, ardından CETAS kullanarak çıkarın ve verileri en iyi genel alım performansı için COPY/Data Factory kullanarak içeri alın.
4	Kodun hızlandırılması amacıyla kullanılan saklı yordamlar	Şema (DDL) dönüşümü Veri ayıklama Kod değerlendirmesi	T-SQL	Üzerinde çalışmak istediği görevler üzerinde daha ayrıntılı denetime sahip IDE kullanan SQL kullanıcısı. Verileri almak için COPY/Data Factory kullanın.
5	Visual Studio Code için SQL Veritabanı Projesi uzantısı	Şema (DDL) dönüşümü Veri ayıklama Kod değerlendirmesi	SQL Projesi	Dağıtım için 4. seçeneğin tümleştirilmesiyle SQL Veritabanı Projesi. Verileri almak için COPY veya Data Factory kullanın.
6	DIŞ TABLO OLUŞTUR VE SELECT OLARAK SEÇ (CETAS)	Veri ayıklama	T-SQL	Azure Data Lake Storage (ADLS) Gen2'ye uygun maliyetli ve yüksek performanslı veri ayıklama işlemi. Verileri almak için COPY/Data Factory kullanın.
7	dbt kullanarak geçiş	Şema (DDL) dönüşümü veritabanı kodu (DML) dönüştürme	dbt	Mevcut dbt kullanıcıları DDL ve DML'lerini dönüştürmek için dbt Fabric bağdaştırıcısını kullanabilir. Daha sonra bu tablodaki diğer seçenekleri kullanarak verileri geçirmeniz gerekir.

İlk geçiş için bir iş yükü seçin

Synapse'in özel SQL havuzundan Fabric Data Warehouse geçiş projesine nereden başlayacağına karar verirken, şu adresleri yapabileceğiniz bir iş yükü alanı seçin:

• Yeni ortamın faydalarını hızla sunarak Fabric Data Warehouse geçişin uygulanabilirliğini kanıtlayın. Küçük ve basit başlayın, birden fazla küçük göçe hazırlanın.
• Şirket içi teknik personelinizin diğer alanlara geçiş yaparken kullandıkları süreçler ve araçlarla ilgili deneyim kazanmalarına izin verin.
• Kaynak Synapse ortamına özgü diğer geçişler ve yardımcı olacak araçlar ve işlemler için bir şablon oluşturun.

Tavsiye

Geçirilmesi gereken nesnelerin envanterini oluşturun ve diğer ayrılmış SQL havuzları veya iş yükleri için yinelenmek üzere geçiş işlemini baştan sona belgeleyin.

İlk göçte taşınan veri hacmi, Fabric Data Warehouse ortamının yeteneklerini ve faydalarını gösterecek kadar büyük olmalı, ancak değeri hızlıca gösterecek kadar büyük olmamalıdır. 1-10 terabayt aralığındaki bir boyut tipiktir.

Fabric Data Factory ile geçiş

Bu bölümde, Azure Data Factory ve Synapse Pipeline hakkında bilgi sahibi olan düşük kod/kod içermeyen kişi için Data Factory'yi kullanma seçenekleri ele alınmaktadır. Bu sürükleyip bırakma kullanıcı arabirimi seçeneği, DDL'yi dönüştürmek ve verileri geçirmek için basit bir adım sağlar.

Fabric Data Factory aşağıdaki görevleri gerçekleştirebilir:

• Şemayı (DDL) Fabric Data Warehouse sözdizimi haline dönüştürün.
• Fabric Data Warehouse üzerinde şema (DDL) oluşturun.
• Verileri Fabric Data Warehouse'a aktarın.

Seçenek 1. Şema/Veri geçişi - Kopyalama Sihirbazı ve ForEach Kopyalama Etkinliği

Bu yöntem, kaynak ayrılmış SQL havuzuna bağlanmak, ayrılmış SQL havuzunun DDL sorusunu Fabric'ye dönüştürmek ve verileri Fabric Data Warehouse'ye kopyalamak için Data Factory Copy assistant kullanır. Bir veya daha fazla hedef tablo seçebilirsiniz (TPC-DS veri kümesi için 22 tablo vardır). UI'de seçilen tablo listesini döngüye almak için ForEach oluşturur ve 22 paralel Kopyalama Etkinliği iş parçacığını çalıştırır.

• Ayrılmış SQL havuzunda 22 SELECT sorgusu (seçilen her tablo için bir sorgu) oluşturuldu ve yürütüldü.
• Oluşturulan sorguların yürütülmesine izin vermek için uygun DWU ve kaynak sınıfına sahip olduğunuzdan emin olun. Bu durumda, gönderilen 22 sorgunun işlenmesi için en fazla 32 sorgunun geçirilmesine imkan vermek amacıyla, staticrc10 ile birlikte en az DWU1000 gereklidir.
• Data Factory, özel SQL havuzundan verileri doğrudan kopyalamak için Fabric Data Warehouse aşamalama gerektirir. Yutma süreci iki aşamadan oluşur.
  • İlk aşama, ayrılmış SQL havuzundan ADLS'ye veri ayıklamaktan oluşur ve hazırlama olarak adlandırılır.
  • İkinci aşama, aşamadan gelen verileri Fabric Data Warehouse'ye alır. Veri alımı zamanlamasının çoğu hazırlama aşamasındadır. Özetle, hazırlık aşamasının veri alımı performansı üzerinde büyük bir etkisi vardır.

Önerilen kullanım

Kopyalama Sihirbazını kullanarak ForEach oluşturmak, DDL'yi dönüştürmek ve seçilen tabloları özel SQL havuzundan tek adımda Fabric Data Warehouse'ye almak için basit bir arayüz sağlar.

Ancak, genel aktarım hızıyla en uygun seçenek değildir. Hazırlamayı kullanma gereksinimi, "Kaynaktan Aşamaya" adımı için okuma ve yazmayı paralelleştirme gereksinimi, performans gecikmesinin başlıca faktörleridir. Bu seçeneği yalnızca boyut tabloları için kullanmanız önerilir.

Seçenek 2. DDL/Veri Transferi - Bölüm seçeneğiyle işlem hattı

Daha büyük olgu tablolarını yüklemek için geçirgenliği artırmak amacıyla Fabric pipeline kullanılarak, bölüm seçeneği ile her olgu tablosu için Copy Activity kullanılması önerilir. Bu, Kopyalama etkinliği ile en iyi performansı sağlar.

Varsayılan kaynak tablonun fiziksel bölümlemesini kullanma seçeneğiniz bulunmaktadır. Tabloda fiziksel bölümleme yoksa, bölüm sütununu belirtmeniz ve dinamik bölümleme kullanmak için en düşük/en yüksek değerleri sağlamanız gerekir. Aşağıdaki ekran görüntüsünde, işlem hattı Kaynak seçenekleri, ws_sold_date_sk sütununa göre dinamik bir bölüm aralığını belirtir.

Bölüm kullanmak hazırlama aşamasıyla aktarım hızını artırabilirken, uygun ayarlamaları yapmak için dikkat edilmesi gereken noktalar vardır:

• Bölüm aralığınıza bağlı olarak, ayrılmış SQL havuzunda 128'den fazla sorgu oluşturabileceğinden tüm eşzamanlılık yuvalarını kullanabilir.
• Tüm sorguların yürütülmesine izin vermek için en az DWU6000 ölçeklendirmeniz gerekir.
• Örneğin, TPC-DS web_sales tablosu için ayrılmış SQL havuzuna 163 sorgu gönderildi. DWU6000'da 128 sorgu yürütülürken 35 sorgu kuyruğa alındı.
• Dinamik bölüm aralık bölümünü otomatik olarak seçer. Bu durumda, ayrılmış SQL havuzuna gönderilen her SELECT sorgusu için 11 günlük bir aralık. Örneğin:

  WHERE [ws_sold_date_sk] > '2451069' AND [ws_sold_date_sk] <= '2451080')
  ...
  WHERE [ws_sold_date_sk] > '2451333' AND [ws_sold_date_sk] <= '2451344')
  

Önerilen kullanım

Olgu tablolarında, aktarım hızını artırmak için Data Factory'yi bölümleme seçeneğiyle kullanmanızı öneririz.

Ancak, artan paralel okumalar, çıkarma sorgularının çalıştırılması için daha yüksek DWU'ya ölçeklenmek için özel SQL havuzu gerektirir. Bölümleme kullanılarak, oran bölünmeme seçeneğine göre on kat artar. DWU'yu artırarak hesaplama kaynakları aracılığıyla ek veri verimliliği elde edebilirsiniz, ancak özel SQL havuzunda maksimum 128 aktif sorgu izin verilir.

Synapse DWU to Fabric eşlemesi hakkında daha fazla bilgi için Blog: Azure Synapse ayrılmış SQL havuzlarını Fabric Veri Ambarı işlemine eşleme bkz.

3. Seçenek DDL göç - Kopya Sihirbazı HerBir Kopya Aktivitesi

Önceki iki seçenek, daha küçük veritabanları için harika veri geçiş seçenekleridir. Ancak daha yüksek aktarım hızına ihtiyacınız varsa alternatif bir seçenek öneririz:

1. Verileri ayrılmış SQL havuzundan ADLS'ye ayıklayarak aşama performansı ek yükünü azaltır.
2. Verileri depoya aktarmak için Data Factory veya COPY komutunu kullanın.

Önerilen kullanım

Şemanızı (DDL) dönüştürmek için Data Factory'yi kullanmaya devam edebilirsiniz. Kopyalama Sihirbazı'nı kullanarak belirli bir tabloyu veya Tüm tablolar'ı seçebilirsiniz. Tasarım gereği, bu işlem şemayı ve verileri tek adımda aktarır, sorgu ifadesinde TOP 0 yanlış koşulunu kullanarak herhangi bir satır olmadan şemayı ayıklar.

Aşağıdaki kod örneği Data Factory ile şema (DDL) geçişini kapsar.

Kod örneği: Data Factory ile şema (DDL) geçişi

Fabric Pipelines'ı kullanarak herhangi bir kaynak Azure SQL Veritabanı veya özel SQL havuzundan tablo nesneleri için DDL (şemaları) kolayca taşınabilirsin. Bu boru hattı, kaynak ayrılmış SQL havuz tabloları için şemayı (DDL) Fabric Data Warehouse'ye taşır.

Boru hattı tasarımı: parametreler

Bu işlem hattı, hangi şemaların geçirileceğini belirtmenize olanak tanıyan bir parametre SchemaName kabul eder. Şema dbo varsayılandır.

Varsayılan değer alanına, geçirilecek şemaları belirten virgülle ayrılmış bir tablo şeması listesi girin: iki şema 'dbo','tpch' ve dbo sağlamak için tpch.

Boru hattı tasarımı: Arama etkinliği

Arama Etkinliği oluşturun ve Bağlantı'yı kaynak veritabanınıza işaret eden şekilde ayarlayın.

Ayarlar sekmesinde:

• Veri deposu türünü Dış olarak ayarlayın.

• Bağlantı , Azure Synapse ayrılmış SQL havuzunuzdur. Bağlantı türü Azure Synapse Analytics'tir.

• Sorguyu Kullan, Sorgu olarak ayarlanmıştır.

• Sorgu alanının dinamik bir ifade kullanılarak oluşturulması gerekir; böylece parametreSchemaName, hedef kaynak tablolar listesini döndüren bir sorguda kullanılabilir. Sorgu'yu ve ardından Dinamik içerik ekle'yi seçin.

  LookUp Etkinliği içindeki bu ifade, şemaların ve tabloların listesini almak üzere sistem görünümlerini sorgulamak için bir SQL deyimi oluşturur. Bu SchemaName parametreye referans vererek SQL şemalarında filtreleme yapılmasına olanak tanır. Bunun Çıktısı, ForEach Etkinliğine giriş olarak kullanılacak bir SQL şeması ve tabloları dizisidir.

  Şema adıyla tüm kullanıcı tablolarının listesini döndürmek için aşağıdaki kodu kullanın.

  @concat('
  SELECT s.name AS SchemaName,
  t.name  AS TableName
  FROM sys.tables AS t
  INNER JOIN sys.schemas AS s
  ON t.type = ''U''
  AND s.schema_id = t.schema_id
  AND s.name in (',coalesce(pipeline().parameters.SchemaName, 'dbo'),')
  ')
  

Boru hattı tasarımı: HerBir Döngüsü

ForEach Döngüsü için Ayarlar sekmesinde aşağıdaki seçenekleri yapılandırın:

• Birden çok yinelemenin eşzamanlı olarak çalışmasına izin vermek için Sıralı'yi devre dışı bırakın.
• Toplu iş sayısını50 olarak ayarlayın, bu da en fazla eşzamanlı yineleme sayısını sınırlar.
• Öğeler alanının LookUp Etkinliğinin çıkışına başvurmak için dinamik içerik kullanması gerekir. Aşağıdaki kod parçacığını kullanın: @activity('Get List of Source Objects').output.value

Hat uygulaması tasarımı: Her Bir Döngü İçindeki Kopyalama Etkinliği

ForEach Etkinliği'nin içine bir Kopyalama Etkinliği ekleyin. Bu yöntem, boru hatlarında SELECT TOP 0 * FROM <TABLE> yalnızca şemayı veri olmadan bir depoya taşımak için Dinamik İfade Dili kullanır.

Kaynak sekmesinde:

• Veri deposu türünü Dış olarak ayarlayın.
• Bağlantı , Azure Synapse ayrılmış SQL havuzunuzdur. Bağlantı türü Azure Synapse Analytics'tir.
• Use Query'ı Query olarak ayarlayın.
• Sorgu alanına dinamik içerik sorgusunu yapıştırın ve yalnızca tablo şemasını içeren sıfır satır döndürecek bu ifadeyi kullanın:@concat('SELECT TOP 0 * FROM ',item().SchemaName,'.',item().TableName)

Hedef sekmesinde:

• Veri deposu türünü Çalışma Alanı olarak ayarlayın.
• Workspace veri deposu türüData Warehouse'dur ve Data Warehouse depoya ayarlanır.
• Hedef Tablonun şeması ve tablo adı dinamik içerik kullanılarak tanımlanır.
  • Şema, mevcut yinelemenin alanına atıfta bulunur ve SchemaName şu snippet ile birlikte: @item().SchemaName
  • Bu tablo, TableName'e @item().TableName parçacığıyla başvuruyor.

Boru hattı tasarımı: Tahliye

Havuz için Ambarınızın üzerine gelin ve Kaynak Şema ve Tablo adına başvurun.

Bu işlem hattını çalıştırdıktan sonra, Veri Ambarınızın kaynağınızdaki her tabloyla ve uygun şemayla doldurulmuş olduğunu görürsünüz.

Synapse özel SQL havuzunda saklı yordamları kullanarak geçiş

Bu seçenek, Fabric Geçişi'ni gerçekleştirmek için saklı yordamları kullanır.

Kod örneklerini GitHub.com'da microsoft/fabric-migration adresinden alabilirsiniz. Bu kod açık kaynak olarak paylaşıldığından işbirliği yapmak ve topluluğa yardımcı olmak için katkıda bulunabilirsiniz.

Taşıma Saklı Yordamları neler yapabilir:

• Şemayı (DDL) Fabric Data Warehouse sözdizimi haline dönüştürün.
• Fabric Data Warehouse üzerinde şema (DDL) oluşturun.
• Synapse özel SQL havuzundan ADLS'ye veri çıkar.
• T-SQL kodları (saklı yordamlar, işlevler, görünümler) için desteklenmeyen Doku söz dizimini işaretle.

Önerilen kullanım

Bu, şu kişiler için harika bir seçenektir:

• T-SQL hakkında bilgi sahibidir.
• SQL Server Management Studio (SSMS) gibi tümleşik bir geliştirme ortamı kullanmak istiyorsunuz.
• Üzerinde çalışmak istedikleri görevler üzerinde daha ayrıntılı denetime sahip olmak istiyorsunuz.

Şema (DDL) dönüştürme, veri ayıklama veya T-SQL kod değerlendirmesi için belirli saklı yordamı çalıştırabilirsiniz.

Veri taşıması için, verileri depoya almak için herhangi bir COPY INTO veya Fabric Data Factory kullanmanız gerekir.

SQL veritabanı projelerini kullanarak geçiş

Microsoft Fabric Veri Ambarı, Visual Studio Code'un içinde bulunan SQL Veritabanı Projeleri uzantısında desteklenir.

Bu uzantı Visual Studio Code'da kullanılabilir. Bu özellik kaynak denetimi, veritabanı testi ve şema doğrulaması için özellikler sağlar.

Kaynak kontrolü hakkında daha fazla bilgi için Geliştirme ve dağıtım genel bakışına bakınız.

Önerilen kullanım

Bu, dağıtımları için SQL Veritabanı Project kullanmayı tercih edenler için harika bir seçenektir. Bu seçenek, sorunsuz bir geçiş deneyimi sağlamak için Kumaş Geçiş Saklı Prosedürlerini SQL Veritabanı Projesine entegre etti.

Bir SQL Veritabanı Projesi:

• Şemayı (DDL) Fabric Data Warehouse sözdizimi haline dönüştürün.
• Fabric Data Warehouse üzerinde şema (DDL) oluşturun.
• Synapse özel SQL havuzundan ADLS'ye veri çıkar.
• T-SQL kodları (saklı yordamlar, işlevler, görünümler) için desteklenmeyen sözdizimini işaretleyin.

Veri taşıması için, verileri depoya almak için herhangi birini COPY INTO veya Data Factory ile aktarırsınız.

Microsoft Fabric CAT ekibi, SQL Veritabanı Projesi aracılığıyla şema (DDL) ve veritabanı kodunun (DML) ayıklanıp oluşturulmasını ve dağıtılmasını işlemek için bir dizi PowerShell betikleri sağlamıştır. SQL Veritabanı projesini, yararlı PowerShell betiklerimizi kullanarak nasıl kullanacağınızı öğrenmek için GitHub.com üzerindeki microsoft/fabric-migration adresine bakın.

SQL Veritabanı Projeleri hakkında daha fazla bilgi için bkz. KOMUT satırından SQL Veritabanı Projeleri uzantısını kullanmaya başlama ve Veritabanı projesi oluşturma.

CETAS ile veri geçişi

T-SQL CREATE EXTERNAL TABLE AS SELECT (CETAS) komutu Synapse ayrılmış SQL havuzlarından Azure Data Lake Storage (ADLS) 2. Nesil'e veri ayıklamak için en uygun maliyetli ve en uygun yöntemi sağlar.

CETAS neler yapabilir:

• Verileri ADLS'ye aktarın.
  • Bu seçenek, kullanıcıların verileri almadan önce depoda şema (DDL) oluşturmasını gerektirir. Şemayı (DDL) geçirmek için bu makaledeki seçenekleri göz önünde bulundurun.

Bu seçeneğin avantajları şunlardır:

• Kaynak Synapse ayrılmış SQL havuzuna tablo başına yalnızca tek bir sorgu gönderilir. Bu işlem tüm eşzamanlılık yuvalarını kullanmaz ve dolayısıyla eşzamanlı müşteri üretim ETL'sini/sorgularını engellemez.
• Her tablo için tek bir eşzamanlılık yuvası kullanıldığından müşterilerin daha düşük DWU kullanabilmesi için DWU6000 ölçeklendirme gerekli değildir.
• Ayıklama tüm işlem düğümleri üzerinde paralel olarak çalıştırılır ve bu, verimliliği artırmanın anahtarıdır.

Önerilen kullanım

CETAS'ı kullanarak verileri Parquet dosyaları olarak ADLS'ye ayıklayın. Parquet dosyaları, ağ üzerinde hareket etmek için daha az bant genişliği gerektiren sütunlu sıkıştırma ile verimli veri depolama avantajı sağlar. Ayrıca, Fabric verileri Delta parquet biçimi olarak depoladığından ve veri alımı sırasında Delta biçimi ek yüküne dönüştürme gerektirmediğinden, veri alımı metin dosyası biçimine kıyasla 2,5 kat daha hızlı olacaktır.

CETAS aktarım hızını artırmak için:

• Eşzamanlılık yuvalarının kullanımını artırarak ancak daha fazla aktarım hızına olanak tanıyarak paralel CETAS işlemleri ekleyin.
• Synapse ayrılmış SQL havuzunda DWU'yi ölçeklendirin.

dbt aracılığıyla geçiş

Bu bölümde, şu anda geçerli Synapse ayrılmış SQL havuzu ortamında dbt kullanan müşteriler için dbt seçeneğini ele alacağız.

Dbt'nin yapabilecekleri:

• Şemayı (DDL) Fabric Data Warehouse sözdizimi haline dönüştürün.
• Fabric Data Warehouse üzerinde şema (DDL) oluşturun.
• Veritabanı kodunu (DML) Doku söz dizimine dönüştürün.

Dbt çerçevesi, her yürütmeyle birlikte anında DDL ve DML (SQL betikleri) oluşturur. Model dosyaları SELECT ifadelerinde tanımlandığında, DDL/DML, profili (bağlantı dizesi) ve adaptör türünü değiştirerek anında herhangi bir hedef platforma dönüştürülebilir.

Önerilen kullanım

dbt çerçevesi kod öncelikli bir yaklaşımdır. Veriler, bu belgede listelenen CETAS veya COPY/Data Factory gibi seçenekler kullanılarak geçirilmelidir.

Microsoft Fabric Data Warehouse için dbt adaptörü, Synapse özel SQL havuzları, Snowflake, Databricks, Google Big Query veya Amazon Redshift gibi farklı platformları hedefleyen mevcut DBT projelerinin basit bir yapılandırma değişikliğiyle bir depoya taşınmasına olanak tanır.

Fabric Data Warehouse hedefleyen bir dbt projesine başlamak için Tutorial: Setup up dbt for Fabric Data Warehouse'a bakınız. Bu belgede farklı ambarlar/platformlar arasında taşıma seçeneği de listelenir.

Veri alımı Fabric Data Warehouse

Fabric Data Warehouse içine girmek için, tercihinize göre Data Factory'yi kullanın COPY INTO veya Fabric edin. Her iki yöntem de, dosyaların Azure Data Lake Storage (ADLS) 2. Nesil'e ayıklanması önkoşulu göz önünde bulundurulduğunda eşdeğer performans aktarım hızına sahip oldukları için önerilen ve en iyi performansa sahip seçeneklerdir.

İşleminizi en yüksek performansa göre tasarlayabileceğiniz birkaç faktör vardır:

• Fabric ile birlikte, ADLS'den Fabric Data Warehouse eşzamanlı olarak birden fazla tablo yüklenirken kaynak çatışması olmaz. Sonuç olarak paralel iş parçacıkları yüklenirken performans düşüşü olmaz. Alınabilecek maksimum aktarım hızı yalnızca Fabric kapasitenizin işlem gücüyle sınırlı olacaktır.
• Kumaş iş yükü yönetimi, yük ve sorgular için tahsis edilen kaynakların ayrılmasını sağlar. Sorgular ve veri yükleme aynı anda yürütülürken kaynak çekişmesi olmaz.

İlgili içerik

• Veri Ambarı için Altyapı Geçiş Yardımcısı
• Microsoft Fabric'te Ambar Oluşturma
• Altyapı Veri Ambarı performans yönergeleri
• Microsoft Fabric'te veri ambarı güvenliği
• Blog: Azure Synapse özel SQL havuzlarını Fabric Veri Ambarı hesaplama ile eşleme
• Microsoft Fabric Geçişi'ne Genel Bakış