Microsoft Fabric'daki grafik nasıl çalışır?

Microsoft Fabric grafı, OneLake'te depolanan yapılandırılmış verileri modellenmiş, sorgulanabilir bir grafiğe dönüştürür. Görsel, tablosal veya programlı sonuçlar üretmek için ortak bir altyapı üzerinden çalışan görsel veya GQL tabanlı araçları kullanarak grafı sorgular.

Bu makalede grafik mimarisi açıklanır ve kaynaktan içgörülere uçtan uca veri akışı açıklanır.

Aşağıdaki diyagramda kaynaktan içgörülere uçtan uca veri akışı gösterilmektedir:

Veri, dış kaynaklardan OneLake depolama alanına tablosal kaynak tabloları olarak akar. Grafik modelleme adımında etiketli bir özellik grafı oluşturmak için düğüm türleri, kenar türleri ve tablo eşlemeleri tanımlarsınız. Modelin kaydedilmesi, çapraz geçiş için iyileştirilmiş sorgulanabilir bir grafik oluşturur. Sorgu Oluşturucusu'nu veya Kod Düzenleyicisi'ni kullanarak sorgular yazar, ardından bunları GQL, NL2GQL veya REST aracılığıyla yürütürsiniz. Sonuçlar görsel graf diyagramları, tablosal sonuç kümeleri veya programlı JSON yanıtları olarak döndürülmektedir.

Veri kaynakları

Veriler Azure hizmetleri, diğer bulut platformları veya şirket içi kaynaklar gibi dış sistemlerden kaynaklanır. Microsoft Fabric içindeki grafik, veriler OneLake'e alındıktan sonra bu kaynaklardan alınan verilerle çalışır ve burada grafik verileri okuyabilir.

OneLake'de depolama

Alınan verileri OneLake'te bir göl evinde tablosal kaynak tablolar olarak depolarsınız. Graph, modeli kaydettiğinizde lakehouse tablolarınızdan veri alır, bu nedenle ayrı bir ETL işlem hattı ayarlamanız veya verileri bir dış veritabanına taşımanız gerekmez.

Graf modelleme

Graf modelleme adımında aşağıdakileri belirterek grafik şemasını tanımlarsınız:

• Düğüm türleri: Verilerinizdeki müşteriler, ürünler veya siparişler gibi varlıklar.
• Kenar türleri: "Satın almalar", "içerir" veya "üretir" gibi varlıklar arasındaki ilişkiler.
• Tablo eşlemeleri: Düğüm ve kenar tanımlarının temel alınan kaynak tablolarla eşleşmesi.

Bu adım etiketli özellik grafı yapısını oluşturur. Grafiği sorgulamadan önce graf modellemesini tamamlayın. Bu modelleme kararlarını alma yönergeleri için bkz. Grafik şeması tasarlama.

Uyarı

Graph şu anda şema evrimi desteklemez. Yeni özellikler ekleme, etiketleri değiştirme veya ilişki türlerini değiştirme gibi yapısal değişiklikler yapmanız gerekiyorsa, güncelleştirilmiş kaynak verileri yeni bir modele yeniden ekleyin.

Sorgulanabilir grafik

Modeli kaydettiğinizde, graf temel alınan lakehouse tablolarından verileri alır ve okuma için iyileştirilmiş, sorgulanabilir bir grafik oluşturur. Bu graf yapısı, büyük ölçekte hızlı ve verimli grafik sorguları sağlayan dolaşma ve desen eşleştirme için iyileştirilmiştir.

Sorgu yazma

sorgulanabilir graf üzerinde iki deneyimden birini kullanarak sorgular yazarsınız:

• Sorgu Oluşturucusu: Kod yazmadan düğümleri ve ilişkileri keşfetmeye yönelik görsel, etkileşimli bir arabirim. Daha fazla bilgi için bkz . Sorgu oluşturucusu ile grafı sorgulama.
• Kod Düzenleyicisi:GQL (Graph Sorgu Dili) sorguları yazmak için metin tabanlı bir düzenleyici. Daha fazla bilgi için bkz. GQL ile grafı sorgulama.

Her iki seçenek de aynı temel grafiği hedefler. İş akışınıza uygun yazma deneyimini seçin.

Sorgu çalıştırma

Sorguları destekleyen ortak bir yürütme katmanı üzerinden çalıştırırsınız:

• GQL: Graf sorgu dili için uluslararası standardı (ISO/IEC 39075) kullanarak grafı sorgular.
• Doğal Dilden GQL'ye (NL2GQL) (önizleme): Doğal dil sorularını GQL sorgularına çevirir. Graf destekli yapay zeka akıl yürütmeyi etkinleştirmek için Fabric Data Agent'da veri kaynağı olarak Microsoft Fabric graf ekleyin. NL2GQL'in nasıl çalıştığı hakkında ayrıntılı bilgi için graph destekli yapay zeka akıl yürütme duyurusunu inceleyin.
• REST tabanlı yürütme:GQL sorgu API'sini kullanarak sorguları program aracılığıyla çalıştırır.

Tavsiye

Sorgu yolunuzu seçin: Sorgu yapısı üzerinde tam denetime sahip graf verilerine doğrudan, program aracılığıyla erişim için GQL veya REST kullanın. Doğal dil erişimine ihtiyacınız olduğunda Fabric Veri Aracısı aracılığıyla NL2GQL (önizleme) kullanın; konuşma yapay zekası ve bilgi yardımcısı senaryoları için idealdir.

Bu katman sorgulanabilir grafta sorgu mantığını çalıştırır ve sonuçları döndürür.

Sorgu sonuçları

Grafiği nasıl sorguladığınıza bağlı olarak, sonuçları aşağıdaki biçimlerden bir veya daha fazlasında alırsınız:

• Görsel graf diyagramları: Düğümlerin ve ilişkilerin etkileşimli görselleştirmeleri.
• Tablosal sonuç kümeleri: Satır ve sütunlarda yapılandırılmış veriler.
• Programlı yanıtlar: REST veya aşağı akış tüketimi için JSON çıkışı.

Sonuçları etkileşimli olarak keşfedin, salt okunur sorgu kümeleri olarak paylaşın veya diğer araçlarda ve uygulamalarda kullanın.

İlgili içerik

• Graf'a genel bakış
• Grafik için hızlı başlangıç kılavuzu
• Öğretici: Grafiğe giriş