Microsoft OneLake kalıpları ve temel yetenekler

Bu makale, yaygın OneLake kalıplarını ve bunları uygulamak için kullanabileceğiniz platform yeteneklerini tanıtmaktadır. Bu makaledeki bilgileri kullanarak veri ortamınızı nasıl organize etmek istediğinizi düşünün, ardından işinize, teknik ve yönetişim ihtiyaçlarınıza uygun kalıpları seçin.

Her desen, belirli bir mimari hedefe ulaşmak için veri ve sahipliğin nasıl organize edileceğini açıklar. Bir deseni uygulamak için, veri sanallaştırma, açık veri birlikte çalışabilirliği, merkezi yönetişim ve entegre analitik ile yapay zeka gibi temel OneLake yeteneklerini birleştirirsiniz. Her bir yetenek ise kısayollar, yansıtma, OneLake güvenliği ve Direct Lake modu gibi belirli ürün özelliklerine dayanır. Aynı yetenek ve özellik genellikle birden fazla desende ortaya çıkar.

Note

Bu makale, OneLake mimari rehber beyaz kağıdında tanımlanan desenler üzerine inşa edilmiştir.

Bu beş deseni OneLake tasarımınız için yapı taşları olarak düşünün. Çoğu ortam birden fazla ortamı birleştirir. Hedeflerinize uygun kalıpları seçin:

Minimum çoğaltma ile birleşik veri erişimi

Verileriniz birden fazla bulut, yerel sistem veya harici göl arasında yayımlanmışsa, hepsini tek bir yere kopyalamak pratik olmayabilir - hatta mümkün olmayabilir. Birleşik veri erişimi ve minimum replikasyon deseniyle OneLake, bu kaynaklar arasında tek bir mantıksal veri katmanı olarak ele alır. Her kaynak için veri alma iş hatları oluşturmak yerine, veriye bulunduğu yerde başvurmak için kısayolları, senkronize ve sorgu için optimize edilmiş bir kopyaya ihtiyaç duyduğunuzda ise aynalamayı kullanırsınız.

Bu düzeni aşağıdaki durumlarda kullanın:

  • Verileriniz birden fazla buluta, yerel sistemlere veya harici göle yayılmıştır.
  • Veriyi merkezi bir depoya çoğaltmak aşırı depolama, gecikme veya uyum yükü yaratır.
  • Yeni kaynakları, tam kapsamlı ayıkla, dönüştür, yükle (ETL) işlem hatları yazmadan hızla sisteme dahil etmeniz gerekir.
  • Mevcut veri göllerine, depolara ve operasyonel depolara yapılan yatırımları korumak istersiniz.

Birleşik veri erişimi uygula

Bu modeli uygulamaya koymak için, veri taşıma süreçleri oluşturmanızı veya işletmenizi gerektirmeyen iki ana veri erişim yaklaşımıyla başlayın: sanallaştırma , kaynak veriyi OneLake üzerinden kopyalamadan erişilebilir kılar ve sıfır ETL yansıtma, platform tarafından yönetilen, senkronize edilmiş bir kopyayı OneLake'e analitiklere hazır Delta tabloları olarak getirir. Fabric veri taşıma araçlarını yalnızca bu yaklaşımlar kaynağı desteklemediğinde veya gereksinimlerinizi karşılamadığında kullanın. Bu yaklaşımları seçme ve birleştirme konusunda ek rehberlik için Verileri OneLake kısayolları ve yansıtma ile birleştirme bölümüne bakınız.

  1. OneLake’in sanallaştırma veya zero-ETL yansıtma yoluyla hangilerine erişebileceğini belirlemek için veri kaynaklarınızın envanterini çıkarın: bulut nesne depolama, harici kataloglar, operasyonel veritabanları ve Dataverse. Kalan kaynakları veri taşıma yaklaşımı gerektiren olarak işaretleyin.

  2. Her desteklenen kaynak için doğru veri erişim tekniğini seçin. Kaynak kopyasız erişimi desteklediğinde sanallaştırmayı tercih edin. Kaynak, senkronize ve sorgu için optimize edilmiş bir kopya gerektiriyorsa sıfır ETL yansıtma kullanın:

Kaynak veriler Buna nasıl erişilir Veri işleme
Cloud object storage (Azure Data Lake Storage 2. Nesil, Amazon S3, Google Cloud Storage) ve S3 uyumlu on-premises storage Kısayollar Sanallaştırma: Kaynak veriyi kopyalamadan erişilebilir kılar
Veriler, kopyalamadan erişilebilir etmek istediğiniz harici bir katalogda yönetilir (örneğin Azure Databricks Unity Catalog) Meta veri yansıtma - yalnızca katalog meta verilerini (şemalar, tablolar) senkronize eder ve kaynak veriye kısayollar aracılığıyla erişir Sanallaştırma: Kaynak veriyi kopyalamadan erişilebilir kılar
Sorgu için optimize edilmiş bir kopyaya ihtiyaç duyan operasyonel veritabanları (Azure SQL Veritabanı, Azure Cosmos DB, Snowflake, PostgreSQL, SQL Server 2025, Oracle Database, Google BigQuery) Desteklenen özel ve ortak çözümler için veritabanı aynalama veya açık aynalama Zero-ETL yansıtma: Senkronize bir Delta kopyası oluşturur
Dataverse (Dynamics 365 ve Power Platform data) Kısayollar veya sıfır kopya erişim için Microsoft Fabric'e Bağlantı Sanallaştırma: Kaynak veriyi kopyalamadan erişilebilir kılar

  1. Gerektiğinde kaynak veriyi dönüştürün. Kısayol dönüşümleri, dosyalar ister harici olarak ister zaten OneLake’de depolanmış olsun, kısayol üzerinden erişime açılan desteklenen dosyaları işleyebilir. Yapılandırılmış dosyaları Delta tablolarına dönüştürmek için kısayol dosya dönüşümleri veya yapılandırılmamış metni işlemek için kısayol yapay zeka dönüşümleri kullanın. Kısayol dönüşümleri, dönüştürülmüş Delta çıktısı oluşturur ve kısayolla referans verilen verilerle senkronize tutulur.

  2. Sanallaştırma ve aynalama bir kaynağı desteklemediğinde veya karmaşık dönüşümler, orkestrasyon, planlanmış hareket temposu veya akış alımı gerektiğinde Fabric veri taşıma araçlarını kullanın. Boru hatları, veri akışları, kopyalama işleri ve etkinlik akışları arasında seçim konusunda yardım için bkz. Veri taşıma stratejisi seçin.

Veri hareketini seçtiğinizde, kopyalanan verileri Delta Parquet veya Iceberg gibi açık bir tablo biçiminde depolayın. Yansıtma ve kısayol dönüşümleri zaten Delta çıktısı oluşturuyor. Açık formatların kullanılması, sanallaştırılmış verileri, senkronize kopyaları ve dönüştürülmüş Delta çıktısını Fabric motorları ve harici platformlar tarafından okunabilir şekilde tutuyor.

  1. Senkronize bir kopya, dönüştürülmüş Delta çıktısı veya Fabric veri taşıma araçlarıyla kopya oluşturduğunuzda nedeni kaydedin. Bu kayıt, kararın denetlenebilir olmasını sağlar. Bir kaynak fiziksel, sorgu optimize edilmiş bir düzene ihtiyaç duyduğunda veya tazeliğinizi, dönüşüm maliyetinizi, uyumunuzu veya işlem gereksinimlerinizi sanal olarak karşılayamıyorsa kopya oluşturun.

  2. OneLake aracılığıyla sunulan verilere OneLake güvenliğini uygulayın, böylece aynı politikalar sanallaştırılmış verileri, senkronize kopyaları ve dönüştürülmüş Delta çıktısını kapsar.

  3. Tüketicilerin bulup güvenebilmesi için OneLake kataloğundaki ortaya çıkan veri öğelerini onaylayın ve tanımlayın.

Birleşik veri erişim yetenekleri

  • Veri sanallaştırma ve sıfır ETL yansıtma - Kopyasız referanslar veya senkronize edilmiş, analitiklere hazır kopyalar aracılığıyla diğer sistemlerde ve bulutlarda yaşayan verileri açığa çıkarın. Özellik:
  • Merkezi yönetişim - Sanallaştırılmış kaynaklara da yerel OneLake verilerine uyguladığınız gibi tutarlı güvenlik ve keşif uygulayın. Özellik:
  • Açık veri birlikte çalışabilirliği - Sanalize veri ve platform tarafından yönetilen kopyaların hem Fabric motorları hem de harici platformlar tarafından okunabilir olmasını sağlamak. Özellik:

Madalyon mimarisi (bronz, gümüş, altın)

OneLake'te veri sunmak sadece ilk adımdır. Kaynak sistemlerden gelen ham veriler genellikle doğrudan analitik veya yapay zeka için kullanmak güvenli değildir. Genellikle tekrarlar, hatalar, tutarsız formatlar veya hassas alanlar içerir. Birden fazla ekip aynı kaynak veri üzerine inşa ettiğinde, her veri aşamasının neye güvenildiğine dair ortak bir tanıma ihtiyaç duyarlar.

Madalyon mimarisi düzeni, OneLake'teki verileri üç kalite katmanında düzenler: ham, değiştirilemez kaynak veriler için bronz; temizlenmiş ve uyumlaştırılmış veriler için gümüş; sertifikalı, iş kullanımına hazır tablolar ve anlamsal modeller için ise altın. Her katman, aşağı akış tüketicilerinin güvenebileceği tanımlanmış bir aşamadır. Gümüş ve altın tablolar BI, analitik ve yapay zeka iş yüklerinde yeniden kullanılabilir, bu yüzden ekipler aynı temizleme veya modelleme mantığını ayrı araçlarda yeniden inşa etmiyor.

Bu düzeni aşağıdaki durumlarda kullanın:

  • Birden fazla ekip aynı kaynak veri üzerine inşa eder ve tutarlı kaliteye ihtiyaç duyar.
  • Ham girdilerden sertifikalı çıktılara kadar izlenebilir bir soy gerekir.
  • Veri mühendisliği ile analitik veya yapay zeka tüketicileri arasında net bir sözleşmeye ihtiyacınız var.

Bu desen hakkında daha fazla bilgi için OneLake ile Fabric için madalyon mimarisini anlama bölümüne bakın. Bu makale, katman tasarımı, dağıtım modelleri, depolama formatları, maddeleştirilmiş göl görünümleri ve Delta tablo optimizasyonu konularını ele alıyor.

Nasıl uygulanır?

Çalışan bir madalyon tek bir fikre dayanır: her katman aşağı akım tüketicilerle yapılan bir sözleşmedir ve veri ancak o katmanın kalite standartlarını karşıladıktan sonra bir sonraki katmana ilerler.

  1. Ham kaynaklarınızı ve sertifikalı verilere bağımlı olan tüketicileri belirleyin.

  2. Her katmanda neyin olması gerektiğini tanımlayın ve bu tanımları alanlar arasında tutarlı şekilde uygulayın:

    Katman İçeriği Tipik tüketiciler
    Bronz Doğrudan kaynaklardan alınan ham, değiştirilemez veriler ve şema uygulaması olmadan Veri mühendisleri (sınırlı erişim)
    Gümüş Temizlendi, yinelenen kayıtlardan arındırıldı ve ortak iş tanımlarıyla uyumlu hale getirildi Veri mühendisleri ve eğitimli analistler
    Altın Özenle seçilmiş, kurumsal kullanıma hazır tablolar ve anlamsal modeller Tüm BI, analitik ve yapay zeka tüketicileri

  3. Her katmanı doğru Fabric iş yüküyle oluşturun - genellikle bronz ve gümüş için Data Engineering (Spark) veya Data Factory, altın için ise Data Warehouse veya Power BI semantik modelleri. Bronze katmanında kaynağa uygunluğu, uygun olduğunda orijinal biçimi, kaynak verilere yönelik bir kısayolu, Parquet’i veya Delta’yı kullanarak koruyun. Gümüş ve altın için Delta tabloları kullanın, böylece Fabric iş yükleri rafine edilmiş verileri güvenilir şekilde okuyup yazabilsin.

  4. Katman farkında erişim politikalarını uygulayın. Desteklenen öğeler ve depolar için geçerli Fabric ve SQL izinleri için OneLake güvenliğini kullanın. Bronza erişimi kısıtlamak, gümüşü analistlere sunmak ve tüketici ihtiyaçları ile en az ayrıcalık standartlarına göre altına erişim tanımak.

  5. Aşağı akış analizleri için seçilmiş altın çıktıları kullanın. Direct Lake modunda altın katmanlı anlamsal modeller oluşturun ki Power BI OneLake verilerini aktarılmadan veya planlı yenilemeler gerektirmeden okuyabilsin.

  6. Her altın çıktının, gümüş katmanı üzerinden bronz kaynaklarına kadar izlenebilir bir kökene sahip olduğunu doğrulayın. Sonra, OneLake kataloğunda sertifikalandırılmış altın katmanlı tabloları ve anlamsal modelleri onaylayın. Bu doğrulama, tüketicilerin hangi verilerin üretim kullanımına hazır olduğunu belirlemesine yardımcı olur.

  7. Fabric IQ ontolojilerini hızlandırmak için altın semantik modelleri yeniden kullanın. Bu adım, sertifikalı verilere dayanan yapay zeka ajanları tarafından yönetilen iş bağlamı sunar.

Temel özellikler

  • Entegre analitik ve yapay zeka - Bronz, gümüş ve altın katmanlar, OneLake'teki her analitik ve yapay zeka iş yükünü motora özgü kopyalar olmadan besler. Özellik:
  • Merkezi yönetişim - Her katmanda farklı erişim politikaları ve kalite kapıları uygulayın, böylece tüketiciler sadece rollerine uygun verileri görebilir. Özellik:
  • Açık veri birlikte çalışabilirliği - Katmanları açık formatlarda saklayın ki harici motorlar Fabric ile birlikte okuyabilsin. Özellik:

Paylaşılan bir platform üzerinde alan odaklı veri ağı yapısı

Birden fazla iş ekibiniz veri üretiyor ve tüketiyorsa, her talebi tek bir merkezi veri ekibi üzerinden yönlendirmek teslimatı yavaşlatabilir. İş ekipleri genellikle kendi verilerini ve gereksinimlerini en iyi şekilde anlar, ancak ortak yönetişim olmadan mülkiyeti merkeziyetsizleştirmek, tutarsız güvenlik, kalite ve kökenlere yol açabilir.

Alan odaklı veri örgüsü, her iş alanı alanının kendi veri ürünlerinin sahipliğini sağlarken, tüm alan türleri OneLake temelinde paylaşılan standartları takip eder. Her alan kendi veri ürünlerini yayımlar, diğer alan da kısayollarla onlara erişir ve Fabric analitiği ile yapay zeka iş yükleriyle tüketir. Merkezi kimlik, güvenlik ve yönetişim politikaları tüm alanlarda eşit şekilde uygulanır.

Bu düzeni aşağıdaki durumlarda kullanın:

  • Tek bir merkezi veri ekibi, teslimat için bir darboğaz haline gelir.
  • Farklı iş alanlarının farklı verileri, gereksinimleri ve sürüm hızları vardır.
  • Alan düzeyinde veri kalitesi için net bir hesap verebilirliğe ihtiyacınız var, kurumsal genel yönetişimden vazgeçmeden.

Alan odaklı veri ağı uygulayın

Merkeziyetsizlik ile tutarlılık arasında doğru dengeyi bulun. Sahipliği veriyi en iyi bilen alan adına itin ve kimlik, güvenlik ile soy kaynağını merkezileştirin ki her alan alan veri ürünleri aynı standartlara uysun.

  1. İş alanlarınızı belirleyin. Her alan alanı, veri ürünlerini uçtan uca sahip olup işletebilen bir ekiple işin tutarlı bir alanını temsil etmelidir.

  2. Her iş alanı için bir alan oluştur ve ona çalışma alanları atay. Paylaşılan altyapı ve yeniden kullanılabilir kurumsal veriler için ayrı bir merkezi alan oluşturun.

  3. Her alan adının karşılaması gereken veri ürün standartlarını tanımlayın - örneğin, onay veya sertifikasyon gereksinimleri, belgelenmiş şemalar, sahiplik meta verileri, sürüm düzenleme ve hizmet düzeyi anlaşmaları (SLA'lar). Bu standartlar, her ürünü sadece bir çalışma alanı klasörü değil, yeniden kullanılabilir ve keşfedilebilir bir sözleşme haline getirir.

  4. OneLake güvenliğini kullanarak klasör, tablo, satır ve sütun seviyesinde rol tabanlı veri erişim kontrolleri uygulayarak üreticilerin veri ürünlerini çalışma alanlarındaki her şeyi açığa çıkarmadan yayınlayabilmesini sağlar.

  5. Kiracı genelinde yönetişimi, etki alanları arası keşif ve veri soyağacı için OneLake kataloğu, hassasiyet etiketleri ve denetim içinse Microsoft Purview ile uygulayın. Aynı kimlik ve politika modelini, alan veri ürünlerini tüketen yapay zeka ajanlarına da genişletin, böylece ajan erişimi diğer tüketiciler gibi yönetilir.

  6. Tüketici alanlarının, üretici veri ürünlerini kopyalamak yerine onlara başvurmak için kısayolları kullanmasını sağla. Tüketiciler, ihtiyaçlarına uygun referanslı veri ürünlerini Fabric iş yükünde kullanabilirler. Power BI anlamsal modelleri için, OneLake'ten doğrudan veri okumak için Direct Lake modu kullanın. Fabric Data Agents veya Fabric IQ kullanarak yönetilen alan veri ürünlerine dayanan yapay zeka deneyimleri oluşturun.

  7. Alan adları Fabric dışındaki kataloglara yayın yaparsa, OneLake ile harici katalog arasında izinlerin tutarlı kalması için erişim kontrol senkronizasyonu planlayın.

    Tip

    Microsoft açık kaynak hızlandırıcısı Policy Weaver, bu senkronizasyonu Azure Databricks (Unity Catalog), Snowflake ve Dataverse kaynakları için otomatikleştirebilir. Veri erişim politikalarını OneLake güvenlik rollerine yansıtır ve mirroring’i (verileri taşır ancak izinleri taşımaz) tamamlar.

Veri ağı yetenekleri

  • Merkezi yönetişim - Kimlik, güvenlik ve veri soyağacını merkezileştirilmiş halde tutarken sahipliği etki alanlarına dağıtın. Özellik:
  • Veri sanallaştırma - Tüketici alan alanlarının kopyalar yerine referanslar aracılığıyla üreticiye ait veri ürünlerini kullanmasına izin versin. Özellik:
    • Kısayollar, alan aralarında sıfır kopya paylaşımını mümkün kılar.
  • Entegre analitik ve yapay zeka - Her alanın veri ürünlerini Fabric iş yükleri arasında tüketilebilir hale getirin. Özellik:

Analitik ve yapay zeka için platform birleştirme

Yan yana birkaç analiz platformu çalıştırıyorsanız - veri depolama, iş zekası, veri bilimi, gerçek zamanlı analitik ve yapay zeka için ayrı araçlar - her aracın kendi veri kopyaları, boru hatları ve yönetişim modeli bulunur. Bu parçalanma maliyeti artırır ve tutarlı güvenlik uygulamayı ya da iş sorusuna tek bir cevap almayı zorlaştırır.

Platform birleştirme modeli bu iş yüklerini Fabric'e taşır; burada OneLake paylaşılan, yönetilen bir veri temeli sağlar. Fabric iş yükleri, her araç için ayrı veri ve yönetişim modellerine güvenmek yerine bu temel üzerinden verilere erişim, dönüştürme, senkronize etme veya analiz etme işlerini sağlar.

Bu düzeni aşağıdaki durumlarda kullanın:

  • Birbiriyle örtüşen özelliklere sahip birden fazla analiz platformu kullanıyorsunuz.
  • Motora özgü veri kopyaları ve boru hatları, maliyet ve bakım yükünü artırır.
  • Tüm analitik ve yapay zeka iş yüklerinde tek bir yönetişim ve güvenlik modeline ihtiyacınız var.

Platform konsolidasyonunu uygula

Daha az platform hedefle, daha fazla entegrasyon değil. Araçları birbirine bağlamak yerine iş yüklerini Fabric’te birleştirin; dış motorları da yalnızca henüz kullanımdan kaldıramadığınız durumlarda bağlayın.

  1. Bugün kullandığınız analitik, veri depolama, veri bilimi, iş zekası (BI) ve yapay zeka araçları ile boru hatlarını envanter edin. Her aracın hangi iş yüklerini desteklediğini ve hangi verileri kopyaladığını not edin.

  2. Her mevcut iş yükünü, yerine geçebilecek Fabric iş yüküne eşleyin:

    Eski iş yükü Fabric iş yükü
    Veri düzenleme ve ETL Veri Fabrikası
    Spark not defterleri ve lakehouse işleme Veri Madenciliği
    SQL veri depolama Veri Ambarı
    Yayın ve KQL analizleri Gerçek Zamanlı Zeka
    ML model eğitimi ve deney takibi Veri Bilimi
    Operasyonel veritabanları Veritabanları (Fabric'te SQL veritabanı ve Fabric'te Cosmos DB)
    BI görselleştirme ve anlamsal modeller Direct Lake moduyla Power BI
    Kurumsal verilere dayanan sohbetsel yapay zeka Fabric Data Agents, Copilot for Fabric, Fabric IQ

  3. OneLake güvenliği, Microsoft Purview ve OneLake kataloğunu kullanarak tüm iş yüklerinde tek bir yönetişim ve güvenlik modeli oluşturun. Desteklenen Fabric öğeleri başka bir şifreleme katmanı gerektirdiğinde müşteri tarafından yönetilen anahtarları yapılandırın.

  4. OneLake'te analitik verileri Delta veya Iceberg formatı kullanarak birleştirerek iş yüklerinin yönetilen bir veri temelini paylaşmasını sağlar. Operasyonel iş yüklerini Fabric Veritabanlarına entegre ederek dahil edin; böylece senkronize analitik veriler OneLake'te kullanılabilir hale getirilir.

  5. Yapay zekâyı birleştirilmiş verilere dayandırın. Seçilmiş veri katmanınız üzerinde ontolojiler (önizleme) oluşturun ve bunları Ontology MCP sunucusu aracılığıyla ajanlara sunun, böylece Fabric Data Agents, Microsoft 365 Copilot ve harici araçlar aynı yönetilen bağlam üzerinde mantık yürütür. Power BI anlamsal modellerinden Import, Direct Lake veya DirectQuery modunda ontoloji tanımları oluşturabilirsiniz. Desteklenen OneLake verilerine oluşturulan bağlamalar gerektiğinde Direct Lake modunu kullanın ve mevcut ontoloji sınırlamalarını gözden geçirin.

  6. Henüz devreden çıkaramadığınız harici motorlar için OneLake verilerini Azure Databricks entegrasyonu, Snowflake ile Iceberg birlikte çalışabilirliği veya OneLake erişimi ve API’leri aracılığıyla erişime açın.

  7. Fabric eşdeğerini doğruladıktan sonra değiştirilen araçları, veri kopyalarını ve işlem hatlarını kullanımdan kaldırın. Böylece konsolidasyon, mevcut yığına bir platform daha eklemek yerine maliyetleri, lisansları ve devirleri ortadan kaldırır.

Platform birleştirme yetenekleri

Organizasyonlar arasında harici veri paylaşımı

Ortaklar, tedarikçiler, müşteriler veya diğer bölümlerle sürekli veri alışverişi yaparsanız, toplu ihracatlar, dosya transferleri ve tekrarlanan sonraki sistemler gecikme, maliyet ve yönetişim boşlukları oluşturur. Harici veri paylaşım modeli, kuruluşunuz veya iş biriminiz dışındaki tüketicilere tekrar eden dışa aktarmalar olmadan seçilmiş OneLake verilerine doğrudan erişim sağlar. Tüketiciler, verilere Fabric kiracılar arası paylaşım yoluyla veya OneLake birlikte çalışabilirlik yeteneklerini kullanarak Snowflake ve Azure Databricks gibi harici analiz platformları üzerinden erişebilirler.

Tüketiciler, güncellemeleri yayınladığınızda görür. Kaynak veriye erişimi, tüketicinin platformunu destekleyen paylaşım veya birlikte çalışabilirlik mekanizması aracılığıyla kontrol edersiniz.

Bu düzeni aşağıdaki durumlarda kullanın:

  • Dış kuruluşlarla sürekli olarak veri alışverişi yaparsınız.
  • Toplu ihracat veya dosya transferleri gecikme, karmaşıklık veya yönetişim boşlukları ekler.
  • Dış erişimi merkezi olarak takip edip iptal etmeniz gerekiyor.

Dış veri paylaşımını uygula

Dış paylaşım, veri dışına aktarmak yerine sanallaştırma kullandığınızda en iyi şekilde çalışır. Erişim yöntemini her tüketicinin okuyabildiği şekilde eşleştirin ve bu paylaşım veya birlikte çalışabilirlik mekanizmasının desteklediği erişim kontrollerini uygulayın.

  1. Dışarıdan paylaşmak istediğiniz veri ürünlerini ve bunlara ihtiyaç duyan tüketicileri (ortaklar, tedarikçiler, müşteriler) belirleyin. Genellikle, iyi tanımlanmış ve belgelenmiş seçilmiş tablolar ve dosyalar paylaşırsınız.

  2. Her tüketici için doğru paylaşım yaklaşımını seçin:

    Tüketici tipi Önerilen yaklaşım
    Fabric kullanıcıları başka bir kiracıda Harici veri paylaşımı ile salt okunur, sanallaştırılmış kiracılar arası erişim
    Snowflake on Azure kullanıcıları Snowflake ile Iceberg birlikte çalışabilirliği ile Iceberg formatında sunulan Fabric tablolarını okuma
    Azure Databricks kullanıcıları Azure Databricks'te OneLake katalog federasyonu ile Unity Catalog aracılığıyla veri kopyalamadan OneLake tablolarını sorgulama
    ADLS Gen2 veya Blob API'lerini destekleyen uygulamalar veya araçlar OneLake erişimi ve API'leri desteklenen API'ler aracılığıyla OneLake verilerine erişmek için

    Dataverse verilerini paylaşmadan önce OneLake'e getirmek için birleşik veri erişim modelini kullanın.

  3. Seçilen paylaşım mekanizmasının desteklediği izinlerle dış erişimi kapsama edin. Fabric harici veri paylaşımı için, paylaşım, davetli kullanıcının ev kiracısındaki herhangi bir kullanıcıya sadece okuma erişimi sağlar. OneLake güvenliği, hassasiyet etiketleri ve veri kaybı önleme politikaları dahil olmak üzere sağlayıcı tarafı güvenlik ve yönetişim politikaları, tüketicinin kiracısında uygulanmaz. Müşteri, kendi ortamındaki aşağı akış erişimini denetlemelidir.

  4. Her paylaşım ilişkisinin şartlarını baştan anlaşın - neler paylaşılacak, kimle ve ne kadar süreyle. Fabric harici veri paylaşımı için, İzinleri Yönet sayfasındaki Dış veri paylaşımları sekmesinden erişimi iptal edin. Diğer yaklaşımlar için, seçilmiş paylaşım mekanizması üzerinden erişimi iptal edin. Tüketicinin görünürlüğünü kaybettiğini doğrulayın.

  5. Sağlayıcının Fabric ortamında Microsoft Purview ile hassasiyet etiketleri, denetim ve veri kaybı önleme uygulamak.

  6. OneLake kataloğunda kaynak veri ürünlerini onaylayın ve belgeleyin, böylece sağlayıcılar bunları bulup paylaşmadan önce yönetebilsin. OneLake kataloğu, veri ürünlerini dış kiracılara veya analiz platformlarına yayımlamaz.

Dış veri paylaşım yetenekleri

  • Veri sanallaştırma - Verileri, dışa aktarma işlem hatlarını yönetmeden kopyasız referanslar aracılığıyla paylaşın. Özellik:
    • Harici veri paylaşımı, Fabric kiracıları arasında sanallaştırılmış paylaşım sağlar.
    • Kısayollar, iş ortaklarının yayımlanmış verilere kopyalamadan erişmesine olanak tanır.
  • Açık veri birlikte çalışabilirliği - Fabric kullanmayan tüketicilerle paylaşın, açık formatlarda yayınlayın. Özellik:
  • Merkezi yönetişim - Fabric'te kaynak veriyi yönetin ve her paylaşım mekanizması üzerinden harici erişimi kontrol edin. Özellik:
    • OneLake güvenliği, Fabric'te kaynak verilere erişimin kapsamını belirler.
    • Microsoft Purview, sağlayıcının Fabric ortamında hassasiyet etiketleri, denetim ve veri kaybı önleme yöntemlerini uygular.
    • OneLake kataloğu , paylaşmadan önce sağlayıcı tarafında keşif ve onay desteğini destekler.
  • Last updated on