Fabric 中的湖仓结合了数据湖的可扩展性和数据仓库的查询能力。 你将结构化和非结构化数据存储在单个位置，使用 Delta Lake 对其进行管理，并使用 Apache Spark 和 SQL 对其进行分析，所有这些作无需在系统之间移动数据。 通过 OneLake的快捷方式 和 跨租户数据共享，你还可以访问来自外部来源和其他组织的受控数据，无需重复。
湖屋给你：
- 数据工程和分析工作负荷共用一个数据副本
- 用于 ACID 事务的 Delta Lake 格式、架构约束和时间旅行
- Spark 和 SQL 访问 ，以便数据工程师使用笔记本，而分析师则使用 T-SQL
- 内置集成与 Power BI、管道、数据流和其他 Fabric 项目
湖畔别墅 vs. 仓库
湖屋和仓库在Fabric中的主要区别在于你偏好的开发工具、数据类型和工作负载模式。 两者共享相同的 SQL 引擎并在 OneLake 上以 Delta 格式存储数据，但它们专为不同的方案而设计：
| Lakehouse | 仓库 | |
|---|---|---|
| 主要开发工具 | Apache Spark （Python、Scala、SQL、R） | T-SQL |
| 数据类型 | 结构化和非结构化 | 结构化 |
| 多表事务 | 否 | 是的 |
| 数据引入 | Notebook、流水线、数据流、 OneLake中的快捷方式 （实时访问且无副本） | T-SQL （COPY INTO、 INSERT、 CTAS、 管道） |
| 最适用于 | 数据工程、数据科学、奖牌体系结构 | BI 报告、维度建模、SQL 优先团队 |
可以在同一工作区中使用这两者，例如，使用 Spark 在湖仓中存储和转换数据，然后将整理好的数据集公开到仓库中，以便进行基于 SQL 的报表。 如需详细指导，请参见“ 选择仓库与湖边别墅”。
与 Lakehouse 数据协作
可以在 lakehouse 中，通过多个 Fabric 工具加载、转换和查询数据：
OneLake 中的快捷方式——无需将数据复制到湖仓，即可访问来自外部源的数据（包括通过 跨租户数据共享 访问其他租户中的数据）。 快捷方式提供对 OneLake 中操作和分析数据的实时只读引用。 请参见 OneLake中的快捷方式。
Lakehouse 资源管理器 - 浏览表和文件、加载数据以及直接在浏览器中管理元数据。 可以在表视图和文件视图之间切换，并将多个 lakehouse 添加到资源管理器。 详见 《Navigate the Lakehouse explorer》。
Spark SQL 查询资源管理器 - 直接在 Lakehouse 资源管理器中运行 Spark SQL 查询，而无需离开工作上下文。 查询浏览器支持 IntelliSense、动态选项卡、跨架构和跨湖仓查询、内联图表可视化以及创建视图。 请参阅Spark SQL 查询浏览器中的查询数据。
Notebooks — 编写 Spark 代码（Python、Scala、SQL、R），以读取、转换和将数据写入 lakehouse 表和文件夹。 请参阅 使用笔记本浏览数据 并使用 笔记本加载数据。
管道 - 使用复制活动和其他数据集成工具将数据从外部源拉取到 Lakehouse。 请参阅 使用复制活动复制数据。
Spark 作业定义 - 在生产级 ETL 的 Java、Scala 或 Python 中运行已编译的 Spark 应用程序。 请参阅什么是 Apache Spark 作业定义？
数据流第 2 代 - 使用低代码可视化界面引入和准备数据。 请参阅 创建第一个数据流。
有关数据引入选项的完整比较，请参阅“将数据引入湖仓的选项”。
使用您选择的引擎分析湖仓数据
Lakehouse 功能区包含“ 使用下拉列表分析数据 ”，可让你直接从 Lakehouse 在不同的分析体验中打开数据：
| 选项 | 说明 |
|---|---|
| SQL 分析终结点 | 在只读编辑器中使用 T-SQL 查询增量表。 请参阅 SQL 分析终结点。 |
| Eventhouse 终结点 | 运行 KQL 查询以执行高性能实时分析。 请参阅 Eventhouse 终结点。 |
| 笔记本 （新建/现有） | 打开 Spark 笔记本以使用代码浏览或转换数据。 请参阅 使用笔记本浏览数据。 |
关于每个选项的详细信息及下拉菜单所在，请参见 “导航湖屋探险器”。
Lakehouse SQL 分析端点
创建湖仓时，Fabric 自动生成SQL 分析终结点。 此终结点允许你：
- 使用 T-SQL 查询 Delta 表 - 使用熟悉的 SQL 语法，而无需设置单独的仓库。
- 直接连接Power BI - 创建Power BI 语义模型以基于 lakehouse 数据构建报表。
- 共享只读访问权限 - 分析师和报表生成器可以在不影响 Spark 工作负载的情况下查询数据。
SQL分析端点是只读的，不支持 仓库的完整T-SQL表面。 使用它进行浏览、报告和临时查询。
注意
自 2025 年 9 月 5 日起，创建 Lakehouse 时，不再自动创建默认语义模型。 到 2025 年 11 月 30 日，现有默认语义模型与父项分离，并成为独立的语义模型。 更多信息请参见 Fabric 中的 Power BI 语义模型。
注意
SQL 分析终结点中仅显示 Delta 表。 这包括通过 OneLake 中的快捷方式 访问到的 Delta 表，这些表可与本地存储的表一起显示并查询。 通过此端点无法查询 Parquet、CSV 和其他格式。 如果未看到表， 请将其转换为 Delta 格式。
自动表发现和注册
Lakehouse 将数据组织成两个顶级文件夹：表用于托管 Delta 表，文件用于存储非结构化数据或非 Delta 数据。 当您将文件放置在Tables文件夹中时，Fabric系统会自动：
- 根据支持的格式（当前仅 Delta 表）验证文件。
- 提取元数据 - 列名、数据类型、压缩和分区。
- 在元存储中注册表，以便可以立即使用 Spark SQL 或 T-SQL 对其进行查询。
此托管文件到表体验意味着无需手动为托管区域中的数据编写 CREATE TABLE 语句。
注意
对于没有模式的湖屋，最大元数据大小为10 GB。 发布或更新任何超过10GB的型号都会失败。 为解决此问题，请使用支持架构的湖仓，或通过删除表和列来减小模型规模。 你也可以将大型模型分散到多个湖边别墅，以保持在这个限制内。
使用湖屋进行多任务
Lakehouse 使用浏览器选项卡设计，使你可以在多个项之间打开和切换，而不会丢失位置：
保留正在运行的作业：切换到其他选项卡时，数据加载和上传将继续运行。
保留上下文： 在选项卡之间导航时，所选表、文件和对象保持打开状态。
非阻塞列表重载： 文件和表列表在后台刷新，而不会阻碍你的工作。
作用域内通知： Toast 通知标识他们来自的 Lakehouse，以便你可以跨选项卡跟踪更新。
无障碍湖畔别墅设计
Lakehouse 支持辅助技术和无障碍的交互模式。
- 屏幕阅读器兼容性： 与常用屏幕阅读器合作进行导航和交互。
- 图像的可选文本： 所有图像都包含描述性的替换文字。
- 标记的窗体字段： 所有窗体字段都有屏幕阅读器和键盘用户的关联标签。
- 文本重排： 适应不同屏幕大小和方向的响应式布局。
- 键盘导航： 无需鼠标即可导航 Lakehouse 的完整键盘支持。