Microsoft Fabric 術語
了解 Microsoft Fabric 中使用的術語定義，涵蓋 Synapse 資料倉儲、Synapse 資料工程、Synapse 資料科學、即時智慧、Data Factory 和 Power BI 等專有詞彙。
一般條款
容量：容量是一組專用的資源，可在指定時間使用。 容量會定義資源執行活動或產生輸出的能力。 不同的項目在特定時間會耗用不同的容量。 Fabric 會透過 Fabric SKU 和試用版提供容量。 如需詳細資訊，請參閱何謂容量？
體驗：專為特定功能設計的功能集合。 Fabric 體驗包括 Synapse 資料倉儲、Synapse 資料工程、Synapse 資料科學、即時智慧、Data Factory 和 Power BI。
項目：一個項目是體驗中的一組功能。 使用者可以建立、編輯及刪除項目。 每個項目類型都提供不同的功能。 例如，資料工程體驗包括 Lakehouse、筆記本和 Spark 作業定義項目。
租用戶：租用戶是組織的 Fabric 單一執行個體，且與 Microsoft Entra ID 一致。
工作區：工作區是將不同功能聚集在單一環境中的項目集合，該單一環境旨在促進協作。 它會做為容器，使用所執行之工作的容量，並提供誰可以存取其中項目的控制項。 例如，在工作區中，使用者可以建立報告、筆記本、語意模型等。如需詳細資訊，請參閱工作區一文。
Synapse 資料工程
Lakehouse：Lakehouse 是由檔案、資料夾和資料表組成的集合，代表資料湖上由 Apache Spark 引擎和 SQL 引擎用於處理大數據的資料庫。 Lakehouse 在使用開放原始碼 Delta 格式化資料表時，包含 ACID 交易的增強功能。 Lakehouse 項目託管於 Microsoft OneLake 中的一個唯一的工作區資料夾。 它包含各種格式的檔案 (結構化和非結構化)，這些檔案組織在資料夾和子資料夾中。 如需詳細資訊，請參閱何謂 Lakehouse？
筆記本：Fabric 筆記本一種具有豐富函式的多語言互動式程式設計工具。 其中包括撰寫程式碼和 Markdown、執行和監視 Spark 作業、檢視和視覺化結果，以及與團隊共同作業。 它可協助資料工程師和資料科學家探索和處理資料，以及透過程式碼和低程式碼體驗建置機器學習實驗。 它可以輕鬆地轉換成協調流程的管線活動。
Spark 應用程式：Apache Spark 應用程式是由使用者使用其中一種 Spark API 語言 (Scala、Python、Spark SQL 或 Java) 或 Microsoft 新增的語言 (.NET 搭配 C# 或 F#) 撰寫的程式。 當應用程式執行時，它會拆分為一或多個平行執行的 Spark 作業，以更快處理資料。 如需詳細資訊，請參閱 Spark 應用程式監視。
Apache Spark 作業：Spark 作業是 Spark 應用程式的一部分，與應用程式中其他作業平行執行。 一項作業有多個工作組成。 如需詳細資訊，請參閱 Spark 作業監視。
Apache Spark 作業定義：Spark 作業定義是由使用者設定的一組參數，指示 Spark 應用程式應如何執行。 它讓您可以將批次或串流作業提交至 Spark 叢集。 如需詳細資訊，請參閱何謂 Apache Spark 作業定義？
V 順序：對 parquet 檔案格式的寫入最佳化，可實現快速讀取並提供經濟高效且更出色的效能。 所有 Fabric 引擎預設都會寫入 V 順序的 parquet 檔案。
Data Factory
連接器：Data Factory 提供了一組豐富的連接器，可讓您連線至不同類型的資料存放區。 連線以後，您可以對資料進行轉換。 如需詳細資訊，請參閱連接器。
資料管線：在 Data Factory 中，資料管線用於協調資料移動和轉換。 這些管線與 Fabric 中的部署管線不同。 如需詳細資訊，請參閱 Data Factory 概觀中的管線。
Dataflow Gen2：資料流程提供低程式碼介面，可從數百個資料來源擷取資料，以及對資料進行轉換。 Fabric 中的資料流程即 Dataflow Gen2。 Dataflow Gen1 存在於 Power BI 中。 相較於 Azure Data Factory 或 Power BI 中的資料流程，Dataflow Gen2 提供額外的功能。 您不能從 Gen1 升級至 Gen2。 如需詳細資訊，請參閱 Data Factory 概觀中的資料流程。
觸發程式：Data Factory 中的自動化功能，可根據特定條件 (如排程或資料可用性) 起始管線。
Synapse 資料科學
Data Wrangler：Data Wrangler 是一種筆記本型工具，可為使用者提供沉浸式體驗，以方便進行探索式資料分析。 該功能整合了方格式資料顯示、動態統計資料摘要及一組常用的資料清理操作，只需點按幾個圖示即可輕鬆使用。 每項操作都會產生可儲存回筆記本的程式碼，以作為可重複使用指令碼。
實驗：機器學習實驗是組織和控制的主要單位，用於所有相關的機器學習執行。 如需詳細資訊，請參閱 Microsoft Fabric 中的機器學習實驗。
模型：機器學習模型是已定型的檔案，可以辨識特定類型的模式。 您可以使用一組資料來將模型定型，為其提供演算法，使其可用於透過那些資料集進行推理，並從中學習。 如需詳細資訊，請參閱機器學習模型。
執行：執行會對應至模型程式碼的單一執行。 在 MLflow 中，追蹤是以實驗和執行為基礎。
Synapse 資料倉儲
SQL 分析端點：每個 Lakehouse 都有一個 SQL 分析端點，可讓使用者透過 TDS 使用 TSQL 查詢 Delta 資料表的資料。 如需詳細資訊，請參閱 SQL 分析端點。
Synapse 資料倉儲：Synapse 資料倉儲做為傳統的資料倉儲，支援您預期企業資料倉儲會提供的完整交易式 T-SQL 功能。 如需詳細資訊，請參閱 Synapse 資料倉儲。
即時智慧
KQL 資料庫：KQL 資料庫所保存資料的格式，可用來執行 KQL 查詢。 如需詳細資訊，請參閱查詢 KQL 資料庫。
KQL 查詢集：KQL 查詢集是用於執行查詢、檢視結果，以及操作來自 [資料總管] 資料庫的資料查詢結果的項目。 查詢集包含資料庫和資料表、查詢以及結果。 KQL 查詢集可讓您儲存查詢以供日後使用，或匯出查詢並與他人共用。 如需詳細資訊，請參閱在 KQL 查詢集中查詢資料
事件串流：Microsoft Fabric 事件串流功能在 Fabric 平台中提供集中位置，以擷取、轉換和路由即時事件至無程式碼體驗的目的地。 事件串流包含各種串流資料來源、擷取目的地，以及需要轉換時的事件處理器。 如需詳細資訊，請參閱 Microsoft Fabric 事件串流。
OneLake
- 捷徑：捷徑是指向其他檔案存放區位置的 OneLake 內嵌參考。 它們讓使用者可以連線到現有資料，而不需要直接進行拷貝。 如需詳細資訊，請參閱 OneLake 捷徑。