Microsoft Fabric 中的圖形會將儲存在 OneLake 中的結構化資料轉換成可建模且可查詢的圖形。 透過視覺化或基於 GQL 的工具，透過共用引擎查詢圖表，產生視覺化、表格式或程式化結果。
本文說明圖架構，並說明從來源到洞見的端到端資料流程。
下圖說明了從來源到洞察的端到端資料流程：
數據源
資料來源於外部系統，如 Azure 服務、其他雲端平台或本地資源。 Microsoft Fabric 中的 Graph 會處理這些來源的資料，當你將資料匯入 OneLake 後，Graph 可以讀取這些資料。
OneLake 的儲存空間
你會在 OneLake 中以表格式的來源資料表形式儲存在 Lakehouse 裡。 Graph 在儲存模型時會從你的 lakehouse 資料表中擷取資料，所以你不需要另外設置 ETL 管線或把資料移到外部資料庫。
圖建模
在圖建模步驟中，你透過指定圖結構來定義：
- 節點類型： 你資料中的實體，例如客戶、產品或訂單。
- 邊緣類型： 實體間的關係，如「購買」、「包含」或「生產」。
- 表格映射： 節點與邊緣定義如何映射到底層的來源資料表。
此步驟建立 標記性質圖 結構。 在查詢圖之前，先完成圖的建模。 關於如何做出這些建模決策，請參閱 「設計圖結構」。
備註
Graph 目前不支援結構演化。 如果你需要做結構性變更——例如新增屬性、修改標籤或更改關係類型——請將更新後的來源資料重新匯入新模型。
可查詢圖
當你儲存模型時，圖會從底層湖屋資料表中匯入資料，並建立一個可讀取、可查詢的圖。 此圖結構針對遍歷與模式匹配進行優化，使得大規模的圖查詢能快速且高效。
查詢編寫
你可以透過以下兩種經驗之一，針對可查詢的圖撰寫查詢：
- 查詢建構器： 一個視覺化、互動式介面，無需撰寫程式碼即可探索節點與關係。 欲了解更多資訊，請參閱 「用查詢建構器查詢圖表」。
- 程式碼編輯器： 一款用於撰寫 GQL（圖形查詢語言） 查詢的文字編輯器。 更多資訊請參閱 「用 GQL 查詢圖」。
這兩個選項都針對相同的底層圖。 選擇最適合你工作流程的創作體驗。
查詢執行
你透過一個支援以下功能的共通執行層執行查詢：
- GQL： 透過使用 國際圖查詢語言標準（ISO/IEC 39075）查詢圖。
-
自然語言轉GQL（NL2GQL）（預覽）： 將自然語言問題轉換成GQL查詢。 在
Fabric Data Agent 中加入 Microsoft Fabric 中的圖形作為資料來源，以實現圖形驅動的 AI 推理。 關於 NL2GQL 的運作細節，請參閱 Graph 驅動的 AI 推理公告。 - 基於 REST 的執行： 透過 GQL 查詢 API 進行程式化查詢。
小提示
選擇你的查詢路徑： 使用 GQL 或 REST 直接程式化存取圖資料，並完全控制查詢結構。 當你需要自然語言存取時，透過 Fabric Data Agent 使用 NL2GQL（預覽版）——非常適合對話式 AI 和知識助理場景。
此層會將查詢邏輯對可查詢的圖執行並回傳結果。
查詢結果
根據你查詢圖表的方式，你會收到以下一種或多種格式的結果：
- 視覺圖： 節點與關係的互動式視覺化。
- 表格結果集： 以列和欄形式呈現結構化資料。
- 程式化回應： JSON 輸出用於 REST 或下游消費。
互動式探索結果、以唯讀查詢集分享，或在其他工具與應用程式中使用。