Documentation sur l’engineering données dans Microsoft Fabric

L’engineering données dans Microsoft Fabric permet aux utilisateurs de concevoir, créer et gérer des infrastructures et des systèmes qui permettent à leurs organisations de collecter, stocker, traiter et analyser de grands volumes de données.

À propos de l’engineering données

Vue d’ensemble

• Qu’est-ce que l’engineering données ?
• Qu’est-ce qu’un lakehouse ?
• Rôles et autorisations de l’espace de travail

Démarrage de lakehouse

Démarrage

• Créer un lakehouse.
• Naviguer dans l’explorateur lakehouse

Guide pratique

• Obtenir des données dans lakehouse à l’aide du notebook

Prise en main des notebooks

Démarrage

• Créer et utiliser des blocs-notes

Guide pratique

• Développer et exécuter des blocs-notes
• Explorer les données lakehouse avec un notebook
• Visualiser les notebooks
• Utiliser l’expérience Python sur notebook
• Déploiement et contrôle de code source des notebooks
• Utiliser NotebookUtils dans un notebook
• Créer et exécuter des notebooks T-SQL

API pour GraphQL

Vue d’ensemble

• Qu’est-ce que l’API Fabric pour GraphQL ?

Démarrage

• Créer une API pour GraphQL et ajouter des données

Guide pratique

• Gérer des relations
• Connecter des applications
• Interroger plusieurs sources de données
• Tableau de bord de supervision et journalisation (préversion)

Delta Lake

Concept

• Tables Lakehouse et Delta

Guide pratique

• Optimisation delta et V-Order
• Charger dans les tables

Tutoriel de bout en bout lakehouse

Concept

• Vue d’ensemble du scénario Lakehouse

Didacticiel

• Étape 1 - Créer un espace de travail
• Étape 2 : Créer un lakehouse
• Étape 3 : Ingérer des données dans lakehouse
• Étape 4 : Transformer des données en tables delta
• Étape 5 : Créer un rapport
• Étape 6 : Nettoyer les ressources

Intégration VS Code

Guide pratique

• Utiliser des notebooks de VS Code
• Utiliser une image conteneur à partir de VS Code
• Utiliser des notebooks de VS Code avec ressource
• Utiliser des définitions de tâche Spark à partir de VS Code
• Explorer lakehouse à partir de VS Code
• Développer un notebook à partir de l’expérience web VS Code
• Développer un notebook avec le runtime Fabric

Apache Spark

Concept

• Définition de tâche Apache Spark
• Vue d’ensemble de la supervision Spark
• Assistant Apache Spark

Démarrage

• Créer une définition de travail Spark
• Créer une définition de travail Spark avec une API de Fabric
• Intégration de Git à la définition du travail Spark

Guide pratique

• Planifier et exécuter une définition de tâche Spark
• Surveiller une application Spark
• Gérer les bibliothèques Apache Spark
• Comment utiliser Fabric MSSparkUtils
• Configurer les paramètres de capacité

Prise en main de l’environnement

Démarrage

• Environnements Microsoft Fabric

Guide pratique

• Gérer le calcul Spark dans les environnements
• Gérer les bibliothèques dans les environnements
• Environnement d’intégration Git et pipeline de déploiement
• Gérer l’environnement via des API publiques
• Gérer les ressources dans l’environnement Fabric
• Migrer les bibliothèques d’espace de travail existantes et les propriétés Spark vers un environnement

Livy API

Vue d’ensemble

• Qu’est-ce que l’API Livy ?

Démarrage

• Créer et exécuter des travaux Spark en utilisant l’API Livy
• Envoyer des travaux de session d’API Livy
• Envoyer des travaux par lots d’API Livy