次の方法で共有

Direct Lake 用のレイクハウスを作成する

  • [アーティクル]

この記事では、レイクハウスを作成し、Lakehouse に Delta テーブルを作成してから、Microsoft Fabric ワークスペースで lakehouse の基本的なセマンティック モデルを作成する方法について説明します。

Direct Lake 用のレイクハウスの作成を開始する前に、Direct Lake の概要 必ずお読みください。

レイクハウスを作成する

  1. Microsoft Fabric ワークスペースで、[新規]>[その他のオプション] を選択してから、[Data Engineering] で [レイクハウス] タイルを選択します。

    データ エンジニアリングの [Lakehouse] タイルを示すスクリーンショット。

  2. [新しいレイクハウス] ダイアログ ボックスで名前を入力してから、[作成] を選択します。 名前には、英数字とアンダースコアのみを含めることができます。

    [新しいレイクハウス] ダイアログを示すスクリーンショット。

  3. 新しいレイクハウスが作成され、正常に開かれるかどうかを確認します。

    ワークスペースに作成された lakehouse のスクリーンショット。

レイクハウスに Delta テーブルを作成する

新しいレイクハウスを作成した後、Direct Lake が一部のデータにアクセスできるように、少なくとも 1 つの Delta テーブルを作成する必要があります。 Direct Lake は Parquet 形式のファイルを読み取ることができますが、最適なパフォーマンスを得るために、VORDER 圧縮方法を使用してデータを圧縮することをお勧めします。 VORDER は、Power BI エンジンのネイティブ圧縮アルゴリズムを使用してデータを圧縮します。 これにより、エンジンはできるだけ早くデータをメモリに読み込むことができます。

データ パイプラインやスクリプトなど、レイクハウスにデータを読み込むには複数のオプションがあります。 次の手順では、PySpark を使用して、Azure Open Datasetに基づいて Delta テーブルを lakehouse に追加します。

  1. 新しく作成したレイクハウスで、ノートブックを開くを選択して、新しいノートブックを選択する。

    新しいノートブック コマンドを示すスクリーンショット。

  2. 次のコード スニペットをコピーして最初のコード セルに貼り付け、SPARK が開いているモデルにアクセスできるようにしてから、Shift キー 押しながら Enter キーを押 コードを実行します。

    # Azure storage access info
blob_account_name = "azureopendatastorage"
blob_container_name = "holidaydatacontainer"
blob_relative_path = "Processed"
blob_sas_token = r""

# Allow SPARK to read from Blob remotely
wasbs_path = 'wasbs://%s@%s.blob.core.windows.net/%s' % (blob_container_name, blob_account_name, blob_relative_path)
spark.conf.set(
  'fs.azure.sas.%s.%s.blob.core.windows.net' % (blob_container_name, blob_account_name),
  blob_sas_token)
print('Remote blob path: ' + wasbs_path)

  3. コードがリモート BLOB パスを正常に出力したことを確認します。

    リモート BLOB パスの出力を示すスクリーンショット。

  4. 次のコードをコピーして次のセルに貼り付け、Shift キーを押しながら Enter キーを押。

    # Read Parquet file into a DataFrame.
df = spark.read.parquet(wasbs_path)
print(df.printSchema())

  5. コードが DataFrame スキーマを正常に出力したことを確認します。

    データフレーム スキーマの出力を示すスクリーンショット。

  6. 次の行をコピーして次のセルに貼り付け、Shift キーを押しながら Enter キーを押。 最初の命令では VORDER 圧縮方法が有効になり、次の命令では DataFrame が Lakehouse の Delta テーブルとして保存されます。

    # Save as delta table 
spark.conf.set("spark.sql.parquet.vorder.enabled", "true")
df.write.format("delta").saveAsTable("holidays")

  7. すべての SPARK ジョブが正常に完了したことを確認します。 SPARK ジョブの一覧を展開して、詳細を表示します。

    SPARK ジョブの展開された一覧を示すスクリーンショット。

  8. テーブルが正常に作成されたことを確認するには、左上の領域の [テーブル]の横にある省略記号 ([...]) を選択し、[の更新]選択して、テーブル ノードを展開します。

    [テーブル] ノードの近くにある [更新] コマンドを示すスクリーンショット。

  9. 上記と同じ方法またはサポートされている他のメソッドを使用して、分析するデータの Delta テーブルを追加します。

レイクハウス用の基本的な Direct Lake モデルを作成する

  1. お使いのレイクハウスで「新しいセマンティックモデル 」を選択し、ダイアログで含めるテーブルを選択します。

    新しいモデルを作成するためのダイアログのスクリーンショット。

  2. [ 確認] を選択して、Direct Lake モデルを生成します。 モデルは、レイクハウスの名前に基づいてワークスペースに自動的に保存され、その後、自動的に開かれます。

    Power BI で開いているモデルを示すスクリーンショット。

  3. [データ モデル 開く] を選択して、テーブル リレーションシップと DAX メジャーを追加できる Web モデリング エクスペリエンスを開きます。

    Power BI での Web モデリングを示すスクリーンショット。

リレーションシップと DAX メジャーの追加が完了したら、他のモデルとほぼ同じ方法で、レポートの作成、複合モデルの構築、XMLA エンドポイントを使用したモデルのクエリを実行できます。

関連コンテンツ