Wykonywanie zapytań i raportowanie danych w usłudze Fabric Lakehouse
Teraz, gdy twoja architektura medalionu jest już dostępna, zespoły danych i firma mogą rozpocząć korzystanie z niej do wykonywania zapytań i raportowania danych. Sieć szkieletowa ma kilka narzędzi i technologii, które umożliwiają wykonywanie zapytań i raportowanie danych w usłudze Lakehouse, w tym punktów końcowych analizy SQL i trybu Direct Lake w modelach semantycznych usługi Power BI.
Wykonywanie zapytań dotyczących danych w usłudze Lakehouse
Zespoły mogą używać języka SQL do eksplorowania i wykonywania zapytań dotyczących danych w warstwie złota. Dane w tabelach różnicowych można analizować w dowolnej warstwie architektury medalionu przy użyciu języka T-SQL, zapisywania funkcji, generowania widoków i stosowania zabezpieczeń SQL. Możesz również użyć punktu końcowego analizy SQL, aby nawiązać połączenie z usługą Lakehouse z poziomu narzędzi i aplikacji innych firm.
Punkt końcowy analizy SQL w usłudze Fabric umożliwia pisanie zapytań, zarządzanie modelem semantycznym i wykonywanie zapytań względem danych przy użyciu wizualnego środowiska zapytań.
Uwaga
Punkt końcowy analizy SQL działa w trybie tylko do odczytu w tabelach różnicowych usługi Lakehouse. Aby zmodyfikować dane w usłudze Lakehouse, możesz użyć przepływów danych, notesów lub potoków.
Oprócz korzystania z punktu końcowego analizy SQL na potrzeby eksploracji danych można również utworzyć model semantyczny usługi Power BI w trybie Direct Lake w celu wykonywania zapytań o dane w usłudze Lake. Podczas tworzenia magazynu typu lakehouse system tworzy również skojarzony domyślny model semantyczny. Domyślny model semantyczny to semantyczny model z metrykami na podstawie danych typu lakehouse.
Analitycy danych łączą się z modelem semantycznym przy użyciu trybu Direct Lake, w którym model semantyczny uzyskuje dostęp do danych z magazynu typu lakehouse. Tryb Direct Lake buforuje często używane dane i odświeża je zgodnie z potrzebami, łącząc szybkość modelu semantycznego z aktualnymi danymi z usługi Lakehouse.
Dostosowywanie warstw medalonu pod kątem różnych potrzeb
Dostosowanie warstw medalionu do różnych potrzeb pozwala zoptymalizować przetwarzanie danych i dostęp do określonych przypadków użycia. Dostosowując te warstwy, można zapewnić, że struktura i organizacja każdej warstwy są zgodne z wymaganiami różnych grup użytkowników, zwiększając wydajność, łatwość użycia i znaczenie danych dla różnych uczestników projektu.
Tworzenie wielu warstw Złota dostosowanych do różnych odbiorców lub domen podkreśla elastyczność architektury medalonu. Finanse, sprzedaż, nauka o danych — każda z nich może mieć zoptymalizowaną warstwę Gold, obsługując określone wymagania analityczne.
Niektóre aplikacje, narzędzia innych firm lub systemy wymagają określonych formatów danych. Możesz użyć architektury medalionu, aby wygenerować oczyszczone i prawidłowo sformatowane dane.