Fråga och rapportera om data i fabric lakehouse
Nu när din medaljongarkitektur är på plats kan datateam och företaget börja använda den för att fråga och rapportera om data. Fabric har flera verktyg och tekniker som gör att du kan köra frågor mot och rapportera data i lakehouse, inklusive SQL-analysslutpunkter och Direct Lake-läge i Power BI-semantiska modeller.
Fråga efter data i ditt lakehouse
Teams kan använda SQL för att utforska och fråga efter data i guldskiktet. Du kan analysera data i deltatabeller på valfritt lager i medaljongarkitekturen med hjälp av T-SQL-språket, spara funktioner, generera vyer och tillämpa SQL-säkerhet. Du kan också använda SQL-analysslutpunkten för att ansluta till din lakehouse från verktyg och program från tredje part.
Med SQL-analysslutpunkten i Fabric kan du skriva frågor, hantera den semantiska modellen och köra frågor mot data med hjälp av den visuella frågeupplevelsen.
Kommentar
SQL-analysslutpunkten fungerar i skrivskyddat läge över lakehouse-deltatabeller . Om du vill ändra data i lakehouse kan du använda dataflöden, notebook-filer eller pipelines.
Förutom att använda SQL-analysslutpunkten för datautforskning kan du även skapa en Power BI-semantisk modell i Direct Lake-läge för att fråga efter data i ditt lakehouse. När du skapar ett sjöhus skapar systemet även en associerad standard semantisk modell. Standardsemantikmodellen är en semantisk modell med mått ovanpå lakehouse-data.
Dataanalytiker ansluter till den semantiska modellen med Direct Lake-läget, där semantikmodellen kommer åt data från ett sjöhus. Direct Lake-läget cachelagrar data som används ofta och uppdaterar dem efter behov, vilket kombinerar hastigheten för en semantisk modell med uppdaterade data från ett sjöhus.
Skräddarsy dina medaljonglager efter olika behov
Genom att skräddarsy medaljonglager efter olika behov kan du optimera databehandling och åtkomst för specifika användningsfall. Genom att anpassa dessa lager kan du se till att varje lagers struktur och organisation överensstämmer med kraven för olika användargrupper, vilket förbättrar prestanda, användarvänlighet och datarelevans för olika intressenter.
Att skapa flera guldlager som är skräddarsydda för olika målgrupper eller domäner visar flexibiliteten i medaljongarkitekturen. Ekonomi, försäljning, datavetenskap – var och en kan ha sitt optimerade guldskikt som uppfyller specifika analytiska krav.
Vissa program, verktyg eller system från tredje part kräver specifika dataformat. Du kan använda din medallion-arkitektur för att generera rensade och korrekt formaterade data.