探索 Microsoft Fabric 湖屋
湖屋表示为数据库，并使用 Delta 格式表构建在数据湖之上。 湖屋结合了关系数据仓库基于 SQL 的分析功能和数据湖的灵活性和可伸缩性。 湖屋存储所有数据格式，可与各种分析工具和编程语言一起使用。 作为基于云的解决方案，湖屋可自动缩放并提供高可用性和灾难恢复。
湖屋的一些优点包括：
- 湖屋使用 Spark 和 SQL 引擎来处理大规模数据并支持机器学习或预测建模分析。
- 湖屋数据以读时架构格式进行组织，这意味着可以根据需要定义架构，而不是拥有预定义的架构。
- 湖屋通过 Delta Lake 格式的表支持 ACID（原子性、一致性、隔离性、持续性）事务，以实现数据一致性和完整性。
- 湖屋是供数据工程师、数据科学家和数据分析师访问和使用数据的单个位置。
如果你想要一个可缩放的分析解决方案来保持数据一致性，湖屋是一个绝佳选择。 请务必评估你的特定要求，确定哪种解决方案最适合。
将数据加载到湖屋
Fabric 湖屋是分析解决方案的核心元素。 在加载到湖屋之前，可以按照 ETL（提取、转换和加载）过程引入和转换数据。
可从各种源引入许多通用格式的数据；包括本地文件、数据库或 API。 你还可以为外部源（如 Azure Data Lake Store Gen2 或 OneLake）中的数据创建 Fabric 快捷方式。 可使用湖屋资源管理器浏览文件、文件夹、快捷方式和表，并在 Fabric 平台中查看其内容。
可以使用带笔记本的 Apache Spark 或数据流 Gen2 来转换引入的数据，然后进行加载。 使用数据工厂管道协调不同的 ETL 活动，并将准备好的数据放入湖屋中。
注意
数据流 Gen2 基于 Power Query（这是使用 Excel 或 Power BI 的数据分析师熟悉的工具，可以提供转换的可视化表示形式，作为传统编程的替代方案）。
可以出于多种原因使用湖屋，包括：
- 使用 SQL 进行分析。
- 训练机器学习模型。
- 对实时数据执行分析。
- 在 Power BI 中开发报表。
保护湖屋安全
湖屋访问权限是通过工作区或项目级共享进行管理的。 协作者应使用工作区角色，因为这些角色授予对工作区中所有项目的访问权限。 项目级共享最适合用于为只读需求（例如分析或 Power BI 报表开发）授予访问权限。
Fabric 湖屋还支持数据管理功能（包括敏感度标签），并且可通过将 Microsoft Purview 与 Fabric 租户一起使用来进行扩展。
注意
有关详细信息，请参阅 Microsoft Fabric 中的安全性文档。