בלוג Microsoft Fabric: מדריך מתקדם לתכונות ושימושים חדשים

אינפורמטק דיגיטל » Recursos » בלוג Microsoft Fabric: מדריך מתקדם לתכונות ושימושים חדשים

אם עבדתם עם נתונים במערכת האקולוגית של מיקרוסופט כבר זמן מה, בוודאי שמתם לב ש... מיקרוסופט פאבריק הפכה למרכז המרכזי של אנליטיקה מודרניתאיחוד כל מה שהיה בעבר מפוזר על פני Power BI, Azure Synapse, Data Factory ושירותים אחרים לפלטפורמה אחת. במאמר זה, נבחן לעומק את התכונות העדכניות ביותר, מפת הדרכים וההשלכות המעשיות של Fabric עבור ניתוח, ממשל, בינה מלאכותית ומחשוב בזמן אמת.

הרעיון הוא שכאשר תסיימו לקרוא, תהיה לכם הבנה ברורה של מה מציעה Microsoft Fabric כיום, לאן היא הולכת, וכיצד זה משפיע על ארכיטקטורת הנתונים? של הארגון שלך: יכולות ניהול עם Purview, אוטומציה עם ממשקי API ו-Git, תכונות חדשות של בינה מלאכותית, בינה בזמן אמת, אבטחה ב-OneLake, הגירות, ביצועים ועוד.

Microsoft Fabric ומסגרת אימוץ הענן: ניהול, עלויות ואוטומציה

במסגרת אימוץ הענן (CAF), מיקרוסופט פרסמה סדרה של מדריכים כדי להתאים עיצוב Microsoft Fabric עם עמודי התווך של אזורי נחיתההחלק האחרון של סדרה זו עוסק בשלושה תחומים מרכזיים: ממשל, אופטימיזציה של קיבולת ואוטומציה/DevOps.

בסעיף הממשל, עלויות קיבולת המארג נחשפות באמצעות Azure Cost Managementזה מאפשר לך לשלב באופן טבעי נתוני שימוש בקיבולת F (ו-SKU אחרים) בלוחות מחוונים של עלויות, התראות וניתוחי הוצאות של Azure. זה לא רק עניין של לראות את החשבון: אתה יכול להצליב מידע זה עם תגיות, מנויים או קבוצות משאבים כדי להבין מי מוציא מה ולמה.

הארכיטקטורה הטכנית ומודל העסקי של Fabric מאפשרים ללקוחות שליטה מדויקת בצריכת הקיבולת כדי לייעל את עלויות התפעולבפועל, זה מתבטא במספר מנופים:

• קנה מידה של יכולות Fהגדלה או הקטנה של הקיבולת בהתבסס על שיאים צפויים, כגון קמפיינים של מכירות, מועדי חשבונאות או עומסי נתונים גדולים.
• יכולות השהיה וחידושמנהלי מארג יכולים להשהות קיבולת F כאשר היא אינה נחוצה (לדוגמה, בן לילה או בסופי שבוע בסביבות שאינן קריטיות) כדי לקצץ בעלויות המחשוב.
• הגנה מפני נחשולי מתחשני פרמטרים ברמת קיבולת שולטים באופן ניהול משימות רקע כדי למנוע מהן להרוות את הסביבה: סף דחיית רקע וסף שחזור רקע.
• הזמנות קיבולתניתן להזמין קיבולת לתקופות מוגדרות כדי לקבל הנחות, בתנאי שהצריכה הצפויה מתוכננת בקפדנות.

בתחום ניהול הנתונים, Fabric מסתמך על Microsoft Purview כמרכיב המרכזי לקטלוג, שושלת וסיווגמ-Purview ניתן להחיל תוויות רגישות, לראות את השורה בין מקורות, טרנספורמציות וצריכה, לאשר נכסי נתונים או לשפר קמפיינים של איכות נתונים, והכל תוך שילוב אלמנטים של Fabric (Lakehouse, Warehouse, KQL, Power BI וכו').

החלק "אוטומציה של פלטפורמות ו-DevOps" בנוי בעיקר סביב אינטגרציה עם Git, צינורות פריסה וממשקי REST APIניתן לקשר סביבות עבודה של Fabric למאגרי Git כך שמפתחים מרובים יוכלו לשתף פעולה באותו פרויקט של הנדסת נתונים, מדעי נתונים או ניתוח נתונים בזמן אמת מבלי לחפוף עבודה.

Git ו-Deployment Pipelines מאפשרים לתזמר את מחזורי חיי הפיתוח, הבדיקות והייצור בצורה מבוקרתקידום תוכן, מעקב אחר שינויים, סנכרון ארטיפקטים וניהול גרסאות. מאז מרץ 2025, צינורות אלה תומכים (במצב כללי או תצוגה מקדימה) במגוון רחב של סוגי אלמנטים כגון טריגרים, לוחות מחוונים, זרימות נתונים, צינורות נתונים, מאגרי נתונים, בתי אגף, מחסנים, KQL, מחברות, דוחות מדופנים, יישומים ארגוניים וכו'.

בינתיים, פבריק חושף קבוצה רחבה מאוד של ממשקי REST API שבאמצעותם ניתן להפוך כמעט כל משימת ניהול או פריסה לאוטומטית: יצירת סביבות עבודה ותיקיות, הגירה בכמות גדולה של פריטים, ניהול חיבורים ושערים, חילוץ הגדרות, הפעלת צינורות או מחברות, בין היתר.

עדכונים מרכזיים בניתוח, בינה מלאכותית וממשל עבור Microsoft Fabric

האבולוציה של Fabric מאופיינת במספר עצום של תכונות תצוגה מקדימה ויכולות חדשות ש... הם נוגעים כמעט בכל תחומי הפלטפורמהלאחר מכן הם מקובצים ונדונים באופן מובנה כך שניתן יהיה לראות את מלוא ההיקף.

פונקציות בינה מלאכותית במחסן נתונים ופונקציות רב-מודאליות

בתחום הנתונים הרלציוניים, Fabric Data Warehouse משלב בינה מלאכותית מתפקדת ישירות ב-T-SQL (תצוגה מקדימה). זה מאפשר:

• סיווג או קטגוריה של טקסט.
• נתח את הסנטימנט.
• חילוץ מידע מובנה מטקסט חופשי.
• תרגום טקסט בין שפות.
• דקדוק נכון.

המטרה היא ש אין צורך לצאת מהקשר ה-SQL כדי להעשיר נתונים בעזרת בינה מלאכותיתפונקציות אלו משולבות עם תמיכה רב-מודאלית כללית יותר בפונקציות הבינה המלאכותית של Fabric, אשר כעת יכולות לעבד תמונות (JPG/JPEG, PNG, GIF, WebP), קבצי PDF ופורמטים נפוצים של טקסט, כמו גם קלט בצורת נתיבי קבצים.

שירותים כגון aifunc.load להטמעת תיקיות לתוך טבלאות בעזרת אפשרויות prompt ו-schema, `aifunc.list_file_paths` מאפשר לך לעבור בין נתיבי קבצים, ו-`ai.infer_schema` מסיק סכמות התואמות ל-`ai.extract`. כל זה מאפשר לך לשנות ולהעשיר נתונים מבלי לבנות צינורות מורכבים מאפס.

OneLake, Delta, Apache Iceberg וגישה מרובת פלטפורמות

בשכבת האחסון, OneLake נשאר האגם המאוחד שבו נמצא כל Fabric. אחד השיפורים העיקריים הוא היכולת ל חשיפת טבלאות Delta Lake כטבלאות Apache Iceberg מבלי להעביר או לשכפל נתונים, כך שמנועי חיפוש תואמי Iceberg יוכלו לקרוא ישירות את מה שנמצא ב-OneLake.

בנוסף, OneLake תומך כעת ב- נתוני Apache Iceberg שנכתבו ישירות על ידי Snowflake, נצרכו ב-Fabric באמצעות גישה ללא העתקהאסטרטגיה זו מחזקת את יכולת הפעולה ההדדית: Fabric לא רוצה להיות סילו, אלא "מרכז" נתונים שמנועי אחסון אחרים יכולים לנצל מבלי לשכפל אחסון.

באותו כיוון, OneLake מודה קיצורי דרך לאחסון Azure BlobOneDrive ו-SharePoint, ומרחיב את האבטחה עם תפקידי גישה, אבטחה ברמת תיקיות, שורות ועמודות, ומודל אבטחה שצדדים שלישיים יכולים לכבד הודות להרחבת מודל המנוע המורשה.

נקודה רלוונטית במיוחד היא איחוד קטלוג OneLake ב-Azure Databricks, המאפשר גישה ללא העתקה מקטלוג Unity לטבלאות OneLakeבדרך זו, OneLake נשאר מקור האמת, אך Databricks יכול לבצע שאילתה ישירות על הנתונים, תוך סנכרון רק של המטא-דאטה.

מסד נתונים של SQL על גבי Fabric: ביצועים, אבטחה ווירטואליזציה

מסד הנתונים SQL של ​​Fabric מקבל יכולות משלו: אפשרויות שינוי קבוצת מסד נתוניםתמיכה באיסוף ואינדוקס טקסט מלא בתצוגה מקדימה. ברמה של ביצועי מסד הנתונים ובנוגע לעלות, ישנם מספר שיפורים:

• דחיסת אינדקס אוטומטית כדי להפחית אחסון, קלט/פלט ולשפר את זמני השאילתות מבלי שיהיה צורך לתזמן עבודות תחזוקה.
• מגבלת ליבות v מקסימלית כדי לשלוט בשימוש במשאבי מחשוב (4 או 32 ליבות ווירטואליות), שנועדו למנוע מעומס עבודה לצרוך יותר מדי בקיבולת משותפת.
• מאגרי SQL מותאמים אישית שמעניקים למנהלי סביבות עבודה שליטה מפורטת על הקצאת משאבים וניתוב שאילתות לפי שם יישום.

זה גם מופעל וירטואליזציה של נתונים במסד נתונים של SQL, המאפשר שאילתות על נתונים חיצוניים המאוחסנים ב-OneLake באמצעות T-SQL, איחוד קבצים בפורמטים נפוצים עם טבלאות יחסיות מקומיות באמצעות joins, מבלי שיהיה צורך לייבא פיזית את הנתונים.

מבחינת אבטחה, מסד נתונים SQL תומך קישור פרטי ברמת הדייר (תצוגה מקדימה)זה מקל על ניתוב תעבורת נתונים בצורה פרטית ומבוקר, תוך שילוב עם תצורת הרשת המאובטחת הכוללת של Fabric.

מודיעין בזמן אמת, Eventhouse, Eventstream ו-Activator

מודול הבינה בזמן אמת (RTI) הפך לאחד המבדלים העיקריים של Fabric. Eventhouse ו-Eventstream משתלבים יחד כדי... לקלוט, לעבד ולהפעיל אירועים בזמן אמת מכל מיני מקורות, ו-Activator מתזמר את הפעולות שמופעלות בתנאים מסוימים.

בין התכונות החדשות החזקות ביותר ניתן למנות:

• זיהוי אנומליות ללא קוד עם בחירת דגם אוטומטית, ממשק פשוט והתראות גמישות.
• אירועים עסקיים, אשר לוכדות רגעים עסקיים מרכזיים שנוצרו מפונקציות נתוני משתמש ומחברות, ומאפשרות לך להפעיל התראות, לוגיקה מותאמת אישית, זרימות, מודלים של בינה מלאכותית או עבודות Spark.
• שילוב פונקציות נתוני משתמש-מפעילכך שפונקציות שנוצרו ב-Fabric יוכלו לעבד אירועים מכל מקור, כולל אירועים פנימיים מהפלטפורמה עצמה ומ-OneLake.
• יכולת עיבוד אירועים באמצעות SQL (אופרטור SQL ב-Eventstream), המאפשר טרנספורמציה של זרימות בזמן אמת עם תחביר SQL ידוע.

נוספו מחברים רלוונטיים כגון קריבל (לצריכת יומנים וטלמטריה ממקורות מרובים), מחבר עם Solace PubSub+ ותמיכה בסטרימינג ברשתות פרטיות דרך Azure Virtual Network, VPN, ExpressRoute או נקודות קצה פרטיות.

עבור סכמות נתונים וחוזים, Eventstream מציגה רישום סכמות אשר מגדיר ומאמת סכמות אירועים עבור צינורות חזקים יותר, ותמיכה ברישום Confluent Schema כדי להתחבר עם Kafka ב-Confluent Cloud תוך כיבוד חוזים קיימים.

יכולות Copilot ובינה מלאכותית ברחבי הפלטפורמה

Copilot ב-Fabric זמין כעת ברחבי העולם, עם נוכחות ב Power BI, Data Factory, Data Science והנדסת נתונים וכתיבת שאילתות KQLבנוסף, שולבו יכולות ספציפיות:

• Copilot עבור Dataflow Gen2 (Modern Get Data), אשר מסייע לקלוט ולשנות נתונים בעזרת הוראות בשפה טבעית.
• קופיילוט למחסן נתונים (צ'אט), נגיש מכפתור ברצועת הכלים כדי להאיץ משימות אחסון באמצעות דיאלוג.
• Copilot עבור נקודת קצה של ניתוח SQL, אשר מייצר וממטב שאילתות SQL מתיאורי עסקים.
• טייס משנה במחשבים ניידים עם ידע בהקשר של סביבת העבודה, Lakehouse, מבנה המחברות וסביבת הביצוע, מסוגל ליצור קוד רב-שלבי, לבצע שחזור, לסכם מחברות מורכבות ולאבחן שגיאות בעזרת האפשרות "תקן עם Copilot".
• השלמה אוטומטית מוטבעת (השלמת קוד מוטבעת) והשלמת קוד מוטבעת של Notebook Copilot (תצוגה מקדימה), כדי לכתוב את פייתון מהר יותר ועם פחות שגיאות.

יתר על כן, בסיס טכנולוגיית הבינה המלאכותית מתרחב עם כלי יציקה מוכנים מראש משולבים (Azure OpenAI, Azure Language, Azure Translator), תוספים של OpenAI עבור Eventhouse (ai_embed_text ו-ai_chat_completion) וסדרה של סוכנים וסוכני נתונים המאפשרים ליישומים אחרים, כולל Copilot Studio, לעבוד על נתוני Fabric בצורה מתוזמנת.

סוכני נתוני מארג, MCP וכלי פיתוח

הצגת בדים סוכני נתונים המסוגלים לתזמר גישה לנתונים וכלים עבור סוכני בינה מלאכותית, עם ערכת פיתוח תוכנה של Python ואינטגרציה ישירה עם Microsoft Copilot Studio. זה מקל על בניית עוזרי שיחה שעובדים עם נתוני ארגון נשלטים ב-Fabric.

במקביל, ה Protocol Context Model (MCP) זה הופך למרכיב מפתח באינטגרציה בין סוכני בינה מלאכותית לשירותי Fabric. ישנם שרתי MCP ייעודיים עבור Activator ו- Eventhouse, ו- Fabric MCP מכוון פיתוח אשר:

• זה מאפשר לעוזרי בינה מלאכותית ליצור קוד ותוכן עבור פריטי Fabric.
• זה משתלב עם כלי פיתוח כגון VS Code ו-GitHub Codespaces.
• הוא מציג כלים לייעוץ ופעולה על סמך נתונים בזמן אמת ב- Eventhouse.

עבור עבודתו היומיומית של המפתח, ישנם מספר חלקים מרכזיים שיש להדגיש, כולל ה- סביבת פיתוח: הרחבת MSSQL עבור VS Code עם תמיכה עבור מסד נתונים Fabric SQL, מנהל ההתקן של Microsoft ADO.NET ומנהל ההתקן של ODBC עבור הנדסת נתונים של Fabric (חיבור ל-Spark SQL דרך Livy), ומחבר Spark עבור מסדי נתונים של SQL שמפשט גישה מאומתת מ-Spark למסדי נתונים של SQL ב-Azure וב-Fabric.

מופיע גם ה- ממשק שורת פקודה (CLI) של בד, זמין כמשימה משולבת ב-Azure DevOps, המאפשר לך להפוך את ניהול סביבות העבודה, הפריטים והפריסות לאוטומטי מבלי להתקין כלים חיצוניים באופן ידני.

Data Factory, הגירת נתונים ותזמור ב-Fabric

שכבת שילוב הנתונים של Fabric מסתמכת על Data Factory ו-Dataflow Gen2, אשר מקבלים פונקציות כדי... התזמור יהיה חכם יותר, ניתן לאוטומציה יותר, ועם הגירות פשוטות יותר. מפלטפורמות קיימות.

Dataflow Gen2: ביצועים, ממשקי API ציבוריים ואבחון

ב-Dataflow Gen2 אנו מוצאים מספר תכונות בתצוגה מקדימה:

• עריכה מתקדמת של שאילתות יעד כדי להתאים את הלוגיקה ביעד ישירות מסביבת הכתיבה עצמה.
• חישוב מחולקמה שמאפשר לחלקים מזרימת הנתונים לפעול במקביל, ובכך להפחית את זמן ההערכה הכולל.
• הורדת אבחון ברמת הביצוע, עם חבילות יומן מובנות לניתוח ביצועים ופתרון אירועים.
• ממשקי API ציבוריים ליצירה, עדכון, מחיקה, תזמון וניטור של זרימות נתונים באופן תכנותי.
• פרמטרים ציבוריים עם תמיכה ב-CI/CDהמאפשרים רענון של זרימות נתונים על ידי העברת ערכים מצונרים או מקורות אחרים.
• נתונים אחרונים לגישה מהירה לפריטים ששימשו לאחרונה ברצועת הכלים של Power Query וב- Modern Get Data.

כל זה משלים יכולות של הערכת Power Query באופן תכנותי באמצעות RESTזה פותח את הדלת להפעלת סקריפטים של M כחלק מתהליכים אוטומטיים, תוך שילובם עם Spark, צינורות או כלים חיצוניים, תוך ניצול מחברי Power Query.

מפעל נתונים: ביצועים אדפטיביים, קישוריות ו-dbt

בחלק ה"קלאסי" יותר של האינטגרציה, Data Factory בתוך Fabric מציג:

• כוונון ביצועים אדפטיבי עבור פעילות העתקה, אשר מתאימה באופן חכם את פרמטרי הביצועים בהתאם לתצורה ולהקשר הביצוע.
• שינוי תמיכה בלכידת נתונים (CDC) במשימת העתקה, כדי לשכפל רק שינויים (הוספות, עדכונים, מחיקות) ברציפות.
• שערים מקומיים עם אפשרות שדרוג ידנית מנוהל מפורטל Fabric, מ-API או מסקריפטים.
• חיבור אחרון, אשר מוסיפה מאפייני שימוש אחרון לחיבורים כדי להקל על ביקורת וניהול מחזור חיים.
• עבודה עם DBT ילידי, המאפשר הרצת פרויקטים של dbt בתוך Fabric עם תזמור משולב, בדיקות, תיעוד וממשל.
• הפעלת פעילות חבילת SSIS בצנרת, כדי להריץ חבילות SSIS מהתזמור עצמו ב-Fabric.

חוויית המשתמש משופרת גם עם בורר אתרים של SharePoint (SharePoint Site Picker) אשר מונע הקלדה ידנית של כתובות URL, ועם תמיכה ב-MCP עבור Data Factory, כך שעוזרי בינה מלאכותית יכולים ליצור ולפרוס את Dataflow Gen2 פשוט מהוראות שפה טבעית.

כלי הגירה ושכפול נתונים

מיקרוסופט מקדמת בחוזקה את המעבר ל-Fabric באמצעות מספר כלים ספציפיים:

• הערכת העברת מארג עבור מפעל נתונים, אשר מנתח את הכנת צינורות ADF ומעביר את אלה הנתמכים לסביבת עבודה של Fabric עם מיפוי חיבורים.
• עוזר הגירה למחסן נתוניםאשר כעת יכול להתחבר ישירות למחסן המקור כדי להעביר אותו למחסן הנתונים של Fabric.
• עוזר הגירה עבור מסד נתונים SQL, שמטרתו להעביר עומסי עבודה של SQL Server מקומיים, עם ייבוא ​​סכמות דרך DACPAC, זיהוי אי-תאימות והמלצות.

בנוגע לשכפול, ניתנת תמיכה ל שיקוף של מקורות תפעוליים מרובים (Azure Database for MySQL, Google BigQuery, SQL Server וכו') ל-Fabric, עם היכולת לשלוט באילו טבלאות ישוכפלו, להפעיל מחדש תהליכי שיקוף דרך REST, ובמקרה של Databricks, למפות את מדיניות Unity Catalog לאבטחת OneLake.

כמו כן כלול מחבר שכפול מ-Lakehouse באמצעות הזנת נתוני שינוי דלתא, אשר חושפת שינויים בלוחות Lakehouse Delta לעבר יעדים תואמים מבלי להמציא את הגלגל מחדש עם הפתרונות המקומיים של CDC.

אבטחה, ניהול מתקדם וניטור ב-Fabric

אחת הדאגות הגדולות ביותר בכל פלטפורמת אנליטיקה היא כיצד אבטחת נתונים, ניהול שימוש ומעקב אחר צריכת משאביםבדים מתבגרים במהירות בחזיתות אלה.

אבטחה והגנה על נתונים ב-OneLake

OneLake מוסיף מודל מלא של אבטחת גישה לנתונים עם:

• תפקידי גישה לנתונים עבור Lakehouse עם הרשאות הניתנות להגדרה מממשק אבטחה מבוסס תיקיות.
• תמיכה אבטחתית בקיצורי דרך כך שצדדים שלישיים יוכלו לכבד את המדיניות המוגדרת.
• ממשק API לאבטחת גישת נתונים של OneLake, המאפשר ניהול הרשאות אוטומטי.
• הרחבת המודל למנועי גישה חיצוניים (הרשאת אבטחה של OneLake עבור צדדים שלישיים).

במקביל, ההגנה מורחבת באמצעות DLP מגביל גישה על כל הנתונים המובנים ב-OneLake (SQL, KQL, מחסנים) ומוצג DSPM עבור בינה מלאכותית עבור טייסי Fabric Copilots וסוכני נתונים, אשר מנטר אינטראקציות של בינה מלאכותית לאיתור מידע רגיש והתנהגויות מסוכנות, עם שילוב עם Purview Audit ו-eDiscovery.

מבחינת זהות, מופיעים מאפיינים כגון אלה: זהויות הקשורות לפריטים (לדוגמה, Lakehouse ו-Eventstream) באמצעות ממשקי API של REST, אשר מבטלים את התלות בבעלים עבור פעולות מסוימות, ואימות של קיצורי דרך ב-OneDrive וב-SharePoint באמצעות זהויות סביבת עבודה או מנהלי שירות.

ניהול מרכזי וקטלוג OneLake

חוויית ניהול הנתונים מחוזקת על ידי פאנל מרכזי חדש בקטלוג OneLakeשבה בעלי נתונים יכולים לראות תצוגה מצטברת של הפריטים שיצרו, לקבל המלצות לפעולות ניהול ולגשת לכל הכלים הזמינים לשיפור האבטחה והתאימות.

בנוסף, א ממשק API לחיפוש קטלוגים של OneLake יחד עם כלי MCP, המאפשר גילוי פריטים ברחבי סביבת ה-Fabric מקוד או מסוכני בינה מלאכותית, בקריאה אחת, תוך כיבוד הרשאות קטלוג ומטא-דאטה.

ניטור קיבולות, צריכה ועבודה

בד מספק מספר שכבות של צפייה:

• ניטור סביבת עבודה, אשר יוצר מסד נתונים ב-Fabric שבו מאוחדים יומנים ומדדים מפריטים מרובים (כולל עבודות העתקה עם ניטור מפורט).
• ניטור סביבת עבודה עבור משימת העתקהעם מדדים כגון תפוקה, נפח נתונים, קודי שגיאה וזמנים, כולם מכוונים לניתוח מרכזי.
• היסטוריית פריטים ביישום מדדי קיבולת, עם תצוגות של 30 יום על צריכת CU עבור כל פריט, ניתנות לסינון לפי סביבת עבודה וסוג.
• הגנה מפני נחשולי מתח ברמת סביבת עבודההמאפשר הגדרת ספי צריכה לכל סביבת עבודה בחלון מתגלגל של 24 שעות, חסימה אוטומטית של אלו החורגים מהם, וסימון סביבות עבודה כ"קריטיות למשימה" כדי לא לכלול אותן במגבלות.

בנוסף לכך, קבוצה ראשונית של ממשקי API של מנהל מארג התמקד בגילוי מרחבי עבודה, פריטים ופרטי גישת משתמשים, הקלת מלאי דינמי ובקרות גישה תקופתיות.

מידול עסקי, תכנון ועומסי עבודה חדשים

מעבר לשכבה הטכנית, מיקרוסופט מציגה עומסי עבודה חדשים מכווני עסקים אודות Fabric. אחת הבולטות שבהן היא Fabric IQ, שמטרתה לאחד סמנטיקה עסקית, נתונים ומודלים עבור סוכנים חכמים שמקבלים החלטות על סמך ראייה הוליסטית של הארגון.

בתוך Fabric IQ, מופיעים הדברים הבאים:

• אונטולוגיה (תצוגה מקדימה), סוג של פריט שבו ישויות, קשרים, מאפיינים ואילוצים מוגדרים בהתאם לשפת העסקים של החברה.
• תוכנית (תצוגה מקדימה), פלטפורמה ללא צורך בקוד לתכנון, דיווח, ניתוח, אינטגרציה וניהול שיתופי.

גם בינה בזמן אמת עולה בונה תאומים דיגיטליים, פריט המתמחה במידול תאומים דיגיטליים המבוססים על נתונים בזמן אמת, במטרה לייעל פעולות פיזיות, לנטר מצבים ולדמות תרחישים.

מצד שני, זה מוצג עומס עבודה של Fabric IQ כעומס עבודה נפרד, וכלי תמיכה לממשל ויישור סמנטי ממשיכים להתרחב, וסוגרים את המעגל בין מודלי נתונים, לוגיקה עסקית ויישומי בינה מלאכותית/אנליטיקה.

שיפורי ביצועים, חוויית משתמש ופרודוקטיביות

לסיום סקירה זו, ראוי להדגיש מספר שיפורים חוצי תחומי הם לא תמיד מגיעים לכותרות, אבל הם משפיעים רבות על חיי היומיום. של הקבוצות.

בפרק Spark ומחשוב מבוזר, Fabric מציג:

• זמן ריצה של Fabric 2.0 (תצוגה מקדימה) עם Apache Spark 4.0, Delta Lake 4.0, Java 21, Scala 2.13 ו-Python 3.12 על Azure Linux 3.0.
• כלי השוואת אפליקציות Sparkמה שמאפשר לך לבחור ולהשוות עד ארבע פעולות Spark במקביל.
• פולט אבחון ניצוץ, אשר אוסף יומני רישום, מדדים ואירועים מיישומי Spark ושולח אותם ליעדים כגון Event Hubs, אחסון או Log Analytics.
• ספריית אבחון JobInsight, ספרייה לניתוח פעולות Spark שהושלמו באמצעות ממשקי API (שאילתות, משימות, שלבים, משימות, מבצעי פעולות, יומני אירועים).

בשכבת המחסן, מתווספים הדברים הבאים: אשכול נתונים כדי לשפר ביצועים ולהפחית עלויות גישה, עמודות IDENTITY עבור מפתחות חלופי, ובקרת גרסאות ותמיכה ב-CI/CD באמצעות פרויקטים של מסד נתונים של SQL ב-VS Code (בקרת מקור של מחסן).

חוויית המשתמש של פורטל Fabric מתפתחת גם עם גלישה באמצעות לשוניות וחוקר אובייקטיםזה מאפשר לך לפתוח מספר פריטים בו זמנית ולעבור ביניהם במהירות. שילוב זה עם שיפורים כגון קשירה אוטומטית של Lakehouse ב-Git וחבילת כלי העזר לתחזוקת Lakehouse (פעילויות תחזוקה ורענון נקודות קצה של SQL), תורם לפלטפורמה ידידותית וגמישה יותר למשתמש.

לבסוף, תכונות כגון ייבוא/ייצוא בכמות גדולה של הגדרות פריטים (עבור הגירות, תבניות וגיבויים של מטא-דאטה), REST עבור תיקיות, תמיכה בפרמטרים בהפעלות פריטים מ-Activator וטעינת נתונים של OneLake באקסל עם קטלוג משולב, משלימים מערכת אקולוגית שמתחילה לכסות כמעט את כל הצרכים הרגילים של צוות נתונים מודרני.

עם מערך היכולות השלם הזה - החל מממשל מרכזי, אבטחה מפורטת ותזמור חכם, ועד בינה מלאכותית המוטמעת ב-SQL, ניתוח בזמן אמת, תאומים דיגיטליים וסוכני MCP - Microsoft Fabric מחזקת את מעמדה כפלטפורמת נתונים שלמה שבה... המפתח כבר אינו רק אחסון והצגת נתונים, אלא ניהול, אוטומציה ומינוף בינה מלאכותית כדי לשלוט בכל חלק ממחזור חיי הנתונים.מה שמאפשר לארגונים לפתח את הארכיטקטורות שלהם בהדרגה, להעביר את מה שכבר קיים ולאפשר פתרונות חדשים מהר הרבה יותר מאשר בגישות מסורתיות.