Blog Microsoft Fabric: Panduan Lanjutan untuk Ciri dan Kegunaan Baharu

Informatec Digital » Sumber » Blog Microsoft Fabric: Panduan Lanjutan untuk Ciri dan Kegunaan Baharu

Jika anda telah lama bekerja dengan data dalam ekosistem Microsoft, anda pasti telah melihat bahawa Microsoft Fabric telah menjadi hab pusat untuk analitik moden , menyatukan semua yang sebelum ini tersebar di Power BI, Azure Synapse, Data Factory dan perkhidmatan lain ke dalam satu platform. Dalam artikel ini, kami akan melihat secara menyeluruh dan terperinci tentang ciri terkini, pelan tindakan dan implikasi praktikal Fabric untuk analitik, tadbir urus, AI dan analitik masa nyata.

Ideanya ialah, apabila anda selesai membaca, anda akan mempunyai visi yang jelas tentang apa yang ditawarkan oleh Microsoft Fabric hari ini, ke mana hala tujunya dan bagaimana ia mempengaruhi seni bina data organisasi anda: keupayaan tadbir urus dengan Purview, automasi dengan API dan Git, ciri AI baharu, kecerdasan masa nyata, keselamatan dalam OneLake, migrasi, prestasi dan banyak lagi.

Microsoft Fabric dan Rangka Kerja Penerimaan Awan: tadbir urus, kos dan automasi

Dalam Rangka Kerja Penerimaan Awan (CAF), Microsoft telah menerbitkan satu siri panduan untuk menyelaraskan reka bentuk Microsoft Fabric dengan tonggak reka bentuk zon pendaratan . Siri terbaharu dalam siri ini menangani tiga bidang utama: tadbir urus, pengoptimuman kapasiti dan automasi/DevOps.

Dari segi tadbir urus, kos kapasiti Fabric didedahkan melalui Azure Cost Management . Ini membolehkan penyepaduan asli penggunaan kapasiti F (dan SKU lain) ke dalam papan pemuka kos Azure, amaran dan analitik perbelanjaan. Ia bukan sekadar melihat bil: anda boleh merujuk silang maklumat ini dengan tag, langganan atau kumpulan sumber untuk memahami siapa yang membelanjakan apa dan mengapa.

Seni bina teknikal dan model perniagaan Fabric membolehkan pelanggan mengawal penggunaan kapasiti dengan teliti bagi mengoptimumkan kos operasi . Dalam praktiknya, ini diterjemahkan kepada beberapa tuas:

• Penskalaan keupayaan F: meningkatkan atau mengurangkan kapasiti berdasarkan puncak yang boleh diramal, seperti kempen jualan, tarikh akhir perakaunan atau beban data yang besar.
• Keupayaan jeda dan sambung semulaPentadbir fabrik boleh menjeda kapasiti F apabila ia tidak diperlukan (contohnya, bermalam atau pada hujung minggu dalam persekitaran yang tidak kritikal) untuk mengurangkan kos pengiraan.
• Perlindungan lonjakanDua parameter peringkat kapasiti mengawal cara kerja latar belakang diuruskan untuk mengelakkannya daripada menepu persekitaran: Ambang Penolakan Latar Belakang dan Ambang Pemulihan Latar Belakang.
• Tempahan kapasitiAnda boleh menempah kapasiti untuk tempoh yang ditetapkan bagi mendapatkan diskaun, dengan syarat penggunaan yang dijangkakan dirancang dengan teliti.

Dalam bidang tadbir urus data, Fabric bergantung pada Microsoft Purview sebagai komponen utamanya untuk pengkatalogan, salasilah dan pengelasan . Purview membolehkan pengguna menggunakan label sensitiviti, melihat salasilah merentasi sumber, transformasi dan penggunaan, mengesahkan aset data dan memacu kempen kualiti data, semuanya sambil mengintegrasikan elemen Fabric (Lakehouse, Warehouse, KQL, Power BI, dll.).

Komponen "Automasi Platform dan DevOps" memberi tumpuan terutamanya pada integrasi Git, saluran penggunaan dan API REST . Ruang kerja fabrik boleh dipautkan ke repositori Git, membolehkan berbilang pembangun bekerjasama dalam projek kejuruteraan data, sains data atau analitik masa nyata yang sama tanpa kerja bertindih.

Saluran Paip Git dan Pelaksanaan membolehkan pengaturan kitaran hayat pembangunan, pengujian dan pengeluaran secara terkawal : promosi kandungan, penjejakan perubahan, penyegerakan artifak dan pengurusan versi. Sejak Mac 2025, saluran paip ini telah menyokong (secara umum atau keadaan pratonton) pelbagai jenis elemen, termasuk pencetus, papan pemuka, aliran data, saluran paip data, datamart, lakehouse, gudang data, KQL, buku nota, laporan berhalaman, aplikasi organisasi dan banyak lagi.

Secara selari, Fabric mendedahkan satu set API REST yang sangat luas untuk mengautomasikan hampir semua tugas pentadbiran atau penggunaan: penciptaan ruang kerja dan folder, penghijrahan pukal item, pengurusan sambungan dan gerbang, pengekstrakan definisi, pengaktifan saluran paip atau buku nota, antara lain.

Kemas kini penting dalam analitik, AI dan tadbir urus untuk Microsoft Fabric

Evolusi Fabric ditandai dengan sejumlah besar ciri pratonton dan keupayaan baharu yang menyentuh hampir setiap bahagian platform . Ciri-ciri ini dikumpulkan dan dibincangkan di bawah secara berstruktur untuk menunjukkan skop penuhnya.

Fungsi AI dalam Gudang Data dan fungsi multimodal

Dalam bidang data hubungan, Fabric Data Warehouse menggabungkan fungsi AI terus ke dalam T-SQL (pratonton). Ini membolehkan:

• Kelaskan atau kategorikan teks.
• Analisis sentimen.
• Mengekstrak maklumat berstruktur daripada teks bebas.
• Terjemahkan teks antara bahasa.
• Tatabahasa yang betul.

Matlamatnya adalah untuk menghapuskan keperluan untuk meninggalkan konteks SQL bagi memperkayakan data dengan AI . Fungsi-fungsi ini digabungkan dengan sokongan multimodal yang lebih luas dalam fungsi AI Fabric, yang kini boleh memproses imej (JPG/JPEG, PNG, GIF, WebP), PDF dan format teks biasa, serta input laluan fail.

Utiliti seperti aifunc.load untuk memasukkan folder ke dalam jadual dengan pilihan gesaan dan skema, aifunc.list_file_paths untuk merentasi laluan fail dan ai.infer_schema untuk membuat kesimpulan skema yang serasi dengan ai.extract disertakan . Semua ini membolehkan anda mengubah dan memperkayakan data tanpa membina saluran paip yang kompleks dari awal.

OneLake, Delta, Apache Iceberg dan akses berbilang platform

Di lapisan storan, OneLake kekal sebagai tasik bersatu tempat semua Fabric berada. Salah satu penambahbaikan utama ialah keupayaan untuk mendedahkan jadual Delta Lake sebagai jadual Apache Iceberg tanpa memindahkan atau menduplikasi data, supaya enjin yang serasi dengan Iceberg boleh membaca terus apa yang ada dalam OneLake.

Tambahan pula, OneLake kini menyokong data Apache Iceberg yang ditulis terus oleh Snowflake dan digunakan dalam Fabric melalui akses bebas salinan . Strategi ini mengukuhkan kebolehkendalian: Fabric tidak bertujuan untuk menjadi silo, tetapi sebaliknya hab data yang boleh dimanfaatkan oleh enjin lain tanpa menduplikasi storan.

Begitu juga, OneLake menyokong pintasan ke Azure Blob Storage , OneDrive dan SharePoint serta melanjutkan keselamatan dengan peranan akses, keselamatan peringkat folder, baris dan lajur serta model keselamatan yang boleh dihormati oleh pihak ketiga hasil daripada peluasan model enjin yang dibenarkan.

Satu ciri yang amat relevan ialah gabungan katalog OneLake dengan Azure Databricks, yang membolehkan akses sifar salinan daripada Katalog Unity kepada jadual OneLake . Dengan cara ini, OneLake kekal sebagai sumber kebenaran, tetapi Databricks boleh membuat pertanyaan secara langsung terhadap data, hanya menyegerakkan metadata.

Pangkalan Data SQL pada Fabric: prestasi, keselamatan dan virtualisasi

Pangkalan data SQL Fabric semakin mendapat keupayaannya sendiri: pilihan ALTER DATABASE SET , sokongan pengumpulan dan pengindeksan teks penuh dalam pratonton. Dari segi prestasi dan kos pangkalan data, terdapat beberapa penambahbaikan:

• Pemadatan indeks automatik untuk mengurangkan storan, I/O dan menambah baik masa pertanyaan tanpa perlu menjadualkan kerja penyelenggaraan.
• Had maksimum vCores untuk mengawal penggunaan sumber pengkomputeran (4 atau 32 vCores), yang direka untuk mengelakkan beban kerja daripada menggunakan terlalu banyak dalam kapasiti yang dikongsi.
• Kolam SQL Tersuai yang memberikan pentadbir ruang kerja kawalan terperinci ke atas peruntukan sumber dan penghalaan pertanyaan mengikut nama aplikasi.

Virtualisasi data juga diaktifkan dalam pangkalan data SQL , yang membolehkan pertanyaan data luaran yang disimpan dalam OneLake dengan T-SQL, menggabungkan fail dalam format biasa dengan jadual hubungan setempat menggunakan gabungan, tanpa perlu mengimport data secara fizikal.

Dari segi keselamatan, pangkalan data SQL menyokong Pautan Persendirian pada peringkat penyewa (pratonton) , yang memudahkan penyaluran trafik data secara tertutup dan terkawal, disepadukan dengan konfigurasi rangkaian selamat keseluruhan Fabric.

Kecerdasan Masa Nyata, Eventhouse, Eventstream dan Activator

Modul Kecerdasan Masa Nyata (RTI) telah menjadi salah satu pembeza utama Fabric. Eventhouse dan Eventstream bekerjasama untuk menyerap, memproses dan mencetuskan peristiwa dalam masa nyata daripada semua jenis sumber, dan Activator mengatur tindakan yang dicetuskan dalam keadaan tertentu.

Antara ciri-ciri baharu yang paling berkuasa ialah:

• Pengesanan anomali tanpa kod dengan pemilihan model automatik, antara muka mudah dan amaran fleksibel.
• Peristiwa Perniagaan, yang merakam detik perniagaan penting yang dijana daripada Fungsi Data Pengguna dan Buku Nota serta membolehkan anda mengaktifkan makluman, logik tersuai, aliran, model AI atau kerja Spark.
• Integrasi Fungsi Pengaktif-Data Penggunasupaya fungsi yang dicipta dalam Fabric boleh memproses peristiwa daripada sebarang sumber, termasuk peristiwa dalaman daripada platform itu sendiri dan daripada OneLake.
• Keupayaan untuk memproses peristiwa dengan SQL (Operator SQL dalam Eventstream), membolehkan transformasi aliran masa nyata dengan sintaks SQL yang diketahui.

Penyambung berkaitan ditambah seperti Cribl (untuk pengingesan log dan telemetri daripada pelbagai sumber), penyambung dengan Solace PubSub+ dan sokongan penstriman melalui rangkaian persendirian melalui Azure Virtual Network, VPN, ExpressRoute atau titik akhir persendirian.

Untuk skema data dan kontrak, Eventstream memperkenalkan Daftar Skema yang mentakrifkan dan mengesahkan skema peristiwa untuk saluran paip yang lebih mantap dan sokongan untuk Daftar Skema Confluent untuk berhubung dengan Kafka dalam Confluent Cloud sambil menghormati kontrak sedia ada.

Keupayaan Copilot dan AI merentasi platform

Copilot dalam Fabric kini tersedia di seluruh dunia, dengan sokongan untuk Power BI, Data Factory, Sains Data & Kejuruteraan Data dan penulisan pertanyaan KQL . Di samping itu, keupayaan khusus telah ditambah:

• Juruterbang Bersama untuk Aliran Data Gen2 (Dapatkan Data Moden), yang membantu menyerap dan mengubah data dengan arahan dalam bahasa semula jadi.
• Juruterbang Bersama untuk Gudang Data (sembang), boleh diakses daripada butang pada reben untuk mempercepatkan tugas pergudangan melalui dialog.
• Copilot untuk titik akhir analitik SQL, yang menjana dan mengoptimumkan pertanyaan SQL daripada perihalan perniagaan.
• Juruterbang bersama pada buku nota dengan pengetahuan tentang konteks ruang kerja, lakehouse, struktur buku nota dan persekitaran pelaksanaan, berupaya menjana kod berbilang langkah, memfaktor semula, meringkaskan buku nota yang kompleks dan mendiagnosis ralat dengan pilihan "Betulkan dengan Copilot".
• Pelengkapan automatik sebaris (penyelesaian kod sebaris) dan penyelesaian kod sebaris Kopilot Notebook (pratonton), untuk menulis Python dengan lebih pantas dan dengan lebih sedikit ralat.

Di samping itu, pangkalan teknologi AI sedang diperluas dengan Foundry Tools prabina bersepadu (Azure OpenAI, Azure Language, Azure Translator), pemalam OpenAI untuk Eventhouse (ai_embed_text dan ai_chat_completion), dan satu siri ejen dan ejen data yang membolehkan aplikasi lain, termasuk Copilot Studio, berfungsi pada data Fabric secara tersusun.

Ejen Data Fabrik, MCP dan alatan pembangun

Fabric memperkenalkan ejen data yang mampu mengatur akses data dan alatan untuk ejen AI, dengan SDK Python dan penyepaduan langsung dengan Microsoft Copilot Studio. Ini memudahkan untuk membina pembantu perbualan yang berfungsi dengan data perusahaan yang ditadbir dalam Fabric.

Secara selari, Protokol Konteks Model (MCP) menjadi komponen utama penyepaduan antara ejen AI dan perkhidmatan Fabric. Terdapat pelayan MCP khusus untuk Activator dan Eventhouse, dan Fabric MCP berorientasikan pembangunan yang:

• Ia membolehkan pembantu AI menjana kod dan kandungan untuk item Fabrik.
• Ia berintegrasi dengan alatan pembangunan seperti VS Code dan GitHub Codespaces.
• Ia membentangkan alat untuk berunding dan bertindak berdasarkan data masa nyata dalam Eventhouse.

Untuk kerja harian pembangun, terdapat beberapa perkara yang perlu diserlahkan, termasuk persekitaran pembangunan : sambungan MSSQL untuk VS Code dengan sokongan untuk pangkalan data SQL Fabric , Pemacu Microsoft ADO.NET dan Pemacu ODBC untuk Kejuruteraan Data Fabric (sambungan ke Spark SQL melalui Livy), dan penyambung Spark untuk pangkalan data SQL yang memudahkan akses yang disahkan daripada Spark kepada pangkalan data SQL dalam Azure dan Fabric.

Turut disertakan ialah Fabric CLI , tersedia sebagai tugas bersepadu dalam Azure DevOps, yang membolehkan anda mengautomasikan pengurusan ruang kerja, item dan penggunaan tanpa memasang alat luaran secara manual.

Kilang Data, migrasi data dan orkestrasi dalam Fabric

Lapisan penyepaduan data Fabric bergantung pada Data Factory dan Dataflow Gen2, yang menerima ciri-ciri untuk menjadikan orkestrasi lebih pintar, lebih automatik dan dengan migrasi yang lebih mudah daripada platform sedia ada.

Aliran Data Gen2: prestasi, API awam dan diagnostik

Dalam Dataflow Gen2, kami menemui beberapa ciri dalam pratonton:

• Pengeditan lanjutan pertanyaan sasaran untuk melaraskan logik di destinasi terus daripada persekitaran pengarangan itu sendiri.
• Pengkomputeran berpartisiyang membolehkan sebahagian aliran data berjalan secara selari, sekali gus mengurangkan jumlah masa penilaian.
• Muat turun diagnostik pada peringkat pelaksanaan, dengan pakej log berstruktur untuk analisis prestasi dan penyelesaian insiden.
• API Awam untuk mencipta, mengemas kini, memadam, menjadualkan dan memantau aliran data secara pengaturcaraan.
• Parameter awam dengan sokongan CI/CDyang membolehkan aliran data yang menyegarkan dengan menghantar nilai daripada saluran paip atau sumber lain.
• Data terkini untuk akses pantas kepada item yang digunakan baru-baru ini dalam reben Power Query dan dalam Modern Get Data.

Semua ini dilengkapi dengan keupayaan untuk menilai Power Query secara pengaturcaraan melalui REST , yang membuka pintu untuk menjalankan skrip M sebagai sebahagian daripada proses automatik, mengintegrasikannya dengan Spark, saluran paip atau alat luaran, memanfaatkan penyambung Power Query.

Kilang Data: prestasi adaptif, ketersambungan dan dbt

Dalam bahagian integrasi yang lebih "klasik", Data Factory dalam Fabric memperkenalkan:

• Penalaan prestasi adaptif untuk aktiviti salinan, yang melaraskan parameter prestasi secara bijak mengikut konteks konfigurasi dan pelaksanaan.
• Tukar sokongan Tangkapan Data (CDC) dalam kerja Salin, untuk hanya meniru perubahan (sisipan, kemas kini, pemadaman) secara berterusan.
• Gerbang di premis dengan pilihan naik taraf manual diuruskan daripada portal Fabric, API atau skrip.
• sambungan baru-baru ini, yang menambah sifat penggunaan terakhir pada sambungan untuk memudahkan pengauditan dan pengurusan kitaran hayat.
• Kerja dbt asli, yang membolehkan menjalankan projek dbt dalam Fabric dengan orkestrasi, pengujian, dokumentasi dan tadbir urus bersepadu.
• Sebut aktiviti Pakej SSIS dalam saluran paip, untuk menjalankan pakej SSIS daripada orkestrasi itu sendiri dalam Fabric.

Pengalaman pengguna juga dipertingkatkan dengan SharePoint Site Picker yang menghapuskan keperluan untuk menaip URL secara manual dan dengan sokongan MCP untuk Data Factory, yang membolehkan pembantu AI mencipta dan menggunakan Dataflow Gen2 hanya daripada arahan bahasa semula jadi.

Alat penghijrahan dan replikasi data

Microsoft sedang giat mempromosikan migrasi ke Fabric melalui beberapa alat khusus:

• Penilaian Migrasi Fabrik untuk Kilang Data, yang menganalisis penyediaan saluran paip ADF dan memindahkan saluran paip yang disokong ke ruang kerja Fabric dengan pemetaan sambungan.
• Pembantu Migrasi untuk Gudang Datayang kini boleh bersambung terus ke gudang sumber untuk memindahkannya ke Gudang Data Fabric.
• Pembantu Migrasi untuk pangkalan data SQL, bertujuan untuk memindahkan beban kerja SQL Server di premis, dengan import skema melalui DACPAC, pengesanan ketidakserasian dan cadangan.

Berkenaan replikasi, sokongan diberikan untuk pencerminan daripada pelbagai sumber operasi (Pangkalan Data Azure untuk MySQL, Google BigQuery, SQL Server, dll.) kepada Fabric, dengan keupayaan untuk mengawal jadual yang direplikasi, memulakan semula proses pencerminan melalui REST dan, dalam kes Databricks, memetakan dasar Katalog Unity kepada keselamatan OneLake.

Turut disertakan ialah penyambung replikasi daripada Lakehouse menggunakan Delta Change Data Feed , yang mendedahkan perubahan daripada jadual Lakehouse Delta kepada destinasi yang serasi tanpa perlu mencipta semula roda dengan penyelesaian CDC buatan sendiri.

Keselamatan, tadbir urus lanjutan dan pemantauan dalam Fabric

Salah satu kebimbangan terbesar bagi mana-mana platform analitik adalah bagaimana untuk mengamankan data, mengawal penggunaan dan memantau penggunaan sumber . Fabrik sedang matang dengan pesat dalam bidang ini.

Keselamatan dan perlindungan data di OneLake

OneLake menambah model keselamatan akses data yang lengkap dengan:

• Peranan akses data untuk Lakehouse dengan kebenaran yang boleh dikonfigurasikan daripada antara muka keselamatan berasaskan folder.
• Sokongan keselamatan untuk pintasan supaya pihak ketiga dapat menghormati dasar yang ditetapkan.
• API keselamatan akses data OneLake, yang membolehkan pengurusan kebenaran automatik.
• Peluasan model kepada enjin luaran (kebenaran keselamatan OneLake untuk pihak ketiga).

Secara selari, perlindungan diperluas dengan DLP yang mengehadkan akses ke atas semua data berstruktur dalam OneLake (SQL, KQL, gudang) dan DSPM untuk AI diperkenalkan untuk Fabric Copilots dan ejen data , yang memantau interaksi AI untuk maklumat sensitif dan tingkah laku berisiko, dengan penyepaduan dengan Purview Audit dan eDiscovery.

Dalam satah identiti, ciri seperti identiti berkaitan item (cth., Lakehouse dan Eventstream) melalui API REST muncul, yang menghapuskan kebergantungan pemilik untuk operasi tertentu dan pengesahan pintasan OneDrive dan SharePoint melalui ruang kerja atau identiti prinsipal perkhidmatan.

Tadbir urus berpusat dan katalog OneLake

Pengalaman tadbir urus data dipertingkatkan dengan papan pemuka berpusat baharu dalam katalog OneLake , yang mana pemilik data boleh melihat paparan agregat item yang telah mereka cipta, menerima cadangan tindakan tadbir urus dan mengakses semua alatan yang tersedia untuk meningkatkan keselamatan dan pematuhan.

Di samping itu, API carian katalog OneLake diaktifkan bersama-sama dengan alat MCP, yang membolehkan penemuan item merentasi keseluruhan persekitaran Fabric daripada kod atau ejen AI, dalam satu panggilan, dengan menghormati kebenaran katalog dan metadata.

Pemantauan kapasiti, penggunaan dan kerja

Fabrik menyediakan beberapa lapisan kebolehcerapan:

• Pemantauan ruang kerja, yang mencipta pangkalan data dalam Fabric di mana log dan metrik daripada berbilang item disatukan (termasuk kerja Salin dengan pemantauan terperinci).
• Pemantauan ruang kerja untuk kerja Salinandengan metrik seperti daya pemprosesan, jumlah data, kod ralat dan masa, semuanya menjurus ke arah analisis berpusat.
• Sejarah Item dalam aplikasi metrik kapasiti, dengan paparan 30 hari tentang penggunaan CU untuk setiap item, boleh ditapis mengikut ruang kerja dan jenis.
• Perlindungan lonjakan tahap ruang kerjayang membolehkan penetapan ambang penggunaan setiap ruang kerja dalam tempoh 24 jam, menyekat ruang kerja yang melebihinya secara automatik dan menandakan ruang kerja sebagai "misi kritikal" untuk mengecualikannya daripada batasan.

Sebagai pelengkap kepada ini, satu set awal API Pentadbir Fabric sedang dikeluarkan , yang memberi tumpuan kepada penemuan ruang kerja, item dan butiran akses pengguna, memudahkan inventori dinamik dan kawalan akses berkala.

Pemodelan perniagaan, perancangan dan beban kerja baharu

Di luar lapisan teknikal, Microsoft memperkenalkan beban kerja berorientasikan perniagaan baharu di atas Fabric. Salah satu yang paling ketara ialah Fabric IQ, yang bertujuan untuk menyatukan semantik perniagaan, data dan model untuk ejen pintar yang membuat keputusan berdasarkan pandangan holistik organisasi.

Dalam Fabric IQ, perkara berikut muncul:

• Ontologi (pratonton), sejenis item yang mana entiti, perhubungan, sifat dan kekangan ditakrifkan mengikut bahasa perniagaan syarikat.
• Pelan (pratonton), platform tanpa kod untuk perancangan, pelaporan, analitik, integrasi dan pengurusan kolaboratif.

Dalam Kecerdasan Masa Nyata, pembina kembar digital juga muncul , satu item yang khusus dalam pemodelan kembar digital berdasarkan data masa nyata, dengan tujuan untuk mengoptimumkan operasi fizikal, memantau keadaan dan mensimulasikan senario.

Sebaliknya, beban kerja Fabric IQ diperkenalkan sebagai beban kerja yang berasingan dan alatan sokongan untuk tadbir urus dan penjajaran semantik terus berkembang, menutup lingkaran antara model data, logik perniagaan dan aplikasi AI/analitik.

Prestasi, pengalaman pengguna dan peningkatan produktiviti

Untuk mengakhiri ulasan ini, adalah wajar untuk mengetengahkan beberapa penambahbaikan merentas sektor yang tidak selalu menjadi tajuk utama, tetapi sangat mempengaruhi operasi harian pasukan.

Dalam bahagian Spark dan pengkomputeran teragih, Fabric memperkenalkan:

• Masa Larian Fabrik 2.0 (pratonton) dengan Apache Spark 4.0, Delta Lake 4.0, Java 21, Scala 2.13 dan Python 3.12 pada Azure Linux 3.0.
• Alat perbandingan aplikasi Sparkyang membolehkan anda memilih dan membandingkan sehingga empat pelaksanaan Spark secara selari.
• Pemancar Diagnostik Percikan, yang mengumpul log, metrik dan peristiwa daripada aplikasi Spark dan menghantarnya ke destinasi seperti Hab Peristiwa, storan atau Analisis Log.
• Pustaka diagnostik JobInsight, sebuah perpustakaan untuk menganalisis pelaksanaan Spark yang telah selesai melalui API (pertanyaan, kerja, peringkat, tugasan, pelaksana, log peristiwa).

Dalam lapisan gudang, pengelompokan data ditambah untuk meningkatkan prestasi dan mengurangkan kos akses, lajur IDENTITI untuk kunci pengganti dan kawalan versi serta sokongan CI/CD melalui projek Pangkalan Data SQL dalam Kod VS (Kawalan sumber Gudang).

Pengalaman pengguna portal Fabric juga berkembang dengan pelayaran tab dan penjelajah objek , yang membolehkan pengguna membuka berbilang item secara serentak dan bertukar antara item dengan cepat. Ini, bersama-sama dengan penambahbaikan seperti pengikatan automatik Lakehouse dalam Git dan suit utiliti untuk penyelenggaraan Lakehouse (aktiviti penyelenggaraan dan penyegaran titik akhir SQL), menyumbang kepada platform yang lebih mesra pengguna dan tangkas.

Akhir sekali, ciri-ciri seperti import/eksport pukal definisi item (untuk migrasi, templat dan sandaran metadata), REST untuk folder, sokongan parameter dalam pengaktifan item daripada Activator dan memuatkan data OneLake ke dalam Excel dengan katalog bersepadu, melengkapkan ekosistem yang mula meliputi hampir semua keperluan biasa pasukan data moden.

Dengan keseluruhan set keupayaan ini—daripada tadbir urus berpusat, keselamatan terperinci dan orkestrasi pintar, kepada AI yang terbenam dalam SQL, analitik masa nyata, kembar digital dan ejen MCP—Microsoft Fabric sedang mengukuhkan kedudukannya sebagai platform data lengkap yang mana kuncinya bukan lagi sekadar menyimpan dan memvisualisasikan data, tetapi mentadbir, mengautomasikan dan memanfaatkan AI untuk memperkasakan setiap bahagian kitaran hayat data . Ini membolehkan organisasi mengembangkan seni bina mereka secara beransur-ansur, memindahkan sistem sedia ada dan mendayakan penyelesaian baharu dengan lebih pantas berbanding pendekatan tradisional.