微软 Fabric 博客：新功能和用途高级指南

最后更新： 四月27 2026
作者： 泰克诺数码
  • Microsoft Fabric 将数据、治理、人工智能和实时分析集中在 OneLake 上，并实现了统一的功能。
  • 该平台通过 Purview、OneLake 安全、DLP、DSPM 以及与 Azure 成本管理的集成，加强了治理、安全性和成本控制。
  • 数据工厂、数据流 Gen2 和迁移工具使迁移现有工作负载和协调复杂的管道变得容易。
  • Copilot、数据代理、MCP 和 Fabric IQ 和实时智能等新工作负载推动了高级 AI 和自动化场景的发展。

Microsoft Fabric 简介

如果你在微软生态系统中处理数据已经有一段时间了，你就会注意到： Microsoft Fabric 已成为现代分析的核心枢纽将之前分散在 Power BI、Azure Synapse、Data Factory 和其他服务中的所有功能整合到一个统一的平台中。在本文中，我们将全面深入地探讨 Fabric 的最新特性、发展路线图以及它在分析、治理、人工智能和实时计算方面的实际应用。

其目的是，当你读完这本书后，你将对以下内容有一个清晰的理解： Microsoft Fabric 目前提供什么，它的发展方向是什么，以及它将如何影响数据架构？ 您的组织：通过 Purview 实现治理能力，通过 API 和 Git 实现自动化，新增 AI 功能，实时智能，OneLake 中的安全性，迁移，性能等等。

数据库性能
相关文章：
数据库性能：全面监控和优化

Microsoft Fabric 和云采用框架：治理、成本和自动化

Microsoft Fabric 中的治理和自动化

在云采用框架 (CAF) 框架内，微软发布了一系列指南，旨在协调一致。 微软 Fabric 设计以着陆区为设计支柱本系列的最后一部分将探讨三个关键领域：治理、容量优化和自动化/DevOps。

在治理部分， 通过 Azure 成本管理可以查看 Fabric 容量成本。这样，您就可以将 F 容量（以及其他 SKU）使用情况数据原生集成到 Azure 成本仪表板、警报和支出分析中。这不仅仅关乎查看账单：您还可以将此信息与标签、订阅或资源组进行交叉引用，从而了解谁在花费什么以及原因。

Fabric 的技术架构和商业模式使客户能够 精细控制产能消耗，以优化运营成本在实践中，这可以转化为以下几个方面：

  • 能力扩展 F根据可预测的高峰期（例如销售活动、会计截止日期或大量数据加载）增加或减少容量。
  • 暂停和恢复功能Fabric 管理员可以在不需要时暂停 F 容量（例如，在非关键环境中，夜间或周末），以降低计算成本。
  • 浪涌保护两个容量级别的参数控制后台作业的管理方式，以防止它们使环境饱和：后台拒绝阈值和后台恢复阈值。
  • 容量预订如果对预期消耗量进行严格规划，则可以预留产能一段时间以获得折扣。

在数据治理领域，Fabric 依赖于 Microsoft Purview 作为编目、谱系和分类的核心组件通过 Purview，可以应用敏感度标签，查看来源、转换和使用之间的血缘关系，认证数据资产或提升数据质量活动，同时集成 Fabric 的各个元素（Lakehouse、Warehouse、KQL、Power BI 等）。

“平台自动化和DevOps”部分主要围绕以下几个方面展开： 与 Git、部署管道和 REST API 集成Fabric 工作区可以链接到 Git 存储库，以便多个开发人员可以协作处理同一个数据工程、数据科学或实时分析项目，而不会出现工作重叠。

Git 和部署管道允许 以可控的方式协调开发、测试和生产生命周期。内容推广、变更跟踪、工件同步和版本管理。自 2025 年 3 月起，这些管道（在常规或预览状态下）已支持多种元素类型，例如触发器、仪表板、数据流、数据管道、数据集市、湖仓、仓库、KQL、笔记本、分页报表、组织应用程序等。

与此同时，Fabric 曝光了 非常广泛的 REST API 集 可用于自动化几乎所有管理或部署任务：创建工作区和文件夹、批量迁移项目、管理连接和网关、提取定义、激活管道或笔记本等等。

Microsoft Fabric 在分析、人工智能和治理方面的主要更新

Microsoft Fabric 有哪些新特性以及未来的发展路线图。

Fabric 的发展历程以大量的预览功能和新功能为标志， 他们几乎涉及了平台的所有领域。然后将它们分组，并以结构化的方式进行讨论，以便了解其全部范围。

数据仓库和多模态功能中的人工智能功能

在关系数据领域，Fabric 数据仓库整合了 AI 功能直接在 T-SQL 中实现。 （预览）。这允许：

  • 对文本进行分类或归类。
  • 分析情绪。
  • 从自由文本中提取结构化信息。
  • 在不同语言之间翻译文本。
  • 语法正确。

目标是 无需离开 SQL 上下文即可使用 AI 来丰富数据。这些功能与 Fabric AI 功能中更通用的多模态支持相结合，现在可以处理图像（JPG/JPEG、PNG、GIF、WebP）、PDF 和常见文本格式，以及文件路径形式的输入。

诸如公用事业 aifunc.load 用于将文件夹导入表 通过提示和模式选项，`aifunc.list_file_paths` 允许您遍历文件路径，而 `ai.infer_schema` 可以推断与 `ai.extract` 兼容的模式。所有这些功能使您无需从头构建复杂的管道即可转换和丰富数据。

  如何将文件从 Dropbox 迁移到 Google Drive 而不丢失任何内容

OneLake、Delta、Apache Iceberg 和多平台访问

在存储层，OneLake 仍然是 Fabric 所有数据所在的统一库。其中一项主要改进是能够…… 将 Delta Lake 表作为 Apache Iceberg 表公开 无需移动或复制数据，以便 Iceberg 兼容引擎可以直接读取 OneLake 上的内容。

此外，OneLake 现在支持 Apache Iceberg 数据由 Snowflake 直接写入，并通过无复制访问在 Fabric 中使用。该策略加强了互操作性：Fabric 不想成为一个孤岛，而想成为一个数据“枢纽”，其他引擎可以利用它而无需重复存储。

同样，OneLake也承认 Azure Blob 存储的快捷方式OneDrive 和 SharePoint，并通过访问角色、文件夹、行和列级别的安全性以及第三方可以遵守的安全模型（由于授权引擎模型的扩展）来扩展安全性。

其中一个特别相关的点是 Azure Databricks 中 OneLake 目录的联合，这可以 从 Unity Catalog 到 OneLake 表的零拷贝访问这样一来，OneLake 仍然是真实数据源，但 Databricks 可以直接查询数据，只同步元数据。

Fabric 上的 SQL 数据库：性能、安全性和虚拟化

Fabric 的 SQL 数据库正在获得其自身的功能： ALTER DATABASE SET 选项预览中支持排序和全文索引。在级别上 数据库性能 至于成本方面，有几点可以改进：

  • 自动索引压缩 减少存储、I/O 并缩短查询时间，而无需安排维护作业。
  • 最大 vCore 限制 控制计算资源（4 或 32 个虚拟核心）的使用，旨在防止工作负载消耗过多的共享容量。
  • 自定义 SQL 池 这使得工作区管理员能够按应用程序名称对资源分配和查询路由进行精细控制。

它也启用 SQL数据库中的数据虚拟化这使得用户可以使用 T-SQL 查询存储在 OneLake 中的外部数据，使用连接将通用格式的文件与本地关系表连接起来，而无需实际导入数据。

在安全性方面，SQL数据库支持 租户级别的私有链接（预览版）这样一来，就可以更方便地以私密和可控的方式引导数据流量，并与 Fabric 的整体安全网络配置相集成。

实时智能、Eventhouse、Eventstream 和 Activator

实时智能 (RTI) 模块已成为 Fabric 的关键差异化优势之一。Eventhouse 和 Eventstream 结合使用 摄取、处理和触发实时事件 Activator 可以从各种来源获取信息，并协调在特定条件下触发的操作。

其中最强大的新功能包括：

  • 无需代码的异常检测 具备自动型号选择、简洁界面和灵活提醒功能。
  • 商业活动它可以捕获从用户数据函数和笔记本生成的关键业务时刻，并允许您激活警报、自定义逻辑、流程、AI 模型或 Spark 作业。
  • 激活器-用户数据功能集成这样，在 Fabric 中创建的函数就可以处理来自任何来源的事件，包括来自平台本身和 OneLake 的内部事件。
  • 能够使用 SQL 处理事件（Eventstream 中的 SQL 运算符）允许使用已知的 SQL 语法转换实时流。

添加了相关连接器，例如： 婴儿床 （用于从多个来源摄取日志和遥测数据），一个与 Solace PubSub+ 连接的连接器，以及通过 Azure 虚拟网络、VPN、ExpressRoute 或专用终结点在专用网络上进行流式传输的支持。

Eventstream 为数据模式和契约引入了 架构注册表 它定义并验证事件方案，以实现更强大的管道，并支持 Confluent Schema Registry 与 Confluent Cloud 中的 Kafka 连接，同时遵守现有契约。

平台的副驾驶和人工智能功能

Fabric 中的 Copilot 现已在全球范围内推出，并在以下地区有应用： Power BI、Data Factory、数据科学与数据工程以及编写 KQL 查询此外，还融入了以下特定功能：

  • 数据流 Gen2（现代获取数据）的 Copilot它能够根据自然语言指令摄取和转换数据。
  • 数据仓库副驾驶（聊天）可通过功能区上的按钮访问，以通过对话框加速仓储任务。
  • SQL 分析端点的 Copilot它可以根据业务描述生成和优化 SQL 查询。
  • 笔记本电脑上的副驾驶 了解工作区上下文、Lakehouse、笔记本结构和执行环境后，能够生成多步骤代码、重构、总结复杂的笔记本，并使用“使用 Copilot 修复”选项诊断错误。
  • 内联自动补全（内联代码补全）和 Notebook Copilot 内联代码补全（预览）以便更快地编写 Python 代码并减少错误。

此外，人工智能技术基础正在不断扩展。 预构建的 Foundry Tools 集成 （Azure OpenAI、Azure Language、Azure Translator）、Eventhouse 的 OpenAI 插件（ai_embed_text 和 ai_chat_completion）以及一系列代理和数据代理，允许其他应用程序（包括 Copilot Studio）以协调的方式处理 Fabric 数据。

Fabric 数据代理、MCP 和开发者工具

面料介绍 能够协调对数据和工具访问的数据代理 对于 AI 代理，Fabric 提供 Python SDK 并与 Microsoft Copilot Studio 直接集成。这使得构建可在 Fabric 中处理受控企业数据的对话式助手变得轻松便捷。

与此同时， 模型上下文协议 (MCP) 它成为人工智能代理与 Fabric 服务集成的关键组成部分。Activator 和 Eventhouse 有专用的 MCP 服务器，还有一个面向开发的 Fabric MCP，它：

  • 它允许人工智能助手为 Fabric 商品生成代码和内容。
  • 它与 VS Code 和 GitHub Codespaces 等开发工具集成。
  • 它提供了在 Eventhouse 中查询和处理实时数据的工具。
  Google Drive 无法同步文件：Windows、Mac 和 Android 系统的原因、解决方案和技巧

对于开发人员的日常工作而言，有几个关键部分需要重点关注，其中包括： 开发环境: 支持 Fabric SQL 数据库的 VS Code MSSQL 扩展，Microsoft ADO.NET 驱动程序和用于 Fabric 数据工程的 ODBC 驱动程序（通过 Livy 连接到 Spark SQL），以及用于 SQL 数据库的 Spark 连接器，可简化从 Spark 到 Azure 和 Fabric 中 SQL 数据库的身份验证访问。

还出现了 Fabric CLI，作为 Azure DevOps 中的一项集成任务提供，无需手动安装外部工具即可自动管理工作区、项目和部署。

Fabric 中的数据工厂、数据迁移和编排

Fabric 的数据集成层依赖于 Data Factory 和 Dataflow Gen2，它们接收函数以…… 编排将更加智能、更易于自动化，迁移也将更加简单。 来自现有平台。

数据流 Gen2：性能、公共 API 和诊断

Dataflow Gen2 中有几个功能处于预览阶段：

  • 目标查询的高级编辑 直接从创作环境本身调整目标端的逻辑。
  • 分区计算这样一来，数据流的部分内容就可以并行运行，从而减少总的评估时间。
  • 下载诊断程序 在执行层面，提供结构化的日志包，用于性能分析和事件解决。
  • 公共API 用于以编程方式创建、更新、删除、调度和监控数据流。
  • 支持 CI/CD 的公共参数它允许通过从管道或其他来源传递值来刷新数据流。
  • 最新数据 以便在 Power Query 功能区和“现代获取数据”中快速访问最近使用的项目。

所有这些都与以下能力相辅相成： 通过 REST 以编程方式评估 Power Query这为在自动化流程中运行 M 脚本、将其与 Spark、管道或外部工具集成、利用 Power Query 连接器打开了大门。

数据工厂：自适应性能、连接性和 dbt

在更“经典”的集成部分，Fabric 中的数据工厂引入了：

  • 自适应性能调优 对于复制活动，它会根据配置和执行上下文智能地调整性能参数。
  • 复制作业中的变更数据捕获 (CDC) 支持仅持续复制更改（插入、更新、删除）。
  • 具有手动升级选项的本地网关 可通过 Fabric 门户、API 或脚本进行管理。
  • 最近连接它会向连接添加最后使用属性，以方便审计和生命周期管理。
  • 原生 dbt 作业这使得可以在 Fabric 中运行 dbt 项目，并集成编排、测试、文档和治理功能。
  • 调用 SSIS 包活动 在管道中，从 Fabric 中的编排本身运行 SSIS 包。

用户体验也通过以下方式得到提升： SharePoint 站点选择器 （SharePoint 网站选择器）避免了手动输入 URL，并且支持 MCP 数据工厂，因此 AI 助手可以根据自然语言指令轻松创建和部署 Dataflow Gen2。

数据迁移和复制工具

微软正通过多种专用工具大力推广向 Fabric 的迁移：

  • 数据工厂的架构迁移评估它会分析 ADF 管道的准备情况，并将受支持的管道迁移到带有连接映射的 Fabric 工作区。
  • 数据仓库迁移助手现在可以直接连接到源仓库，将其迁移到 Fabric 数据仓库。
  • SQL数据库迁移助手旨在迁移本地 SQL Server 工作负载，通过 DACPAC 导入架构，检测不兼容性并提供建议。

关于复制方面，我们提供支持。 镜像多个运营源 （Azure Database for MySQL、Google BigQuery、SQL Server 等）到 Fabric，能够控制要复制的表，通过 REST 重新启动镜像进程，并且在 Databricks 的情况下，将 Unity Catalog 策略映射到 OneLake 安全性。

此外，还包括来自 Lakehouse 的复制连接器，使用 增量变化数据源这样一来，Lakehouse Delta 板块的变更就可以向兼容的目标进行调整，而无需使用 CDC 的自研解决方案重新发明轮子。

Fabric 中的安全性、高级治理和监控

任何分析平台面临的最大问题之一是如何 保护数据、管理使用情况并监控资源消耗织物在这些方面正迅速成熟。

OneLake 的安全和数据保护

OneLake 增加了一个完整的模型 数据访问安全 搭配：

  • 通过基于文件夹的安全界面，为 Lakehouse 提供可配置权限的数据访问角色。
  • 为快捷方式提供安全支持，以便第三方能够遵守已定义的策略。
  • OneLake 数据访问安全 API，可实现自动化权限管理。
  • 将模型扩展到外部引擎（OneLake 第三方安全授权）。

与此同时，保护范围也在扩大。 DLP限制访问 对 OneLake 中的所有结构化数据（SQL、KQL、数据仓库）进行介绍 DSPM for AI for Fabric Copilots and data agents它可以监控人工智能交互中的敏感信息和危险行为，并与 Purview Audit 和 eDiscovery 集成。

就身份而言，其特征体现在以下几个方面： 与物品相关的身份 （例如 Lakehouse 和 Eventstream）通过 REST API，消除了某些操作的所有者依赖性，并使用工作区标识或服务主体对 OneDrive 和 SharePoint 快捷方式进行身份验证。

集中式治理和 OneLake 目录

数据治理经验通过以下方式得到强化： OneLake 目录中新增集中式面板数据所有者可以在这里查看他们创建的项目的汇总视图，收到治理行动建议，并访问所有可用的工具来提高安全性和合规性。

  大数据示例和定义

此外， OneLake Catalog Search API 此外，还有一个 MCP 工具，允许通过一次调用，从代码或 AI 代理中发现 Fabric 环境中的项目，同时尊重目录权限和元数据。

监测产能、消耗和工作

织物提供了多层可观察性：

  • 工作区监控它会在 Fabric 中创建一个数据库，用于整合来自多个项目的日志和指标（包括带有详细监控的复制作业）。
  • 工作区监控复制作业指标包括吞吐量、数据量、错误代码和时间，所有这些都旨在进行集中分析。
  • 容量指标应用中的项目历史记录，提供每项商品 30 天的 CU 消耗量视图，可按工作区和类型进行筛选。
  • 工作区级浪涌保护它允许在 24 小时滚动窗口中为每个工作区设置消耗阈值，自动阻止超过阈值的工作区，并将工作区标记为“关键任务”，以将其排除在限制之外。

作为补充，初始集 Fabric 管理 API 专注于发现工作区、物品和用户访问详情，促进动态盘点和定期访问控制。

业务建模、规划和新的工作量

除了技术层面之外，微软还在引入 新的业务导向型工作负载 关于 Fabric。其中最突出的是 Fabric IQ，它致力于统一业务语义、数据和模型，以便为智能代理提供基于组织整体视图做出决策的功能。

在 Fabric IQ 中，会显示以下内容：

  • 本体（预览），这是一种根据公司业务语言定义实体、关系、属性和约束的项目类型。
  • 计划（预览）一个用于规划、报告、分析、集成和协作管理的无代码平台。

实时智能也开始出现 数字孪生构建器该产品专门用于基于实时数据对数字孪生进行建模，旨在优化物理操作、监控状态和模拟场景。

另一方面，它被引入 Fabric IQ 工作负载 作为一项独立的工作负载，治理和语义对齐的支持工具不断扩展，从而在数据模型、业务逻辑和 AI/分析应用程序之间形成闭环。

性能、用户体验和生产力提升

最后，值得一提的是，本次回顾中出现了一些跨领域的改进，这些改进包括： 它们虽然不总是登上新闻头条，但却对日常生活有着巨大的影响。 的团队。

在 Spark 和分布式计算部分，Fabric 引入了以下功能：

  • Fabric Runtime 2.0（预览版） 采用 Apache Spark 4.0、Delta Lake 4.0、Java 21、Scala 2.13 和 Python 3.12，运行于 Azure Linux 3.0 上。
  • Spark 应用比较工具它允许您并行选择和比较最多四个 Spark 执行。
  • 火花诊断发射器它会从 Spark 应用程序收集日志、指标和事件，并将它们发送到 Event Hubs、存储或 Log Analytics 等目标位置。
  • JobInsight 诊断库一个用于通过 API（查询、作业、阶段、任务、执行器、事件日志）分析已完成的 Spark 执行的库。

在仓库层，添加了以下内容： 数据聚类 为了提高性能并降低访问成本，通过 VS Code 中的 SQL 数据库项目（仓库源代码控制）提供代理键的 IDENTITY 列、版本控制和 CI/CD 支持。

Fabric门户网站的用户体验也在不断发展。 标签式浏览和对象资源管理器这使您能够同时打开多个项目并在它们之间快速切换。此外，诸如 Git 中的 Lakehouse 自动绑定以及用于 Lakehouse 维护的一系列实用程序（维护活动和 SQL 端点刷新）等改进，共同打造了一个更加用户友好和敏捷的平台。

最后，还有一些功能，例如： 批量导入/导出项目定义 （用于迁移、模板和元数据备份）、文件夹的 REST、Activator 项目激活中的参数支持以及使用集成目录在 Excel 中加载 OneLake 数据，这些功能构成了一个生态系统，几乎可以满足现代数据团队的所有常见需求。

凭借这一系列功能——从集中式治理、细粒度安全、智能编排，到嵌入 SQL 的 AI、实时分析、数字孪生和 MCP 代理——Microsoft Fabric 正在巩固其作为完整数据平台的地位。 关键不再仅仅是存储和可视化数据，而是管理、自动化和利用人工智能来控制数据生命周期的每个环节。允许组织逐步发展其架构，迁移现有架构并实现新解决方案，速度比传统方法快得多。