Abfragen der Daten in Ihrem Fabric-Lakehouse und Erstellen von Berichten anhand dieser Daten
Nachdem Sie Ihre Medaillon-Architektur eingerichtet haben, können Datenteams und das Unternehmen damit beginnen, die Architektur zum Abfragen von Daten und zum Erstellen von Berichten auf Grundlage dieser Daten zu verwenden. Fabric enthält mehrere Tools und Technologien, mit denen Sie Daten in Ihrem Data Lakehouse abfragen und Berichte zu den Daten erstellen können, darunter SQL-Analyseendpunkte und der Direct Lake-Modus in Power BI-Semantikmodellen.
Abfrage von Daten in Ihrem Lakehouse
Teams können SQL verwenden, um Daten in der Goldebene zu untersuchen und abzufragen. Sie können Daten in Deltatabellen auf jeder Ebene (bzw. Schicht) der Medallion-Architektur mithilfe von T-SQL analysieren, Funktionen speichern, Ansichten generieren und SQL-Sicherheit anwenden. Sie können auch den SQL-Analyseendpunkt verwenden, um über Tools und Anwendungen von Drittanbietern eine Verbindung mit Ihrem Data Lakehouse herzustellen.
Mit dem SQL-Analyseendpunkt in Fabric können Sie Abfragen schreiben, das Semantikmodell verwalten und Daten über die neue visuelle Abfrageoberfläche abfragen.
Hinweis
Der SQL-Analyseendpunkt wird für Lakehouse-Deltatabellen im schreibgeschützten Modus ausgeführt. Um Daten in Ihrem Lakehouse zu ändern, können Sie Dataflows, Notebooks oder Pipelines verwenden.
Zusätzlich zur Verwendung des SQL-Analyseendpunkt für die Datenuntersuchung können Sie auch ein Power BI-Semantikmodell im Direct Lake-Modus erstellen, um Daten in Ihrem Data Lakehouse abzufragen. Wenn Sie ein Lakehouse erstellen, stellt das System auch ein zugehöriges Standardsemantikmodell bereit. Das Standardsemantikmodell ist ein semantisches Modell mit Metriken zusätzlich zu Lakehouse-Daten.
Datenanalysten stellen mithilfe des Direct Lake-Modus eine Verbindung mit dem semantischen Modell her, in dem das Semantikmodell auf Daten aus einem Lakehouse zugreift. Im Direct Lake-Modus werden häufig verwendete Daten zwischengespeichert und nach Bedarf aktualisiert, wobei die Geschwindigkeit eines Semantikmodells mit den aktuellen Daten aus einem Lakehouse kombiniert wird.
Anpassen Ihrer Medaillonschichten an unterschiedliche Bedürfnisse
Durch das Anpassen der Medaillon-Ebenen an unterschiedliche Anforderungen können Sie die Datenverarbeitung und den Zugriff für bestimmte Anwendungsfälle optimieren. Durch die Anpassung dieser Ebenen können Sie sicherstellen, dass die Struktur und Organisation der einzelnen Ebenen den Anforderungen verschiedener Benutzergruppen entsprechen, und dadurch die Leistung, Benutzerfreundlichkeit und Datenrelevanz für verschiedene Beteiligte verbessern.
Die Erstellung mehrerer Goldebenen, die für unterschiedliche Zielgruppen oder Domänen zugeschnitten sind, unterstreicht die Flexibilität der Medaillon-Architektur. Finanzen, Vertrieb, Data Science – jede dieser Disziplinen kann über eine optimierte Goldebene verfügen, die spezifische analytische Anforderungen erfüllt.
Einige Anwendungen, Tools von Drittanbieter*innen oder Systeme erfordern bestimmte Datenformate. Sie können Ihre Medaillon-Architektur nutzen, um bereinigte und korrekt formatierte Daten zu generieren.