Vad är ett sjöhus i Microsoft Fabric?

Microsoft Fabric Lakehouse är en plattform för dataarkitektur för lagring, hantering och analys av strukturerade och ostrukturerade data på en enda plats. Det är en flexibel och skalbar lösning som gör det möjligt för organisationer att hantera stora mängder data med hjälp av olika verktyg och ramverk för att bearbeta och analysera dessa data. Den integreras med andra verktyg för datahantering och analys för att tillhandahålla en omfattande lösning för datateknik och analys.

Lakehouse SQL-analysslutpunkt

Lakehouse skapar ett serveringslager genom att automatiskt generera en SQL-analysslutpunkt och en standard semantisk modell när den skapas. Den här nya genomskinlighetsfunktionen gör att användaren kan arbeta direkt ovanpå Delta-tabellerna i sjön för att ge en friktionsfri och högpresterande upplevelse hela vägen från datainmatning till rapportering.

Det är viktigt att observera att SQL-analysslutpunkten är en skrivskyddad upplevelse och inte stöder hela T-SQL-ytan i ett transaktionsdatalager.

Automatisk tabellidentifiering och registrering

Den automatiska tabellidentifieringen och registreringen är en funktion i Lakehouse som tillhandahåller en fullständigt hanterad fil till tabellupplevelse för datatekniker och dataforskare. Du kan släppa en fil i det hanterade området i Lakehouse och systemet validerar den automatiskt för strukturerade format som stöds och registrerar den i metaarkivet med nödvändiga metadata, till exempel kolumnnamn, format, komprimering med mera. (För närvarande är deltatabellen det enda format som stöds.) Du kan sedan referera till filen som en tabell och använda SparkSQL-syntax för att interagera med data.

Interagera med Lakehouse-objektet

En datatekniker kan interagera med lakehouse och data i lakehouse på flera sätt:

• Lakehouse Explorer: Utforskaren är huvudsidan för Lakehouse-interaktionen. Du kan läsa in data i Lakehouse, utforska data i Lakehouse med hjälp av objektutforskaren, ange MIP-etiketter och andra saker. Läs mer om utforskarupplevelsen: Navigera i Fabric Lakehouse-utforskaren.

• Notebook-filer: Datatekniker kan använda notebook-filen för att skriva kod för att läsa, transformera och skriva direkt till Lakehouse som tabeller och/eller mappar. Du kan lära dig mer om hur du använder notebook-filer för Lakehouse: Utforska data i ditt lakehouse med en notebook-fil och Hur du använder en notebook-fil för att läsa in data i lakehouse.

• Pipelines: Datatekniker kan använda dataintegreringsverktyg som pipelinekopieringsverktyg för att hämta data från andra källor och landa i Lakehouse. Mer information om hur du använder kopieringsaktiviteten: Så här kopierar du data med kopieringsaktivitet.

• Apache Spark-jobbdefinitioner: Datatekniker kan utveckla robusta program och samordna körningen av kompilerade Spark-jobb i Java, Scala och Python. Läs mer om Spark-jobb: Vad är en Apache Spark-jobbdefinition?

• Dataflöden Gen 2: Datatekniker kan använda Dataflöden Gen 2 för att mata in och förbereda sina data. Mer information om att läsa in data med hjälp av dataflöden: Skapa ditt första dataflöde för att hämta och transformera data.

Läs mer om de olika sätten att läsa in data i lakehouse: Alternativ för att hämta data till Fabric Lakehouse.

Multitasking med lakehouse

Multitasking-upplevelsen ger en webbläsarfliksdesign som gör att du kan öppna och växla mellan flera objekt sömlöst så att du kan hantera ditt data lakehouse mer effektivt än någonsin. Inget mer jonglering mellan olika fönster eller att förlora koll på dina uppgifter. Lakehouse ger en förbättrad multitasking-upplevelse för att göra din datahanteringsresa så effektiv och användarvänlig som möjligt med följande funktioner:

• Bevara åtgärder som körs: Du kan ladda upp eller köra datainläsningsåtgärden på en flik och kontrollera en annan aktivitet på en annan flik. Med förbättrad multiaktivitet avbryts inte de åtgärder som körs när du navigerar mellan flikarna. Du kan fokusera på ditt arbete utan avbrott.

• Behåll kontexten: Markerade objekt, datatabeller eller filer förblir öppna och lättillgängliga när du växlar mellan flikar. Kontexten för data lakehouse är alltid nära till hands.

• Icke-blockerande lista läses in igen: En mekanism för inläsning av filer och tabeller som inte blockeras. Du kan fortsätta arbeta medan listan uppdateras i bakgrunden. Det säkerställer att du har de senaste data samtidigt som du får en smidig och oavbruten upplevelse.

• Tydligt definierade meddelanden: Popup-meddelanden anger vilken lakehouse de kommer från, vilket gör det enklare att spåra ändringar och uppdateringar i din miljö med flera uppgifter.

Tillgänglig sjöhusdesign

Tillgänglighet har alltid varit högsta prioritet för att säkerställa att Lakehouse är inkluderande och användarvänligt för alla. Här är de viktigaste initiativ som vi har genomfört hittills för att stödja tillgänglighet:

• Skärmläsarkompatibilitet: Du kan arbeta sömlöst med populära skärmläsare, så att användare med nedsatt syn kan navigera och interagera med vår plattform effektivt.

• Textomflöde Dynamisk design som anpassas till olika skärmstorlekar och orienteringar. Text och innehåll flödar om dynamiskt, vilket gör det enklare för användare att visa och interagera med vårt program på en mängd olika enheter.

• Tangentbordsnavigering: Förbättrad tangentbordsnavigering så att användare kan röra sig genom lakehouse utan att förlita sig på en mus, vilket förbättrar upplevelsen för dem med motoriska funktionshinder.

• Alternativ text för bilder: Alla bilder innehåller nu en beskrivande alternativtext, vilket gör det möjligt för skärmläsare att förmedla meningsfull information.

• Formulärfält och etiketter: Alla formulärfält har associerade etiketter, vilket förenklar datainmatningen för alla, inklusive de som använder skärmläsare.

Relaterat innehåll

I den här översikten får du en grundläggande förståelse för ett sjöhus. Gå vidare till nästa artikel för att lära dig hur du skapar och använder ditt eget sjöhus:

• Information om hur du börjar använda lakehouses finns i Skapa ett sjöhus i Microsoft Fabric.