Get an introductory overview of the basic elements of data engineering in Microsoft Fabric, from key solution design items like the star schema to the various features in Fabric supporting data exploration and transformation. 

Transform and Analyze Data with Microsoft Fabric

Creating your first Lakehouse

Data Engineering in Microsoft Fabric

Exploring Fabric Data Engineering

Data storage and transformation items

Lakehouse verus Warehouse

Introduction to Star Schemas

Star Schemas

Snowflake Schemas

Data Modeling Scenarios

Data Exploration and Transformation

Data Aggregation

Data Merging

Data Engineering with Microsoft Fabric

Drill down into specific aspects to consider when implementing star schemas in Microsoft Fabric, including creating fact and dimension tables, managing slowly changing dimensions and other special dimension scenarios, and normalizing and de-normalizing data.


Implementare gli schemi a stella

Creare tabelle di dimensione

Opzioni

Misure

Chiavi di dimensione

Attributi

Caratteristiche delle tabelle dei fatti

Creare tabelle di fatto

Slowly Changing Dimensions

SCD di tipo 1

SCD di tipo 2

Tipi di SCD

Implementare le modifiche SCD di tipo 2

Scenari speciali per le dimensioni

Dimensione data

Dimensioni conformi

Dimensioni multivalore

Dimensioni speciali

Implementare le dimensioni data

Dimensioni multivalore e tabelle ponte

Denormalizzazione dei dati

Denormalizzazione

Normalizzazione

Denormalizzazione vs. Normalizzazione

Implementare la denormalizzazione dei dati

Implement a Star Schema for a Lakehouse or Warehouse

Drill down into key areas of data transformation and exploration: cleansing, filtering, aggregating and merging data.


Data Cleansing and Filtering

Data Cleansing in Action

Converting Data Types

Data Filtering with PySpark

Data Aggregation Scenarios

Implementing Data Aggregation

Merging and Joining Data

Joining using SQL

Merging using PySpark

Explore and Analyze Data

Data Profiling

Use cases for XMLA and SQL Endpoints

Choosing a SQL Query Tool

Transform, Explore, and Analyze Data

Learn about tools available to monitor the performance of a Fabric solution and how to implement performance improvements in the Fabric infrastructure and individual items, including optimization of delta lake tables.

Identifying performance issues

Install the Fabric Capacity Metrics app

Monitoring Usage with the Capacity Metrics App

Monitoring Storage with the Capacity Metrics App

Implement performance improvements

Implement performance improvements in Dataflows

Delta Lake table optimization

Use the OPTIMIZE Operation

Congratulations!

Optimize Performance

Questo corso si concentra su tre temi chiave di Microsoft Fabric: trasformazione dei dati, esplorazione e analisi dei dati, e ottimizzazione delle prestazioni. Attraverso lezioni ed esercizi interattivi, imparerai diverse tecniche per trasformare i dati nei lakehouse e nei warehouse di Fabric, dall’individuazione dei problemi, all’unione, aggregazione e filtraggio dei dati. Scoprirai anche strumenti e metodi per esplorare e profilare i dati nei lakehouse e nei warehouse di Fabric, e come monitorare e ottimizzare le prestazioni di questi oggetti Fabric.

Introduction to Microsoft Fabric

Scopri come trasformare e analizzare i dati nel tuo account Microsoft Fabric.

Trasforma e analizza i dati con Microsoft Fabric

Supporta il filtraggio e il raggruppamento dei dati per anno, mese.

Si consiglia di usare una chiave surrogata leggibile con formato ISO 8601.

Dimensioni condivise da più tabelle dei fatti.

Aiutano a garantire coerenza tra modelli di dati che servono aree diverse.

Può essere implementata usando una tabella ponte.

Dimensioni speciali

Trasforma e analizza i dati con Microsoft Fabric

Esercizio pratico interattivo