在影片中,你看到 lakehouse 會以 CSV 和 Parquet 等格式儲存檔案。在團隊從已落地到儲存區的檔案建立資料表之前,他們需要先辨識各種格式如何承載資料。請建立一個含範例資料的 lakehouse,並各開啟一個不同格式的檔案,比較它們的結構。
本練習屬於課程
將理論付諸實踐,立即體驗我們的互動練習
在本章中,你將比較 Fabric 擷取資料的各種方式,使用 Copy 工作載入資料,並在 lakehouse 中瀏覽檔案。你會建立、參數化並排程聚焦的 pipelines,接著使用 shortcuts 與 mirroring 在不產生不必要副本的情況下提供資料存取。
當前練習
在本章中,你將使用 Dataflow Gen2 建立、合併、篩選與擴充查詢,選擇資料目的地設定,並排程重新整理。接著你會找出 dataflow 的瓶頸,並透過分層暫存與 Fast Copy 加速重新整理。
在本章中,你將檢視 Fabric 中的語意模型,並了解 Direct Lake 如何讀取 OneLake 資料,包括 framing 與 fallback。你會設計關聯、以橋接表解決多對多關係、整理日期階層,接著撰寫基礎 DAX 量值並審閱 Copilot 產生的 DAX 草稿。
在本章中,你將以靜態與動態的資料列層級安全性,以及物件層級安全性來保護語意模型。你會選擇重新整理策略,包括增量重新整理與由 pipeline 觸發的重新整理,閱讀重新整理歷程,並使用 Best Practice Analyzer 與 Performance Analyzer 找出模型與報表的問題。