城市交通团队需要每天将出租车行程数据送入 lakehouse,方便分析师跟踪需求。管道可以从单个复制步骤发展为计划运行的多步骤流程,请从 Fabric 的示例模板构建第一个版本,并确认它能成功传输数据。
本练习是课程的一部分
通过我们的互动练习之一,将理论转化为实践
在本章中,您将比较 Fabric 摄取数据的多种方式,使用 Copy 作业加载数据,并在 lakehouse 中浏览文件。您将构建、参数化并计划运行聚焦的管道,然后使用快捷方式和镜像在不产生不必要副本的情况下提供数据。
当前练习
在本章中,您将使用 Dataflow Gen2 创建、合并、筛选和扩展查询,选择数据目标设置,并安排刷新计划。随后,您将定位 dataflow 的瓶颈,并通过暂存与 Fast Copy 加速刷新。
在本章中,您将检查 Fabric 中的语义模型,并了解 Direct Lake 如何读取 OneLake 数据,包括分段与回退。您将设计关系,使用桥表解决多对多关系,并整理日期层级;随后编写基础 DAX 度量并审阅 Copilot 生成的 DAX 草稿。
在本章中,您将通过静态与动态行级安全以及对象级安全来保护语义模型。您将选择刷新策略,包括增量刷新和由管道触发的刷新,查看刷新历史,并使用 Best Practice Analyzer 与 Performance Analyzer 查找模型和报表问题。