规范化是以减少数据冗余、提升数据完整性为目标来组织数据的过程。反规范化则与之相反。两种方法各有优点,不同场景更适合采用其中之一。
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
概览 Microsoft Fabric 中数据工程的基本要素,从星型模型等关键解决方案设计要点,到支持数据探索与转换的各类 Fabric 功能。
深入探讨在 Microsoft Fabric 中实施星型模型时需要考虑的具体方面,包括创建事实表与维度表、管理缓慢变化维度及其他特殊维度场景,以及数据的规范化与反规范化。
当前练习
深入学习数据转换与探索的关键领域:清洗、筛选、聚合与合并数据。
了解用于监控 Fabric 解决方案性能的工具,以及如何在 Fabric 基础设施和各个对象中实施性能改进,包括对 Delta Lake 表的优化。