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。

使用 Microsoft Fabric 进行数据转换与分析

创建您的第一个 Lakehouse

Microsoft Fabric 中的数据工程

探索 Fabric 数据工程

数据存储与转换项

Lakehouse 与 Warehouse

星型架构入门

星型模型（Star Schemas）

Snowflake 模式

数据建模场景

数据探索与转换

数据聚合

数据合并

使用 Microsoft Fabric 进行数据工程

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。


实施星型模式

创建维度表

事实表的特性

创建事实表

缓慢变化维度

SCD 类型

实现 SCD Type 2 变更

特殊维度场景

特殊维度

实现日期维度

多值维度与桥接表

数据反规范化

反规范化 vs. 规范化

实现数据反规范化

为 Lakehouse 或 Warehouse 实施星型模型

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。


数据清洗与筛选

数据清洗实操

转换数据类型

使用 PySpark 进行数据筛选

数据聚合场景

实现数据聚合

合并与连接数据

使用 SQL 进行连接

使用 PySpark 进行合并

探索与分析数据

数据剖析

XMLA 与 SQL 终结点的使用场景

选择 SQL 查询工具

转换、探索与分析数据

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。

识别性能问题

安装 Fabric Capacity Metrics 应用

使用 Capacity Metrics 应用监控用量

使用 Capacity Metrics 应用监控存储

实施性能改进

在 Dataflows 中实施性能改进

Delta Lake 表优化

使用 OPTIMIZE 操作

恭喜您！

优化性能

本课程聚焦于 Microsoft Fabric 的三个关键主题：数据转换、数据探索与分析，以及性能优化。通过课程与交互式练习，您将学习在 Fabric lakehouse 和 warehouse 中进行数据转换的多种技术，从识别数据问题，到合并、聚合与筛选数据。您还将学习在 Fabric lakehouse 和 warehouse 中用于探索与剖析数据的不同工具与方法，以及如何监控并优化这些 Fabric 对象的性能。

<h2>使用 Microsoft Fabric 转换和分析数据</h2> 释放 Microsoft Fabric 在数据转换和分析方面的强大能力。 这门实践课程将教你如何处理、探索并优化你的数据，无论你使用的是 SQL、Python 还是低代码工具。 培养清洗、筛选和合并数据的技能，同时优化性能，以实现快速高效的分析。<br><br><h2>主要学习成果</h2><ol><li><b>1. 使用 Fabric 掌握数据工程：</b>了解如何有效地构建您的数据。 了解常见的数据模型，包括星型和Snowflake模式，以及如何为你的特定数据需求选择最佳方案。</li><li><b>2. 转化、探索和分析数据：</b>了解数据转换和探索的关键技术，例如清洗、筛选、聚合和合并数据。 在 Fabric 环境中使用 SQL 和 Python 实践这些任务。</li><li><b>3. 优化性能：</b>提升你的 Fabric 工作流的速度和效率。 使用 Fabric Capacity Metrics 应用和 Delta Lake 优化技术，监控并提升整个 Fabric 帐户的性能。</li></ol><br><br><h2>谁应该参加这门课程？</h2>本课程非常适合希望掌握 Microsoft Fabric 中数据处理与优化的数据专业人士、分析师和工程师。 它适合初学者，但默认你对数据工作流程有基本了解。<br><br><h2>认证备考</h2>助您更接近获得 Microsoft Fabric Analytics Engineer Associate 认证（DP-600）。 本课程涵盖考试所需的核心主题和技能，包括数据转换、建模和性能优化。

Delta Lake 表优化

Create Your Free Account