Microsoft Fabric Integration Pathways til ISV'er

Microsoft Fabric tilbyder tre forskellige veje for uafhængige softwareleverandører (ISV'er) til problemfrit at integrere med Fabric. For en ISV, der starter på denne rejse, gennemgår denne artikel forskellige ressourcer, der er tilgængelige under hver af disse forløb.

Figur, der viser forskellige måder at integrere med Fabric på.

Interop med OneLake

Interop-modellens primære fokus er at gøre det muligt for ISV'er at integrere deres løsninger med OneLake Foundation. For at integrere Fabric tilbyder Microsoft integration gennem en række forbindelser i Data Factory og i Real-Time Intelligence. Microsoft tilbyder også REST API'er til OneLake, genveje i OneLake, datadeling på tværs af Fabric-lejere og databasespejling.

Figur, der viser forskellige måder at interoperere med OneLake på: API'er, Data Factory, Real-Time Intelligence, multicloud-genveje, datadeling og databasespejling.

I følgende afsnit beskrives nogle af de måder, du kan komme i gang med denne model på.

OneLake-API'er

  • OneLake understøtter eksisterende Azure Data Lake Storage (ADLS) Gen2-API'er og SDK'er til direkte interaktion, så udviklere kan læse, skrive og administrere deres data i OneLake. Få mere at vide om ADLS Gen2 REST API'er , og hvordan du opretter forbindelse til OneLake.
  • Da ikke alle funktioner i ADLS Gen2 knyttes direkte til OneLake, gennemtvinger OneLake også en angivet mappestruktur, der understøtter Fabric-arbejdsområder og -elementer. Du kan finde en komplet liste over forskellige funktionsmåder mellem OneLake og ADLS Gen2, når du kalder disse API'er, under OneLake API-paritet.
  • Hvis du bruger Databricks og vil forbinde til Fabric, fungerer Databricks med ADLS Gen2 API'er. Integrer OneLake med Azure Databricks.
  • For at udnytte fuldt ud af, hvad Delta Lake-lagringsformatet kan gøre for dig, skal du gennemgå og forstå formatet, tabeloptimering og V-orden. Delta Lake-tabeloptimering og V-orden.
  • Når dataene er i OneLake, kan du udforske dem lokalt ved at bruge OneLake-filudforskeren. OneLake-stifinder integrerer uden problemer OneLake med Windows Stifinder. Dette program synkroniserer automatisk alle OneLake-elementer, som du har adgang til i Windows Stifinder. Du kan også bruge et hvilket som helst andet værktøj, der er kompatibelt med ADLS Gen2, f.eks . Azure Storage Explorer.

Diagram, der viser, hvordan OneLake-API'er interagerer med Fabric-arbejdsbelastninger.

Intelligens-API'er i realtid

Fabric Real-Time Intelligence er en omfattende løsning, der er designet til at understøtte hele livscyklussen for data i realtid – fra indtagelse og streambehandling til analyse, visualisering og handling. Den er bygget til at håndtere streamingdata med høj gennemløb og tilbyder robuste funktioner til dataindtagelse, transformation, forespørgsler og lagring, hvilket gør det muligt for organisationer at træffe rettidige datadrevne beslutninger.

  • Eventstreams gør det muligt at bringe realtidsbegivenheder fra forskellige kilder og sende dem til forskellige destinationer, såsom søhuse, KQL-databaser i eventhouse og Fabric Activator. Lær mere om eventstreams og eventstreams API.
  • Du kan indlæse streamingdata i eventstreams via flere protokoller, herunder Kafka, Event Hubs, AMQP og en voksende liste af connectors, der er listet her.
  • Efter at have behandlet de indsamlede hændelser enten ved hjælp af no-code experience eller ved hjælp af SQL-operatoren (Preview), kan du rute resultatet til flere Fabric-destinationer eller til brugerdefinerede endepunkter. Læs mere om eventstreams-destinationer her.
  • Eventhouses er designet til streaming af data, kompatible med Real-Time hub og ideelle til tidsbaserede hændelser. Data indekseres og opdeles automatisk baseret på indlæsningstid, hvilket giver dig utroligt hurtige og komplekse analytiske forespørgselsmuligheder på højgranularitetsdata, som du kan tilgå i OneLake til brug på tværs af Fabric's suite af oplevelser. Eventhouses understøtter eksisterende eventhouse-API'er og SDK'er til direkte interaktion, hvilket gør det muligt for udviklere at læse, skrive og administrere deres data i eventhouses. Få mere at vide om REST API.
  • Hvis du bruger Databricks- eller Jupyter-notesbøger, kan du bruge Kusto Python-klientbiblioteket til at arbejde med KQL-databaser i Fabric. Få mere at vide om Kusto Python SDK.
  • Du kan bruge de eksisterende Microsoft Logic Apps, Azure Data Factory eller Microsoft Power Automate connectors til at interagere med dine eventhouses eller KQL-databaser.
  • Databasegenveje i realtidsintelligens er integrerede referencer i et hændelseshus til en kildedatabase. Kildedatabasen kan enten være en KQL-database i Real-Time Intelligence eller en Azure Data Explorer-database. Du kan bruge genveje til deling af data på stedet inden for samme lejer eller på tværs af lejere. Få mere at vide om administration af databasegenveje ved hjælp af API'en.

Diagram, der viser, hvordan realtidsintelligens-API'er interagerer med Fabric-arbejdsbelastninger.

Data Factory

  • Pipelines kan prale af et omfattende sæt connectorer, der gør det muligt for ISV'er nemt at oprette forbindelse til et utal af datalagre. Uanset om du arbejder med traditionelle databaser eller moderne cloudbaserede løsninger, sikrer vores connectors en problemfri integrationsproces. Oversigt over connector.
  • Ved at bruge de understøttede Dataflow Gen2-stik kan ISV'er udnytte kraften i Fabric Data Factory til at håndtere komplekse dataarbejdsgange. Denne funktion er især nyttig for ISV'er, der ønsker at strømline databehandlings- og transformationsopgaver. Dataflow Gen2-stik i Fabric.
  • For en komplet liste over kapaciteter, der understøttes af Data Factory, se denne Data Factory Blog.

Skærmbillede af grænsefladen Fabric Data Factory.

Genveje med flere skyer

Genveje i OneLake samler dine data på tværs af domæner, skyer og konti ved at skabe en enkelt virtuel datalake for hele din virksomhed. Alle Fabric-oplevelser og analytiske motorer kan direkte pege på dine eksisterende datakilder såsom OneLake i forskellige lejere, Azure Data Lake Storage (ADLS) Gen2, Amazon S3 lagringskonti, Google Cloud Storage (GCS),S3-kompatible datakilder og Dataverse gennem et samlet navnerum. OneLake præsenterer ISV'er med en transformativ dataadgangsløsning, der problemfrit bygger bro mellem integration på tværs af forskellige domæner og cloudplatforme.

Diagram, der viser genveje med flere skyer i OneLake.

Datadeling

Datadeling gør det muligt for Fabric-brugere at dele data på tværs af forskellige Fabric-lejere uden at duplikere dem. Denne funktion forbedrer samarbejdet ved at gøre det muligt at dele data "lokalt" fra OneLake-lagerplaceringer. Dataene deles som skrivebeskyttede, tilgængelige via forskellige Fabric-beregningsprogrammer, herunder SQL-, Spark-, KQL- og semantiske modeller. Hvis du vil bruge denne funktion, skal Fabric-administratorer aktivere den i både deling og modtagelse af lejere. Processen omfatter udvælgelse af data i OneLake-kataloget eller arbejdsområdet, konfiguration af delingsindstillinger og afsendelse af en invitation til den tiltænkte modtager.

Diagram, der viser, hvordan datadelingsprocessen fungerer i Fabric.

Databasespejling

Mirroring in Fabric giver en nem oplevelse til at undgå komplekse ETL (Extract Transform Load) og integrere dine eksisterende data i OneLake sammen med resten af dine data i Fabric. Du kan løbende replikere dine eksisterende data direkte ind i OneLake. I Fabric kan du låse op for kraftfuld forretningsintelligens, kunstig intelligens, Data Engineering, Data Science og scenarier for datadeling.

Diagram, der viser databasespejling i Fabric.

Åben spejling gør det muligt for alle programmer at skrive ændringsdata direkte til en spejlet database i Fabric. Åben spejling er udviklet til at kunne udvides, tilpasses og åbnes. Det er en effektiv funktion, der udvider spejling i Fabric baseret på åbent Delta Lake-tabelformat. Når dataene lander i OneLake i Fabric, forenkler åben spejling håndteringen af komplekse dataændringer og sikrer, at alle spejlede data løbende er opdateret og klar til analyse.

Udvikl på Fabric

Diagram, der viser, hvordan du bygger apps på Fabric.

Med ISV'erne til Develop on Fabric-modellen kan de bygge deres produkter og tjenester oven på Fabric eller integrere Fabric's funktionaliteter problemfrit i deres eksisterende programmer. Det er en overgang fra grundlæggende integration til aktiv anvendelse af de funktioner, Fabric tilbyder. Det primære integrationsoverfladeområde er via REST API'er til forskellige Fabric-oplevelser. I følgende tabel vises et undersæt af REST API'er grupperet efter Fabric-oplevelsen. Du kan se en komplet liste i dokumentationen til Fabric REST API.

Stofoplevelse API
data warehouse - Lageragersted
- Spejlet lager
Data Engineering - Søhus
- Gnist
- Definition af sparkjob
- Tabeller
- Job
Data Factory - Datapipeline
Intelligence i realtid - Eventhus
- KQL-database
- KQL-forespørgselsmængde
- Eventstream
Datavidenskab - Notesbog
- ML-eksperiment
- ML-modellen
OneLake - Genvej
- ADLS Gen2 API'er
Power BI - Rapport
- Instrumentbræt
- Semantisk model

Byg en Fabric-arbejdsbelastning

Diagram, der viser, hvordan du opretter din egen arbejdsbelastning for stof.

Byg en Fabric-arbejdsbelastningsmodel er designet til at sætte ISV'er i stand til at oprette brugerdefinerede oplevelser på Fabric-platformen. Det giver ISV'er de nødvendige værktøjer og funktioner til at tilpasse deres tilbud til Fabric-økosystemet og optimere kombinationen af deres unikke værditilbud med Fabric's omfattende funktioner.

Microsoft Fabric Workload Development Kit tilbyder et omfattende værktøjssæt for udviklere, der kan integrere applikationer i Fabric-hubben. Denne integration muliggør tilføjelsen af nye funktioner direkte i et Fabric-arbejdsområde, hvilket forbedrer brugernes analyserejse. Det giver udviklere og ISV'er en ny vej til at nå ud til kunder, levere både velkendte og nye oplevelser og udnytte eksisterende dataprogrammer. Fabric-administratorer kan styre, hvem der kan tilføje arbejdsbelastninger i en organisation.

Arbejdsbelastningshub

Workload Hub in Fabric er et centraliseret interface, hvor du kan udforske, administrere og få adgang til alle tilgængelige arbejdsbelastninger. Hver arbejdsbyrde i Fabric er knyttet til en specifik varetype, som du kan oprette i Fabric-arbejdsområder. Ved at navigere gennem Workload Hub kan du nemt opdage og interagere med forskellige arbejdsbelastninger, hvilket forbedrer dine analytiske og operationelle evner.

Skærmbillede, der viser Workload Hub.

Fabric-administratorer har rettigheder til at administrere tilgængeligheden af arbejdsbelastninger , hvilket gør dem tilgængelige på tværs af hele lejeren eller inden for bestemte kapaciteter. Denne udvidelse sikrer, at Fabric forbliver en fleksibel og skalerbar platform, der gør det muligt for organisationer at skræddersy deres arbejdsbelastningsmiljø, så de opfylder udvikling af data og forretningsmæssige krav. Ved at integrere problemfrit med Fabrics struktur for sikkerhed og styring forenkler Arbejdsbelastningshubben udrulningen og administrationen af arbejdsbelastninger. Alle arbejdsbelastninger giver brugerne en prøveversion, så de hurtigt kan komme i gang. Følgende er de tilgængelige arbejdsbelastninger:

  • 2TEST: En omfattende arbejdsbelastning til kvalitetssikring, der automatiserer test og kontrol af datakvalitet.

    Skærmbillede, der viser 2tests arbejdsbelastning.

  • Informatica Cloud-datakvalitet: Giver dig mulighed for at profilere, registrere og løse dataproblemer – såsom dubletter, manglende værdier og uoverensstemmelser – direkte i dit Fabric-miljø.

    Skærmbillede, der viser Informaticas arbejdsbyrde.

  • Lumel EPM: Giver forretningsbrugere mulighed for at bygge EPM-apps (Enterprise Performance Management) uden kode oven på de semantiske modeller.

    Skærmbillede, der viser Lumels arbejdsbyrde.

  • Neo4j AuraDB med Graph Analytics: Opret grafmodeller ud fra OneLake-data, analyser og udforsk dataforbindelser visuelt, forespørg dine data, og kør en af de 65+ indbyggede algoritmer med en problemfri oplevelse i Fabric.

    Skærmbillede, der viser Neo4j's arbejdsbyrde.

  • Osmos AI Data Wrangler: Automatiserer dataforberedelse med AI-drevne data wranglers, hvilket gør datatransformation ubesværet.

    Skærmbillede, der viser Osmos' arbejdsbyrde.

  • Power Designer: Et værktøj til design og oprettelse af rapportskabeloner i hele virksomheden, der forbedrer Power BI-rapportdesign.

    Skærmbillede, der viser arbejdsmængden af Power BI-tips.

  • Celonis Process Intelligence: Gør det muligt for organisationer at eksponere Celonis' unikke dataklasse og kontekst i Fabric.

    Skærmbillede, der viser Celonis' arbejdsbyrde.

  • Profisee Master Dataadministration: giver brugerne mulighed for effektivt at matche, flette, standardisere, afhjælpe og validere data og omdanne dem til pålidelige, forbrugsklare dataprodukter til analyse og AI.

    Skærmbillede, der viser Profisees arbejdsbyrde.

  • Quantexa Unify: Forbedrer OneLake-datakilder ved at tilbyde et 360-graders overblik med avancerede dataopløsningsmuligheder.

    Skærmbillede, der viser Quantexas arbejdsbyrde.

  • SAS Decision Builder: Hjælper organisationer med at automatisere, optimere og skalere deres beslutningsprocesser.

    Skærmbillede, der viser SAS' arbejdsbyrde.

  • Statsig: Bringer datavisualisering og analyse direkte til dit lager.

    Skærmbillede, der viser Statsigs arbejdsbyrde.

  • Teradata AI Unlimited: Kombinerer Teradatas analytiske motor med Fabric's datastyringsfunktioner gennem Teradatas funktioner i databasen.

    Skærmbillede, der viser Teradatas arbejdsbyrde.

  • SQL2Fabric-Mirroring af Striim: Fuldt administreret, nul-kode replikeringsløsning, der sømløst spejler on-premises SQL Server data til OneLake.

    Skærmbillede, der viser Striims arbejdsbyrde.

Efterhånden som flere arbejdsbelastninger bliver tilgængelige, vil Arbejdsbelastningshubben fortsat fungere som et dynamisk sted til at finde nye funktioner, der sikrer, at brugerne har de værktøjer, de har brug for til at skalere og optimere deres datadrevne løsninger.

  • Last updated on