Microsoft Fabric Integration Pathways for ISV-er

Microsoft Fabric tilbyr tre distinkte veier for uavhengige programvareleverandører (ISV-er) til å integrere sømløst med Fabric. For en ISV som starter på denne reisen, går denne artikkelen gjennom ulike ressurser som er tilgjengelige under hver av disse veiene.

Interop med OneLake

Hovedfokuset i Interop-modellen er å gjøre det mulig for ISV-er å integrere sine løsninger med OneLake Foundation. For å samarbeide med Fabric tilbyr Microsoft integrasjon gjennom en rekke koblinger i Data Factory og i Real-Time Intelligence. Microsoft tilbyr også REST-API-er for OneLake, snarveier i OneLake, datadeling mellom Fabric-leietakere og databasespeiling.

Avsnittene nedenfor beskriver noen av måtene du kan komme i gang med denne modellen på.

OneLake API-er

• OneLake støtter eksisterende Azure Data Lake Storage (ADLS) Gen2 API-er og SDK-er for direkte samhandling, slik at utviklere kan lese, skrive og administrere dataene sine i OneLake. Mer informasjon om ADLS Gen2 REST API-er og hvordan du kobler til OneLake.
• Siden ikke all funksjonalitet i ADLS Gen2 tilordnes direkte til OneLake, håndhever OneLake også en angitt mappestruktur for å støtte arbeidsområder og elementer i Fabric. Hvis du vil ha en fullstendig liste over ulike virkemåter mellom OneLake og ADLS Gen2 når du kaller disse API-ene, kan du se OneLake API-paritet.
• Hvis du bruker Databricks og vil koble til Fabric, fungerer Databricks med ADLS Gen2 API-er. Integrer OneLake med Azure Databricks.
• For å få full nytte av hva Delta Lake-lagringsformatet kan gjøre for deg, bør du gjennomgå og forstå formatet, tabelloptimalisering og V-orden. Delta Lake-tabelloptimalisering og V-orden.
• Når dataene er i OneLake, utforsk dem lokalt ved å bruke OneLake-filutforskeren. OneLake-filutforsker integrerer sømløst OneLake med Windows Filutforsker. Dette programmet synkroniserer automatisk alle OneLake-elementer som du har tilgang til i Windows Filutforsker. Du kan også bruke andre verktøy som er kompatible med ADLS Gen2, for eksempel Azure Storage Explorer.

API-er for sanntidsintelligens

Fabric Real-Time Intelligence er en omfattende løsning som er utformet for å støtte hele livssyklusen til sanntidsdata – fra inntak og strømbehandling til analyse, visualisering og handling. Den er bygd for å håndtere strømmedata med høy gjennomstrømming, og tilbyr robuste funksjoner for datainntak, transformasjon, spørring og lagring, slik at organisasjoner kan ta regelmessige, datadrevne beslutninger.

• Eventstreams lar deg hente sanntidshendelser fra ulike kilder og rute dem til ulike destinasjoner, som innsjøhus, KQL-databaser i eventhouse og Fabric Activator. Lær mer om eventstreams og eventstreams API.
• Du kan importere strømmende data inn i hendelsesstrømmer via flere protokoller, inkludert Kafka, Event Hubs, AMQP og en voksende liste over koblinger som er listet her.
• Etter å ha behandlet de innsamlede hendelsene enten ved hjelp av no-code-opplevelsen eller ved hjelp av SQL-operatoren (Preview), kan du rute resultatet til flere Fabric-destinasjoner eller til egendefinerte endepunkter. Lær mer om eventstreams-destinasjoner her.
• Eventhouses er utformet for strømming av data, kompatible med Real-Time hub og ideelle for tidsbaserte hendelser. Data indekseres og deles automatisk basert på inntastingstid, noe som gir deg utrolig raske og komplekse analytiske spørringsmuligheter på høygranularitetsdata som du kan få tilgang til i OneLake for bruk på tvers av Fabric-opplevelser. Eventhouses støtter eksisterende eventhouse-API-er og SDK-er for direkte interaksjon, slik at utviklere kan lese, skrive og administrere dataene sine i eventhouses. Mer informasjon om REST-API.
• Hvis du bruker Databricks eller Jupyter Notebooks, kan du bruke Kusto Python-klientbiblioteket til å arbeide med KQL-databaser i Fabric. Mer informasjon om Kusto Python SDK.
• Du kan bruke de eksisterende Microsoft Logic Apps, Azure Data Factory eller Microsoft Power Automate connectors for å samhandle med eventhouses eller KQL-databasene dine.
• Databasesnarveier i sanntidsintelligens er innebygde referanser i et hendelseshus til en kildedatabase. Kildedatabasen kan enten være en KQL-database i Real-Time Intelligence eller en Azure Data Explorer-database. Du kan bruke snarveier for deling av data på stedet innenfor samme leietaker eller mellom leietakere. Mer informasjon om behandling av databasesnarveier ved hjelp av API-en.

Data Factory

• Datasamlebånd har et omfattende sett med koblinger, slik at uavhengige programvareleverandører enkelt kan koble til en rekke datalagre. Enten du bruker tradisjonelle databaser eller moderne skybaserte løsninger, sikrer koblingene våre en jevn integreringsprosess. Koblingsoversikt.
• Ved å bruke de støttede Dataflow Gen2-kontaktene kan ISV-er utnytte kraften i Fabric Data Factory til å håndtere komplekse dataflyter. Denne funksjonen er spesielt nyttig for uavhengige programvareleverandører som ønsker å effektivisere databehandling og transformasjonsoppgaver. Dataflow Gen2-kontakter i Fabric.
• For en fullstendig liste over funksjoner som støttes av Data Factory, sjekk ut denne Data Factory-bloggen.

Snarveier med flereskyer

Snarveier i OneLake samler dataene dine på tvers av domener, skyer og kontoer ved å opprette en enkelt virtuell datalake for hele virksomheten. Alle Fabric-opplevelser og analysemotorer kan direkte peke til eksisterende datakilder som OneLake i ulike leietaker, Azure Data Lake Storage (ADLS) Gen2, Amazon S3-lagringskontoer, Google Cloud Storage (GCS),S3-kompatible datakilder og Dataverse gjennom et samlet navnerom. OneLake presenterer UAVHENGIG-er med en transformativ datatilgangsløsning, som sømløst bygger bro over integrering på tvers av ulike domener og skyplattformer.

• Mer informasjon om OneLake-snarveier
• Mer informasjon om OneLake én logisk kopi
• Mer informasjon om snarveier for KQL-database

Datadeling

Datadeling gjør det mulig for Fabric-brukere å dele data på tvers av forskjellige Fabric-leiere uten å duplisere dem. Denne funksjonen forbedrer samarbeidet ved å aktivere at data deles «på stedet» fra OneLake-lagringssteder. Dataene deles som skrivebeskyttede, tilgjengelige via ulike stoffberegningsmotorer, inkludert SQL-, Spark-, KQL- og semantiske modeller. Hvis du vil bruke denne funksjonen, må Fabric-administratorer aktivere den både i deling og mottak av leiere. Prosessen inkluderer å velge data i OneLake-katalogen eller arbeidsområdet, konfigurere delingsinnstillinger og sende en invitasjon til den tiltenkte mottakeren.

• Lær mer om datadeling.

Speiling av database

Speiling i Fabric gir en enkel opplevelse for å unngå komplekse ETL (Extract Transform Load) og integrere eksisterende data i OneLake sammen med resten av dataene i Fabric. Du kan kontinuerlig replikere eksisterende data direkte inn i OneLake. I Fabric kan du låse opp kraftig forretningsintelligens, kunstig intelligens, Data Engineering, Data Science og datadelingsscenarier.

• Mer informasjon om speiling og støttede databaser.

Med åpen speiling kan et program skrive endringsdata direkte til en speilet database i Fabric. Åpen speiling er utformet for å være utvidbar, tilpassbar og åpen. Det er en kraftig funksjon som utvider speiling i Stoff basert på åpent Delta Lake bordformat. Når dataene lander i OneLake in Fabric, forenkler åpen speiling håndteringen av komplekse dataendringer, slik at alle speilede data kontinuerlig er oppdaterte og klare for analyse.

• Lær mer om åpne speiling og når du skal bruke den.

Utvikle på stoff

Med Utvikle på stoff modell ISV-er kan bygge sine produkter og tjenester på toppen av Fabric eller sømløst bygge inn Fabric funksjonalitet i sine eksisterende programmer. Det er en overgang fra grunnleggende integrering til aktivt å bruke funksjonene Fabric tilbyr. Det viktigste integrasjonsoverflateområdet er via REST API-er for ulike stoffopplevelser. Tabellen nedenfor viser et delsett av REST-API-er gruppert etter Stoff-opplevelsen. Hvis du vil ha en fullstendig liste, kan du se fabric REST API-dokumentasjonen.

Bygg en fabric-arbeidsbelastning

Bygg en Arbeidsbelastningsmodell for stoff er utformet for å gi ISV-er mulighet til å lage egendefinerte opplevelser på Fabric-plattformen. Det gir ISV-er de nødvendige verktøyene og egenskapene til å justere sine tilbud med Fabric-økosystemet, og optimaliserer kombinasjonen av deres unike verdiforslag med Fabrics omfattende evner.

Microsoft Fabric Workload Development Kit tilbyr et omfattende verktøysett for utviklere til å integrere applikasjoner i Fabric-huben. Denne integrasjonen gjør det mulig å legge til nye funksjoner direkte i et Fabric-arbeidsområde, noe som forbedrer analysereisen for brukerne. Det gir utviklere og uavhengige programvareleverandører en ny vei for å nå kunder, levere både kjente og nye opplevelser og utnytte eksisterende dataprogrammer. Fabric-administratorer kan administrere hvem som kan legge til arbeidsbelastninger i en organisasjon.

Arbeidsbelastningshub

Workload Hub i Fabric er et sentralisert grensesnitt hvor du kan utforske, administrere og få tilgang til alle tilgjengelige arbeidsbelastninger. Hver arbeidsbelastning i Fabric er knyttet til en spesifikk varetype som du kan opprette i Fabric-arbeidsområdene. Ved å navigere gjennom Workload Hub kan du enkelt oppdage og samhandle med ulike arbeidsbelastninger, noe som forbedrer dine analytiske og operative evner.

Fabric-administratorer har rett til å administrere arbeidsbelastning tilgjengelighet, noe som gjør dem tilgjengelige på tvers av hele leieren eller innenfor bestemte kapasiteter. Denne utvidelsesmuligheten sikrer at Fabric forblir en fleksibel og skalerbar plattform, slik at organisasjoner kan skreddersy arbeidsbelastningsmiljøet for å oppfylle data- og forretningskravene i utvikling. Ved å integrere sømløst med Fabrics sikkerhets- og styringsrammeverk forenkler Workload Hub arbeidsbelastningsdistribusjon og -administrasjon. Hver arbeidsbelastning leveres med en prøveopplevelse for brukere for raskt å komme i gang. Følgende er de tilgjengelige arbeidsbelastningene:

• 2TEST-: En omfattende kvalitetssikringsarbeidsbelastning som automatiserer testing og datakvalitetskontroller.

  

• Informatica Cloud-datakvalitet: La deg profilere, oppdage og fikse dataproblemer – for eksempel duplikater, manglende verdier og inkonsekvenser – direkte i Fabric-miljøet ditt.

  

• Lumel EPM: Gir forretningsbrukere mulighet til å bygge EPM-apper (Enterprise Performance Management) uten kode på toppen av de semantiske modellene.

  

• Neo4j AuraDB med grafanalyse: Lag grafmodeller fra OneLake-data, analyser og utforsk dataforbindelser visuelt, spør dataene dine, og kjør en av de 65+ innebygde algoritmene med en sømløs opplevelse i Fabric.

  

• Osmos AI Data Wrangler: Automatiserer dataforberedelser med AI-drevne data-wranglers, noe som gjør datatransformasjonen uanstrengt.

  

• Power Designer-: Et verktøy for oppretting av stiler og rapportmaler for hele firmaet, noe som forbedrer utformingen av Power BI-rapporter.

  

• Celonis Process Intelligence: Lar organisasjoner eksponere Celonis' unike dataklasse og kontekst i Fabric.

  

• Profisee Master dataadministrasjon: gir brukerne mulighet til effektivt å matche, slå sammen, standardisere, utbedre og validere data, og transformere dem til pålitelige, forbruksklare dataprodukter for analyse og AI.

  

• Quantexa Unify: Forbedrer OneLake-datakildene ved å tilby en 360-graders visning med avanserte dataoppløsningsmuligheter.

  

• SAS Decision Builder: Hjelper organisasjoner med å automatisere, optimalisere og skalere beslutningsprosessene sine.

  

• Statsig: Bringer datavisualisering og analyse direkte til lageret ditt.

  

• Teradata AI Unlimited: Kombinerer Teradatas analytiske motor med Fabric sine datastyringsmuligheter gjennom Teradatas funksjoner i databasen.

  

• SQL2Fabric-Mirroring av Striim: Fullt administrert, null-kode replikasjonsløsning som sømløst speiler lokal SQL Server data til OneLake.

  

Etter hvert som flere arbeidsbelastninger blir tilgjengelige, vil Arbeidsbelastningshuben fortsette å fungere som et dynamisk område for å oppdage nye funksjoner, slik at brukerne har verktøyene de trenger for å skalere og optimalisere sine datadrevne løsninger.