Merk
Tilgang til denne siden krever autorisasjon. Du kan prøve å logge på eller endre kataloger.
Tilgang til denne siden krever autorisasjon. Du kan prøve å endre kataloger.
Fabric data engineering-agent (Project Osmos) er en autonom dataingeniørkapasitet for Microsoft Fabric. Den kjører vedvarende oppgaver som planlegger, utfører og validerer dataingeniørarbeid mot Fabric-ressurser du har tillatelse til å få tilgang til.
Fra en støttet kommandolinjeklient legger du inn et Project-resultat (en beskrivelse av den komplette ende-til-ende dataingeniøroppgaven) og velger Fabric-lakehouset som er vert for oppgaven. Project Osmos kan inspisere data, opprette og teste Spark-notatbøker, transformere data, skrive Delta-tabeller og validere resultater. Oppgaver fortsetter å kjøre i Fabric etter at den lokale klienten kobler fra.
Important
Data engineering-agenten (Project Osmos) er i forhåndsvisning. Forhåndsvisningsfunksjoner slippes med begrensede muligheter og er underlagt separate tilleggsforhåndsvisningsvilkår. De er ikke ment for produksjonsbruk, er ikke underlagt serviceavtaler, og kan være tilgjengelige kun i utvalgte regioner. For mer informasjon, se Microsoft Fabric forhåndsvisningsinformasjon.
Viktige funksjoner
Data engineering-agenten (Project Osmos) implementerer og utfører data engineering-oppgaver i en managed Fabric-oppgave. Den bruker SparkCore, vedvarende tilstand, tilgangskontroller, fremdriftssporing og validering mot måldata. Flere koordinerte agenter skaper og evaluerer flere implementeringsalternativer for å levere produksjonskvalitetsresultat.
Project Osmos legger til Fabric-spesifikke muligheter:
- Fabric-hostet utførelse: Kode- og dataoperasjoner kjøres med Fabric Spark og OneLake i stedet for kun i et lokalt utviklingsmiljø.
- Persistent oppgavetilstand: Oppgaven fortsetter å kjøre etter at den lokale klienten kobler fra og kan gjenopptas uten å starte på nytt.
- Lakehouse-kontekst: Project Osmos løser Fabric-arbeidsområdet og standard Spark-session lakehouse fra lakehouse-URL-en du oppgir.
- Operasjonelle rekkverk: Før utførelse gjennomgår du innstillinger for tillatelser, skriver sikkerhet, kjører på nytt, skjemautvikling, artefakter og resonnement.
- Integrert validering: Oppgaven kan kjøre generert kode og sjekke radantall, nulltall, skjemaer og andre suksesskriterier i målmiljøet.
- Delt synlighet: Alle som har tilgang til innsjøhuset hvor du startet oppgaven kan følge fremdriften og gi innspill om nødvendig.
Disse funksjonene gjør et Project-resultat til en administrert enhet for dataingeniørarbeid i stedet for et midlertidig chat-svar.
Hvordan data engineering-agent (Project Osmos) fungerer
Project Osmos bruker en administrert livssyklus for hver dataingeniøroppgave:
- Definer: Project-resultatet identifiserer den komplette ende-til-ende dataingeniøroppgaven, og lakehouse-URL-en identifiserer Fabric lakehouse som er vert for det.
- Plan: Project Osmos analyserer tilgjengelig kontekst og anbefaler driftsinnstillinger for gjennomgang.
- Utfør: Oppgaven kjører i Fabric og kan lage, teste og forbedre data engineering-artefakter.
- Valider: Oppgaven sjekker sine resultater mot de spesifiserte suksesskriteriene og rapporterer resultatene.
- Overvåk: Oppgaven er fortsatt tilgjengelig fra kommandolinjeklienten og Lakehouse-oppgaveopplevelsen.
Det valgte innsjøhuset er standard innsjøhus for Spark-økten. Det er ikke automatisk den eneste kilden eller destinasjonen. Ditt Project-resultat, Fabric-tillatelser og gjennomgåtte driftsinnstillinger bestemmer oppgavens omfang.
For steg for å lage din første oppgave, se Kom i gang med Project Osmos.
Velg et passende bruksområde
Project Osmos er designet for resultatorientert dataingeniørarbeid som drar nytte av autonom planlegging, gjennomføring og validering.
| Brukstilfelle | Eksempel på utfall |
|---|---|
| Dataforberedelse | Rens salgsfiler, standardiser typer, fjern ugyldige rader, og skriv en validert Delta-tabell. |
| Tabellintegrasjon | Slå sammen bestillinger, kunder og produktdata, og lag deretter en kuratert tabell for nedstrøms analyse. |
| Lakehouse-modernisering | Konverter en eksisterende transformasjon til Spark, lag en testet notatbok, og valider det nye resultatet. |
| Medaljongarkitektur | Bygg bronse-, sølv- og gulltransformasjoner fra kildefiler som én komplett oppgave. |
| Datakvalitetsutbedring | Profiler en tabell, identifiser kvalitetsproblemer, bruk godkjente løsninger, og rapporter før- og etter-målinger. |
| Ytelsesforbedring | Gjennomgå Delta-tabeller, anbefale partisjonerings- eller layoutendringer, implementere godkjente endringer og måle resultater. |
| Hjelp til overføring | Forvandle legacy-ekstrakter til en Fabric-klar modell samtidig som forretningsregler bevares og totaler valideres. |
Project Osmos er bygget for å løse utfordringer innen dataingeniørkunst. Den er ikke ment for en rask forespørsel, en endring i Power BI-rapport, eller andre ikke-data engineering-oppgaver.
Arbeid på tvers av CLI og Fabric
Project Osmos bruker to sammenkoblede opplevelser. Du oppretter og styrer oppgaver fra kommandolinjen din og ser fremdriften i Fabric-applikasjonen:
- Kommandolinjeerfaring: Bruk GitHub Copilot CLI, Codex eller Claude Code for å opprette en oppgave, legge inn et Project-resultat, gjennomgå driftsinnstillinger og sende oppfølgingsveiledning.
- Fabric lakehouse-opplevelse: Bla gjennom lakehouse-oppgavene, sjekk status, åpne en oppgave, gjennomgå aktivitet og feil, og inspiser produserte resultater.
Begge opplevelsene refererer til samme Fabric-hostede oppgave og oppgave-ID.