Observação
O acesso a essa página exige autorização. Você pode tentar entrar ou alterar diretórios.
O acesso a essa página exige autorização. Você pode tentar alterar os diretórios.
Uma casa de lago em Fabric combina a escalabilidade de um data lake com as capacidades de consulta de um depósito. Você armazena dados estruturados e não estruturados em um único local, gerencia-os com o Delta Lake e os analisa com o Apache Spark e o SQL , tudo sem mover dados entre sistemas. Com atalhos no OneLake e compartilhamento de dados entre inquilinos, você também pode acessar dados governados de fontes externas e outras organizações sem duplicação.
Uma casa de lago lhe dá:
- Uma cópia de dados para cargas de trabalho de engenharia e análise de dados
- Formato Delta Lake para transações ACID, imposição de esquema e viagem no tempo
- Acesso Spark e SQL para que os engenheiros de dados usem blocos de notas digitais enquanto analistas usam T-SQL.
- Integração interna com Power BI, pipelines, fluxos de dados e outros itens Fabric
Casa do lago vs. armazém
As principais diferenças entre uma casa de lago e um depósito em Fabric se resumem às suas ferramentas de desenvolvimento preferidas, tipos de dados e padrões de carga de trabalho. Ambos compartilham o mesmo mecanismo SQL e armazenam dados no formato Delta no OneLake, mas eles são projetados para cenários diferentes:
| Lakehouse | Depósito | |
|---|---|---|
| Ferramenta de desenvolvimento primário | Apache Spark (Python, Scala, SQL, R) | T-SQL |
| Tipos de dados | Estruturado e não estruturado | Estruturado |
| Transações em várias tabelas | Não | Yes |
| Ingestão de dados | notebooks, pipelines, fluxos de dados, atalhos no OneLake (acesso ao vivo sem cópia) | T-SQL (COPY INTO, INSERT, CTAS), pipelines |
| Mais adequado para | Engenharia de dados, ciência de dados, arquiteturas de medalhão | Relatórios de BI, modelagem dimensional, equipes orientadas por SQL |
Você pode usar ambos no mesmo workspace, por exemplo, carregar e transformar dados em um lakehouse com Spark e expor conjuntos de dados tratados para um data warehouse para relatórios baseados em SQL. Para orientações detalhadas, veja Escolha entre armazém e casa do lago.
Trabalhar com dados do lakehouse
Você pode carregar, transformar e consultar dados em um lakehouse usando várias ferramentas do Fabric.
Atalhos no OneLake — Acesse dados de fontes externas (incluindo outros inquilinos por meio de compartilhamento de dados entre locatários) sem copiá-los para a casa do lago. Os atalhos fornecem referências vivas, somente leitura, a dados operacionais e analíticos no OneLake. Veja os atalhos no OneLake.
Lakehouse Explorer – Procure tabelas e arquivos, carregue dados e gerencie metadados diretamente no navegador. Você pode alternar entre a visualização de tabela e a visualização de arquivo e adicionar várias lakehouses ao explorador. Veja Navegue o explorador da Casa do Lago.
Gerenciador de consultas SQL do Spark – execute consultas SQL do Spark diretamente dentro do Gerenciador do Lakehouse sem sair do contexto de trabalho. O explorador de consultas oferece suporte a IntelliSense, abas dinâmicas, consultas entre esquemas e entre lakehouses, visualização de gráficos embutida e criação de views. Consulte os dados de consulta com o Gerenciador de Consultas SQL do Spark.
Notebooks — escreva código Spark (Python, Scala, SQL, R) para ler, transformar e gravar dados em tabelas e pastas do Lakehouse. Consulte Explorar dados com um notebook e carregar dados com um notebook.
Pipelines – Use a atividade de cópia e outras ferramentas de integração de dados para extrair dados de fontes externas para o lakehouse. Consulte Copiar dados usando a atividade de cópia.
Spark job definitions — Execute aplicativos Spark compilados em Java, Scala ou Python para ETL de nível de produção. Veja o que é uma definição de trabalho do Apache Spark?
Fluxos de dados Gen 2 – Ingerir e preparar dados com uma interface visual de baixo código. Consulte Criar seu primeiro fluxo de dados.
Para uma comparação completa das opções de ingestão, veja Opções para transferir dados para a casa do lago.
Analise seus dados do lakehouse com o mecanismo que você preferir
A faixa de opções do lakehouse inclui um menu suspenso Analisar dados com que permite abrir seus dados em diferentes ambientes de análise diretamente do lakehouse:
| Opção | Description |
|---|---|
| Endpoint analítico do SQL | Consultar tabelas Delta com T-SQL em um editor somente para leitura. Consulte o endpoint de análise SQL. |
| Ponto de extremidade do Eventhouse | Execute consultas KQL para análise de alto desempenho e em tempo real. Consulte o endpoint do Eventhouse. |
| Notebook (Novo/Existente) | Abra um bloco de anotações do Spark para explorar ou transformar dados com código. Consulte Explorar dados com um notebook. |
Para detalhes sobre cada opção e onde encontrar o menu suspenso, veja Navegar pelo explorador da Casa do Lago.
Ponto de extremidade de análise SQL do Lakehouse
Quando você cria um lakehouse, o Fabric automaticamente gera um endpoint de análise SQL. Este endpoint permite:
- Consultar tabelas Delta com T-SQL — Use uma sintaxe SQL familiar sem configurar um armazém de dados separado.
- Conectar diretamente o Power BI — Crie um modelo semântico do Power BI para criar relatórios com base nos dados do seu lakehouse.
- Compartilhar acesso somente leitura — analistas e construtores de relatórios podem consultar os dados sem afetar as cargas de trabalho do Spark.
O endpoint de análise SQL é somente leitura e não suporta toda a superfície T-SQL de um warehouse. Use-o para exploração, relatórios e consultas ad hoc.
Nota
Desde 5 de setembro de 2025, os modelos semânticos padrão não são mais criados automaticamente quando você cria uma lakehouse. Os modelos semânticos padrão existentes foram dissociados de seus itens pai em 30 de novembro de 2025 e se tornaram modelos semânticos independentes. Para mais informações, veja Modelos semânticos do Power BI no Fabric.
Nota
Apenas tabelas Delta aparecem no endpoint de análise SQL. Isso inclui tabelas Delta acessadas por atalhos no OneLake, que são visíveis e consultáveis junto com tabelas armazenadas localmente. Parquet, CSV e outros formatos não podem ser consultados por meio deste endpoint. Se você não vir sua tabela, converta-a no formato Delta.
Descoberta e registro automático de tabela
Um lakehouse organiza dados em duas pastas de nível superior: tabelas para tabelas Delta gerenciadas e arquivos para dados não estruturados ou não Delta. Quando você coloca um arquivo na pasta Tables, Fabric automaticamente:
- Valida o arquivo em formatos com suporte (somente tabelas Delta no momento).
- Extrai metadados — nomes de coluna, tipos de dados, compactação e particionamento.
- Registra a tabela no metastore para que você possa consultá-la imediatamente com Spark SQL ou T-SQL.
Essa experiência gerenciada de arquivo para tabela significa que você não precisa gravar CREATE TABLE instruções manualmente para os dados que você insere na área gerenciada.
Multitarefa com lakehouse
O lakehouse usa um design de abas de navegador que permite abrir e alternar entre diversos elementos sem perder a posição.
Preservar operações em execução: O carregamento e envio de dados continuam em execução quando você alterna para uma guia diferente.
Mantenha seu contexto: Tabelas, arquivos e objetos selecionados permanecem abertos quando você navega entre guias.
Recarregamento de lista sem bloqueio: A lista de arquivos e tabelas é atualizada em segundo plano sem bloquear seu trabalho.
Notificações Toast com escopo: As notificações identificam de qual lakehouse vieram, para que você possa acompanhar as atualizações entre abas.
Projeto de casa de lago acessível
O lakehouse dá suporte a tecnologias adaptativas e padrões de interação acessíveis:
- Compatibilidade do leitor de tela: Funciona com leitores de tela populares para navegação e interação.
- Texto alternativo para imagens: Todas as imagens incluem texto alt descritivo.
- Campos de formulário rotulados: Todos os campos de formulário têm rótulos associados para usuários de leitor de tela e teclado.
- Fluxo de texto: Layout responsivo que se adapta a diferentes tamanhos de tela e orientações.
- Navegação por teclado: Suporte completo de teclado para navegar na lakehouse sem um mouse.