Nota
O acesso a esta página requer autorização. Pode tentar iniciar sessão ou alterar os diretórios.
O acesso a esta página requer autorização. Pode tentar alterar os diretórios.
Uma casa de lago no Fabric combina a escalabilidade de um data lake com as capacidades de consulta de um armazém. Armazena dados estruturados e não estruturados num único local, gere-os com Delta Lake e analisa-os tanto com Apache Spark como SQL — tudo isto sem mover dados entre sistemas. Com atalhos no OneLake e partilha de dados entre inquilinos, também pode aceder a dados regulados de fontes externas e outras organizações sem duplicação.
Uma casa de lago dá-lhe:
- Uma cópia de dados para cargas de trabalho de engenharia de dados e análises
- Formato Delta Lake para transações ACID, aplicação de esquemas e viagens no tempo
- Acesso ao Spark e SQL , por isso os engenheiros de dados usam cadernos enquanto os analistas usam T-SQL
- Integração incorporada 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 armazém em Fabric resumem-se às suas ferramentas de desenvolvimento preferidas, tipos de dados e padrões de carga de trabalho. Ambos partilham o mesmo motor SQL e armazenam dados no formato Delta no OneLake, mas são concebidos para cenários diferentes:
| Lakehouse | Armazém | |
|---|---|---|
| Ferramenta primária de desenvolvimento | Apache Spark (Python, Scala, SQL, R) | T-SQL |
| Tipos de dados | Estruturado e não estruturado | Estruturado |
| Transações de múltiplas tabelas | Não | Yes |
| Ingestão de dados | cadernos, pipelines, fluxos de dados, atalhos no OneLake (acesso em tempo real sem cópia) | T-SQL (COPY INTO, INSERT, CTAS), fluxos de trabalho |
| Melhor para | Engenharia de dados, ciência de dados, arquiteturas medallion. | Relatórios BI, modelação dimensional, equipas que priorizam SQL |
Pode usar ambos no mesmo espaço de trabalho — por exemplo, carregar e transformar dados num data lakehouse com o Spark, e depois tornar conjuntos de dados selecionados disponíveis a um armazém de dados para relatórios SQL. Para orientações detalhadas, consulte Escolha entre armazém e casa do lago.
Trabalhar com dados de lakehouse
Pode carregar, transformar e consultar dados numa casa de lago através de várias ferramentas Fabric:
Atalhos no OneLake — Aceda a dados de fontes externas (incluindo outros inquilinos através da partilha de dados entre inquilinos) sem os copiar para a casa do lago. Os atalhos fornecem referências em tempo real, apenas de leitura, a dados operacionais e analíticos em toda a OneLake. Veja atalhos no OneLake.
Lakehouse explorer — Navegue por tabelas e ficheiros, carregue dados e gere os metadados diretamente no navegador. Podes alternar entre a vista de tabela e a vista de ficheiro e adicionar várias casas de lago ao explorador. Veja Navegue o explorador da casa do lago.
Explorador de consultas SQL Spark — Execute consultas SQL Spark diretamente dentro do explorador Lakehouse, sem sair do seu contexto de trabalho. O explorador de consultas suporta IntelliSense, separadores dinâmicos, consultas cross-schema e cross-lakehouse, visualização de gráficos inline e criação de vistas. Veja Consultar dados com o explorador de consultas SQL do Spark.
Notebooks — Escrever código Spark (Python, Scala, SQL, R) para ler, transformar e escrever dados em tabelas e pastas do lakehouse. Veja Explorar dados com um caderno e Carregar dados com um caderno.
Pipelines — Utilize a atividade de cópia e outras ferramentas de integração de dados para extrair dados de fontes externas para o repositório. Ver Copiar dados usando a atividade de cópia.
Definições de trabalho Spark — Executar aplicações compiladas do Spark em Java, Scala ou Python para ETL de grau de produção. Veja: Qual é a definição de um emprego no Apache Spark?
Dataflows Gen 2 — Ingerir e preparar dados com uma interface visual low-code. Veja Criar o seu primeiro fluxo de dados.
Para uma comparação completa das opções de ingestão, consulte Opções para obter dados na casa do lago.
Analise os dados do seu lakehouse com o motor à sua escolha
A fita da casa do lago inclui um menu suspenso de Análise de dados que lhe permite abrir os seus dados em diferentes experiências de análise diretamente a partir da casa do lago:
| Option | Descrição |
|---|---|
| SQL analytics endpoint | Consulta tabelas Delta com T-SQL num editor de apenas leitura. Veja endpoint de análise SQL. |
| Ponto final Eventhouse | Execute consultas KQL para análises de alto desempenho e em tempo real. Ver ponto final do Eventhouse. |
| Portátil (Novo / Existente) | Abra um caderno Spark para explorar ou transformar dados com código. Veja : Explorar dados com um caderno. |
Para detalhes sobre cada opção e onde encontrar o menu suspenso, consulte Navegar pelo explorador da Casa do Lago.
Ponto de extremidade para análises SQL no Lakehouse
Quando crias um lakehouse, o Fabric gera automaticamente um endpoint de análise SQL. Este endpoint permite-lhe:
- Consultar tabelas Delta com T-SQL — Utilize uma sintaxe SQL familiar sem a necessidade de configurar um armazém de dados separado.
- Conecte o Power BI diretamente — Crie um modelo semântico do Power BI para desenvolver relatórios sobre os dados do seu lakehouse.
- Partilhar acesso apenas de leitura — Analistas e construtores de relatórios podem consultar os dados sem afetar as cargas de trabalho do Spark.
O endpoint de análise SQL é apenas de leitura e não suporta toda a superfície T-SQL de um armazém. Use-o para exploração, relatórios e consultas ad hoc.
Observação
Desde 5 de setembro de 2025, os modelos semânticos padrão deixaram de ser criados automaticamente quando se cria uma casa no lago. Os modelos semânticos predefinidos existentes foram desacoplados dos seus itens pais até 30 de novembro de 2025 e tornaram-se modelos semânticos independentes. Para mais informações, consulte Modelos semânticos do Power BI no Fabric.
Observação
Apenas as tabelas Delta aparecem no endpoint de análise SQL. Isto inclui tabelas Delta acedidas através de atalhos no OneLake, que são visíveis e consultáveis juntamente com tabelas armazenadas localmente. Parquet, CSV e outros formatos não podem ser interrogados através deste endpoint. Se não vires a tua tabela, converte-a para o formato Delta.
Descoberta e registro automáticos de tabelas
Um lakehouse organiza os dados em duas pastas principais: Tabelas para tabelas Delta geridas automaticamente e Ficheiros para dados não estruturados ou não-Delta. Quando colocas um ficheiro na pasta Tables, Fabric automaticamente:
- Valida o ficheiro contra formatos suportados (atualmente apenas tabelas Delta).
- Extrai metadados — nomes de colunas, tipos de dados, compressão e particionamento.
- Regista a tabela na metastore para que possas consultá-la imediatamente com o Spark SQL ou T-SQL.
Esta experiência gerida de ficheiro para tabela significa que não precisa de escrever CREATE TABLE instruções manualmente para os dados que coloca na área gerida.
Multitarefa com lakehouse
O lakehouse utiliza um design de abas de navegador que permite abrir e alternar entre vários itens sem perder o lugar.
Manter as operações em funcionamento: As cargas e uploads de dados continuam a correr quando mudas para outro separador.
Retenha o seu contexto: Tabelas, ficheiros e objetos selecionados mantêm-se abertos quando navega entre separadores.
Recarregamento da lista sem bloqueio: A lista de ficheiros e tabelas é atualizada em segundo plano, sem interromper o seu trabalho.
Notificações com escopo: As notificações de aviso tipo toast identificam de que lakehouse vieram, para que possas acompanhar as atualizações entre os separadores.
Design acessível da casa do lago
A casa do lago suporta tecnologias assistivas e padrões de interação acessíveis:
- Compatibilidade com leitores de ecrã: Funciona com leitores de ecrã populares para navegação e interação.
- Texto alternativo para imagens: Todas as imagens incluem texto alternativo descritivo.
- Campos de formulário rotulados: Todos os campos de formulário têm etiquetas associadas para utilizadores de leitores de ecrã e teclado.
- Refluxo de texto: Layout responsivo que se adapta a diferentes tamanhos e orientações de ecrã.
- Navegação com teclado: Suporte total de teclado para navegar pela casa do lago sem rato.