เส้นทางการรวมผ้า Microsoft สําหรับ ISV

Microsoft Fabric มีเส้นทางที่แตกต่างกันสามเส้นทางสําหรับผู้จําหน่ายซอฟต์แวร์อิสระ (ISV) เพื่อรวมเข้ากับ Fabric ได้อย่างราบรื่น สําหรับ ISV ที่เริ่มต้นการเดินทางนี้ บทความนี้จะอธิบายแหล่งข้อมูลต่างๆ ที่มีอยู่ในแต่ละเส้นทางเหล่านี้

รูปแสดงวิธีต่างๆ ในการผสานรวมกับ Fabric

การทํางานร่วมกันกับ OneLake

จุดสนใจหลักของโมเดล Interop คือการทําให้ ISV สามารถรวมโซลูชันของตนเข้ากับมูลนิธิ OneLake ในการทํางานร่วมกับ Fabric Microsoft ให้การผสานรวมผ่านตัวเชื่อมต่อจํานวนมากใน Data Factory และใน Real-Time Intelligence Microsoft ยังมี REST API สําหรับ OneLake, ทางลัดใน OneLake, การแชร์ข้อมูลระหว่างผู้เช่า Fabric และการมิเรอร์ฐานข้อมูล

รูปแสดงวิธีต่างๆ ในการทํางานร่วมกันกับ OneLake: API, Data Factory, Real-Time Intelligence, ทางลัดมัลติคลาวด์, การแชร์ข้อมูล และการมิเรอร์ฐานข้อมูล

ส่วนต่อไปนี้อธิบายวิธีการบางอย่างที่คุณสามารถเริ่มต้นใช้งานกับแบบจําลองนี้

API ของ OneLake

  • OneLake สนับสนุน Azure Data Lake Storage (ADLS) Gen2 API และ SDK ที่มีอยู่สําหรับการโต้ตอบโดยตรง ช่วยให้นักพัฒนาสามารถอ่าน เขียน และจัดการข้อมูลของพวกเขาใน OneLake ได้ เรียนรู้เพิ่มเติมเกี่ยวกับ ADLS Gen2 REST API และวิธีการเชื่อมต่อกับ OneLake
  • เนื่องจากฟังก์ชันทั้งหมดใน ADLS Gen2 ไม่สามารถแมปไปยัง OneLake โดยตรง OneLake จึงยังบังคับใช้โครงสร้างโฟลเดอร์ชุดเพื่อสนับสนุนพื้นที่ทํางานและรายการ Fabric สําหรับรายการเต็มของลักษณะการทํางานที่แตกต่างกันระหว่าง OneLake และ ADLS Gen2 เมื่อเรียกใช้ API เหล่านี้ ให้ดู พาริตี้ของ OneLake API
  • หากคุณใช้ Databricks และต้องการเชื่อมต่อกับ Fabric Databricks จะทํางานร่วมกับ ADLS Gen2 API ได้ รวม OneLake เข้ากับ Azure Databricks
  • หากต้องการใช้ประโยชน์จากสิ่งที่รูปแบบพื้นที่เก็บข้อมูล Delta Lake สามารถทําได้อย่างเต็มที่ ให้ตรวจสอบและทําความเข้าใจรูปแบบ การเพิ่มประสิทธิภาพตาราง และลําดับ V การเพิ่มประสิทธิภาพตาราง Delta Lake และลําดับ V
  • เมื่อข้อมูลอยู่ใน OneLake แล้ว ให้สํารวจภายในเครื่องโดยใช้ตัวสํารวจไฟล์ OneLake OneLake file explorer รวม OneLake เข้ากับ Windows File Explorer อย่างราบรื่น แอปพลิเคชันนี้จะซิงค์รายการ OneLake ทั้งหมดที่คุณสามารถเข้าถึงได้ใน Windows File Explorer โดยอัตโนมัติ คุณยังสามารถใช้เครื่องมืออื่น ๆ ที่เข้ากันได้กับ ADLS Gen2 เช่น Azure Storage Explorer

แผนภาพแสดงวิธีการที่ OneLake API โต้ตอบกับปริมาณงาน Fabric

API ข่าวกรองแบบเรียลไทม์

Fabric Real-Time Intelligence เป็นโซลูชันที่ครอบคลุมซึ่งออกแบบมาเพื่อสนับสนุนวงจรชีวิตทั้งหมดของข้อมูลแบบเรียลไทม์ ตั้งแต่การนําเข้าและการประมวลผลสตรีมไปจนถึงการวิเคราะห์ การแสดงผลข้อมูลด้วยภาพ และการดําเนินการ มีความสามารถในการนําเข้าข้อมูล การแปลง การคิวรี และที่เก็บข้อมูล ช่วยให้องค์กรสามารถตัดสินใจได้ทันเวลา

  • Eventstreams ช่วยให้คุณสามารถนําเหตุการณ์แบบเรียลไทม์จากแหล่งต่างๆ และกําหนดเส้นทางไปยังปลายทางต่างๆ เช่น เลคเฮาส์ ฐานข้อมูล KQL ในอีเวนต์เฮาส์ และ Fabric Activator เรียนรู้เพิ่มเติมเกี่ยวกับ eventstreams และ eventstreams API
  • คุณสามารถนําเข้าข้อมูลการสตรีมลงในสตรีมเหตุการณ์ผ่านโปรโตคอลต่างๆ รวมถึง Kafka, Event Hubs, AMQP และรายการตัวเชื่อมต่อที่เพิ่มขึ้น เรื่อยๆ ตามรายการที่นี่
  • หลังจากประมวลผลเหตุการณ์ที่นําเข้าโดยใช้ประสบการณ์แบบไม่ใช้โค้ดหรือใช้ตัวดําเนินการ SQL (พรีวิว) คุณสามารถกําหนดเส้นทางผลลัพธ์ไปยังปลายทาง Fabric หลายแห่งหรือไปยังปลายทางที่กําหนดเองได้ เรียนรู้เพิ่มเติมเกี่ยวกับปลายทางของ eventstreams ที่นี่
  • อีเวนต์เฮ้าส์ ถูกออกแบบมาสําหรับการสตรีมข้อมูล เข้ากันได้กับฮับ Real-Time และเหมาะสําหรับเหตุการณ์ตามเวลา ข้อมูลจะถูกจัดทําดัชนีและแบ่งพาร์ติชันโดยอัตโนมัติตามเวลาการนําเข้า ทําให้คุณสามารถสืบค้นเชิงวิเคราะห์ที่รวดเร็วและซับซ้อนอย่างไม่น่าเชื่อบนข้อมูลที่มีความละเอียดสูงซึ่งคุณสามารถเข้าถึงได้ใน OneLake เพื่อใช้ในชุดประสบการณ์ของ Fabric Eventhouse รองรับ API และ SDK ของอีเวนต์เฮาส์ที่มีอยู่สําหรับการโต้ตอบโดยตรง ช่วยให้นักพัฒนาสามารถอ่าน เขียน และจัดการข้อมูลของตนในอีเวนต์เฮาส์ได้ เรียนรู้เพิ่มเติมเกี่ยวกับ REST API
  • ถ้าคุณกําลังใช้ Databricks หรือ Jupyter Notebooks คุณสามารถใช้ไลบรารีไคลเอ็นต์ Kusto Python เพื่อทํางานกับฐานข้อมูล KQL ใน Fabric ได้ เรียนรู้เพิ่มเติมเกี่ยวกับ Kusto Python SDK
  • คุณสามารถใช้ตัวเชื่อมต่อ Microsoft Logic Apps, Azure Data Factory หรือ Microsoft Power Automate ที่มีอยู่เพื่อโต้ตอบกับบ้านเหตุการณ์หรือฐานข้อมูล KQL ของคุณ
  • ทางลัดฐานข้อมูลในตัวแสดง เวลาจริงเป็นการอ้างอิงแบบฝังตัวภายในเหตุการณ์ไปยังฐานข้อมูลต้นทาง ฐานข้อมูลต้นทางอาจเป็นฐานข้อมูล KQL ใน Real-Time Intelligence หรือฐานข้อมูล Azure Data Explorer ก็ได้ คุณสามารถใช้ทางลัดสําหรับการแบ่งปันข้อมูลภายในผู้เช่าเดียวกันหรือระหว่างผู้เช่า เรียนรู้เพิ่มเติมเกี่ยวกับการจัดการทางลัดฐานข้อมูลโดยใช้ API

แผนภาพแสดงวิธีการที่ API ตัวแสดงเวลาจริงโต้ตอบกับปริมาณงาน Fabric

คลังข้อมูล

  • ไปป์ไลน์มี ชุดตัวเชื่อมต่อที่กว้างขวาง ทําให้ ISV สามารถเชื่อมต่อกับที่เก็บข้อมูลมากมายได้อย่างง่ายดาย ไม่ว่าคุณจะแทรกแซงฐานข้อมูลดั้งเดิมหรือโซลูชันบนระบบคลาวด์ที่ทันสมัย ตัวเชื่อมต่อของเราจะทําให้กระบวนการผสานรวมที่ราบรื่น ภาพรวมของตัวเชื่อมต่อ
  • ด้วยการใช้ตัวเชื่อมต่อ Dataflow Gen2 ที่รองรับ ISV สามารถควบคุมพลังของ Fabric Data Factory เพื่อจัดการเวิร์กโฟลว์ข้อมูลที่ซับซ้อน คุณลักษณะนี้เป็นประโยชน์โดยเฉพาะอย่างยิ่งสําหรับ ISV ที่ต้องการปรับปรุงการประมวลผลข้อมูลและการแปลงงาน ตัวเชื่อมต่อกระแสข้อมูล Gen2 ใน Fabric
  • สําหรับรายการความสามารถทั้งหมดที่ Data Factory รองรับ โปรดดู ที่ บล็อก Data Factory นี้

สกรีนช็อตของอินเทอร์เฟซ Fabric Data Factory

ทางลัดมัลติคลาวด์

ทางลัดใน OneLake รวมข้อมูลของคุณในโดเมน ระบบคลาวด์ และบัญชีโดยการสร้างที่จัดเก็บข้อมูลดิบเสมือนเดียวสําหรับทั้งองค์กรของคุณ ประสบการณ์ Fabric และกลไกการวิเคราะห์ทั้งหมดสามารถชี้ไปยังแหล่งข้อมูลที่มีอยู่ของคุณได้โดยตรง เช่น OneLake ในผู้เช่าที่แตกต่างกัน, Azure Data Lake Storage (ADLS) Gen2, บัญชีที่เก็บข้อมูล Amazon S3, Google Cloud Storage (GCS),แหล่งข้อมูลที่เข้ากันได้กับ S3 และ Dataverse ผ่านเนมสเปซแบบรวม OneLake นําเสนอ ISV พร้อมโซลูชันการเข้าถึงข้อมูลแบบแปลงแล้วผสานรวมข้ามข้ามโดเมนและแพลตฟอร์มคลาวด์ที่หลากหลายได้อย่างราบรื่น

แผนภาพที่แสดงทางลัดมัลติคลาวด์ใน OneLake

การแชร์ข้อมูล

การแชร์ข้อมูลช่วยให้ผู้ใช้ Fabric สามารถแชร์ข้อมูลกับผู้เช่า Fabric ที่แตกต่างกันโดยไม่ต้องทําซ้ํา คุณลักษณะนี้ช่วยปรับปรุงการทํางานร่วมกัน โดยการเปิดใช้งานข้อมูลที่จะแชร์ "ในสถานที่" จากตําแหน่งที่เก็บข้อมูล OneLake ข้อมูลมีการแชร์เป็นแบบอ่านอย่างเดียวซึ่งสามารถเข้าถึงได้ผ่านกลไกการคํานวณ Fabric ต่าง ๆ รวมถึง SQL, Spark, KQL และแบบจําลองความหมาย หากต้องการใช้คุณลักษณะนี้ ผู้ดูแลระบบ Fabric ต้องเปิดใช้งานทั้งในการแชร์และการรับผู้เช่า กระบวนการนี้รวมถึงการเลือกข้อมูลภายในแค็ตตาล็อกหรือพื้นที่ทํางาน OneLake การกําหนดการตั้งค่าการแชร์ และการส่งคําเชิญไปยังผู้รับที่ต้องการ

แผนภาพที่แสดงวิธีการทํางานของกระบวนการแชร์ข้อมูลใน Fabric

การมิเรอร์ฐานข้อมูล

การมิเรอร์ใน Fabric มอบประสบการณ์ที่ง่ายดายในการหลีกเลี่ยง ETL (Extract Transform Load) ที่ซับซ้อน และรวมข้อมูลที่มีอยู่ของคุณเข้ากับ OneLake กับข้อมูลที่เหลือของคุณใน Fabric คุณสามารถทําซ้ําข้อมูลที่มีอยู่ของคุณไปยัง OneLake ได้โดยตรง ใน Fabric คุณสามารถปลดล็อกระบบธุรกิจอัจฉริยะ ปัญญาประดิษฐ์ วิศวกรรมข้อมูล วิทยาศาสตร์ข้อมูล และสถานการณ์การแชร์ข้อมูลที่มีประสิทธิภาพ

แผนภาพที่แสดงการมิเรอร์ฐานข้อมูลใน Fabric

การเปิดการมิเรอร์ช่วยให้ แอปพลิเคชันใด ๆ สามารถเขียนการเปลี่ยนแปลงข้อมูลลงในฐานข้อมูลมิเรอร์ใน Fabric ได้โดยตรง การเปิดมิเรอร์ถูกออกแบบมาเพื่อขยาย, ปรับแต่งได้และเปิด เป็นคุณลักษณะที่มีประสิทธิภาพที่ขยายมิเรอร์ใน Fabric ตามรูปแบบตาราง Delta Lake แบบเปิด เมื่อข้อมูลเข้าสู่ OneLake ใน Fabric แล้ว การเปิดมิเรอร์จะทําให้การจัดการการเปลี่ยนแปลงข้อมูลที่ซับซ้อนง่ายขึ้น ทําให้มั่นใจได้ว่าข้อมูลมิเรอร์ทั้งหมดจะอัปเดตอยู่เสมอและพร้อมสําหรับการวิเคราะห์

พัฒนาบน Fabric

แผนภาพที่แสดงวิธีการสร้างแอปบน Fabric

ด้วย ฟังก์ชันการทํางานที่ พัฒนาบน Fabric Model ISV สามารถสร้างผลิตภัณฑ์และบริการบน Fabric หรือฝังฟังก์ชันการทํางานของ Fabric ได้อย่างราบรื่นภายในแอปพลิเคชันที่มีอยู่ ซึ่งเป็นการเปลี่ยนจากการรวมพื้นฐานไปใช้ในข้อเสนอ capabilities Fabric อย่างแข็งขัน พื้นที่พื้นผิวการรวมหลักคือผ่าน REST API สําหรับประสบการณ์ Fabric ต่าง ๆ ตารางต่อไปนี้แสดงชุดย่อยของ REST API ที่จัดกลุ่มตามประสบการณ์ Fabric สําหรับรายการทั้งหมด ดูเอกสาร ประกอบ Fabric REST API

ประสบการณ์การใช้งาน Fabric API
คลังข้อมูล - คลังสินค้า
- คลังสินค้ามิเรอร์
วิศวกรรมข้อมูล - เลคเฮ้าส์
- ประกาย
- ข้อกําหนดงาน Spark
- ตาราง
- งาน
คลังข้อมูล - ไปป์ไลน์ข้อมูล
ระบบอัจฉฉริยะในเวลาจริง - อีเวนต์เฮ้าส์
- ฐานข้อมูล KQL
- ชุดแบบสอบถาม KQL
- เหตุการณ์สตรีม
วิทยาศาสตร์ข้อมูล - สมุด
- การทดลอง ML
- โมเดล ML
OneLake - ทางลัด
- API ADLS Gen2
Power BI - รายงาน
- แดชบอร์ด
- แบบจําลองแสดงความหมาย

สร้างปริมาณงาน Fabric

แผนภาพที่แสดงวิธีการสร้างปริมาณงานผ้าของคุณเอง

สร้างแบบจําลองปริมาณ งาน Fabric ได้รับการออกแบบมาเพื่อเพิ่มประสิทธิภาพ ISV เพื่อสร้างประสบการณ์การใช้งานแบบกําหนดเองบนแพลตฟอร์ม Fabric โดย ISV มีเครื่องมือและความสามารถที่จําเป็นในการจัดแนวข้อเสนอของพวกเขาด้วยระบบนิเวศ Fabric ซึ่งปรับการผสมผสานค่านิยมที่มีเอกลักษณ์ด้วยความสามารถที่ครอบคลุมของ Fabric

ชุดพัฒนาปริมาณงาน Microsoft Fabric นําเสนอชุดเครื่องมือที่ครอบคลุมสําหรับนักพัฒนาในการรวมแอปพลิเคชันเข้ากับฮับ Fabric การผสานรวมนี้ช่วยให้สามารถเพิ่มความสามารถใหม่ได้โดยตรงภายในพื้นที่ทํางาน Fabric ซึ่งช่วยเพิ่มเส้นทางการวิเคราะห์สําหรับผู้ใช้ ให้บริการนักพัฒนาซอฟต์แวร์และ ISV ที่มีแนวทางใหม่ในการเข้าถึงลูกค้า มอบประสบการณ์ที่คุ้นเคยและใหม่ และใช้ประโยชน์จากแอปพลิเคชันข้อมูลที่มีอยู่ ผู้ดูแลระบบ Fabric สามารถจัดการได้ว่าใครสามารถเพิ่มปริมาณงานในองค์กรได้

ฮับปริมาณงาน

Workload Hub ใน Fabric เป็นอินเทอร์เฟซแบบรวมศูนย์ที่คุณสามารถสํารวจ จัดการ และเข้าถึงปริมาณงานที่มีอยู่ทั้งหมดได้ ปริมาณงานแต่ละรายการใน Fabric จะเชื่อมโยงกับชนิดรายการเฉพาะที่คุณสามารถสร้างได้ภายในพื้นที่ทํางาน Fabric ด้วยการนําทางผ่าน Workload Hub คุณสามารถค้นหาและโต้ตอบกับปริมาณงานต่างๆ ได้อย่างง่ายดาย ซึ่งช่วยเพิ่มความสามารถในการวิเคราะห์และการดําเนินงานของคุณ

สกรีนช็อตแสดงฮับปริมาณงาน

ผู้ดูแลระบบผ้ามีสิทธิ์ในการจัดการความพร้อมใช้งาน ของปริมาณงาน ทําให้สามารถเข้าถึงได้ทั่วทั้งผู้เช่าหรือภายในความจุเฉพาะ ความสามารถในการเพิ่มนี้ช่วยให้แน่ใจว่า Fabric ยังคงเป็นแพลตฟอร์มที่ยืดหยุ่นและปรับขนาดได้ช่วยให้องค์กรสามารถปรับแต่งสภาพแวดล้อมของปริมาณงานเพื่อตอบสนองความต้องการด้านข้อมูลและธุรกิจที่พัฒนาขึ้น ด้วยการรวมเข้ากับเฟรมเวิร์กการรักษาความปลอดภัยและนโยบายการกํากับดูแลของ Fabric อย่างราบรื่น ทําให้การปรับใช้ปริมาณงานและการจัดการง่ายขึ้น ปริมาณงานทั้งหมดมาพร้อมกับประสบการณ์ทดลองใช้สําหรับผู้ใช้เพื่อเริ่มต้นใช้งานได้อย่างรวดเร็ว ต่อไปนี้เป็นปริมาณงานที่พร้อมใช้งาน:

  • 2TEST: ปริมาณงานประกันคุณภาพที่ครอบคลุมที่ทดสอบและตรวจสอบคุณภาพข้อมูลโดยอัตโนมัติ

    สกรีนช็อตที่แสดงปริมาณงานของ 2test

  • คุณภาพข้อมูลบนคลาวด์ของ Informatica: ให้คุณทําโปรไฟล์ ตรวจจับ และแก้ไขปัญหาข้อมูล เช่น รายการที่ซ้ํากัน ค่าที่ขาดหายไป และความไม่สอดคล้องกัน ได้โดยตรงภายในสภาพแวดล้อม Fabric ของคุณ

    ภาพหน้าจอแสดงปริมาณงานของ Informatica

  • Lumel EPM: ช่วยให้ผู้ใช้ทางธุรกิจสร้างแอป Enterprise Performance Management (EPM) แบบไม่ใช้โค้ดบนโมเดลความหมาย

    ภาพหน้าจอแสดงภาระงานของ Lumel

  • Neo4j AuraDB พร้อมการวิเคราะห์กราฟ: สร้างโมเดลกราฟจากข้อมูล OneLake วิเคราะห์และสํารวจการเชื่อมต่อข้อมูลด้วยสายตา สืบค้นข้อมูลของคุณ และเรียกใช้อัลกอริทึมในตัว 65+ รายการพร้อมประสบการณ์ที่ราบรื่นใน Fabric

    ภาพหน้าจอแสดงปริมาณงานของ Neo4j

  • Osmos AI Data Wrangler: การเตรียมข้อมูลอัตโนมัติด้วย Wranglers ข้อมูลที่ขับเคลื่อนด้วย AI ทําให้การแปลงข้อมูลทําได้ง่าย

    ภาพหน้าจอแสดงปริมาณงานของ Osmos

  • ตัวออกแบบ Power: เครื่องมือสําหรับการจัดรูปแบบทั่วทั้งบริษัทและการสร้างเทมเพลตรายงาน ปรับปรุงการออกแบบรายงาน Power BI

    สกรีนช็อตแสดงปริมาณงานของเคล็ดลับ Power BI

  • Celonis Process Intelligence: ช่วยให้องค์กรสามารถเปิดเผยคลาสข้อมูลและบริบทที่เป็นเอกลักษณ์ของ Celonis ใน Fabric

    ภาพหน้าจอแสดงภาระงานของ Celonis

  • Profisee Master การจัดการข้อมูล: ช่วยให้ผู้ใช้สามารถจับคู่ ผสาน สร้างมาตรฐาน แก้ไข และตรวจสอบความถูกต้องของข้อมูลได้อย่างมีประสิทธิภาพ

    ภาพหน้าจอแสดงปริมาณงานของ Profisee

  • Quantexa Unify: ปรับปรุงแหล่งข้อมูล OneLake โดยให้มุมมอง 360 องศาพร้อมความสามารถในการแก้ปัญหาข้อมูลขั้นสูง

    ภาพหน้าจอแสดงปริมาณงานของ Quantex

  • SAS Decision Builder: ช่วยให้องค์กรเป็นอัตโนมัติ เพิ่มประสิทธิภาพ และปรับขนาดกระบวนการตัดสินใจ

    สกรีนช็อตแสดงปริมาณงานของ SAS

  • สถิติ: นําการแสดงภาพและการวิเคราะห์ข้อมูลมาสู่คลังสินค้าของคุณโดยตรง

    สกรีนช็อตแสดงปริมาณงานของ Statsig

  • Teradata AI Unlimited: รวมเครื่องมือวิเคราะห์ของ Teradata เข้ากับความสามารถในการจัดการข้อมูลของ Fabric ผ่านฟังก์ชันในฐานข้อมูลของ Teradata

    ภาพหน้าจอแสดงปริมาณงานของ Teradata

  • SQL2Fabric-Mirroring โดย Striim: โซลูชันการจําลองแบบแบบ Zero-code ที่มีการจัดการเต็มรูปแบบ ซึ่งสะท้อนข้อมูล SQL Server ในองค์กรไปยัง OneLake ได้อย่างราบรื่น

    ภาพหน้าจอแสดงปริมาณงานของ Striim

เนื่องจากปริมาณงานจะพร้อมใช้งานมากขึ้น ฮับปริมาณงานจะยังคงทําหน้าที่เป็นพื้นที่แบบไดนามิกเพื่อค้นหาความสามารถใหม่ ๆ เพื่อให้แน่ใจว่าผู้ใช้มีเครื่องมือที่พวกเขาต้องการปรับมาตราส่วนและปรับโซลูชันที่ขับเคลื่อนด้วยข้อมูลให้เหมาะสม