รูปแบบและความสามารถพื้นฐานของ Microsoft OneLake

บทความนี้แนะนํารูปแบบ OneLake ทั่วไปและความสามารถของแพลตฟอร์มที่คุณสามารถใช้เพื่อนําไปใช้ ใช้ข้อมูลในบทความนี้เพื่อคิดว่าคุณต้องการจัดระเบียบสภาพแวดล้อมข้อมูลอย่างไร จากนั้นเลือกรูปแบบที่เหมาะสมกับความต้องการทางธุรกิจ เทคนิค และการกํากับดูแลของคุณ

แต่ละรูปแบบจะอธิบายวิธีการจัดระเบียบข้อมูลและความเป็นเจ้าของเพื่อบรรลุเป้าหมายทางสถาปัตยกรรมเฉพาะ เพื่อดําเนินการตามรูปแบบ คุณต้องผสมผสาน ความสามารถพื้นฐานของ OneLake หนึ่งหรือมากกว่า ได้แก่ การจําลองข้อมูล การทํางานร่วมกันของข้อมูลแบบเปิด การกํากับดูแลแบบรวมศูนย์ และการวิเคราะห์และ AI แบบบูรณาการ แต่ละความสามารถจะขึ้นอยู่กับ ฟีเจอร์เฉพาะของผลิตภัณฑ์ เช่น ทางลัด การมิเรอร์ ความปลอดภัยของ OneLake และโหมด Direct Lake ความสามารถและฟีเจอร์เดียวกันมักปรากฏในหลายรูปแบบ

พิจารณาแพทเทิร์นทั้งห้านี้เป็นองค์ประกอบสําหรับการออกแบบ OneLake ของคุณ สภาพแวดล้อมส่วนใหญ่จะรวมกันมากกว่าหนึ่งอย่าง เลือกรูปแบบที่ตรงกับเป้าหมายของคุณ:

• การเข้าถึงข้อมูลแบบรวมศูนย์ด้วยการจําลองข้อมูลน้อยที่สุด - ใช้ OneLake เพื่อเปิดเผยข้อมูลจากหลายระบบต้นทางโดยไม่ต้องคัดลอกข้อมูล
• สถาปัตยกรรมเหรียญ (บรอนซ์, เงิน, ทอง) - จัดระเบียบข้อมูลให้ไหลผ่านสามชั้นคุณภาพ ตั้งแต่การนําเข้าดิบจนถึงข้อมูลที่พร้อมสําหรับธุรกิจที่ได้รับการรับรอง
• เครือข่ายข้อมูลที่เน้นโดเมนบนแพลตฟอร์มที่ใช้ร่วมกัน - ช่วยให้โดเมนธุรกิจสามารถเป็นเจ้าของและเผยแพร่ผลิตภัณฑ์ข้อมูลของตนเองบนพื้นฐานเดียวที่มีการกํากับดูแล
• การรวมแพลตฟอร์มสําหรับการวิเคราะห์และ AI - กําหนดค่างานวิเคราะห์ วิทยาศาสตร์ข้อมูล และ AI ให้ทํางานบนสําเนาข้อมูลเดียว
• การแบ่งปันข้อมูลภายนอกระหว่างองค์กร - ให้พันธมิตรและลูกค้าเข้าถึงข้อมูล OneLake โดยไม่ต้องส่งออกหรือทําสําเนาซ้ํา

การเข้าถึงข้อมูลแบบรวมศูนย์ด้วยการจําลองข้อมูลน้อยที่สุด

หากข้อมูลของคุณกระจายอยู่หลายคลาวด์ ระบบภายในองค์กร หรือทะเลสาบภายนอก การคัดลอกข้อมูลทั้งหมดไปยังที่เดียวอาจไม่สะดวก หรืออาจไม่สามารถทําได้ด้วยซ้ํา การเข้าถึงข้อมูลแบบรวมศูนย์ที่มีรูปแบบการทําซ้ําน้อยที่สุดจะมอง OneLake เป็นชั้นข้อมูลเชิงตรรกะเดียวในแหล่งข้อมูลเหล่านั้น แทนที่จะสร้าง ingest pipeline สําหรับทุกแหล่งข้อมูล คุณใช้ทางลัดเพื่ออ้างอิงข้อมูลที่มีอยู่และมิเรอร์เมื่อต้องการสําเนาที่ซิงโครไนซ์และปรับแต่งสําหรับการค้นหา

ใช้รูปแบบนี้เมื่อ:

• ข้อมูลของคุณกระจายอยู่บนคลาวด์หลายแห่ง ระบบภายในองค์กร หรือทะเลสาบภายนอก
• การคัดลอกข้อมูลไปยังที่เก็บข้อมูลกลางจะสร้างพื้นที่จัดเก็บที่มากเกินไป ความหน่วงเวลา หรือภาระการปฏิบัติตามข้อกําหนด
• คุณต้องเริ่มใช้งานซอร์สโค้ดใหม่อย่างรวดเร็วโดยไม่ต้องสร้างท่อ extract, transform, load (ETL) ทั้งหมด
• คุณต้องการรักษาการลงทุนในฐานข้อมูล คลังสินค้า และคลังสินค้าที่มีอยู่

ใช้การเข้าถึงข้อมูลแบบรวมศูนย์

เพื่อนํารูปแบบนี้ไปปฏิบัติ ให้เริ่มจากสองวิธีหลักในการเข้าถึงข้อมูลที่ไม่ต้องสร้างหรือควบคุมกระบวนการเคลื่อนย้ายข้อมูล: virtualization ทําให้ข้อมูลต้นทางพร้อมใช้งานผ่าน OneLake โดยไม่ต้องคัดลอก และ zero-ETL mirroring นําสําเนาที่จัดการโดยแพลตฟอร์มและซิงโครไนซ์มาสู่ OneLake ในรูปแบบตาราง Delta ที่พร้อมสําหรับการวิเคราะห์ ใช้เครื่องมือเคลื่อนย้ายข้อมูล Fabric เฉพาะเมื่อวิธีการเหล่านี้ไม่รองรับแหล่งที่มาหรือไม่ตรงกับความต้องการของคุณ สําหรับคําแนะนําเพิ่มเติมเกี่ยวกับการเลือกและรวมวิธีการเหล่านี้ โปรดดูที่ Unify data with OneLake shortcuts and mirroring

1. ตรวจสอบแหล่งข้อมูลของคุณเพื่อกําหนดว่าแหล่งข้อมูลใดที่ OneLake สามารถเข้าถึงได้ผ่านการจําลองเสมือนหรือการมิเรอร์แบบ zero-ETL ได้แก่ การจัดเก็บวัตถุบนคลาวด์ แคตตาล็อกภายนอก ฐานข้อมูลปฏิบัติการ และ Dataverse แจ้งแหล่งข้อมูลที่เหลือว่าต้องการวิธีการเคลื่อนย้ายข้อมูล

2. เลือกเทคนิคการเข้าถึงข้อมูลที่เหมาะสมสําหรับแต่ละแหล่งที่รองรับ ควรเลือกการจําลองเสมือนเมื่อแหล่งที่มารองรับการเข้าถึงแบบไม่ต้องคัดลอก ใช้การมิเรอร์แบบ zero-ETL เมื่อแหล่งข้อมูลต้องการสําเนาที่ซิงโครไนซ์และปรับแต่งสําหรับคําสั่งค้นหา:

1. แปลงข้อมูลต้นทางเมื่อจําเป็น การแปลงทางลัดสามารถประมวลผลไฟล์ที่รองรับซึ่งเปิดเผยผ่านทางลัด ไม่ว่าจะเก็บไฟล์ไว้ภายนอกหรืออยู่ใน OneLake แล้ว ใช้การ แปลงไฟล์ทางลัด เพื่อแปลงไฟล์ที่มีโครงสร้างเป็นตาราง Delta หรือใช้การ แปลง AI ทางลัด เพื่อประมวลผลข้อความที่ไม่มีโครงสร้าง การแปลงทางลัดจะสร้างผลลัพธ์ Delta ที่แปลงแล้วและทําให้ข้อมูลนั้นซิงค์กับข้อมูลที่ทางลัดอ้างอิง

2. ใช้เครื่องมือเคลื่อนย้ายข้อมูล Fabric เมื่อการจําลองเสมือนและการมิเรอร์ไม่รองรับซอร์สโค้ด หรือเมื่อคุณต้องการการแปลงที่ซับซ้อน การจัดออร์เคสตรา การตั้งเวลาการเคลื่อนย้าย หรือการสตรีมข้อมูล สําหรับความช่วยเหลือในการเลือกระหว่าง pipeline, dataflows, งานคัดลอก และ eventstream ดูที่ การเลือกกลยุทธ์การเคลื่อนย้ายข้อมูล

เมื่อคุณเลือกการย้ายข้อมูล ให้ส่งข้อมูลที่คัดลอกในรูปแบบตารางเปิด เช่น Delta Parquet หรือ Iceberg การมิเรอร์และการแปลงทางลัดจะสร้างผลลัพธ์ Delta อยู่แล้ว การใช้รูปแบบเปิดช่วยให้ข้อมูลเสมือนจริง สําเนาที่ซิงโครไนซ์ และผลลัพธ์ Delta ที่แปลงแล้วสามารถอ่านได้โดยเอนจิน Fabric และแพลตฟอร์มภายนอก

1. บันทึกเหตุผลทุกครั้งที่คุณสร้างสําเนาที่ซิงโครไนซ์ ผลลัพธ์ Delta ที่แปลงแล้ว หรือสําเนาผ่านเครื่องมือเคลื่อนย้ายข้อมูล Fabric บันทึกนี้ช่วยให้การตัดสินใจสามารถตรวจสอบได้ สร้างสําเนาเฉพาะเมื่อแหล่งข้อมูลต้องการเลย์เอาต์ที่ปรับแต่งเพื่อการสืบค้นทางกายภาพ หรือไม่สามารถตอบสนองความต้องการความสดใหม่ ต้นทุนการแปลง การปฏิบัติตามข้อกําหนด หรือการประมวลผลของคุณในรูปแบบเสมือนจริง

2. นําความปลอดภัยของ OneLake ไปใช้กับข้อมูลที่เปิดเผยผ่าน OneLake เพื่อให้นโยบายเดียวกันครอบคลุมข้อมูลเสมือน สําเนาที่ซิงโครไนซ์ และผลลัพธ์ Delta ที่แปลงแล้ว

3. รับรองและอธิบายรายการข้อมูลที่ได้ใน แคตตาล็อก OneLake เพื่อให้ผู้บริโภคสามารถค้นหาและไว้วางใจได้

ความสามารถในการเข้าถึงข้อมูลแบบรวมศูนย์

• การจําลองข้อมูลและการมิเรอร์แบบ zero-ETL - เปิดเผยข้อมูลที่อยู่ในระบบและคลาวด์อื่นผ่านการอ้างอิงแบบไม่ต้องคัดลอกหรือสําเนาที่ซิงโครไนซ์และพร้อมสําหรับการวิเคราะห์ คุณสมบัติ:
  • ทางลัด ช่วยให้ข้อมูลต้นทางพร้อมใช้งานใน OneLake โดยไม่ต้องคัดลอก
  • การมิเรอร์เมตาดาต้าจะซิงโครไนซ์เมตาดาต้าแคตตาล็อกภายนอกและเข้าถึงข้อมูลต้นทางผ่านทางลัด
  • การแปลงไฟล์ทางลัดและการแปลง AI แบบทางลัดจะเปลี่ยนข้อมูลต้นทางให้เป็นผลลัพธ์ Delta ที่ซิงโครไนซ์
• การกํากับดูแลแบบรวมศูนย์ - ใช้ความปลอดภัยและการค้นหาที่สม่ําเสมอกับแหล่งข้อมูลเสมือน เช่นเดียวกับข้อมูลต้นฉบับของ OneLake คุณสมบัติ:
  • ความปลอดภัยของ OneLake และ โมเดลการควบคุมการเข้าถึงข้อมูล ใช้นโยบายการเข้าถึงที่สอดคล้องกันกับข้อมูลใน OneLake
  • แคตตาล็อก OneLake สนับสนุนการค้นหาและการรับรอง
• การทํางานร่วมกันของข้อมูลแบบเปิด - รักษาข้อมูลเสมือนและสําเนาที่จัดการโดยแพลตฟอร์มให้สามารถอ่านได้ทั้งโดยเอนจิน Fabric และแพลตฟอร์มภายนอก คุณสมบัติ:
  • ตาราง Iceberg ใน OneLake ทําให้ข้อมูล Iceberg พร้อมใช้งานสําหรับ Fabric และเครื่องยนต์ภายนอก
  • Delta Parquet เป็นรูปแบบตารางเปิดสําหรับจัดเก็บข้อมูลที่พร้อมใช้งานสําหรับการวิเคราะห์
  • การเข้าถึงและ API ของ OneLake ช่วยให้แอปพลิเคชันและเครื่องมือภายนอกเข้าถึงข้อมูล OneLake ได้

สถาปัตยกรรมเหรียญ (บรอนซ์, เงิน, ทอง)

การทําให้ข้อมูลพร้อมใช้งานใน OneLake เป็นเพียงก้าวแรกเท่านั้น ข้อมูลดิบจากระบบต้นทางมักไม่ปลอดภัยสําหรับใช้โดยตรงสําหรับการวิเคราะห์หรือ AI มักจะมีข้อมูลซ้ํา ข้อผิดพลาด รูปแบบไม่สอดคล้องกัน หรือฟิลด์ที่ละเอียดอ่อน เมื่อหลายทีมสร้างจากแหล่งข้อมูลเดียวกัน พวกเขาจําเป็นต้องมีคํานิยามร่วมกันว่าแต่ละขั้นตอนของข้อมูลได้รับความไว้วางใจในเรื่องใด

รูปแบบ สถาปัตยกรรม เหรียญนี้จัดระเบียบข้อมูลใน OneLake ออกเป็นสามชั้นคุณภาพ: บรอนซ์สําหรับข้อมูลต้นทางดิบที่เปลี่ยนแปลงไม่ได้; เงินสําหรับข้อมูลที่ผ่านการทําความสะอาดและปรับรูป; และสีทองสําหรับตารางและโมเดลเชิงความหมายที่ได้รับการรับรองและพร้อมใช้งานสําหรับธุรกิจ แต่ละชั้นเป็นขั้นตอนที่กําหนดไว้ซึ่งผู้บริโภคปลายน้ําสามารถไว้วางใจได้ ตารางเงินและสีทองสามารถนํากลับมาใช้ใหม่ได้ทั้งใน BI, การวิเคราะห์ และงาน AI ดังนั้นทีมจึงไม่ต้องสร้างตรรกะการทําความสะอาดหรือการสร้างแบบจําลองซ้ําในเครื่องมือแยกกัน

ใช้รูปแบบนี้เมื่อ:

• หลายทีมสร้างจากข้อมูลต้นทางเดียวกันและต้องการคุณภาพที่สม่ําเสมอ
• คุณต้องมีสายสืบทอดที่ตรวจสอบย้อนกลับได้ตั้งแต่ข้อมูลดิบจนถึงผลลัพธ์ที่ได้รับการรับรอง
• คุณต้องมีสัญญาที่ชัดเจนระหว่างฝ่ายวิศวกรรมข้อมูลกับผู้บริโภคด้านการวิเคราะห์หรือ AI

สําหรับข้อมูลเพิ่มเติมเกี่ยวกับรูปแบบนี้ ดูที่ ทําความเข้าใจสถาปัตยกรรมเหรียญสําหรับ Fabric ด้วย OneLake บทความนั้นครอบคลุมการออกแบบเลเยอร์ โมเดลการปรับใช้ รูปแบบการจัดเก็บข้อมูล มุมมองทะเลสาบที่สร้างขึ้นจริง และการปรับแต่งตาราง Delta

วิธีการใช้งาน

เหรียญที่ใช้งานได้ขึ้นอยู่กับแนวคิดเดียว: แต่ละชั้นเป็นสัญญากับผู้บริโภคปลายทาง และข้อมูลจะก้าวไปยังชั้นถัดไปก็ต่อเมื่อผ่านมาตรฐานคุณภาพของชั้นนั้น

1. ระบุแหล่งข้อมูลดิบและผู้บริโภคที่พึ่งพาข้อมูลที่ได้รับการรับรอง

2. กําหนดสิ่งที่ควรอยู่ในแต่ละชั้น และใช้คํานิยามเหล่านี้อย่างสม่ําเสมอข้ามโดเมน:

   ชั้น	เนื้อหาต่างๆ	ผู้บริโภคทั่วไป
   Bronze	ข้อมูลดิบที่ไม่สามารถเปลี่ยนแปลงได้ซึ่งถูกเก็บโดยตรงจากแหล่งที่มาโดยไม่มีการบังคับใช้สคีมา	วิศวกรข้อมูล (เข้าถึงได้จํากัด)
   เงิน	ทําความสะอาด ลดซ้ํา และปรับให้สอดคล้องกับนิยามธุรกิจที่ใช้ร่วมกัน	วิศวกรข้อมูลและนักวิเคราะห์ที่ผ่านการฝึกอบรม
   ทอง	ตารางและโมเดลเชิงความหมายที่ผ่านการดูแลและพร้อมสําหรับธุรกิจ	ผู้ใช้ BI, การวิเคราะห์ และ AI ทั้งหมด

3. ผลิตแต่ละชั้นด้วยภาระงาน Fabric ที่เหมาะสม - โดยทั่วไปคือ Data Engineering (Spark) หรือ Data Factory สําหรับบรอนซ์และเงิน และโมเดลเชิงความหมายของ คลังข้อมูล หรือ Power BI สําหรับทองคํา รักษาความซื่อสัตย์ของแหล่งที่มาในบรอนซ์โดยใช้รูปแบบต้นฉบับ ซึ่งเป็นทางลัดไปยังแหล่งข้อมูล Parquet หรือ Delta ตามความเหมาะสม ใช้ตาราง Delta สําหรับเงินและทอง เพื่อให้ Fabric สามารถอ่านและเขียนข้อมูลที่ผ่านการปรับแต่งได้อย่างน่าเชื่อถือ

4. ใช้นโยบายการเข้าถึงที่รับรู้ชั้นข้อมูล ใช้ความปลอดภัยของ OneLake สําหรับรายการที่รองรับและสิทธิ์ Fabric และ SQL ที่เกี่ยวข้องสําหรับคลังสินค้า จํากัดการเข้าถึงทองสัมฤทธิ์ เปิดเงินให้นักวิเคราะห์ และให้สิทธิ์เข้าถึงทองคําตามความต้องการของผู้บริโภคและมาตรฐานสิทธิพิเศษน้อยที่สุด

5. ใช้ผลลัพธ์ทองคําที่คัดสรรมาอย่างดีสําหรับการวิเคราะห์ในขั้นตอนถัดไป สร้างโมเดลเชิงความหมายชั้นทองในโหมด Direct Lake เพื่อให้ Power BI สามารถอ่านข้อมูล OneLake ได้โดยไม่ต้องสร้างสําเนานําเข้าหรือจําเป็นต้องรีเฟรชตามกําหนดเวลา

6. ยืนยันว่าทองคําทุกชิ้นมีสายสืบทอดที่สามารถสืบย้อนกลับได้ผ่านเงินจนถึงแหล่งทองสัมฤทธิ์ จากนั้นรับรองตารางชั้นทองและโมเดลเชิงความหมายที่ได้รับการรับรองในแคตตาล็อก OneLake การตรวจสอบนี้ช่วยให้ผู้บริโภคระบุได้ว่าข้อมูลใดพร้อมสําหรับการใช้งานในการผลิต

7. ใช้โมเดลความหมายทองคําใหม่เพื่อกระตุ้นออนโทโลยี Fabric IQ ขั้นตอนนี้ช่วยให้เอเจนต์ AI ได้รับบริบททางธุรกิจที่ควบคุมโดยอิงกับข้อมูลที่ได้รับการรับรอง

ความสามารถพื้นฐาน

• การวิเคราะห์และ AI แบบบูรณาการ - ชั้นบรอนซ์ เงิน และทอง รองรับงานวิเคราะห์และ AI ทุกประเภทบน OneLake โดยไม่ต้องมีสําเนาเฉพาะเอนจิน คุณสมบัติ:
  • สถาปัตยกรรมบ้านริมทะเลสาบแบบเหรียญใน OneLake ให้คําแนะนําด้านการออกแบบสําหรับสามชั้น
  • โหมด Direct Lake ช่วยให้โมเดลเชิงความหมายของ Power BI อ่านข้อมูลชั้นทองได้โดยตรงจาก OneLake
  • งาน Fabric เช่น Data Engineering และ คลังข้อมูล ผลิตและปรับแต่งชั้นข้อมูล
• การกํากับดูแลแบบรวมศูนย์ - ใช้นโยบายการเข้าถึงและประตูคุณภาพที่แตกต่างกันในแต่ละชั้น เพื่อให้ผู้บริโภคเห็นเฉพาะข้อมูลที่เหมาะสมกับบทบาทของตนเท่านั้น คุณสมบัติ:
  • ความปลอดภัยของ OneLake บังคับใช้นโยบายการเข้าถึงที่รับรู้ชั้น
  • แคตตาล็อก OneLake รองรับการค้นหาและรับรองแบบรับรู้ชั้น
  • Microsoft Purview ใช้ป้ายกํากับความไวและการตรวจสอบ
• การทํางานร่วมกันของข้อมูลแบบเปิด - เก็บเลเยอร์ในรูปแบบเปิดเพื่อให้เอนจินภายนอกสามารถอ่านควบคู่ไปกับ Fabric ได้ คุณสมบัติ:
  • Delta Parquet เป็นรูปแบบตารางเปิดสําหรับจัดเก็บข้อมูลชั้นที่ปรับแต่งแล้ว
  • ตาราง Iceberg ใน OneLake ทําให้ข้อมูลชั้นข้อมูลพร้อมใช้งานสําหรับเอนจินที่รองรับ Iceberg
  • การเข้าถึงและ API ของ OneLake ช่วยให้แอปพลิเคชันและเครื่องมือภายนอกเข้าถึงข้อมูลชั้นข้อมูลได้

ตาข่ายข้อมูลที่เน้นโดเมนบนแพลตฟอร์มที่ใช้ร่วมกัน

หากคุณมีหลายทีมธุรกิจที่ผลิตและใช้ข้อมูล การส่งคําขอทุกครั้งผ่านทีมข้อมูลศูนย์กลางเดียวอาจทําให้การส่งมอบล่าช้า ทีมธุรกิจมักเข้าใจข้อมูลและความต้องการของตนเองดีที่สุด แต่การกระจายอํานาจโดยไม่มีการกํากับดูแลร่วมกันอาจนําไปสู่ความปลอดภัย คุณภาพ และสายพันธุ์ที่ไม่สอดคล้องกัน

รูปแบบ ตาข่ายข้อมูลแบบโดเมน ให้แต่ละธุรกิจเป็นเจ้าของผลิตภัณฑ์ข้อมูลของตนเอง ขณะที่ทุกโดเมนปฏิบัติตามมาตรฐานร่วมกันบนพื้นฐานของ OneLake แต่ละโดเมนจะเผยแพร่ผลิตภัณฑ์ข้อมูลของตนเอง และโดเมนอื่น ๆ จะเข้าถึงผ่านทางลัดและนําไปใช้กับการวิเคราะห์ Fabric และงาน AI นโยบายอัตลักษณ์ ความปลอดภัย และการกํากับดูแลแบบรวมศูนย์ใช้ได้อย่างเท่าเทียมกันในทุกโดเมน

ใช้รูปแบบนี้เมื่อ:

• ทีมข้อมูลศูนย์กลางเพียงทีมเดียวกลายเป็นคอขวดในการส่งมอบ
• แต่ละโดเมนธุรกิจมีข้อมูล ความต้องการ และความถี่ในการปล่อยที่แตกต่างกัน
• คุณต้องมีความรับผิดชอบที่ชัดเจนต่อคุณภาพข้อมูลในระดับโดเมนโดยไม่ละทิ้งการกํากับดูแลในระดับองค์กร

ใช้ตาข่ายข้อมูลแบบโดเมน

หาสมดุลที่เหมาะสมระหว่างการกระจายอํานาจและความสม่ําเสมอ ผลักดันความเป็นเจ้าของไปยังโดเมนที่รู้ข้อมูลดีที่สุด และเก็บข้อมูลตัวตน ความปลอดภัย และสายสืบทอดไว้ที่ศูนย์กลาง เพื่อให้ผลิตภัณฑ์ข้อมูลของทุกโดเมนเป็นไปตามมาตรฐานเดียวกัน

1. ระบุโดเมนธุรกิจของคุณ แต่ละโดเมนควรเป็นตัวแทนของพื้นที่ธุรกิจที่สอดคล้องกัน โดยมีทีมที่สามารถเป็นเจ้าของและบริหารผลิตภัณฑ์ข้อมูลได้ครบวงจร

2. สร้าง โดเมน สําหรับแต่ละพื้นที่ธุรกิจและกําหนดพื้นที่ทํางานให้กับโดเมนนั้น ตั้งค่าโดเมนกลางแยกต่างหากสําหรับโครงสร้างพื้นฐานที่ใช้ร่วมกันและข้อมูลองค์กรที่นํากลับมาใช้ใหม่ได้

3. กําหนดมาตรฐานผลิตภัณฑ์ข้อมูลที่ทุกโดเมนต้องปฏิบัติตาม เช่น ข้อกําหนดการรับรองหรือการรับรอง สคีมาที่มีเอกสาร เมตาดาต้าความเป็นเจ้าของ เวอร์ชัน และข้อตกลงระดับการให้บริการ (SLA) มาตรฐานเหล่านี้ทําให้แต่ละผลิตภัณฑ์เป็นสัญญาที่นํากลับมาใช้ใหม่และค้นหาได้ ไม่ใช่แค่โฟลเดอร์พื้นที่ทํางาน

4. ใช้ ความปลอดภัยของ OneLake เพื่อใช้การควบคุมการเข้าถึงข้อมูลตามบทบาทในระดับโฟลเดอร์ ตาราง แถว และคอลัมน์ เพื่อให้ผู้ผลิตสามารถเผยแพร่ผลิตภัณฑ์ข้อมูลโดยไม่ต้องเปิดเผยข้อมูลทั้งหมดในพื้นที่ทํางานของตน

5. ใช้การกํากับดูแลทั่วทั้งผู้เช่ากับแคตตาล็อก OneLake สําหรับการค้นหาข้ามโดเมนและสืบทอด และ Microsoft Purview สําหรับป้ายกํากับความไวและการตรวจสอบ ขยายตัวตนและโมเดลนโยบายเดียวกันไปยังเอเจนต์ AI ที่ใช้ผลิตภัณฑ์ข้อมูลโดเมน เพื่อให้การเข้าถึงเอเจนต์ถูกควบคุมเหมือนกับผู้บริโภคทั่วไป

6. ให้โดเมนผู้บริโภคใช้ ทางลัด เพื่ออ้างอิงผลิตภัณฑ์ข้อมูลของผู้ผลิตแทนที่จะคัดลอก ผู้บริโภคสามารถใช้ผลิตภัณฑ์ข้อมูลที่อ้างอิงในงาน Fabric ที่ตรงกับความต้องการของตนได้ สําหรับโมเดลเชิงความหมายของ Power BI ให้ใช้โหมด Direct Lake เพื่ออ่านข้อมูลโดยตรงจาก OneLake ใช้ Fabric Data Agents หรือ Fabric IQ เพื่อสร้างประสบการณ์ AI ที่ยึดโยงกับผลิตภัณฑ์ข้อมูลโดเมนที่ถูกควบคุม

7. หากโดเมนเผยแพร่ไปยังแคตตาล็อกภายนอก Fabric ให้วางแผนการซิงโครไนซ์การควบคุมการเข้าถึงเพื่อให้สิทธิ์ระหว่าง OneLake กับแคตตาล็อกภายนอกสอดคล้องกัน

   เคล็ดลับ

   โปรแกรมเร่งความเร็วโอเพ่นซอร์สของ Microsoft Policy Weaver สามารถทําให้การซิงโครไนซ์นี้เป็นอัตโนมัติสําหรับซอร์ส Azure Databricks (Unity Catalog), Snowflake และ Dataverse มันสะท้อนนโยบายการเข้าถึงข้อมูลไปยังบทบาทความปลอดภัยของ OneLake ซึ่งเสริมการมิเรอร์ (ซึ่งย้ายข้อมูลแต่ไม่ย้ายสิทธิ์)

ความสามารถของข้อมูลเมช

• การกํากับดูแลแบบรวมศูนย์ - กระจายการเป็นเจ้าของไปยังโดเมน ในขณะที่ยังคงรักษาตัวตน ความปลอดภัย และสายเลือดให้เป็นศูนย์กลาง คุณสมบัติ:
  • โดเมนจัด กลุ่มพื้นที่ทํางานตามพื้นที่ธุรกิจ
  • ความปลอดภัยของ OneLake ให้การควบคุมการเข้าถึงโฟลเดอร์ ตาราง แถว และคอลัมน์ตามบทบาท
  • แคตตาล็อก OneLake ช่วยให้สามารถค้นหาและสืบทอดข้ามโดเมนได้
  • Microsoft Purview ใช้ป้ายกํากับความไวและการตรวจสอบ
• การจําลองข้อมูล - ให้โดเมนผู้บริโภคใช้ผลิตภัณฑ์ข้อมูลที่เป็นเจ้าของโดยผู้ผลิตผ่านการอ้างอิงแทนการคัดลอก คุณสมบัติ:
  • ทางลัด ช่วยให้ไม่สามารถแชร์สําเนาระหว่างโดเมนได้เลย
• การวิเคราะห์แบบบูรณาการและ AI - ทําให้ผลิตภัณฑ์ข้อมูลของทุกโดเมนสามารถบริโภคได้ทั่วทั้งงาน Fabric คุณสมบัติ:
  • โหมด Direct Lake ช่วยให้โมเดลเชิงความหมายของ Power BI อ่านผลิตภัณฑ์ข้อมูลโดเมนโดยตรงจาก OneLake
  • Fabric งาน เช่น Data Engineering, คลังข้อมูล, Real-Time Intelligence และ Data Science ประมวลผลและวิเคราะห์ผลิตภัณฑ์ข้อมูลโดเมน
  • Fabric Data Agents และ Fabric IQ สนับสนุนประสบการณ์ AI ที่ยึดโยงกับผลิตภัณฑ์ข้อมูลโดเมน

การรวมแพลตฟอร์มสําหรับการวิเคราะห์และ AI

หากคุณใช้แพลตฟอร์มวิเคราะห์หลายอย่างควบคู่กัน — เครื่องมือแยกสําหรับคลังข้อมูล ธุรกิจอัจฉริยะ วิทยาศาสตร์ข้อมูล การวิเคราะห์แบบเรียลไทม์ และ AI — แต่ละเครื่องมือจะมีสําเนาข้อมูล กระบวนการ และโมเดลการกํากับดูแลของตัวเอง ความกระจัดกระจายนี้ทําให้ต้นทุนสูงขึ้นและทําให้ยากที่จะใช้มาตรการรักษาความปลอดภัยที่สม่ําเสมอหรือได้คําตอบเดียวสําหรับคําถามทางธุรกิจ

รูปแบบการรวมแพลตฟอร์มจะนําภาระงานเหล่านี้มาสู่ Fabric ซึ่ง OneLake เป็นฐานข้อมูลที่ใช้ร่วมกันและถูกควบคุม งาน Fabric เข้าถึง แปลง ซิงโครไนซ์ หรือวิเคราะห์ข้อมูลผ่านรากฐานนี้ แทนที่จะพึ่งพาข้อมูลและโมเดลการกํากับดูแลแยกกันสําหรับแต่ละเครื่องมือ

ใช้รูปแบบนี้เมื่อ:

• คุณใช้แพลตฟอร์มวิเคราะห์หลายแบบที่มีความสามารถทับซ้อนกัน
• สําเนาข้อมูลและสายงานเฉพาะของเครื่องยนต์เป็นตัวกําหนดต้นทุนและภาระการบํารุงรักษา
• คุณต้องมีโมเดลการกํากับดูแลและความปลอดภัยเดียวครอบคลุมทุกงานวิเคราะห์และ AI

ใช้การรวมแพลตฟอร์ม

ตั้งเป้าไปที่แพลตฟอร์มน้อยลง ไม่ใช่การรวมระบบมากขึ้น รวมงานใน Fabric แทนที่จะเชื่อมเครื่องมือเข้าด้วยกัน และเชื่อมเครื่องยนต์ภายนอกเฉพาะเมื่อคุณยังไม่สามารถปลดประจําการได้

1. ตรวจสอบข้อมูลการวิเคราะห์ คลังข้อมูล วิทยาศาสตร์ข้อมูล ธุรกิจอัจฉริยะ (BI) และเครื่องมือและกระบวนการ AI ที่คุณใช้ในปัจจุบัน สังเกตว่าแต่ละเครื่องมือทํางานอะไรและคัดลอกข้อมูลอะไรบ้าง

2. แมปแต่ละงานที่มีอยู่กับงาน Fabric ที่สามารถแทนที่ได้:

   ภาระงานเดิม	ภาระงาน Fabric
   การจัดการข้อมูลและ ETL	โรงงานข้อมูล
   สมุดบันทึก Spark และการประมวลผลบ้านพักริมทะเลสาบ	วิศวกรข้อมูล
   คลังข้อมูล SQL	<ค 0>คลังข้อมูล
   การสตรีมและการวิเคราะห์ KQL	ข่าวกรองReal-Time
   การฝึกอบรมโมเดล ML และการติดตามการทดลอง	วิทยาศาสตร์ข้อมูล
   ฐานข้อมูลปฏิบัติการ	ฐานข้อมูล (ฐานข้อมูล SQL ใน Fabric และฐานข้อมูล Cosmos ใน Fabric)
   การแสดงผล BI และโมเดลเชิงความหมาย	Power BI พร้อมโหมด Direct Lake
   ปัญญาประดิษฐ์เชิงสนทนาที่อิงกับข้อมูลองค์กร	Fabric Data Agents, Copilot สําหรับ Fabric, Fabric IQ

3. สร้างโมเดลการกํากับดูแลและความปลอดภัยเดียวกันสําหรับทุกเวิร์กโหลดโดยใช้ OneLake security, Microsoft Purview และแคตตาล็อก OneLake กําหนดค่ากุญแจที่ลูกค้าจัดการเมื่อรายการ Fabric ที่รองรับต้องการการเข้ารหัสอีกชั้นหนึ่ง

4. รวมข้อมูลวิเคราะห์ใน OneLake โดยใช้รูปแบบ Delta หรือ Iceberg เพื่อให้งานสามารถแชร์ฐานข้อมูลที่มีการควบคุมร่วมกันได้ รวมงานปฏิบัติการโดยการรวมไว้ในฐานข้อมูล Fabric ซึ่งทําให้ข้อมูลวิเคราะห์ที่ซิงโครไนซ์พร้อมใช้งานใน OneLake

5. Ground AI บนข้อมูลที่รวมแล้ว สร้างออนโทโลยี (พรีวิว) บนชั้นข้อมูลที่คุณคัดสรรไว้ และเปิดเผยต่อเอเจนต์ผ่านเซิร์ฟเวอร์ Ontology MCP เพื่อให้ Fabric Data Agents, Microsoft 365 Copilot และเครื่องมือภายนอกพิจารณาบริบทเดียวกัน คุณสามารถสร้างคําจํากัดความออนโทโลยีจากโมเดลเชิงความหมายของ Power BI ในโหมดนําเข้า, Direct Lake หรือ DirectQuery ใช้ โหมด Direct Lake เมื่อคุณต้องการสร้างการผูกข้อมูลที่รองรับ OneLake และตรวจสอบข้อจํากัดออนโทโลยีปัจจุบัน

6. สําหรับเอนจินภายนอกที่ยังไม่สามารถเลิกใช้งานได้ ให้เปิดเผยข้อมูล OneLake ผ่านการผสานรวม Azure Databricks, การทํางานร่วมกันของ Iceberg กับ Snowflake หรือการเข้าถึงและ API ของ OneLake

7. เลิกใช้เครื่องมือ สําเนาข้อมูล และ pipeline ที่ถูกแทนที่หลังจากที่คุณตรวจสอบความถูกต้องของ Fabric แล้ว ด้วยวิธีนี้ การรวมศูนย์จะช่วยตัดต้นทุน ใบอนุญาต และการส่งมอบงาน แทนที่จะเพิ่มแพลตฟอร์มใหม่เข้าไปในกอง

ความสามารถในการรวมแพลตฟอร์ม

• การวิเคราะห์แบบบูรณาการและ AI - รวมงานวิเคราะห์ วิทยาศาสตร์ข้อมูล และ AI เข้าด้วยกันบนพื้นฐาน OneLake ร่วมกัน คุณสมบัติ:
  • Fabric ภาระงาน เช่น Data Factory, Data Engineering, คลังข้อมูล, Real-Time Intelligence, Data Science, Databases และ Power BI เข้าถึง แปลงข้อมูล ซิงโครไนซ์ หรือวิเคราะห์ข้อมูลผ่านพื้นฐานที่ใช้ร่วมกัน
  • โหมด Direct Lake ช่วยให้โมเดลเชิงความหมายของ Power BI อ่านข้อมูล OneLake ได้โดยตรง
  • Fabric Data Agents, Copilot for Fabric และ Fabric IQ สนับสนุนประสบการณ์ AI ที่ยึดโยงกับข้อมูล OneLake
  • ออนโทโลจีและเซิร์ฟเวอร์ Ontology MCP ให้บริบททางธุรกิจที่มีการควบคุมแก่เอเจนต์ AI
  • OneLake ในฐานะแหล่งข้อมูลความรู้สําหรับ Microsoft Foundry ช่วยให้ Foundry จัดทําดัชนีไฟล์ OneLake เพื่อใช้โดยเอเจนต์ AI
• การทํางานร่วมกันของข้อมูลเปิด - ให้แพลตฟอร์มภายนอกที่คุณไม่เลิกใช้ยังคงอ่านข้อมูลเดิมต่อไป คุณสมบัติ:
  • ตารางภูเขาน้ําแข็งใน OneLake และ Delta Parquet เก็บข้อมูลในรูปแบบตารางเปิด
  • การเข้าถึงและ API ของ OneLake ช่วยให้แอปพลิเคชันและเครื่องมือภายนอกเข้าถึงข้อมูล OneLake ได้
  • การผสานรวม Azure Databricks และความสามารถในการทํางานร่วมกับ Iceberg กับ Snowflake ช่วยให้แพลตฟอร์มวิเคราะห์ภายนอกสามารถอ่านข้อมูล OneLake ได้
• การกํากับดูแลแบบรวมศูนย์ - แทนที่โมเดลความปลอดภัยต่อเครื่องมือด้วยโมเดลการกํากับดูแลและตรวจสอบเดียวที่ครอบคลุมทุกงาน คุณสมบัติ:
  • การกํากับดูแล Fabric ให้กรอบการกํากับดูแลร่วมกันสําหรับงาน Fabric
  • ความปลอดภัยของ OneLake ใช้การควบคุมการเข้าถึงข้อมูลอย่างสม่ําเสมอ
  • แคตตาล็อก OneLake รองรับการค้นหาและสืบทอดข้ามงานต่าง ๆ
  • การผสานรวมกับ Microsoft Purview จะใช้ป้ายกํากับความไวและการตรวจสอบ
  • คีย์ที่ลูกค้าจัดการเพิ่มชั้นการเข้ารหัสให้กับรายการ Fabric ที่รองรับ

การแชร์ข้อมูลภายนอกระหว่างองค์กร

หากคุณแลกเปลี่ยนข้อมูลกับพันธมิตร ซัพพลายเออร์ ลูกค้า หรือฝ่ายอื่น ๆ อย่างต่อเนื่อง การส่งออกแบบแบตช์ การโอนย้ายไฟล์ และระบบปลายทางซ้ําซ้อนจะเพิ่มช่องว่างด้านความหน่วง ต้นทุน และการกํากับดูแล รูปแบบ การแบ่งปันข้อมูลภายนอก ช่วยให้ผู้บริโภคภายนอกองค์กรหรือฝ่ายธุรกิจของคุณเข้าถึงข้อมูล OneLake ที่คัดสรรไว้โดยตรงโดยไม่ต้องส่งออกซ้ํา ๆ ผู้บริโภคสามารถเข้าถึงข้อมูลผ่านการแชร์ข้ามผู้เช่า Fabric หรือจากแพลตฟอร์มวิเคราะห์ภายนอก เช่น Snowflake และ Azure Databricks โดยใช้ความสามารถในการทํางานร่วมกันของ OneLake

ผู้บริโภคจะเห็นการอัปเดตเมื่อคุณเผยแพร่ คุณควบคุมการเข้าถึงข้อมูลต้นทางผ่านกลไกการแบ่งปันหรือการทํางานร่วมกันที่สนับสนุนแพลตฟอร์มของผู้บริโภค

ใช้รูปแบบนี้เมื่อ:

• คุณแลกเปลี่ยนข้อมูลกับองค์กรภายนอกอย่างต่อเนื่อง
• การส่งออกหรือการโอนไฟล์แบบกลุ่มเพิ่มความหน่วง ความซับซ้อน หรือช่องว่างในการกํากับดูแล
• คุณต้องติดตามและเพิกถอนการเข้าถึงภายนอกแบบรวมศูนย์

ใช้การแชร์ข้อมูลภายนอก

การแชร์ภายนอกจะได้ผลดีที่สุดเมื่อใช้การจําลองเสมือนแทนการส่งออกข้อมูล จับคู่วิธีการเข้าถึงกับสิ่งที่ผู้บริโภคแต่ละคนสามารถอ่านได้ และใช้การควบคุมการเข้าถึงที่รองรับโดยกลไกการแชร์หรือการทํางานร่วมกันนั้น

1. ระบุผลิตภัณฑ์ข้อมูลที่คุณต้องการแบ่งปันภายนอก และผู้บริโภคที่ต้องการ (พันธมิตร ซัพพลายเออร์ ลูกค้า) โดยทั่วไป คุณจะแชร์ตารางและไฟล์ที่คัดสรรมาอย่างดีและมีเอกสารประกอบ

2. เลือกแนวทางการแบ่งปันที่เหมาะสมสําหรับผู้บริโภคแต่ละราย:

   ประเภทผู้บริโภค	วิธีการที่แนะนํา
   ผู้ใช้ Fabric ใน tenant อื่น	การแชร์ข้อมูลภายนอก สําหรับการเข้าถึงข้ามผู้เช่าแบบอ่านอย่างเดียวและเสมือนจริง
   Snowflake บนผู้ใช้ Azure	การทํางานร่วมกันระหว่าง Iceberg กับ Snowflake เพื่ออ่านตาราง Fabric ที่เปิดเผยในรูปแบบ Iceberg
   Azure Databricks ผู้ใช้	การรวมแคตตาล็อก OneLake ใน Azure Databricks เพื่อสืบค้นตาราง OneLake ผ่าน Unity Catalog โดยไม่ต้องคัดลอกข้อมูล
   แอปพลิเคชันหรือเครื่องมือที่รองรับ ADLS Gen2 หรือ Blob API	การเข้าถึง OneLake และ API เพื่อเข้าถึงข้อมูล OneLake ผ่าน API ที่รองรับ

   หากต้องการนําข้อมูล Dataverse เข้าสู่ OneLake ก่อนแชร์ ให้ใช้ รูปแบบการเข้าถึงข้อมูลแบบรวมศูนย์

3. ขอบเขตการเข้าถึงภายนอกด้วยสิทธิ์ที่รองรับโดยกลไกการแชร์ที่เลือก สําหรับการแชร์ข้อมูลภายนอกของ Fabric การแชร์จะให้สิทธิ์อ่านอย่างเดียวแก่ผู้ใช้ใด ๆ ในผู้เช่าบ้านของผู้ใช้ที่ได้รับเชิญ นโยบายความปลอดภัยและการกํากับดูแลฝั่งผู้ให้บริการ รวมถึงความปลอดภัยของ OneLake, ป้ายกํากับความไว และนโยบายป้องกันการสูญหายของข้อมูล จะไม่ถูกบังคับใช้ใน tenant ของผู้บริโภค ผู้บริโภคต้องควบคุมการเข้าถึงปลายน้ําในสิ่งแวดล้อมของตน

4. ตกลงเงื่อนไขของแต่ละความสัมพันธ์ร่วมกันตั้งแต่แรก — ว่าแบ่งปันอะไร กับใคร และนานแค่ไหน สําหรับการแชร์ข้อมูลภายนอกของ Fabric ให้เพิกถอนสิทธิ์การเข้าถึงจากแท็บ การแชร์ข้อมูลภายนอกในหน้าการจัดการสิทธิ์ สําหรับวิธีอื่น ๆ ให้เพิกถอนสิทธิ์การเข้าถึงผ่านกลไกการแชร์ที่เลือกไว้ ยืนยันว่าผู้บริโภคสูญเสียการมองเห็น

5. ใช้ป้ายกํากับความไว การตรวจสอบ และการป้องกันการสูญหายของข้อมูลด้วย Microsoft Purview ในสภาพแวดล้อม Fabric ของผู้ให้บริการ

6. รับรองและจัดทําเอกสารผลิตภัณฑ์ข้อมูลต้นทางใน แคตตาล็อก OneLake เพื่อให้ผู้ให้บริการสามารถค้นหาและควบคุมก่อนแบ่งปัน แคตตาล็อก OneLake จะไม่เผยแพร่ผลิตภัณฑ์ข้อมูลไปยังผู้เช่าภายนอกหรือแพลตฟอร์มวิเคราะห์ข้อมูล

ความสามารถในการแบ่งปันข้อมูลภายนอก

• การจําลองข้อมูล - แบ่งปันข้อมูลผ่านการอ้างอิงแบบไม่ต้องคัดลอกโดยไม่ต้องจัดการกับกระบวนการส่งออก คุณสมบัติ:
  • การแชร์ข้อมูลภายนอกช่วยให้มีการแบ่งปันเสมือนระหว่างผู้เช่า Fabric
  • ทางลัด ช่วยให้พันธมิตรสามารถรับข้อมูลที่เผยแพร่ได้โดยไม่ต้องคัดลอก
• การทํางานร่วมกันของข้อมูลแบบเปิด - แบ่งปันกับผู้บริโภคที่ไม่ได้ใช้ Fabric โดยการเผยแพร่ในรูปแบบเปิด คุณสมบัติ:
  • ตารางภูเขาน้ําแข็งใน OneLake เผยแพร่ข้อมูลที่ใช้ร่วมกันในรูปแบบตารางเปิด
  • ความสามารถในการทํางานร่วมกันของ Iceberg กับ Snowflake ช่วยให้ผู้บริโภค Snowflake สามารถอ่านข้อมูลที่แชร์บน OneLake ได้
  • OneLake catalog federation ใน Azure Databricks ช่วยให้ผู้ใช้ Azure Databricks สามารถสอบถามตาราง OneLake ผ่าน Unity Catalog ได้โดยไม่ต้องคัดลอกข้อมูล
  • การเข้าถึงและ API ของ OneLake ช่วยให้แอปพลิเคชันและเครื่องมือที่เข้ากันได้เข้าถึงข้อมูล OneLake
• การกํากับดูแลแบบรวมศูนย์ - ควบคุมข้อมูลต้นทางใน Fabric และควบคุมการเข้าถึงภายนอกผ่านแต่ละกลไกการแบ่งปัน คุณสมบัติ:
  • OneLake ครอบคลุมการเข้าถึงข้อมูลต้นทางใน Fabric
  • Microsoft Purview ใช้ป้ายกํากับความไว การตรวจสอบ และการป้องกันการสูญหายของข้อมูลในสภาพแวดล้อม Fabric ของผู้ให้บริการ
  • แคตตาล็อก OneLake สนับสนุนการค้นหาและการรับรองฝั่งผู้ให้บริการก่อนการแชร์