Microsoft Fabric 中的湖屋是什麼?

Fabric 中的湖屋結合了資料湖的可擴展性與倉庫的查詢功能。 你可以將結構化與非結構化資料儲存在同一地點,使用 Delta Lake 管理,並用 Apache Spark 和 SQL 分析——全過程都不需要在系統間移動資料。 透過 OneLake 的捷徑 及 跨租戶資料共享,你也能從外部來源及其他組織存取受控資料,避免重複。

湖邊別墅能提供:

  • 單一資料副本,適用於資料工程與分析工作負載
  • Delta Lake 格式 用於 ACID 交易、架構強制執行及時間旅行
  • Spark 和 SQL 存取 ,所以資料工程師用筆記本,分析師用 T-SQL
  • 內建整合與Power BI、管線、資料流及其他Fabric項目

湖畔別墅 vs. 倉庫

Fabric 中湖屋和倉庫之間的主要差異,取決於您偏好的開發工具、資料類型和工作負載模式。 兩者共用相同的 SQL 引擎,並在 OneLake 上以 Delta 格式儲存資料,但它們是為不同情境設計的:

Lakehouse 倉儲
主要開發工具 Apache Spark(Python、Scala、SQL、R) T-SQL
數據類型 結構化與非結構化 結構化
多桌交易 否 Yes
資料提取 OneLake 中的筆記本、管線、資料流、 捷徑 (即時存取且無副本) T-SQL (COPY INTO,INSERT,CTAS),管線
適用對象 資料工程、資料科學、獎章架構 BI報告、維度建模、SQL優先團隊

你可以在同一工作空間中同時使用這兩個工具——例如,先用 Spark 在 Lakehouse 中載入並轉換資料,然後將精選的資料集提供給資料倉庫,以進行 SQL 報告。 如需詳細指引,請參閱「 選擇倉庫與湖畔別墅」。

使用湖倉資料工作

你可以透過多種 Fabric 工具在湖屋中載入、轉換和查詢資料:

  • OneLake 的捷徑 — 從外部來源(包括透過 跨租戶資料共享)存取資料,而不必將資料複製到湖屋。 捷徑功能提供 OneLake 內部營運與分析資料的即時、唯讀參照。 請參閱 OneLake 中的捷徑。

  • Lakehouse 檔案總管 — 直接在瀏覽器中瀏覽資料表與檔案、載入資料並管理元資料。 你可以在表格檢視和檔案檢視之間切換,並在檔案總管中新增多個湖屋。 詳見 《導航湖屋探險者》。

    Lakehouse 瀏覽器的螢幕播放,顯示表格視圖、檔案視圖及新增湖屋。

  • Spark SQL 查詢瀏覽器 — 直接在 Lakehouse 瀏覽器中執行 Spark SQL 查詢,且不離開工作環境。 查詢總管支援 IntelliSense、動態分頁、跨結構與跨湖庫查詢、內嵌圖表視覺化及視圖建立。 請參閱 使用 Spark SQL 查詢總管來查詢資料。

  • Notebooks — 撰寫 Spark 程式碼(Python、Scala、SQL、R)來讀取、轉換及寫入資料到湖屋資料表和資料夾。 請參閱 「用筆記本探索資料 」和 「用筆記本載入資料」。

  • 管線 — 使用複製活動和其他資料整合工具,將外部來源的資料匯入湖倉。 查看 使用 Copy Activity 複製數據。

  • Spark 工作定義 — 以 Java、Scala 或 Python 執行編譯後的 Spark 應用程式,用於生產級 ETL。 請參閱 Apache Spark 工作定義是什麼?

  • Dataflows Gen 2 — 以低程式碼、視覺化介面匯入並準備資料。 請參見 建立你的第一個資料流。

如需完整比較資料擷取選項,請參閱「將資料匯入湖屋的選項」。

使用您所選的引擎分析湖倉中的資料

Lakehouse 功能區包含使用下列方式分析資料下拉式選單,讓您可以直接從 Lakehouse 在不同的分析體驗中開啟資料:

Option 說明
SQL 分析端點 在唯讀編輯器中使用 T-SQL 查詢 Delta 資料表。 請參見 SQL 分析端點。
Eventhouse 端點 執行 KQL 查詢以實現高效能、即時分析。 詳見 Eventhouse 端點。
筆記本 (新/現有) 打開 Spark 筆記本,用程式碼探索或轉換資料。 請參考 「用筆記本探索資料」。

顯示 Lakehouse 功能區中 [分析資料] 下拉式清單的螢幕擷取畫面。

關於每個選項的詳細資訊及下拉選單的所在,請參見 「導航湖屋探險器」。

Lakehouse SQL 分析端點

當你建立湖屋時,Fabric會自動產生一個SQL分析端點。 這個端點讓你能:

  • 使用 T-SQL 查詢 Delta 資料表 — 使用熟悉的 SQL 語法,無需設置獨立倉庫。
  • Connect Power BI directly — 建立一個Power BI語意模型來建立湖屋資料的報告。
  • 共享唯讀存取 權 — 分析師與報告製作者可查詢資料而不影響 Spark 工作負載。

SQL 分析端點是唯讀的,且不支援 資料倉儲 的完整 T-SQL 功能範圍。 用它來探索、報告和臨時查詢。

備註

自 2025 年 9 月 5 日起,建立湖屋時預設語意模型不再自動建立。 現有的預設語意模型於 2025 年 11 月 30 日前與父項目解耦,成為獨立的語意模型。 欲了解更多資訊,請參閱 Fabric 中的 Power BI 語意模型。

備註

SQL 分析端點中只會出現 Delta 資料表。 這包括透過 OneLake 中捷徑存取的 Delta 表格,這些表格與本地儲存的資料表同時可見且可查詢。 Parquet、CSV 及其他格式無法透過此端點查詢。 如果你看不到表格,就 轉成 Delta 格式。

自動資料表探索和註冊

湖屋將資料組織成兩個頂層資料夾:用於管理的 Delta 資料表的 表格 ,以及用於非結構化或非 Delta 資料的 檔案 。 當你將檔案放入 Tables 資料夾時,Fabric會自動:

  • 驗證檔案是否符合支援格式(目前僅限 Delta 表格)。
  • 擷取元資料——欄位名稱、資料型態、壓縮與分割。
  • 它會在元儲存庫註冊資料表,讓你能立即用 Spark SQL 或 T-SQL 查詢。

這種受管理的檔案到表體驗意味著你不需要手動為進入受管理區域的資料撰寫 CREATE TABLE 語句。

備註

對於沒有結構的湖邊別墅,最大元資料大小為 10 GB。 發佈或更新任何超過 10 GB 的型號都會失敗。 為解決此問題,請使用支援結構的湖屋,或透過移除資料表與欄位來縮小模型大小。 你也可以將大型模型分散在多個湖邊小屋中,以維持在這個限制內。

同時處理多項任務與 lakehouse(資料湖倉)

湖屋採用瀏覽器分頁設計,讓你能在不失去位置的情況下切換多個項目:

  • 保留執行中的操作: 切換到不同分頁時,資料載入和上傳仍會繼續進行。

  • 保持你的背景: 當你在分頁間切換時,選取的表格、檔案和物件會保持開啟狀態。

  • 非阻塞列表重新載入: 檔案和表格在背景中刷新,不會影響你的工作。

  • 範圍通知: Toast 通知會標示它們來自哪個湖邊小屋,讓你能跨分頁追蹤更新。

無障礙湖倉架構設計

湖畔屋支援輔助科技與無障礙互動模式:

  • 螢幕閱讀器的相容性: 搭配熱門螢幕閱讀器進行導航與互動。
  • 圖片的替代文字:所有圖片均包含描述性替代文字。
  • 標註表單欄位: 所有表單欄位皆有螢幕閱讀器與鍵盤使用者的相關標籤。
  • 文字重製: 響應式版面設計,能適應不同的螢幕尺寸與方向。
  • 鍵盤操作: 全鍵盤支援,無需滑鼠即可在湖邊小屋中導航。