Role v pracovních prostorech v Microsoft Fabric
Role pracovního prostoru umožňují spravovat, kdo může dělat co v pracovním prostoru Microsoft Fabric. Pracovní prostory Microsoft Fabric jsou umístěné nad OneLake a rozdělují datové jezero na samostatné kontejnery, které je možné zabezpečit nezávisle. Role pracovního prostoru v Microsoft Fabric rozšiřují role pracovního prostoru Power BI přidružením nových funkcí Microsoft Fabric, jako je integrace dat a zkoumání dat s existujícími rolemi pracovního prostoru. Další informace o rolích Power BI najdete v tématu Role v pracovních prostorech v Power BI.
Role můžete přiřadit jednotlivcům nebo skupinám zabezpečení, skupinám Microsoftu 365 a distribučním seznamům. Pokud chcete udělit přístup k pracovnímu prostoru, přiřaďte tyto skupiny uživatelů nebo jednotlivce k některé z rolí pracovního prostoru: Správa, člena, přispěvatele nebo čtenáře. Tady je postup, jak uživatelům udělit přístup k pracovním prostorům.
Pokud chcete vytvořit nový pracovní prostor, přečtěte si téma Vytvoření pracovního prostoru.
Všichni členové skupiny uživatelů získají přiřazenou roli. Pokud je někdo v několika skupinách uživatelů, získá nejvyšší úroveň oprávnění, která poskytuje role, které jim přiřadí. Pokud vnořete skupiny uživatelů a přiřadíte skupině roli, mají všichni uživatelé s omezením oprávnění.
Uživatelé v rolích pracovního prostoru mají kromě stávajících funkcí Power BI přidružených k těmto rolím následující funkce Microsoft Fabric.
Role pracovního prostoru Microsoft Fabric
Schopnost | správce | Člen | Přispěvatel | Prohlížející |
---|---|---|---|---|
Aktualizujte a odstraňte pracovní prostor. | ||||
Přidejte nebo odeberte uživatele, včetně dalších správců. | ||||
Přidejte členy nebo jiné uživatele s nižšími oprávněními. | ||||
Umožňuje ostatním sdílet položky znovu.1 | ||||
Umožňuje zobrazit a číst obsah datových kanálů, poznámkových bloků, definic úloh Sparku, modelů ML a experimentů a datových proudů událostí. | ||||
Umožňuje zobrazit a číst obsah databází KQL, sad dotazů KQL a řídicích panelů v reálném čase. | ||||
Připojení do koncového bodu analýzy SQL lakehouse nebo skladu | ||||
Čtení dat a zástupců datového skladu a datových skladů2 s T-SQL prostřednictvím koncového bodu TDS | ||||
Čtení dat a zástupců datového skladu a datových skladů2 prostřednictvím rozhraní API OneLake a Sparku | ||||
Čtení dat Lakehouse prostřednictvím Průzkumníka Lakehouse | ||||
Můžete zapisovat nebo odstraňovat datové kanály, poznámkové bloky, definice úloh Sparku, modely ML a experimenty a streamy událostí. | ||||
Zapisujte nebo odstraňte sady dotazů KQL, řídicí panely v reálném čase a schémata a data databází KQL, Lakehouses, datových skladů a zástupců. | ||||
Spusťte nebo zrušte spouštění poznámkových bloků, definic úloh Sparku, modelů ML a experimentů. | ||||
Spusťte nebo zrušte provádění datových kanálů. | ||||
Zobrazení výstupu spuštění datových kanálů, poznámkových bloků, modelů ML a experimentů | ||||
Naplánujte aktualizace dat prostřednictvím místní brány.3 | ||||
Upravte nastavení připojení brány.3 |
1 Přispěvatelé a čtenáři můžou také sdílet položky v pracovním prostoru, pokud mají oprávnění Ke sdílení znovu.
2 Další oprávnění jsou nutná ke čtení dat z cílového zástupce. Přečtěte si další informace o modelu zabezpečení zástupce.
3 Mějte na paměti, že potřebujete také oprávnění k bráně. Tato oprávnění se spravují jinde, nezávisle na rolích a oprávněních pracovního prostoru.
Související obsah
Váš názor
https://aka.ms/ContentUserFeedback.
Připravujeme: V průběhu roku 2024 budeme postupně vyřazovat problémy z GitHub coby mechanismus zpětné vazby pro obsah a nahrazovat ho novým systémem zpětné vazby. Další informace naleznete v tématu:Odeslat a zobrazit názory pro