Mi az a szemantikai hivatkozás?

A szemantikai kapcsolat egy olyan funkció, amellyel kapcsolatot létesíthet a szemantikai modellek és a Synapse Adattudomány között a Microsoft Fabricben. A szemantikai hivatkozás használata csak a Microsoft Fabricben támogatott.

A Spark 3.4-hez és újabb verziókhoz a Szemantikus hivatkozás az alapértelmezett futtatókörnyezetben érhető el a Fabric használatakor, és nincs szükség a telepítésre. Ha a Spark 3.3-at vagy az alábbi verziót használja, vagy a Szemantic Link legújabb verziójára szeretne frissíteni, futtassa a parancsot:

%pip install -U semantic-link

A szemantikai kapcsolat elsődleges célja az adatkapcsolat megkönnyítése, a szemantikai információk propagálása, valamint az adattudósok által használt eszközökkel, például jegyzetfüzetekkel való zökkenőmentes integrálás. a szemantikai hivatkozás segítségével a tartomány adatszemantikával kapcsolatos ismereteit szabványosított módon őrizheti meg, amely felgyorsíthatja az adatelemzést és csökkentheti a hibákat.

Szemantikai hivatkozás áttekintése

Az adatfolyam olyan szemantikai modellekkel kezdődik, amelyek adatokat és szemantikai információkat tartalmaznak. A szemantikai kapcsolat hidat képez a Power BI és a Adattudomány élmény között.

Szemantikai hivatkozással a Power BI szemantikai modelljeit használhatja Adattudomány olyan feladatok végrehajtásához, mint a részletes statisztikai elemzés és a gépi tanulási technikákkal végzett prediktív modellezés. Az adatelemzési munka kimenete az Apache Spark használatával tárolható a OneLake-ben, és a Direct Lake használatával betölthető a Power BI-ba.

Power BI-kapcsolat

A szemantikai modellek egyetlen táblázatos objektummodellként szolgálnak, amely megbízható forrást biztosít a szemantikai definíciókhoz, például a Power BI-mértékekhez. Szemantikai modellekhez való csatlakozás:

• A Szemantic link adatkapcsolatot biztosít a Python pandas-ökoszisztémához a SemPy Python-kódtáron keresztül, így az adattudósok egyszerűen dolgozhatnak az adatokkal.
• A szemantikai hivatkozás a Spark natív összekötőjén keresztül hozzáférést biztosít a szemantikai modellekhez az Apache Spark-ökoszisztémát jobban ismerő adattudósok számára. Ez az implementáció különböző nyelveket támogat, például a PySparkot, a Spark SQL-t, az R-t és a Scalát.

Szemantikai információk alkalmazásai

Az adatok szemantikai információi közé tartoznak a Power BI adatkategóriái , például a cím és az irányítószám, a táblák közötti kapcsolatok és a hierarchikus információk. Ezek az adatkategóriák olyan metaadatokat tartalmaznak, amelyeket a szemantikai hivatkozás a Adattudomány környezetbe propagál az új szolgáltatások engedélyezése és az adatsorok fenntartása érdekében. A szemantikai hivatkozás néhány példaalkalmazása:

• A beépített szemantikai függvények intelligens javaslatai.
• Innovatív integráció az adatok Power BI-mértékekkel való bővítéséhez bővítmények használatával.
• Eszközök az adatminőség ellenőrzéséhez a táblák és a táblák funkcionális függőségei közötti kapcsolatok alapján.

A szemantikai hivatkozás egy hatékony eszköz, amely lehetővé teszi az üzleti elemzők számára, hogy hatékonyan használják az adatokat egy átfogó adatelemzési környezetben. A szemantikai kapcsolat megkönnyíti az adattudósok és az üzleti elemzők közötti zökkenőmentes együttműködést azáltal, hogy szükségtelenné teszi a Power BI-mértékekbe ágyazott üzleti logika újrakontegrálását. Ez a megközelítés biztosítja, hogy mindkét fél hatékonyan és hatékonyan működjön, maximalizálva az adatvezérelt elemzések potenciálját.

FabricDataFrame adatstruktúra

A FabricDataFrame a szemantikai kapcsolat alapvető adatstruktúrája. Alosztályozza a pandas DataFrame-et , és metaadatokat ad hozzá, például szemantikai információkat és életútot. A FabricDataFrame az az elsődleges adatstruktúra, amelyet a szemantikai kapcsolat használ a szemantikai modellek szemantikai adatainak a Adattudomány környezetbe való propagálására.

A FabricDataFrame támogatja az összes pandas-műveletet és így tovább. Elérhetővé teszi a szemantikai függvényeket és az add-measure metódust, amely lehetővé teszi a Power BI-mértékek használatát az adatelemzési munkában.

Kapcsolódó tartalom

• A SemPy szakértelmének elmélyítése a SemPy referenciadokumentációjában
• Oktatóanyag: Adatok tisztítása funkcionális függőségekkel
• További információ a szemantikai kapcsolatról és a Power BI-kapcsolatról
• Adatok érvényesítése szemantikai hivatkozással
• Kapcsolatok vizsgálata és érvényesítése szemantikai modellekben