Microsoft Fabric 決策指南：選擇數據存放區

  • 發行項

使用此參考指南和範例案例，協助您為 Microsoft Fabric 工作負載選擇數據存放區。

數據存放區屬性

數據倉儲 Lakehouse Power BI Datamart KQL 資料庫 （Eventhouse）
數據量 無限制 無限制 最多 100 GB 不限定
數據類型 結構化 非結構化、半結構化、結構化 結構化 非結構化、半結構化、結構化
主要開發人員角色 數據倉儲開發人員，SQL 工程師 數據工程師，數據科學家 公民開發人員 公民數據科學家、數據工程師、數據科學家、SQL 工程師
主要開發人員技能集 SQL Spark（Scala、PySpark、Spark SQL、R） 沒有程序代碼，SQL 無程序代碼、KQL、SQL
依組織的數據 資料庫、架構和數據表 資料夾和檔案、資料庫和數據表 資料庫、數據表、查詢 資料庫、架構和數據表
讀取作業 T-SQL、Spark（支援使用快捷方式從數據表讀取，尚不支援存取檢視、預存程式、函數等） Spark，T-SQL Spark，T-SQL，Power BI KQL、T-SQL、Spark、Power BI
寫入作業 T-SQL Spark（Scala、PySpark、Spark SQL、R） 數據流、T-SQL KQL、Spark、連接器生態系統
多數據表交易 是 無 No 是，用於多數據表擷取。 請參閱 更新原則。
主要開發介面 SQL 指令碼 Spark 筆記本，Spark 作業定義 Power BI KQL 查詢集、KQL 資料庫
安全性 物件層級（數據表、檢視、函式、預存程式等），數據行層級、數據列層級、DDL/DML、動態數據遮罩 數據列層級、數據表層級（使用 T-SQL 時），沒有 Spark 內建 RLS 編輯器 資料列層級安全性
透過快捷方式存取數據 是（間接通過湖屋） 是 無 Yes
可以是快捷方式的來源 是（表格） 是 （檔案和資料表） No Yes
跨項目查詢 是，跨 Lakehouse 和倉儲數據表查詢 是，跨 Lakehouse 和倉儲數據表進行查詢;跨 Lakehouses 查詢 （包括使用 Spark 的快捷方式） No 是，使用快捷方式跨 KQL 資料庫、Lakehouses 和倉儲進行查詢
進階分析 時間序列原生元素、完整的地理空間儲存和查詢功能
進階格式支援 免費文字和半結構化數據的完整索引編製，例如 JSON
擷取延遲 佇列擷取，串流擷取有幾秒鐘的延遲

注意

Eventhouse 是多個 KQL 資料庫的工作區。 KQL 資料庫已正式推出，而 Eventhouse 則處於預覽狀態。 如需詳細資訊，請參閱 Eventhouse 概觀（預覽）。

案例

請檢閱這些案例，以協助選擇 Fabric 中的數據存放區。

案例 1

專業開發人員 Susan 是 Microsoft Fabric 的新手。 他們已準備好開始清理、模型化和分析數據，但需要決定建置數據倉儲或 Lakehouse。 檢閱上表的詳細數據之後，主要決策點是可用的技能集，以及多數據表交易的需求。

Susan 已花費數年時間在關係資料庫引擎上建置數據倉儲，並熟悉 SQL 語法和功能。 思考較大的小組時，此數據的主要取用者也會使用 SQL 和 SQL 分析工具。 Susan 決定使用 數據倉儲，這可讓小組主要與 T-SQL 互動，同時允許組織中的任何 Spark 使用者存取數據。

案例 2

數據工程師 Rob 需要在 Fabric 中儲存並建立數 TB 數據的模型。 小組混合了 PySpark 和 T-SQL 技能。 執行 T-SQL 查詢的大部分小組都是取用者，因此不需要撰寫 INSERT、UPDATE 或 DELETE 語句。 其餘開發人員在筆記本中工作很自在，而且因為數據儲存在 Delta 中，所以能夠與類似的 SQL 語法互動。

Rob 決定使用 Lakehouse，這可讓數據工程小組針對數據使用其多樣化技能，同時允許 T-SQL 中高技能的小組成員取用數據。

案例 3

Ash 是公民開發人員，是 Power BI 開發人員。 他們熟悉 Excel、Power BI 和 Office。 他們需要為業務單位建置數據產品。 他們知道，他們不太具備建置數據倉儲或 Lakehouse 的技能，而且這些技能看起來對他們的需求和數據量來說太過分了。 他們會檢閱上表的詳細數據，並查看主要決策點是自己的技能，以及自助、無程序代碼功能，以及低於 100 GB 的數據量。

Ash 與熟悉 Power BI 和 Microsoft Office 的業務分析師合作，並知道他們已經有 進階版 容量訂用帳戶。 當他們考慮較大的小組時，他們意識到此數據的主要取用者可能是分析師，熟悉無程式代碼和 SQL 分析工具。 Ash 決定使用 Power BI Datamart，這可讓小組使用無程式代碼體驗快速互動建置功能。 查詢也可以透過Power BI和 T-SQL 執行，同時允許組織中的任何Spark使用者存取數據。

案例 4

Daisy 是商務分析師，曾使用Power BI分析大型全球零售連鎖店的供應鏈瓶頸。 他們需要建置可調整的數據解決方案，以處理數十億個數據列，並可用來建置可用來做出商務決策的儀錶板和報表。 這些數據來自各種結構化、半結構化和非結構化格式的工廠、供應商、貨運公司和其他來源。

Daisy 決定使用 KQL 資料庫 ，因為它的延展性、快速響應時間、進階分析功能，包括時間序列分析、地理空間函式，以及 Power BI 中的快速直接查詢模式。 您可以使用Power BI和 KQL 來執行查詢，以比較目前和先前的期間、快速找出新興的問題，或提供陸地和海上路線的地理空間分析。

相關內容