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 szemantikai hivatkozás az alapértelmezett futtatókörnyezetben érhető el a Fabric használatakor, és nincs szükség a telepítésre.
A Spark 3.3 vagy újabb verziójához, illetve a szemantikai hivatkozás legújabb verziójára való frissítéshez futtassa a következő parancsot:
%pip install -U semantic-link
A szemantikai kapcsolat elsődleges céljai a következők:
- Az adatkapcsolat megkönnyítése.
- Engedélyezze a szemantikai információk propagálását.
- Zökkenőmentesen integrálható az adatelemzők által használt eszközökkel, például jegyzetfüzetekkel.
A szemantikai hivatkozás segít megőrizni a tartomány adatszemantika-ismereteit olyan szabványosított módon, amely felgyorsítja az adatelemzést és csökkenti a hibákat.
A szemantikai kapcsolat adatfolyama olyan szemantikai modellekkel kezdődik, amelyek adatokat és szemantikai információkat tartalmaznak. A szemantikai kapcsolat áthidalja a Power BI és a Synapse Adattudomány közötti szakadékot.
A szemantikai hivatkozás lehetővé teszi a Power BI szemantikai modelljeinek használatát a Synapse Adattudomány tapasztalatában olyan feladatok végrehajtásához, mint a részletes statisztikai elemzés és a gépi tanulási technikákkal végzett prediktív modellezés. Az adatelemzési munka kimenetét az Apache Spark használatával tárolhatja a OneLake-ben, és a tárolt kimenetet a Direct Lake használatával betöltheti a Power BI-ba.
A szemantikai modellek egyetlen táblázatos objektummodellként szolgálnak, amely megbízható forrásokat biztosít a szemantikai definíciókhoz, például a Power BI-mértékekhez. A szemantikai kapcsolat a következő ökoszisztémák szemantikai modelljeihez kapcsolódik, így az adattudósok egyszerűen dolgozhatnak a leginkább jártas rendszerben.
- A Python pandas ökoszisztémája a SemPy Python-kódtáron keresztül.
- Apache Spark-ökoszisztéma a Spark natív összekötőjén keresztül. Ez az implementáció különböző nyelveket támogat, például a PySparkot, a Spark SQL-t, az R-t és a Scalát.
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 Synapse Adattudomány környezetbe propagál az új élmények 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.
A FabricDataFrame az elsődleges adatstruktúra, amelyet a szemantikai kapcsolat használ a szemantikai modellek szemantikai adatainak a Synapse Adattudomány környezetbe való propagálására.
A FabricDataFrame osztály szerepe a következő:
- Támogatja az összes pandas-műveletet.
- Alosztályozza a pandas DataFrame-et , és metaadatokat ad hozzá, például szemantikai információkat és életútot.
- Elérhetővé teszi a szemantikai függvényeket és az add-measure metódust, amellyel Power BI-mértékeket használhat az adatelemzési munkában.
- A Python szemantikai hivatkozáscsomag (SemPy) referenciadokumentációjának megismerése
- Oktatóanyag: Adatok tisztítása funkcionális függőségekkel
- Power BI-kapcsolat szemantikai kapcsolattal és Microsoft Fabrictel
- Adatok feltárása és ellenőrzése szemantikai hivatkozással
- Kapcsolatok vizsgálata és érvényesítése szemantikai modellekben