Bagikan melalui


Buka pencerminan di Microsoft Fabric (Pratinjau)

Mirroring in Fabric memberikan pengalaman yang mudah untuk menghindari ETL (Extract Transform Load) yang kompleks dan mengintegrasikan data yang ada ke OneLake dengan sisa data Anda di Microsoft Fabric. Anda dapat terus mereplikasi data yang ada langsung ke OneLake Fabric. Di dalam Fabric, Anda dapat membuka kecerdasan bisnis yang kuat, kecerdasan buatan, Rekayasa Data, Ilmu Data, dan skenario berbagi data.

Pencerminan terbuka memungkinkan aplikasi apa pun menulis data perubahan langsung ke database cermin di Fabric. Pencerminan terbuka dirancang agar dapat diperluas, dapat disesuaikan, dan terbuka. Ini adalah fitur canggih yang memperluas penggandaan dalam Fabric berdasarkan format tabel terbuka Delta Lake.

Setelah data mendarat di OneLake in Fabric, pencerminan terbuka menyederhanakan penanganan perubahan data yang kompleks, memastikan bahwa semua data yang dicerminkan terus diperbarui dan siap untuk analisis.

Penting

Fitur ini dalam pratinjau.

Untuk tutorial tentang mengonfigurasi database cermin terbuka Anda di Fabric, lihat Tutorial: Mengonfigurasi database cermin terbuka Microsoft Fabric.

Mengapa menggunakan pencerminan terbuka di Fabric?

Pencerminan terbuka memperluas kemampuan Mirroring in Fabric ke aplikasi Anda sendiri atau penyedia data yang ada untuk menyimpan data ke dalam database cermin dalam OneLake di Fabric. Setelah data tiba di zona pendaratan, mesin replikasi pencerminan mengelola kompleksitas perubahan dan mengonversi data menjadi Delta Parquet, format yang siap untuk analitik. Di OneLake, data Anda dapat dianalisis dan dikonsumsi oleh semua pengalaman di Fabric.

Diagram yang menjelaskan aliran data dari zona pendaratan ke Tabel melalui pemrosesan penangkapan data (CDC) yang diubah.

Pencerminan terbuka memenuhi kebutuhan replikasi data Anda jika Anda:

  • Gunakan aplikasi Anda sendiri untuk menulis data ke zona pendaratan pencerminan terbuka sesuai dengan persyaratan dan format yang berlaku.
  • Gunakan salah satu mitra pencerminan terbuka kami yang ada untuk membantu Anda menyerap data.

Pengalaman analitik apa yang dibangun?

Semua jenis database yang dicerminkan adalah item di Fabric Data Warehousing yang berbeda dari Gudang dan titik akhir analitik SQL.

Pencerminan membuat tiga item di ruang kerja Fabric Anda:

  • Item basis data yang tercermin. Pencerminan mengelola replikasi data ke dalam OneLake dan konversi ke format Delta Parquet, serta mengelola kompleksitas perubahan dalam format yang siap untuk analitik. Ini memungkinkan skenario hilir seperti rekayasa data, ilmu data, dan banyak lagi.
  • Titik akhir analitik SQL
  • Model semantik bawaan

Setiap database cermin terbuka memiliki titik akhir SQL analitik otomatis, yang memberikan pengalaman analitik yang kaya berdasarkan Tabel Delta yang dibuat oleh proses pencerminan. Pengguna memiliki akses ke perintah T-SQL yang familier yang dapat menentukan dan mengkueri objek data tetapi tidak memanipulasi data dari titik akhir analitik SQL, karena ini adalah salinan baca-saja. Anda dapat melakukan tindakan berikut di titik akhir analitik SQL:

  • Jelajahi tabel yang mereferensikan data dalam tabel Delta Lake Anda.
  • Buat kueri dan tampilan tanpa kode, dan jelajahi data secara visual tanpa menulis sebaris kode.
  • Kembangkan tampilan SQL, TVF sebaris (Fungsi Bernilai Tabel), dan prosedur tersimpan untuk merangkum semantik dan logika bisnis Anda di T-SQL.
  • Mengelola izin pada objek.
  • Kueri data di Gudang dan Lakehouse lain di ruang kerja yang sama.

Selain editor kueri SQL, ada ekosistem alat yang luas yang dapat mengkueri titik akhir analitik SQL, termasuk SQL Server Management Studio (SSMS), ekstensi mssql dengan Visual Studio Code, dan bahkan GitHub Copilot.

Buka pertimbangan biaya pencerminan

Komputasi fabric yang digunakan untuk mereplikasi data Anda ke Fabric OneLake adalah gratis. Biaya penyimpanan Mirroring bebas hingga batas berdasarkan kapasitas. Untuk informasi selengkapnya, lihat Biaya pencerminan dan Harga Microsoft Fabric. Komputasi untuk mengkueri data menggunakan SQL, Power BI, atau Spark dikenakan biaya reguler.

Langkah selanjutnya