Bagikan melalui

Mencerminkan Snowflake di Microsoft Fabric

  • Artikel

Mirroring in Fabric memberikan pengalaman mudah untuk menghindari ETL (Extract Transform Load) yang kompleks dan mengintegrasikan data gudang Snowflake yang ada dengan sisa data Anda di Microsoft Fabric. Anda dapat terus mereplikasi data Snowflake 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.

Untuk tutorial tentang mengonfigurasi database Snowflake Anda untuk Mirroring in Fabric, lihat Tutorial: Mengonfigurasi database cermin Microsoft Fabric dari Snowflake.

Mengapa menggunakan Mirroring in Fabric?

Dengan Mirroring in Fabric, Anda tidak perlu mengumpulkan layanan yang berbeda dari beberapa vendor. Sebagai gantinya, Anda dapat menikmati produk yang sangat terintegrasi, end-to-end, dan mudah digunakan yang dirancang untuk menyederhanakan kebutuhan analitik Anda, dan dibangun untuk keterbukaan dan kolaborasi antara Microsoft, Snowflake, dan 1000-an solusi teknologi yang dapat membaca format tabel Delta Lake sumber terbuka.

Pengalaman analitik apa saja yang sudah tersedia?

Database yang dicerminkan adalah item di Fabric Data Warehousing yang berbeda dari Gudang dan endpoint analitik SQL.

Diagram pencerminan database Fabric untuk Snowflake.

Pencerminan membuat tiga item di ruang kerja Fabric Anda:

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

Setiap database cermin memiliki titik akhir analitik SQL yang dibuat secara otomatis yang memberikan pengalaman analitik yang kaya di atas 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 dari Snowflake.
  • Buat kueri dan tampilan tanpa kode dan jelajahi data secara visual tanpa menulis satu baris kode pun.
  • 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.

Pertimbangan keamanan

Untuk mengaktifkan pencerminan Fabric, Anda memerlukan izin pengguna untuk database Snowflake Anda yang berisi izin berikut:

  • CREATE STREAM
  • SELECT table
  • SHOW tables
  • DESCRIBE tables

Untuk informasi selengkapnya, lihat dokumentasi Snowflake tentang Hak Istimewa Kontrol Akses untuk Tabel Streaming dan Izin yang Diperlukan untuk Stream.

Penting

Setiap keamanan terperinci yang ditetapkan di gudang Snowflake sumber harus dikonfigurasi ulang dalam database yang dicerminkan di Microsoft Fabric. Untuk informasi selengkapnya, lihat Izin terperinci SQL di Microsoft Fabric.

Pertimbangan biaya Mirrored Snowflake

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

Fabric tidak membebankan biaya masuk data jaringan ke OneLake untuk Mirroring.

Ada biaya komputasi Snowflake dan kueri cloud ketika data dicerminkan: biaya komputasi gudang virtual dan biaya komputasi layanan cloud.

  • Biaya komputasi gudang virtual Snowflake:
    • Biaya komputasi akan dibebankan pada sisi Snowflake jika ada perubahan data yang dibaca di Snowflake, dan kemudian dicerminkan ke dalam Fabric.
    • Setiap kueri metadata yang dijalankan di belakang layar untuk memeriksa perubahan data tidak dikenakan biaya untuk komputasi Snowflake; namun, kueri yang menghasilkan data seperti SELECT * akan membangunkan Gudang Snowflake dan komputasi akan dikenakan biaya.
  • Biaya komputasi layanan Snowflake:
    • Meskipun tidak ada biaya komputasi untuk tugas di balik layar seperti penulisan, kueri metadata, kontrol akses, memperlihatkan perubahan data, dan bahkan kueri DDL, ada biaya cloud yang terkait dengan kueri ini.
    • Tergantung pada jenis edisi Snowflake yang Anda miliki, Anda akan dikenakan biaya kredit yang sesuai untuk biaya layanan cloud apa pun.

Dalam cuplikan layar berikut, Anda dapat melihat biaya komputasi gudang virtual dan komputasi layanan cloud untuk database Snowflake terkait yang diduplikasi ke dalam Fabric. Dalam skenario ini, sebagian besar biaya komputasi layanan cloud (berwarna kuning) berasal dari kueri perubahan data berdasarkan poin yang disebutkan sebelumnya. Biaya komputasi gudang virtual (berwarna biru) murni berasal dari perubahan data yang dibaca dari Snowflake dan dicerminkan ke Fabric.

Tangkapan layar grafik biaya Snowflake.

Untuk informasi lebih lanjut tentang biaya kueri cloud yang khusus untuk Snowflake, lihat dokumen-dokumen Snowflake: Memahami biaya keseluruhan.

Langkah selanjutnya

Tutorial: Mengonfigurasi database Microsoft Fabric yang dicerminkan dari Snowflake

Konten terkait