Merk
Tilgang til denne siden krever autorisasjon. Du kan prøve å logge på eller endre kataloger.
Tilgang til denne siden krever autorisasjon. Du kan prøve å endre kataloger.
Note
Denne funksjonen er for øyeblikket i offentlig forhåndsversjon. Denne forhåndsvisningen leveres uten en tjenesteavtale, og anbefales ikke for produksjonsarbeidsbelastninger. Enkelte funksjoner støttes kanskje ikke eller kan ha begrensede funksjoner. For mer informasjon, se Supplemental Terms of Use for Microsoft Azure Previews.
Denne veiledningen tar deg gjennom et ende-til-ende-diagramscenario i Microsoft Fabric. Du tar eksempeldata, modellerer det som en graf, og spør etter innsikt — og bygger en fungerende forståelse av grafopplevelsen underveis.
Forutsetning
Før du starter denne veiledningen, sjekk at:
Du har tilgang til en Microsoft Fabric-kapasitet (F2 eller høyere) eller en Fabric-prøve.
En Fabric-administrator aktiverte Graph i din Fabric-tenant. De aktiverer denne innstillingen i administrasjonsportalen.
Du er medlem av et Fabric-arbeidsområde eller har tillatelse til å opprette elementer i arbeidsområdet. For mer informasjon, se Workspaces i Microsoft Fabric.
Viktig!
Tilgangshåndteringen av grafen er begrenset til arbeidsområdet som hoster den. Brukere utenfor arbeidsområdet kan ikke få tilgang til grafen. Brukere i arbeidsområdet som har tilgang til de underliggende dataene i lakehouse, kan modellere og spørre grafen.
Graf ende-til-ende-scenario
I denne veiledningen tar du på deg rollen som dataanalytiker hos det fiktive Adventure Works-selskapet. Du bygger en grafmodell for å representere forholdet mellom kunder, ordre, ansatte, produkter og leverandører. Deretter søker du i grafen for å finne innsikt om kundens kjøpsatferd og produktets ytelse. Følg disse trinnene:
- Last inn prøvedata i et innsjøhus.
- Lag en graf ved å lage en grafmodell og laste inn data fra OneLake.
- Legg til noder i grafen for hver enhet i datamodellen.
- Legg til kanter i grafen din for å definere relasjoner mellom noder.
- Legg til flere node- og kanttyper fra én tabell for å lage en rikere grafmodell.
- Søk i grafen med spørringsbyggeren ved hjelp av et interaktivt visuelt grensesnitt.
- Spør grafen med GQL ved hjelp av kodeeditoren.
- Rydde opp i opplæringsressurser ved å slette arbeidsområdet og andre elementer.
For en detaljert oversikt over hvordan data flyter gjennom graf — fra datakilder gjennom OneLake-lagring, grafmodellering, forespørsler og resultater — se grafarkitektur.
Eksempel på data
For eksempeldataene fra denne veiledningen, bruk Adventure Works-eksempeldatasettet. Adventure Works er en fiktiv sykkelprodusent som selger sykler og tilbehør til kunder over hele verden.
Note
Adventure Works-datasettet som brukes i denne veiledningen er en tilpasset versjon designet spesielt for å demonstrere grafegenskaper. Den skiller seg fra standard Adventure Works-datasett og støtter grafspesifikke funksjoner.
Adventure Works-datasetet inkluderer:
- Kunder – Folk som kjøper produkter.
- Ordrer – Salgstransaksjoner.
- Ansatte – Ansatte som håndterer salg.
- Produkter – Varer kan kjøpes.
- Produktkategorier og underkategorier – Produktklassifiseringshierarki.
- Leverandører – Leverandører som produserer produkter.
Datamodell
Adventure Works-datamodellen viser et typisk detaljhandelsscenario med flere enheter og relasjoner. I denne veiledningen modellerer du følgende relasjoner:
| Forhold | Beskrivelse |
|---|---|
Employee sells Order |
Ansatte behandler kundebestillinger |
Customer purchases Order |
Kunder foretar kjøp |
Order contains Product |
Bestillinger inkluderer produkter |
Product isOfType ProductSubcategory |
Produkter tilhører underkategorier |
ProductSubcategory belongsTo ProductCategory |
Underkategorier tilhører kategorier |
Vendor produces Product |
Leverandører leverer produkter |