Diagram i Microsoft Fabric översikt (förhandsversion)

Anmärkning

Den här funktionen är för närvarande i offentlig förhandsversion. Den här förhandsversionen tillhandahålls utan ett serviceavtal och rekommenderas inte för produktionsarbetsbelastningar. Vissa funktioner kanske inte stöds eller kan vara begränsade. Mer information finns i Supplemental Terms of Use for Microsoft Azure Previews.

Diagram i Microsoft Fabric hjälper dig att modellera, visualisera och analysera komplexa relationer i dina data. Det är en skalbar lösning i företagsklass som omvandlar frånkopplade data till AI-baserade insikter. Med hjälp av grafen kan du upptäcka dolda anslutningar i dina data och förbättra beslutsfunktionerna.

Till skillnad från traditionella relationsdatabaser som ofta kräver kostsamma kopplingar och komplexa frågor, diagram:

Tillsammans möjliggör dessa funktioner avancerad grafanalys direkt på OneLake utan att behöva konfigurera bräckliga ETL-arbetsflöden manuellt (extrahera, transformera, läsa in) eller datareplikeringsarbetsflöden som enkelt bryts när data ändras.

Graph skalar automatiskt för att hantera stora arbetsbelastningar, så att du kan analysera miljarder relationer utan avmattning. Du kan lägga till beskrivande taggar och information i båda objekten (noderna) och deras anslutningar (kanter), vilket gör det enklare att organisera och söka efter komplexa relationer.

Genom att använda inbyggt stöd för GQL och Naturligt språk till GQL (NL2GQL) får du standardbaserade frågefunktioner som är optimerade för grafåtgärder. De här funktionerna ger portabilitet och konsekvens i graflösningar, så att du kan migrera frågor från andra GQL-kompatibla system. Graph tar bort komplexiteten i kopplingar och transformeringar för att låsa upp sömlös grafanalys och avancerade insikter i stor skala, samtidigt som du använder dina befintliga data i OneLake.

Varför diagramanalys spelar roll

Traditionella relations- och tabelldataformat gör det svårt – om inte omöjligt – att mappa relationer mellan olika datapunkter. Dessa format kan till exempel inte visa sammanflätade anslutningar mellan användare, inlägg, kommentarer, forum och taggar på en plattform för sociala medier. Med Graph kan du upptäcka dolda anslutningar, communities och påverkan i dina data. Med hjälp av grafen kan du besvara komplexa frågor om sociala nätverk, affärsprocesser med mera.

Graph är ett effektivt sätt att modellera, visualisera och köra frågor mot dessa relationer. Det hjälper dig att förstå hur sammanlänkade dina data är och ger bättre insikter.

  • Företagsanvändare: Utforska relationer visuellt, kör NL-frågor (naturligt språk) och få insikter utan problem.
  • Datatekniker: Definiera grafmodeller, förena data i OneLake med verktyg med låg kod och ingen kod.
  • Dataforskare: Använd grafalgoritmer och ML (maskininlärning) i Fabric datavetenskapsmiljö.
  • Utvecklare: Skapa AI-agenter och realtidsappar med hjälp av grafdrivna sammanhangsbaserade insikter. Fabric Data Agent stöder graph som datakälla (förhandsversion).

Graph breddar åtkomsten till grafinsikter utöver specialiserade roller. Alla användare kan använda anslutna data i det dagliga beslutsfattandet.

Vad du kan göra med graf

Med hjälp av grafen kan du:

  • Skapa ett etiketterat egenskapsdiagram över strukturerade data i OneLake genom att definiera dess noder och kanter när det gäller underliggande tabelldata. Information om hur du läser in och uppdaterar källdata finns i Hantera och uppdatera data.

    Viktigt!

    Graph stöder för närvarande inte schemautveckling. När du har matat in och modellerat dina data är strukturen för noder, relationer och egenskaper fast. Om du behöver göra strukturella ändringar, till exempel lägga till nya egenskaper, ändra etiketter eller ändra relationstyper, måste du ändra uppdaterade källdata till en ny modell. Mer information om hur du planerar schemat finns i Designa ett diagramschema.

  • Fråga med hjälp av GQL (Graph Query Language), inklusive mönstermatchning, sökvägskonstruktioner, sammansättningar och andra funktioner när de släpps. Den officiella internationella standarden för GQL är ISO/IEC 39075 Informationsteknik – databasspråk – GQL.

  • Power Graph-baserade AI-resonemang genom att lägga till graf som datakälla i Fabric Data Agent. Mer information om hur NL2GQL fungerar finns i graph-baserade AI-resonemang.

  • Dra nytta av funktionsbaserade jobbupplevelser:

    • Datatekniker kan modellera och skapa grafer.
    • Analytiker kan köra frågor med låg kod eller ingen kod och kurera vyuppsättningar.
    • Företagsanvändare kan utforska visuellt eller använda naturligt språk för att interagera med data.

  • Arbeta inom Fabric: Stäng av automatiskt när den inte används och övervaka användningen i appen för kapacitetsmått – allt styrs av Fabric OneLake-säkerhets-, efterlevnads- och behörighetsmodell.

Integrering med Microsoft Fabric

Graph är djupt integrerat med Microsoft Fabric-plattformen, inklusive OneLake för enhetlig datalagring och Fabric användargränssnitt för visualisering. Den integreras sömlöst med Microsoft Fabric styrnings-, säkerhets- och driftfunktioner.

Du kan införliva grafanalys i dina befintliga arbetsflöden, vilket eliminerar behovet av dataduplicering och specialiserade kunskaper. Därför kan du göra insikter tillgängliga för en bredare målgrupp jämfört med traditionella fristående grafdatabaser. En detaljerad titt på dataflödet från slutpunkt till slutpunkt finns i Så här fungerar grafen.

Diagramdrivna AI-resonemang med Fabric Data Agent (förhandsversion)

Fabric Data Agent stöder diagram i Microsoft Fabric som datakälla för AI-baserade resonemang över anslutna data. När du lägger till graf som en datakälla kan användarna ställa frågor på naturligt språk som agenten svarar på genom att fråga grafen.

Den här integrationen passar för scenarier som flerstegs frågehantering, kunskapsassistenter och RAG-arbetsflöden (retrieval-augmented generation) där sambandskontexten förbättrar svarskvaliteten. Mer information om hur NL2GQL översätter naturligt språk till GQL finns i det Graph-drivna AI-resonemanget.

Anmärkning

Diagramdrivna AI-resonemang finns för närvarande i förhandsversion. Mer information om Fabric Data Agent finns i Fabric dataagentbegrepp.

Så här skiljer sig grafen från fristående grafdatabaser

Area graf Fristående grafdatabas
Datagravitation grafen fungerar direkt på OneLake, så du behöver inte utföra ETL eller duplicera data. Fristående grafdatabaser kräver att du flyttar eller duplicerar dina data till en separat grafdatabasinstans, vilket kan lägga till komplexitet och omkostnader.
Skalbarhet Tjänsten är utformad för storskaliga grafer och använder skalbar horisontell partitionering över flera datorer för att effektivt hantera stordataarbetsbelastningar. De flesta fristående grafdatabaser förlitar sig på uppskalningsarkitekturer eller kluster som kan begränsas av leverantören eller utgåvan, vilket kan begränsa skalbarheten.
Language grafen är kompatibel med den nya GQL-standarden (förhandsversion) och innehåller inbyggda grafanalysalgoritmer. Fristående grafdatabaser använder ofta leverantörsspecifika frågespråk och separata analysramverk. Stöd för algoritmer kan variera kraftigt.
Användarupplevelse Användarna kan dra nytta av ett enhetligt Microsoft Fabric-gränssnitt för modellering, frågehantering, affärsanalys (BI), integrering av AI och utforskning med låg eller ingen kod. Specialiserade kunskaper i grafteknik krävs inte. Fristående grafdatabaser är främst utvecklarfokuserade, med konsoler och SDK:er som ofta kräver särskilda kunskaper. Visualiserings- och lågkodsverktyg kan vara separata och kan kräva extra installation.
Åtgärder och kostnader graph använder din befintliga Fabric-kapacitet och minskar automatiskt resurser när de inte används, vilket hjälper dig att minska kostnaderna. Fristående grafdatabaser kräver separata kluster eller licenser, anpassad skalning och övervakning och medför ofta avgifter för inaktiv kapacitet. De ökar driftskomplexiteten och kostnaderna.
Styrning och säkerhet Microsoft Fabric ger inbyggd OneLake-styrning, ursprungsspårning och rollbaserad åtkomstkontroll för arbetsytan (RBAC). Den integreras med Fabric efterlevnadsstandarder för säkerhet och granskning. Fristående grafdatabaser har separata säkerhets- och styrningsmodeller som du måste konfigurera och granska oberoende av varandra. De kan öka risken och den administrativa bördan.

Anmärkning

Gå med i den nya Fabric användarpanelen för att dela feedback och hjälpa till att forma Fabric och Power BI. Delta i undersökningar och en-mot-en-sessioner med produktteamet. Mer information och registrering finns i Fabric användarpanelen.

Priser och kapacitetsenheter

Graph använder samma kapacitetsenheter (CUS) som andra arbetsbelastningar i Microsoft Fabric. Du behöver inte köpa en separat grafspecifik licens eller SKU. Alla grafåtgärder, inklusive datainmatning, frågor och körande algoritmer, förbrukar organisationens reserverade kapacitet eller kapacitet för betalning efter användning av Fabric.

Graph-åtgärder faktureras baserat på cpu-drifttid. Varje sekund av drifttiden medför 10 CU-sekunder i kostnad. Varje session med CPU-drifttid avrundas till närmaste minut.

För graflagring etablerar systemet minst 100 GB. Graph Storage faktureras med samma hastighet som OneLake Cache.

Mer information om priser och kapacitetsenheter finns på Microsoft Fabric-sidan för priser.

Du kan övervaka diagramarbetsbelastningens resursförbrukning och prestanda i appen Fabric Capacity Metrics. Du ser följande radobjekt i appen Fabric Metrics och på månatliga fakturor:

Fabric operation-namn i Metrics-appen Azure faktureringsmätare
Allmänna grafoperationer Grafkapacitetsutnyttjande CU
Grafcachelagring OneLake Cache

Tillgänglighet i regionen

Graph är för närvarande tillgängligt i följande regioner:

  • Australia East
  • Australia Southeast
  • Syd-Brasilien
  • Canada Central
  • Centralindien
  • Central US
  • Östasien
  • East US
  • Östra USA 2
  • Frankrike Centrala
  • Tyskland Västcentrala
  • Israel Centrala
  • Italy North
  • Japan Öst
  • Västra Japan
  • Korea Central
  • Mexico Central
  • Norra centrala USA
  • North Europe
  • Norway East
  • Centrala Polen
  • Sydafrika Nord
  • Södra Centrala USA
  • Sydostasien
  • South India
  • Spain Central
  • Centrala Sverige
  • Switzerland North
  • Switzerland West
  • UAE North
  • UK South
  • UK West
  • West Europe
  • West US
  • Västra USA 2
  • Västra USA 3

Relaterat innehåll

  • Last updated on