Förenkla datahantering med spegling och virtualisering

  • 8 minuter

Organisationer står ofta inför utmaningar med att hantera och analysera sina data på grund av komplexiteten i integreringen av olika datakällor, säkerställa datakonsekvens och upprätthålla datatillgänglighet i realtid. SQL Database i Microsoft Fabric hanterar dessa utmaningar genom att tillhandahålla en enhetlig plattform som förenklar dataintegrering, förbättrar datakonsekvensen och säkerställer datatillgänglighet i nära realtid.

Integrera med spegling

En av de viktigaste funktionerna i SQL Database i Microsoft Fabric är dess möjlighet att spegla databaser från Azure SQL Database direkt till Fabrics OneLake. Dessutom speglas SQL Database i Fabric automatiskt i analyssyfte, med data som kontinuerligt replikeras till OneLake nästan i realtid.

Diagram över Infrastrukturdatabasspegling för Azure SQL Database.

Den här speglingsprocessen säkerställer att data kontinuerligt replikeras nästan i realtid, vilket eliminerar behovet av komplexa ETL-processer (Extract, Transform, Load). Genom att göra det minskar den totala ägandekostnaden och påskyndar tiden till insikt, vilket gör det möjligt för företag att låsa upp business intelligence, artificiell intelligens, datateknik, datavetenskap och datadelningsscenarier.

När du har initierat en speglingsprocess kan du övervaka replikeringsstatusen genom att välja alternativet Övervaka replikering på fliken Replikering . Om det inte finns några uppdateringar i källtabellerna backar motorn och återupptar den regelbundna avsökningen efter att ha upptäckt uppdaterade data.

Skärmbild av hur du övervakar en speglingsprocess för SQL Database i Fabric.

Mer information om hur du konfigurerar speglade databaser finns i Självstudie: Konfigurera Microsoft Fabric-speglade databaser från Azure SQL Database.

Utforska datavirtualisering

Datavirtualisering i SQL Database i Fabric är en funktion som gör att du kan komma åt och manipulera data från olika källor utan att behöva flytta eller kopiera data fysiskt. Den här metoden ger en enhetlig vy över data, vilket möjliggör sömlös integrering och analys på olika plattformar.

De här funktionerna möjliggör scenarier som att fråga efter Parquet-, CSV- och Delta-tabeller som är tillgängliga i ett sjöhus.

Kapacitet Definition Frågeexempel
Databasomfattande autentiseringsuppgifter Gör att du kan skapa autentiseringsuppgifter som kan användas för att komma åt externa datakällor på ett säkert sätt. CREATE DATABASE SCOPED CREDENTIAL MyCredential WITH IDENTITY = 'USER IDENTITY';
Extern datakälla På så sätt kan du definiera externa datakällor, till exempel filer som lagras i OneLake. 'abfss://aaaaaaaa-0000-1111-2222-bbbbbbbbbbbb@<onelake_account_name>.dfs.fabric.microsoft.com/bbbbbbbb-1111-2222-3333-cccccccccccc/Files/parquet/data1.parquet';
Externt filformat Med den här funktionen kan du ange formatet för externa filer, till exempel Parquet-, CSV- och Delta-filer. CREATE EXTERNAL FILE FORMAT MyFileFormat WITH ( FORMAT_TYPE = DELIMITEDTEXT, FORMAT_OPTIONS ( FIELD_TERMINATOR = ',', STRING_DELIMITER = '"' ) );
Extern tabell På så sätt kan du skapa tabeller som refererar till data som lagras utanför SQL-databasen. CREATE EXTERNAL TABLE MyExternalTable ( Column1 INT, Column2 NVARCHAR(50) ) WITH ( LOCATION = 'myfolder/myfile.csv', DATA_SOURCE = MyExternalDataSource, FILE_FORMAT = MyFileFormat );