WEBVTT

00:00:00.000 --> 00:00:05.540
Le sujet d'aujourd'hui est quelque chose dont presque tout le monde travaillant avec les données a entendu parler, mais que peu de gens comprennent vraiment.

00:00:06.180 --> 00:00:07.160
Microsoft fabrique One Lake.

00:00:07.640 --> 00:00:12.560
Vous l'avez probablement vu dans les campagnes marketing de Microsoft ou entendu quelqu'un le qualifier de lac de données unifié pour toute votre organisation.

00:00:13.080 --> 00:00:14.780
Mais qu'est-ce que cela signifie réellement ?

00:00:14.780 --> 00:00:17.920
S'agit-il simplement d'un autre compartiment de stockage ou est-ce quelque chose de fondament différent ?

00:00:17.920 --> 00:00:18.980
Voici la définition la plus simple.

00:00:19.440 --> 00:00:22.580
One Lake est un lac de données logique unique qui se trouve au cœur de Microsoft Fabrique.

00:00:23.420 --> 00:00:27.760
Chaque service fabrique, Lake House, Entrepôt, Event House, Power BI, il stocke ses données.

00:00:28.140 --> 00:00:28.900
Et la règle clé est simple.

00:00:28.900 --> 00:00:32.160
Une copie physique des données accessibles par de nombreux moteurs différents.

00:00:32.700 --> 00:00:34.400
Fini la copie de données d'un outil à un autre.

00:00:34.720 --> 00:00:36.500
Fini de se demander quelle version d'un rapport est la bonne.

00:00:37.180 --> 00:00:44.300
A la fin de cet épisode, vous comprendrez ce qu'est réellement One Lake, comment il élimine la duplication des données et pourquoi il change la donne pour Power BI, l'ingénierie des données et l'EI.

00:00:45.280 --> 00:00:47.840
Commençons donc par le problème que One Lake a été conçu pour résoudre.

00:00:48.980 --> 00:00:49.380
Le problème.

00:00:49.820 --> 00:00:50.980
Chaque département a son propre lac.

00:00:51.360 --> 00:00:52.920
Imaginez que vous travaillez dans une entreprise de Timeway.

00:00:53.300 --> 00:00:55.520
Votre équipe commerciale utilise un système CRM pour suivre les affaires.

00:00:55.900 --> 00:00:57.980
Votre équipe financière gère l'ERP pour la facturation.

00:00:57.980 --> 00:01:01.000
Votre équipe marketing extrait des données de leurs outils de campagne.

00:01:01.440 --> 00:01:04.500
Et votre équipe d'ingénierie des données gère un entrepôt de données pour le reporting.

00:01:05.020 --> 00:01:06.280
Voici ce à quoi je veux que vous réfléchissiez.

00:01:06.760 --> 00:01:08.980
Combien de copies des mêmes données clients existent à travers ces systèmes ?

00:01:09.780 --> 00:01:11.720
Dans la plupart des entreprises, la réponse est 4 ou 5.

00:01:12.180 --> 00:01:12.920
Le CRM les stocke.

00:01:13.200 --> 00:01:13.920
L'ERP les stocke.

00:01:14.240 --> 00:01:16.020
Le marketing les exporte dans son outil d'analyse.

00:01:16.780 --> 00:01:18.920
Tel qu'en finance crée une feuille de calcul à partir de l'ERP.

00:01:18.920 --> 00:01:23.060
Et l'équipe d'ingénierie des données les copie dans l'entrepôt pour que Power BI puisse les lire.

00:01:23.760 --> 00:01:28.120
C'est le même identifiant client, le même montant de vente, la même date de facture stockée à 5 endroits différents.

00:01:28.840 --> 00:01:30.000
Ce n'est pas parce que les gens sont négligents.

00:01:30.400 --> 00:01:32.080
C'est parce que les anciens outils ne communiquaient pas entre eux.

00:01:32.880 --> 00:01:37.100
Si vous vouliez exécuter un rapport combinant les données de vente du CRM et les données financières de l'ERP,

00:01:37.220 --> 00:01:39.520
vous deviez copier les deux dans quelque chose capable de les lire ensemble.

00:01:40.560 --> 00:01:44.200
Cela signifie construire des pipelines, planifier des tâches et espérer que rien ne casse pendant la nuit.

00:01:44.700 --> 00:01:45.900
Les coûts cachés s'accumulent rapidement.

00:01:45.900 --> 00:01:48.860
Les factures de stockage augmentent car vous payez 5 fois pour les mêmes données.

00:01:49.360 --> 00:01:52.060
Les rapports deviennent obsolètes car une copie est mise à jour et une autre non.

00:01:52.720 --> 00:01:54.600
Puis quelqu'un pose la question à laquelle personne ne veut répondre.

00:01:55.060 --> 00:01:56.500
Quelle est la bonne version ?

00:01:56.500 --> 00:01:58.300
Cette confusion érode la confiance envers les données.

00:01:58.820 --> 00:02:02.380
Et une fois la confiance perdue, les gens cessent complètement d'utiliser la plateforme d'analyse.

00:02:03.300 --> 00:02:05.620
Microsoft a examiné ce chaos et a posé une question simple.

00:02:05.680 --> 00:02:08.820
Et si vous pouviez avoir une seule copie de vos données que chaque outil pourrait lire ?

00:02:08.820 --> 00:02:11.520
Pas de duplication, pas de confusion, une source unique de vérité.

00:02:12.600 --> 00:02:14.320
Qu'est-ce que One Lake exactement ?

00:02:14.320 --> 00:02:16.060
One Lake est la réponse de Microsoft à cette question.

00:02:16.540 --> 00:02:18.820
C'est un lac de données logique unique pour toute votre organisation.

00:02:19.460 --> 00:02:20.860
La phrase clé à retenir est celle-ci.

00:02:21.360 --> 00:02:23.220
Un lac par tenant, pas un lac par équipe.

00:02:24.140 --> 00:02:27.100
Sous le capot, One Lake est construit sur Azure Data Lake Storage N2.

00:02:27.700 --> 00:02:31.660
Même technologie, même API, mais Microsoft l'a repackagé en tant que service SaaS entièrement géré.

00:02:31.960 --> 00:02:32.200
Entièrement.

00:02:32.620 --> 00:02:36.700
Vous ne créez pas de compte de stockage, vous ne gérez pas de conteneur, vous ne configurez pas de clé d'accès, vous l'utilisez simplement.

00:02:37.400 --> 00:02:39.220
Considérez cela comme OneDrive pour les données de votre entreprise.

00:02:39.760 --> 00:02:43.200
OneDrive vous offre un seul emplacement pour vos fichiers personnels, documents, photos et feuilles de calcul.

00:02:43.600 --> 00:02:45.940
Vous ne vous souciez pas de savoir où ils sont stockés physiquement ?

00:02:45.940 --> 00:02:47.000
Vous les ouvrez et vous travaillez.

00:02:47.400 --> 00:02:49.700
One Lake fait la même chose, mais pour les données de votre organisation.

00:02:50.520 --> 00:02:53.580
Il offre à chaque équipe, chaque projet, chaque charge de travail, un pool de stockage partagé.

00:02:54.180 --> 00:02:55.320
Voici maintenant une distinction importante.

00:02:55.880 --> 00:02:57.000
One Lake est logique, pas physique.

00:02:57.400 --> 00:03:00.380
En arrière-plan, il peut s'étendre sur plusieurs comptes de stockage dans différentes régions.

00:03:00.780 --> 00:03:02.200
Mais pour vous, il ressemble à un pool géant.

00:03:02.200 --> 00:03:05.280
Peu importe le serveur qui détient les fichiers, vous voyez simplement vos données.

00:03:05.980 --> 00:03:07.540
Chaque service fabrique, stocke ses données ici.

00:03:07.980 --> 00:03:09.900
Lorsque vous créez un Lake House, les données résident dans One Lake.

00:03:10.220 --> 00:03:12.160
Lorsque vous construisez un entrepôt, les tables résident dans One Lake.

00:03:12.600 --> 00:03:16.280
Lorsque vous exécutez un rapport Power BI, s'il utilise le mode Direct Lake, il lit directement depuis One Lake.

00:03:16.800 --> 00:03:20.300
Même Event House, le magasin d'analyse en temps réel, peut exposer ses données dans One Lake.

00:03:20.920 --> 00:03:24.000
Tout pointe vers le même endroit et le format de données par défaut est...

00:03:24.000 --> 00:03:24.580
Delta Parquet.

00:03:25.000 --> 00:03:26.940
C'est un format ouvert, pas un enfermement propriétaire Microsoft.

00:03:27.320 --> 00:03:29.180
Databricks l'utilise, les moteurs Spark le lisent.

00:03:29.440 --> 00:03:31.180
Des outils comme Pandas et Polars peuvent travailler avec.

00:03:31.180 --> 00:03:33.340
Ainsi, vos données ne sont pas piégées dans le monde Microsoft.

00:03:34.300 --> 00:03:39.180
C'est ouvert et portable, mais la vraie magie n'est pas le stockage, c'est la façon dont One Lake élimine le besoin de copier les données.

00:03:40.280 --> 00:03:41.420
Le principe de la copie unique.

00:03:42.060 --> 00:03:45.220
Voici l'idée centrale qui rend One Lake différent de tout ce qui existait auparavant.

00:03:45.640 --> 00:03:47.460
C'est ce qu'on appelle le principe de copie unique, et c'est simple.

00:03:47.800 --> 00:03:50.480
Une copie physique des données, accessible par de nombreux moteurs différents.

00:03:50.920 --> 00:03:52.240
Laissez-moi vous montrer ce que cela signifie.

00:03:52.800 --> 00:03:54.740
Imaginez que vous ayez une table de données de vente dans One Lake.

00:03:55.080 --> 00:03:56.960
Un ingénieur de données exécute un notebook Spark pour la nettoyer.

00:03:57.280 --> 00:03:59.720
Un analyste métier écrit une requête TSQL pour l'agréger.

00:03:59.720 --> 00:04:02.120
Et un rapport Power BI l'allie pour un tableau de bas.

00:04:02.600 --> 00:04:03.700
Les trois se produisent en même temps.

00:04:04.220 --> 00:04:05.160
Les trois lisent le même fichier.

00:04:05.500 --> 00:04:06.280
Personne n'a rien copié.

00:04:07.180 --> 00:04:08.460
Dans l'ancien monde, cela n'arrivait jamais.

00:04:08.980 --> 00:04:10.720
Copiez les données du lac de données vers un entrepôt.

00:04:11.400 --> 00:04:13.680
Ensuite, vous les copiez de l'entrepôt vers un modèle sémantique.

00:04:14.220 --> 00:04:15.300
Puis vous actualisez le rapport.

00:04:15.720 --> 00:04:17.080
Cela représente trois copies des mêmes données.

00:04:17.540 --> 00:04:19.160
Chacune consommant du temps et de l'espace de stockage.

00:04:19.420 --> 00:04:21.420
Et si une étape échouait, vos chiffres étaient faux ?

00:04:21.420 --> 00:04:22.580
Une seule copie élimine tout cela.

00:04:23.020 --> 00:04:24.180
Les données résident dans One Lake une seule fois.

00:04:24.180 --> 00:04:27.700
Les moteurs Spark, SQL, Power BI les lisent tous directement.

00:04:28.200 --> 00:04:28.640
Aucun mouvement.

00:04:29.080 --> 00:04:29.700
Aucune duplication.

00:04:30.040 --> 00:04:31.000
Aucun problème de synchronisation.

00:04:31.500 --> 00:04:32.380
Les économies de coût sont réelles.

00:04:32.720 --> 00:04:35.100
Moins de stockage car vous ne payez pas cinq fois pour les mêmes données.

00:04:35.820 --> 00:04:39.140
Moins d'ETL car vous ne construisez pas de pipeline juste pour déplacer des données entre les outils.

00:04:40.200 --> 00:04:42.420
Moins d'éléments à maintenir car il n'y a rien à casser entre les copies.

00:04:43.180 --> 00:04:44.540
Et le gain en fraîcheur des données est énorme.

00:04:44.960 --> 00:04:46.480
Une copie signifie une source unique de vérité.

00:04:46.760 --> 00:04:49.740
Lorsque les données sont mises à jour, chaque rapport voit la mise à jour immédiatement.

00:04:50.300 --> 00:04:53.660
Fini les questions du type, ce rapport utilise-t-il les données de la semaine dernière ou de cette semaine ?

00:04:53.660 --> 00:04:55.120
Ce sont toujours les mêmes données partout.

00:04:56.020 --> 00:04:58.880
Vous vous demandez peut-être, n'est-ce pas juste Azure Data Lake Storage ?

00:04:58.880 --> 00:04:59.380
Pas exactement.

00:04:59.780 --> 00:05:00.800
ADLS est un service pareil.

00:05:01.040 --> 00:05:01.960
Vous créez des comptes de stockage.

00:05:02.280 --> 00:05:02.960
Vous gérez des conteneurs.

00:05:03.300 --> 00:05:04.320
Vous configurez des clés d'accès.

00:05:04.640 --> 00:05:05.740
Vous décidez quelle région contient.

00:05:06.140 --> 00:05:07.740
C'est flexible, mais c'est aussi du travail.

00:05:08.280 --> 00:05:09.340
One Lake est un service sassin.

00:05:09.800 --> 00:05:10.860
Vous ne créez pas de compte de stockage.

00:05:10.860 --> 00:05:12.180
Vous ne gérez pas de conteneur.

00:05:12.560 --> 00:05:13.240
Vous l'utilisez simplement.

00:05:13.640 --> 00:05:15.600
L'infrastructure sous-jacente est gérée pour vous.

00:05:16.400 --> 00:05:18.700
Une copie est idéale pour les données qui résident à l'intérieur de fabrique.

00:05:19.140 --> 00:05:21.160
Mais qu'en est-il des données qui se trouvent ailleurs ?

00:05:21.160 --> 00:05:21.600
Les raccourcis.

00:05:22.080 --> 00:05:23.220
Laissez les données là où elles se trouvent.

00:05:23.860 --> 00:05:24.860
C'est là que les raccourcis entrent en jeu.

00:05:25.200 --> 00:05:26.380
Un raccourci est un pointeur virtuel.

00:05:27.020 --> 00:05:28.880
Considérez cela comme un lien symbolique pour votre lac de données.

00:05:29.420 --> 00:05:33.360
Il vous permet d'accéder aux données qui vivent physiquement en dehors de One Lake sans les déplacer, ni les copier.

00:05:34.480 --> 00:05:35.400
Voici comment cela fonctionne.

00:05:35.660 --> 00:05:37.720
Vous créez un raccourci dans un lake house ou un entrepôt.

00:05:37.720 --> 00:05:40.660
Et ce raccourci pointe vers un fichier ou un dossier ailleurs.

00:05:41.260 --> 00:05:47.260
Cela pourrait être dans un compte Azure Data Lake Storage, un bucket Amazon S3, Google Cloud Storage ou même un autre espace de travail fabrique.

00:05:47.740 --> 00:05:50.860
Les données restent là où elles sont mais depuis fabrique elles semblent être directement dans One Lake.

00:05:51.600 --> 00:05:52.920
Laissez-moi vous donner un scénario réel.

00:05:53.560 --> 00:05:56.220
Votre équipe commerciale effectue ses analyses sur AWS depuis des années.

00:05:56.880 --> 00:05:58.460
Ainsi toutes leurs données se trouvent dans des buckets S3.

00:05:58.460 --> 00:06:04.080
Votre équipe financière utilise Fabrique et Power BI et elle doit combiner les données commerciales avec les données financières.

00:06:04.980 --> 00:06:10.600
Dans l'ancien monde il fallait tout exporter depuis S3, le charger sur Azure, crée un pipeline pour le synchroniser et espérer que rien ne casse.

00:06:11.540 --> 00:06:14.300
Avec les raccourcis vous créez un lien direct depuis votre lake house vers le bucket S3.

00:06:15.040 --> 00:06:19.000
Les données restent sur AWS mais le service financier peut les interroger dans Power BI comme si elles étaient dans One Lake.

00:06:19.680 --> 00:06:21.780
Aucun export, aucun transfert, aucun pipeline à gérer.

00:06:22.140 --> 00:06:23.460
Les raccourcis fonctionnent aussi en interne.

00:06:23.460 --> 00:06:28.560
Si une équipe dispose d'un jeu de données organisé dans son espace de travail, une autre peut simplement créer un raccourci vers celui-ci.

00:06:28.960 --> 00:06:30.320
Aucune copie, aucune duplication.

00:06:30.980 --> 00:06:33.940
Les données restent dans l'espace de travail d'origine et tout le monde s'y réfère simplement.

00:06:34.560 --> 00:06:35.960
Il y a une limitation importante à comprendre.

00:06:36.880 --> 00:06:40.460
Les raccourcis ne copiant pas les données, les performances de requêtes dépendent de la vitesse du système source.

00:06:41.320 --> 00:06:46.240
Si vous créez un raccourci vers un bucket S3 à l'autre bout du monde, vos requêtes seront plus lentes que si les données étaient locales.

00:06:46.240 --> 00:06:49.200
Pour les données fréquemment consultées, envisagez plutôt leur mise en miroir.

00:06:50.080 --> 00:06:52.040
Cela nous amène à notre sujet suivant, la mise en miroir.

00:06:52.040 --> 00:06:53.980
Intégrez automatiquement les données de base de données.

00:06:54.560 --> 00:06:59.480
Les raccourcis gèrent très bien le stockage de fichiers externes, mais qu'en est-il de vos bases de données existantes ?

00:06:59.480 --> 00:07:03.180
Celles qui font tourner votre ERP, votre CRM ou vos applications opérationnelles.

00:07:03.520 --> 00:07:04.520
C'est là qu'intervient la mise en miroir.

00:07:04.920 --> 00:07:09.560
La mise en miroir permet d'importer des données de base de données vers OneLake en tant qu'asie réelle sans créer le moindre pipeline.

00:07:10.100 --> 00:07:16.240
Vous indiquez votre base de données à fabrique qui s'occupe du reste en créant une copie incrémentielle automatique au format delta parquet dans OneLake

00:07:16.240 --> 00:07:19.220
et en la tenant à jour selon les modifications de la source.

00:07:19.220 --> 00:07:27.300
Les sources prises en charge incluent Azure SQL Database, SQL Server sur site, Cosmos DB et d'autres, Microsoft, en ajoutant régulièrement.

00:07:28.200 --> 00:07:32.880
Mais le scénario le plus courant concerne vos bases de données stratégiques, celle de votre ERP ou de vos applications métiers.

00:07:33.520 --> 00:07:34.300
Voici comment cela fonctionne.

00:07:34.300 --> 00:07:40.920
Vous activez la mise en miroir sur une base et fabrique l'île flux de modification, les insertions, les mises à jour et les suppressions pour répliquer ces changements dans OneLake.

00:07:41.700 --> 00:07:44.020
La première synchronisation copie l'intégralité du jeu de deux.

00:07:44.540 --> 00:07:47.980
Ensuite, c'est incrémentiel, seules les lignes modifiées sont transférées.

00:07:48.680 --> 00:07:52.120
Les données arrivent au format delta parquet, prêtes à être interrogées par n'importe quel moteur fabrique.

00:07:52.720 --> 00:07:54.320
Voici la différence clé par rapport aux raccourcis.

00:07:54.860 --> 00:07:56.780
Les raccourcis ne copient pas les données, ils pointent vers elles.

00:07:56.780 --> 00:07:59.100
La mise en miroir copie réellement les données.

00:07:59.340 --> 00:08:04.340
Elles résident physiquement dans OneLake et les performances sont rapides, quelle que soit la vitesse de la base de données source.

00:08:06.160 --> 00:08:12.800
Le compromis est que vous stockez une copie, mais vous bénéficiez d'un accès quasi réel, sans pipeline à construire, sans planification à gérer, sans maintenance à prévoir.

00:08:13.840 --> 00:08:15.180
Laissez-moi vous donner un cas d'usage concret.

00:08:15.840 --> 00:08:21.680
Votre entreprise utilise un ERP sur SQL Server qui contient toutes vos données financières, factures, paiements et grands livres.

00:08:21.680 --> 00:08:27.860
Auparavant, vous deviez créer un job ETL qui s'exécutait chaque nuit pour extraire, transformer et charger les données dans un entrepôt.

00:08:28.560 --> 00:08:32.160
Ce job tombait en panne, quelqu'un devait le réparer et les données avaient toujours au moins une journée de retard.

00:08:32.720 --> 00:08:36.760
Avec le mirroring, vous l'activez une fois et fabrique-réplique les données dans OneLake en continu.

00:08:37.560 --> 00:08:42.780
Vos rapports Power BI lisent directement dans OneLake et voient des données vieilles de quelques minutes, pas d'heure ou de jour, sans jamais toucher au pipeline.

00:08:43.420 --> 00:08:47.220
Désormais, vous avez des données dans OneLake provenant de raccourcis, du mirroring et de chargement direct.

00:08:47.720 --> 00:08:49.200
Comment les utiliser concrètement ?

00:08:49.200 --> 00:08:50.560
OneLake et les trois magasins de données.

00:08:50.560 --> 00:08:53.780
OneLake est la couche de stockage, l'endroit où résident tous vos fichiers.

00:08:54.360 --> 00:08:56.700
Mais attention, vous ne travaillez pas directement avec OneLake.

00:08:57.220 --> 00:08:59.960
Vous interagissez avec, via ce que nous appelons des magasins de données.

00:09:00.320 --> 00:09:03.460
Des interfaces offrant différentes manières d'exploiter les mêmes données sous-jacentes.

00:09:04.380 --> 00:09:08.060
Il existe trois principaux magasins de données, dans Fabrique, Lakehouse, Warehouse et Eventhouse.

00:09:08.720 --> 00:09:11.640
Ils stockent toutes leurs données dans le même OneLake mais chacun sert un objectif différent.

00:09:12.680 --> 00:09:17.900
Commençons par le Lakehouse, le magasin de données flexible qui accepte les fichiers comme CSV, JSON et images, ainsi que les tables Delta.

00:09:17.900 --> 00:09:22.860
Vous l'utilisez pour l'ingénierie des données, le machine learning ou pour réceptionner les données brutes des systèmes sources.

00:09:23.420 --> 00:09:25.720
C'est un atelier où vous nettoyez, transformez et préparez les données.

00:09:26.280 --> 00:09:30.720
Si vous construisez une architecture medallion, avec des couches bronze, argent et or, le Lakehouse est l'endroit où cela se passe.

00:09:31.200 --> 00:09:36.000
Vous pouvez y accéder via des notebooks parcs ou par le point de terminaison d'analyse SQL pour des requêtes en lecture seule.

00:09:36.000 --> 00:09:47.880
Warehouse, le magasin de données structuré, offre un support complet de lecture et d'écriture TSQL permettant de créer des tables, vues, procédures stockées et fonctions et d'exécuter des instructions insert, update, delete, delete.

00:09:48.440 --> 00:09:52.180
Il ressemble à une base de données SQL Server traditionnelle car il est conçu pour ceux qui pensent en SQL.

00:09:52.700 --> 00:09:57.860
Utilisez Warehouse pour créer des rapports BI, effectuer des agrégations complexes ou migrer depuis un entrepôt de données existant.

00:09:58.480 --> 00:10:00.380
Considérez-le comme la coucheur pour le reporting d'entreprise.

00:10:00.380 --> 00:10:05.540
Fin, il y a l'Eventhouse, le magasin de données temps réel basé sur le moteur Custo ou la technologie derrière Azure Data Explorer.

00:10:06.500 --> 00:10:09.420
Il gère les données en streaming, les logs, la télémétrie IoT et les flux de clics.

00:10:09.520 --> 00:10:11.740
Et les flux de clics qui doivent être interrogés immédiatement.

00:10:12.260 --> 00:10:14.220
Vous l'interrogez avec SQL, le langage de requête Custo.

00:10:14.880 --> 00:10:20.340
Et lorsque vous activez la disponibilité OneLake, ces données événementielles deviennent accessibles au Lakehouse et au Warehouse en tant que table Delta.

00:10:21.020 --> 00:10:22.140
Voici donc ce que vous devez comprendre.

00:10:22.640 --> 00:10:24.220
Tous les trois stockent leurs données dans le même OneLake.

00:10:24.920 --> 00:10:27.460
Une table créée dans un Lakehouse peut être relue par une requête Warehouse.

00:10:27.680 --> 00:10:30.120
Une table dans un Warehouse est accessible depuis un notebook Spark.

00:10:30.380 --> 00:10:33.860
Les données ingérées dans un Eventhouse peuvent être exposées en tant que table Delta pour Power BI.

00:10:34.360 --> 00:10:37.180
Ce ne sont pas des bases de données distinctes, mais des vues différentes du même lac de données.

00:10:37.580 --> 00:10:38.460
Beaucoup de gens se trompent à ce sujet.

00:10:38.840 --> 00:10:41.720
Ils pensent que Lakehouse, Warehouse et Eventhouse sont des produits concurrents, mais ce n'est pas le cas.

00:10:42.760 --> 00:10:45.240
Vous utilisez en fait les trois car chacun résout un problème différent.

00:10:46.060 --> 00:10:50.400
Lakehouse pour l'ingénierie des données, Warehouse pour la BI, Eventhouse pour le temps réel, et ils partagent tous le même stockage.

00:10:51.040 --> 00:10:54.020
OneLake gère le stockage, les magasins de données gèrent l'accès.

00:10:54.740 --> 00:10:56.360
Mais qui a accès à quoi ?

00:10:56.360 --> 00:10:57.880
Sécurité et gouvernance dans OneLake.

00:10:57.880 --> 00:11:01.100
Comme toutes vos données se trouvent au même endroit, la sécurité devient plus simple.

00:11:01.800 --> 00:11:04.460
Vous gérez les accès en un seul point plutôt que dans dix systèmes différents.

00:11:05.540 --> 00:11:09.020
Fini la définition des permissions dans le CRM, puis dans le Warehouse, puis dans Power BI.

00:11:09.680 --> 00:11:11.780
OneLake vous offre un modèle de sécurité unique pour tout.

00:11:12.600 --> 00:11:14.500
Au niveau supérieur, vous avez les rôles d'espace de travail.

00:11:14.500 --> 00:11:19.180
administrateur, membre, contributeur, lecteur, il contrôle qu'il peut travailler dans un espace de travail d'eau.

00:11:19.700 --> 00:11:22.060
Si quelqu'un est lecteur, il peut voir les éléments, mais ne peut pas les modifier.

00:11:22.940 --> 00:11:24.400
S'il est administrateur, il contrôle tout.

00:11:24.900 --> 00:11:25.380
C'est assez simple.

00:11:25.800 --> 00:11:26.480
Mais vous pouvez aller plus loin.

00:11:27.340 --> 00:11:32.320
Les rôles de sécurité OneLake permettent de contrôler l'accès au niveau des dossiers, des tables, des colonnes, et même des lignes.

00:11:33.020 --> 00:11:36.900
Par exemple, la sécurité au niveau des colonnes permet de masquer les informations de salaire à tout le monde, sauf au RH.

00:11:37.760 --> 00:11:40.900
La sécurité au niveau des lignes permet à un responsable commercial de ne voir que les données de sa région.

00:11:41.420 --> 00:11:44.600
Et cela fonctionne de la même manière sur tous les magasins de données, car ils reposent tous sur le même OneLake.

00:11:45.060 --> 00:11:48.780
Il existe également le catalogue OneLake, une vue centrale où vous pouvez voir toutes les données dans tous les espaces de travail.

00:11:49.280 --> 00:11:53.240
Vous pouvez trouver des jeux de données certifiés, vérifier qu'ils possèdent quoi, et gérer la gouvernance depuis un seul endroit.

00:11:54.020 --> 00:11:58.920
Il s'intègre à Microsoft Purview pour la classification, les étiquettes de sensibilité et la prévention des pertes de données.

00:11:58.920 --> 00:12:05.360
Ainsi, si vous devez marquer certaines données comme confidentielles ou hautement restreintes, vous pouvez le faire au niveau du lac, et cela s'applique partout.

00:12:06.280 --> 00:12:09.140
Et il y a les diagnostics OneLake Capture qui a accédé à quoi et quand, quand.

00:12:09.800 --> 00:12:13.840
C'est utile pour les audits et contrôles de conformité, et pour répondre à la question qui a touché à ces données la semaine dernière.

00:12:14.280 --> 00:12:18.680
Il enregistre chaque opération de lecture et d'écriture, et stocke ses journaux sous forme de fichiers JSON dans un lake house, dans un lake.

00:12:19.280 --> 00:12:21.660
Vous pouvez les analyser avec Spark, SQL ou Power BI.

00:12:22.440 --> 00:12:23.500
Voici l'idée générale.

00:12:23.820 --> 00:12:28.060
Un modèle de sécurité unique pour toutes vos données, plutôt que de gérer des règles distinctes pour chaque outil.

00:12:28.060 --> 00:12:30.880
C'est une simplification majeure pour n'importe quelle organisation.

00:12:31.960 --> 00:12:32.640
Point clair à retenir.

00:12:33.060 --> 00:12:34.000
Ce que cela signifie pour vous.

00:12:34.400 --> 00:12:37.520
Alors qu'est-ce que cela signifie concrètement si vous débutez avec Fabrique aujourd'hui ?

00:12:37.520 --> 00:12:38.220
Analysons cela ensemble.

00:12:38.620 --> 00:12:42.920
Si vous construisez une nouvelle plateforme de données, OneLake élimine le besoin d'architecturer des transferts de données complexes.

00:12:43.700 --> 00:12:47.300
Vous n'avez plus à planifier le flux des données depuis un lac vers un entrepôt, puis vers un modèle.

00:12:48.020 --> 00:12:48.320
Sémantique.

00:12:48.980 --> 00:12:50.880
Placez-les simplement dans OneLake et chaque outil y accède directement.

00:12:51.260 --> 00:12:52.120
OneLake, une seule copie.

00:12:52.400 --> 00:12:53.280
Toute l'architecture tient là-dedans.

00:12:53.280 --> 00:12:59.380
Si vous migrez depuis un ancien système, les raccourcis et la mise en miroir vous permettent de laisser les données sur place tout en déplaçant progressivement les charges de travail.

00:12:59.900 --> 00:13:00.980
Pas besoin de migration brutale.

00:13:01.620 --> 00:13:03.660
Créez un raccourci vers votre lac de données existant.

00:13:03.780 --> 00:13:07.820
Mettez en miroir votre base SQL Server et utilisez Fabrique tout en conservant vos anciens systèmes.

00:13:08.180 --> 00:13:09.240
Vous avancez à votre propre rythme.

00:13:09.460 --> 00:13:10.460
Voici le changement de mentalité.

00:13:10.880 --> 00:13:12.020
Arrêtez de penser au stockage par projet.

00:13:12.680 --> 00:13:14.680
Arrêtez de créer un nouveau lac de données pour chaque nouvelle initiative.

00:13:15.380 --> 00:13:17.660
Pensez à un lac partagé auquel chaque projet accède.

00:13:17.660 --> 00:13:22.920
Les données de votre équipe commerciale, de votre service financier, de votre équipe technique, tout réside au même endroit.

00:13:23.420 --> 00:13:24.520
Il n'envoie simplement que les parties concernées.

00:13:24.780 --> 00:13:27.360
Pour les utilisateurs de Power BI, les rapports lisent directement les données dans OneLake.

00:13:27.640 --> 00:13:29.700
Pas d'importations séparées, pas de modèles sémantiques dupliqués.

00:13:30.120 --> 00:13:32.940
Les données sont à jour car ce sont les mêmes que celles utilisées par les ingénieurs de données.

00:13:33.400 --> 00:13:37.180
Pour les ingénieurs de données, cela signifie moins de pipelines à construire, maintenir et déboguer.

00:13:37.480 --> 00:13:38.420
Vous déposez les données une seule fois.

00:13:38.680 --> 00:13:39.760
Tous les autres ne font que les référencer.

00:13:40.160 --> 00:13:40.700
L'essentiel est là.

00:13:41.160 --> 00:13:42.640
OneLake n'est pas juste un énième lac de données.

00:13:42.640 --> 00:13:45.440
C'est le fondement qui rend Fabrique différent de tout ce qui existait auparavant.

00:13:45.960 --> 00:13:48.720
C'est la raison pour laquelle vous pouvez arrêter de copier des données et commencer à leur faire confiance.

00:13:49.480 --> 00:13:50.000
Voilà, c'est tout.

00:13:50.360 --> 00:13:54.000
OneLake est le lac de données unique de votre organisation basé sur le principe de la copie unique.

00:13:54.680 --> 00:13:58.020
Une copie physique de données, accessible par n'importe quel outil, équipe ou charge de travail.

00:13:58.720 --> 00:14:01.680
Fini les duplications, fini la confusion sur la version correcte.

00:14:02.200 --> 00:14:02.980
Votre mission est simple.

00:14:03.440 --> 00:14:06.420
Commencez par un raccourci vers une source externe ou mettez une base en miroir.

00:14:07.060 --> 00:14:10.460
Voyez à quel point cela devient simple quand vous n'avez plus besoin de construire des pipelines juste pour déplacer les données.

00:14:10.460 --> 00:14:13.000
La plupart des organisations ne feront pas cette transition rapide.

00:14:13.500 --> 00:14:14.220
Soyez celle qui le fera.

00:14:14.540 --> 00:14:20.640
Si cet épisode vous a aidé à comprendre OneLake, abonnez-vous à Microsoft Knowledge Nuggets pour plus de contenu fabrique en toute simplicité.

00:14:21.360 --> 00:14:23.800
Et partagez ceci avec quelqu'un qui gère encore 5 lacs de données, c'est pas.

00:14:24.200 --> 00:14:24.920
Je vous remerciera plus tard.
