WEBVTT

00:00:00.340 --> 00:00:05.720
Сьогоднішня тема – це те, про що чув майже кожен, хто працює з даними, але мало хто насправді розуміє.

00:00:05.960 --> 00:00:07.420
Microsoft Fabric OnLake.

00:00:07.580 --> 00:00:12.940
Ви, мабуть, бачили це в маркетингових матеріалах Microsoft або чули, як хтось називає це єдиним озером даних для всієї організації.

00:00:13.100 --> 00:00:17.640
Але що це означає насправді? Це просто чергове сховище чи щось принципово інше?

00:00:17.800 --> 00:00:19.260
Ось найпростіше визначення.

00:00:19.420 --> 00:00:23.260
OnLake – це єдине логічне озеро даних, яке знаходиться в центрі Microsoft Fabric.

00:00:23.260 --> 00:00:27.880
Кожен сервіс Fabric – LakeHouse, WareHouse, AventHouse, Power BI зберігає свої дані тут.

00:00:28.040 --> 00:00:32.280
І ключове правило просте – одна фізична копія даних доступна багатьом різним рушіям.

00:00:32.480 --> 00:00:34.880
Більше не потрібно копіювати дані з одного інструменту в інший.

00:00:35.060 --> 00:00:37.500
Більше не потрібно гадати, яка версія звіту правильна.

00:00:37.620 --> 00:00:44.920
До кінця цього випуску ви зрозумієте, що таке OnLake насправді, як він усуває дублювання даних і чому це змінює правила гри для Power BI, інженерії даних та ЩІ.

00:00:45.020 --> 00:00:48.580
Тож почнемо з проблеми, яку було створено вирішити за допомогою OnLake.

00:00:53.260 --> 00:00:55.900
Ваша команда з продажів використовує CRM-систему для відстеження угод.

00:00:56.020 --> 00:00:58.640
Ваш фінансовий відділ керує ERP-системою для виставлення рахунків.

00:00:58.780 --> 00:01:01.560
Ваша маркетингова команда витягує дані зі своїх рекламних інструментів.

00:01:01.640 --> 00:01:04.600
А ваша команда з інженерії даних керує сховищем даних для звітності.

00:01:04.700 --> 00:01:06.640
Тож ось про що я хочу, щоб ви замислилися.

00:01:06.800 --> 00:01:09.540
Скільки копій одних і тих самих даних клієнтів існує в цих системах?

00:01:09.640 --> 00:01:11.740
У більшості компаній відповідь 4 або 5.

00:01:11.940 --> 00:01:13.120
CRM зберігає їх.

00:01:13.260 --> 00:01:14.380
ERP зберігає їх.

00:01:14.380 --> 00:01:16.680
Маркетинг експортує їх у свій аналітичний інструмент.

00:01:16.920 --> 00:01:19.740
Хтось із фінансового відділу створює електронну таблицю на основі ERP.

00:01:19.880 --> 00:01:23.740
А команда з інженерії даних копіює їх у сховище, щоб Power BI міг їх прочитати.

00:01:23.900 --> 00:01:28.560
Це той самий ID клієнта, та сама сума продажу, та сама дата рахунку, збережені в п'яти різних місцях.

00:01:28.720 --> 00:01:30.160
Це не тому, що люди недбалі.

00:01:30.300 --> 00:01:32.860
Це тому, що старі інструменти не взаємодіяли один з одним.

00:01:32.860 --> 00:01:37.040
Якщо ви хотіли створити звіт, який поєднує дані про продажі з CRM і фінансові дані з ERP,

00:01:37.040 --> 00:01:40.120
вам доводилося копіювати обидва в щось, що могло прочитати їх разом.

00:01:40.240 --> 00:01:44.240
Це означало створення пайплейнів, планування завдань і надію, що нічого не зламається за ніч.

00:01:44.380 --> 00:01:46.220
Приховані витрати швидко накопичуються.

00:01:46.400 --> 00:01:49.440
Рахунки за сховище зростають, тому що ви платите за одні і ті самі дані п'ять разів.

00:01:49.620 --> 00:01:52.460
Звідти застарівають, тому що одна копія оновлюється, а інша – ні.

00:01:52.600 --> 00:01:55.200
А потім хтось ставить питання, на яке ніхто не хоче відповідати.

00:01:55.200 --> 00:01:56.580
Яка версія правильна?

00:01:56.580 --> 00:01:59.700
Ця плутанина підриває довіру до даних, і як тільки довіра зникає,

00:01:59.800 --> 00:02:02.720
люди взагалі перестають користуватися аналітичною платформою.

00:02:02.880 --> 00:02:05.700
Отже, у Microsoft поглянули на цей хаос і поставили просте запитання,

00:02:05.860 --> 00:02:08.860
що якби ви мали одну копію даних, яку міг би считувати кожен інструмент.

00:02:09.120 --> 00:02:12.140
Без дублювання, без плутанини – єдине джерело істини.

00:02:12.480 --> 00:02:13.680
Що ж таке OnLake?

00:02:13.680 --> 00:02:16.260
OnLake – це відповідь Microsoft на це запитання.

00:02:16.420 --> 00:02:19.440
Це єдине логічне озеро даних для всієї вашої організації.

00:02:19.440 --> 00:02:24.060
Ключова фраза, яку варто запам'ятати – «одне озеро на клієнта, а не одне озеро на команду».

00:02:24.060 --> 00:02:27.500
Всередині OnLake побудовано на базі Azure Data Lake Storage Gen 2.

00:02:27.700 --> 00:02:32.160
Та сама технологія, ті самі Ари, але Microsoft перепаковала це як повністю керований SaaS-сервіс.

00:02:32.300 --> 00:02:35.000
Вам не потрібно створювати облікові записи зберігання, керувати контейнерами

00:02:35.000 --> 00:02:37.180
чи налаштовувати ключі доступу, ви просто користуєтеся ним.

00:02:37.340 --> 00:02:39.620
Уявіть це як Onedrive для даних вашої компанії.

00:02:39.780 --> 00:02:43.580
Onedrive надає одне місце для ваших особистих файлів, документів, фотографій, таблиць.

00:02:43.580 --> 00:02:47.320
Ви не замислюєтеся, де вони фізично зберігаються, ви просто відкриваєте їх і працюєте.

00:02:47.460 --> 00:02:50.060
OnLake робить те саме, але для даних вашої організації.

00:02:50.240 --> 00:02:54.100
Це забезпечує кожній команді, кожному проєкту, кожному робочому навантаженню спільний пул сховища.

00:02:54.220 --> 00:02:55.660
А тепер важливе розмежування.

00:02:55.820 --> 00:02:57.520
OnLake є логічним, а не фізичним.

00:02:57.680 --> 00:03:00.460
На рівні системи воно може охоплювати кілька сховищ у різних регіонах,

00:03:00.540 --> 00:03:02.420
але для вас це виглядає як один величезний пул.

00:03:02.420 --> 00:03:05.620
Вас не хвилює, який саме сервер містить файли, ви просто бачите свої дані.

00:03:05.720 --> 00:03:07.740
Кожен сервіс Fabrics зберігає свої дані тут.

00:03:07.900 --> 00:03:10.100
Коли ви створюєте Lakehouse, дані розміщуються в OnLake.

00:03:10.280 --> 00:03:12.800
Коли ви створюєте сховище даних, таблиці розміщуються в OnLake.

00:03:12.920 --> 00:03:16.600
Коли ви запускаєте звід PAVA BI у режимі DirectLake, він считує дані безпосередньо з OnLake.

00:03:16.740 --> 00:03:20.900
Навіть EventHouse, сховище для аналітики в реальному часі, може відкривати доступ до своїх даних у OnLake.

00:03:20.900 --> 00:03:24.440
Все вказує на одне і те саме місце, а стандартним форматом даних є DeltaPake.

00:03:24.640 --> 00:03:26.880
Це відкритий формат, а не закрита технологія Microsoft.

00:03:27.140 --> 00:03:29.300
Databricks використовує його, руші і SPAC считують його.

00:03:29.440 --> 00:03:31.640
Такі інструменти, як Pendas і Powlas, можуть з ним працювати.

00:03:31.780 --> 00:03:34.140
Отже, ваші дані не замкнені всередині екосистеми Microsoft.

00:03:34.400 --> 00:03:37.440
Вони відкриті та портативні, але справжня магія полягає не у зберіганні,

00:03:37.540 --> 00:03:40.120
а в тому, як OnLake усуває потребу копіювати дані взагалі.

00:03:40.240 --> 00:03:41.660
Принцип однієї копії.

00:03:41.660 --> 00:03:45.220
А тепер головна ідея, яка відрізняє OnLake від усього, що було раніше.

00:03:45.360 --> 00:03:47.880
Це називається принципом однієї копії, і він простий.

00:03:48.000 --> 00:03:50.860
Одна фізична копія даних доступна для багатьох різних рушіїв.

00:03:50.980 --> 00:03:52.460
Дозвольте показати, що це означає.

00:03:52.600 --> 00:03:54.740
Припустімо, у вас є таблиця даних про продажів OnLake.

00:03:54.860 --> 00:03:57.260
Data-інженер запускає SPAC ноутбук, щоб очистити їх.

00:03:57.400 --> 00:03:59.960
Бізнес-аналітик пише TSQL-запит, щоб агрегувати їх.

00:04:00.080 --> 00:04:02.340
А звід Пава BI считує їх для інформаційної панелі.

00:04:02.460 --> 00:04:03.960
Усі три відбуваються одночасно.

00:04:03.960 --> 00:04:05.860
Усі троє считують один і той самий файл.

00:04:05.920 --> 00:04:07.200
Ніхто нічого не копіював.

00:04:07.340 --> 00:04:08.800
Раніше такого ніколи не було.

00:04:09.200 --> 00:04:11.220
Викопіювали дані з озера даних у сховище.

00:04:11.360 --> 00:04:13.900
Потім копіювали їх зі сховища в семантичну модель.

00:04:14.040 --> 00:04:15.400
Після чого оновлювали звіт.

00:04:15.540 --> 00:04:17.320
Це три копії одних і тих самих даних.

00:04:17.440 --> 00:04:19.280
Кожна з них потребує часу та місця для зберігання.

00:04:19.420 --> 00:04:21.460
І якщо якийсь крок давав збій, ваші цифри були невірними.

00:04:21.600 --> 00:04:22.920
Одна копія усуває все це.

00:04:23.120 --> 00:04:24.760
Дані знаходяться в OnLake лише один раз.

00:04:24.760 --> 00:04:27.600
Руші і спак SQL, Power BI, усі читають їх напряму.

00:04:27.720 --> 00:04:29.840
Жодного переміщення, жодного дублювання,

00:04:30.040 --> 00:04:31.620
жодних проблем із синхронізацією.

00:04:31.740 --> 00:04:33.040
Економія коштів – це факт.

00:04:33.140 --> 00:04:35.960
Менше витрат на зберігання, бо ви не платите за одні і ті самі дані п'ять разів.

00:04:36.100 --> 00:04:39.700
Менше ETL, бо ви не будуєте конвейери лише для переміщення даних між інструментами.

00:04:39.860 --> 00:04:42.780
Менше речей для обслуговування, бо між копіями нічому ламатися.

00:04:42.900 --> 00:04:44.880
А перевага в актуальності даних величезна.

00:04:45.000 --> 00:04:47.100
Одна копія означає одне джерело істини.

00:04:47.100 --> 00:04:50.160
Коли дані оновлюються, кожен звіт бачить оновлення миттєво.

00:04:50.300 --> 00:04:53.620
Більше не треба питати у цьому звіті дані за минулий тиждень чи за цей.

00:04:53.740 --> 00:04:55.580
Це завжди одні й ті самі дані всюди.

00:04:55.740 --> 00:04:58.520
Ви можете подумати, хіба це не те саме, що Azure Data Lake Storage?

00:04:58.700 --> 00:04:59.420
Не зовсім так.

00:04:59.580 --> 00:05:00.720
ADLS – це сервіс PAS.

00:05:00.860 --> 00:05:02.240
Ви створюєте облікові записи зберігання.

00:05:02.400 --> 00:05:03.400
Ви керуєте контейнерами.

00:05:03.540 --> 00:05:04.820
Ви налаштовуєте ключі доступу.

00:05:04.940 --> 00:05:06.560
Ви вирішуєте, який регіон що зберігає.

00:05:06.680 --> 00:05:08.120
Це гнучко, але це теж робота.

00:05:08.120 --> 00:05:09.440
OnLake – це сервіс SAS.

00:05:09.580 --> 00:05:11.220
Ви не створюєте облікові записи зберігання.

00:05:11.380 --> 00:05:12.560
Ви не керуєте контейнерами.

00:05:12.720 --> 00:05:13.980
Ви просто користуєтеся ним.

00:05:14.140 --> 00:05:16.140
Про базову інфраструктуру дбають за вас.

00:05:16.300 --> 00:05:18.820
Одна копія чудово підходить для даних у середині фебрик.

00:05:18.940 --> 00:05:21.000
А як щодо даних, які знаходяться десь іще?

00:05:21.220 --> 00:05:21.680
Ярлики.

00:05:21.900 --> 00:05:23.480
Залиште дані там, де вони живуть.

00:05:23.600 --> 00:05:25.320
Отже, тут на допомогу приходять ярлики.

00:05:25.460 --> 00:05:26.980
Ярлик – це віртуальний вказівник.

00:05:27.140 --> 00:05:29.600
Уявіть це як символьне посилання для вашого озера даних.

00:05:29.600 --> 00:05:31.240
Він дозволяє отримати доступ до даних,

00:05:31.340 --> 00:05:32.740
що фізично знаходяться поза OnLake,

00:05:32.840 --> 00:05:34.260
без їх переміщення чи копіювання.

00:05:34.420 --> 00:05:35.440
Ось як це працює.

00:05:35.620 --> 00:05:38.380
Ви створюєте ярлик у середині Lakehouse або сховища.

00:05:38.500 --> 00:05:41.120
І цей ярлик вказує на файл або папку в іншому місці.

00:05:41.300 --> 00:05:43.540
Це може бути обліковий запис Azure Data Lake Storage,

00:05:43.540 --> 00:05:45.720
кошик Amazon S3, Google Cloud Storage

00:05:45.720 --> 00:05:47.420
або навіть інша робоча область Fabric.

00:05:47.540 --> 00:05:50.380
Дані залишаються на місці, але середини Fabric вони виглядають так,

00:05:50.500 --> 00:05:51.420
ніби вони прямо в OnLake.

00:05:51.600 --> 00:05:53.340
Дозвольте навести реальний сценарій.

00:05:53.340 --> 00:05:56.420
Ваша команда з продажів роками виконує аналітику на AWS,

00:05:56.740 --> 00:05:59.120
тож усі їхні дані знаходяться в кошиках S3.

00:05:59.320 --> 00:06:01.740
Ваш фінансовий відділ використовує Fabric і Pava BI,

00:06:01.940 --> 00:06:04.500
і їм потрібно поєднати дані про продажі з фінансовими даними.

00:06:04.660 --> 00:06:06.520
У старому світі ви експортували все з S3,

00:06:06.660 --> 00:06:09.140
завантажували вежур, будували конвейер для синхронізації

00:06:09.140 --> 00:06:10.900
і сподівалися, що нічого не зламається.

00:06:11.060 --> 00:06:13.740
За допомогою ярликів ви створюєте посилання зі свого сховища даних

00:06:13.740 --> 00:06:14.860
Lakehouse на S3 bucket.

00:06:14.860 --> 00:06:18.180
Дані залишаються в AWS, але фінансовий відділ може запитувати їх у Pava BI так,

00:06:18.260 --> 00:06:19.180
ніби вони знаходяться в OnLake.

00:06:19.280 --> 00:06:22.080
Жодного експорту, жодного завантаження, жодних турбот про конвейери.

00:06:22.260 --> 00:06:24.060
Ярлики працюють і всередині системи.

00:06:24.180 --> 00:06:26.960
Якщо одна команда має готовий набір даних у своєму робочому просторі,

00:06:27.040 --> 00:06:28.700
інша команда може створити на нього ярлик.

00:06:28.840 --> 00:06:30.760
Жодного копіювання, жодного дублювання.

00:06:30.980 --> 00:06:32.920
Дані залишаються в початковому робочому просторі,

00:06:32.980 --> 00:06:34.420
а всі інші просто посилаються на них.

00:06:34.600 --> 00:06:36.820
Є одне обмеження, про яке ви повинні знати.

00:06:36.820 --> 00:06:41.000
Ярлики не копіюють дані, тому швидкість запитів залежить від швидкості вихідної системи.

00:06:41.100 --> 00:06:43.740
Якщо ви створюєте ярлик до S3 bucketа на іншому кінці світу,

00:06:43.860 --> 00:06:46.220
ваші запити будуть повільнішими, ніж якби дані були локальними.

00:06:46.380 --> 00:06:49.820
Для даних, до яких часто звертаються, краще використовувати дзеркалювання Mirroring.

00:06:49.940 --> 00:06:52.300
І це підводить нас до наступної теми – дзеркалювання.

00:06:52.580 --> 00:06:54.700
Автоматичне перенесення даних із баз даних.

00:06:54.820 --> 00:06:57.140
Ярлики добре підходять для зовнішніх файлових сховищ,

00:06:57.240 --> 00:06:59.440
але що робити з вашими існуючими базами даних?

00:06:59.440 --> 00:07:03.020
Тими, на яких працюють ваші ERP, CRM та операційні додатки.

00:07:03.200 --> 00:07:05.020
Ось тут у гру вступає дзеркалювання.

00:07:05.280 --> 00:07:07.980
Дзеркалювання – це спосіб отримання даних із баз даних у OnLake

00:07:07.980 --> 00:07:10.260
майже в реальному часі без створення жодного конвейера.

00:07:10.420 --> 00:07:13.340
Ви вказуєте Fabric на свою базу даних, а вона робить все інше,

00:07:13.480 --> 00:07:16.860
створюючи автоматичну інкрементальну копію даних у форматі DeltaPack

00:07:16.860 --> 00:07:20.320
у середині OnLake, підтримуючи її актуальність при змінах у джерелі.

00:07:20.460 --> 00:07:23.160
Підтримувані джерела включають Azure SQL Database,

00:07:23.160 --> 00:07:27.600
локальний SQL Server, Cosmos DB та інші, і Microsoft з часом додає нові.

00:07:27.700 --> 00:07:30.780
Проте найпоширенішим сценарієм є критично важлива для бізнесу база даних,

00:07:30.860 --> 00:07:33.440
на якій працює ваша ERP або профільний бізнес-додаток.

00:07:33.580 --> 00:07:34.620
Ось як це працює.

00:07:34.800 --> 00:07:38.380
Ви вмикаєте дзеркалювання для бази даних, і Fabric считує стрічку змін,

00:07:38.500 --> 00:07:41.560
вставки, оновлення, видалення та реплікує ці зміни в OnLake.

00:07:41.680 --> 00:07:44.420
Перша синхронізація копіює повний набір даних.

00:07:44.420 --> 00:07:48.260
Після цього вона стає інкрементальною, переміщуючи лише змінені рядки.

00:07:53.160 --> 00:07:54.680
Головна відмінність від ярликів.

00:07:54.800 --> 00:07:57.560
Ярлики не копіюють дані, вони просто вказують на них.

00:07:57.820 --> 00:08:01.460
Дзеркалювання фактично копіює дані, тому вони фізично знаходяться в OnLake,

00:08:01.560 --> 00:08:05.340
а продуктивність запитів висока незалежно від швидкості вихідної бази даних.

00:08:05.440 --> 00:08:07.560
Компроміс полягає в тому, що ви зберігаєте копію,

00:08:07.660 --> 00:08:10.160
але перевагою є доступ майже в реальному часі без необхідності

00:08:10.160 --> 00:08:13.380
будувати конвоєри, налаштовувати розклад чи турбуватися про обслуговування.

00:08:13.380 --> 00:08:15.860
Дозвольте навести вам конкретний приклад використання.

00:08:15.860 --> 00:08:18.700
Ваша компанія використовує ERP на SQL-серва,

00:08:18.800 --> 00:08:22.300
де зберігаються всі фінансові дані, рахунки, платежі, головна книга.

00:08:22.420 --> 00:08:25.240
Раніше ви створювали ETL-завдання, що запускалося щоночі,

00:08:25.380 --> 00:08:28.200
видобувало дані, трансформувало їх і завантажувало у сховище.

00:08:28.340 --> 00:08:30.640
Це завдання постійно ламалося, хтось мав його лагодити,

00:08:30.760 --> 00:08:32.580
а дані завжди були застарілими принаймні на день.

00:08:32.740 --> 00:08:34.420
Завдяки дзеркальному відображенню Mirroring,

00:08:34.420 --> 00:08:37.380
ви налаштовуєте його один раз, і фебрік постійно реплікує дані в OnLake.

00:08:37.380 --> 00:08:39.780
Ваші звіти Pava BI зчитуються безпосередньо з OnLake

00:08:39.780 --> 00:08:41.940
і бачать дані, яким хвилини, а не години чи дні,

00:08:42.060 --> 00:08:43.220
і ви не торкаєтеся конвейера.

00:08:43.340 --> 00:08:45.280
Тепер у вас є дані в OnLake завдяки ярликам,

00:08:45.420 --> 00:08:47.520
дзеркальному відображенню та прямому завантаженню.

00:08:47.700 --> 00:08:49.080
Як же ними користуватися?

00:08:49.240 --> 00:08:50.880
OnLake та три сховища даних.

00:08:51.000 --> 00:08:54.340
Отже, OnLake – це рівень зберігання, місце, де знаходяться всі ваші файли.

00:08:54.340 --> 00:08:57.460
Але ось у чому річ – ви насправді не працюєте з OnLake напряму.

00:08:57.460 --> 00:09:01.420
Натомість ви взаємодієте з ним через так звані сховища даних інтерфейси,

00:09:01.540 --> 00:09:04.160
що надають різні способи роботи з тими самими даними.

00:09:04.320 --> 00:09:06.480
У фебрік є три основні сховища даних –

00:09:06.480 --> 00:09:08.260
LakeHouse, Warehouse та EventHouse.

00:09:08.460 --> 00:09:10.820
Усі вони зберігають дані в одному і тому самому OnLake,

00:09:10.940 --> 00:09:12.480
але кожен виконує свою функцію.

00:09:12.620 --> 00:09:14.440
Почнемо з LakeHouse гнучкого сховища,

00:09:14.440 --> 00:09:18.240
що приймає файли CSV, JSON та зображення, а також таблиці Delta.

00:09:18.440 --> 00:09:20.940
Ви використовуєте його для інженерії даних, машинного навчання

00:09:20.940 --> 00:09:23.060
або вивантаження сирих даних із вихідних систем.

00:09:23.060 --> 00:09:26.320
Це робочий простір, де ви очищаєте, трансформуєте та готуєте дані.

00:09:26.460 --> 00:09:28.600
Якщо ви будуєте архітектуру медальйону з бронзовим,

00:09:28.700 --> 00:09:31.060
срібним та золотим рівнями, LakeHouse – це місце для цього.

00:09:31.280 --> 00:09:33.360
Доступ до нього можна отримати через спак ноутбуки

00:09:33.360 --> 00:09:36.660
або через кінцеву точку SQL-аналітики для запитів лише для читання.

00:09:36.840 --> 00:09:39.480
Наступний – Warehouse – сховище структурованих даних.

00:09:39.480 --> 00:09:42.000
Він надає повну підтримку читання та запису TSQL,

00:09:42.160 --> 00:09:45.240
тому ви можете створювати таблиці, представлення, процедури та функції,

00:09:45.360 --> 00:09:47.900
а також виконувати операції Insert, Update, Delete.

00:09:47.900 --> 00:09:50.280
Він відчувається як традиційна база даних SQL-серва,

00:09:50.380 --> 00:09:52.600
оскільки створений для тих, хто мислить категоріями SQL.

00:09:52.880 --> 00:09:54.900
Використовуйте Warehouse для створення BI-звітів,

00:09:55.020 --> 00:09:58.140
виконання складних агрегацій або міграції з існуючого сховища даних.

00:09:58.260 --> 00:10:00.960
Вважайте його золотим рівнем для корпоративної звітності.

00:10:01.100 --> 00:10:03.200
Далі йде Eventhouse – сховище даних у реальному часі,

00:10:03.200 --> 00:10:06.300
побудоване на руші і касту тій самій технології, що є Azure Data Explorer.

00:10:06.480 --> 00:10:09.760
Він обробляє потокові дані, журнали, еттелеметрію та потоки кліків – усе,

00:10:09.760 --> 00:10:11.900
що надходить швидко і потребує негайного аналізу.

00:10:12.020 --> 00:10:15.040
Ви робите запити до нього за допомогою KQL, мови запитів касту.

00:10:15.180 --> 00:10:16.860
А коли ви вмикаєте доступність OnLake,

00:10:16.980 --> 00:10:20.520
ці дані про події стають доступними для Lakehouse і Warehouse як Delta-таблиці.

00:10:20.680 --> 00:10:22.400
Отже, ось що вам потрібно розуміти.

00:10:22.580 --> 00:10:24.620
Усі три зберігають свої дані в одному OnLake.

00:10:24.620 --> 00:10:27.840
Таблицю, створену в Lakehouse, можна прочитати за допомогою запиту з Warehouse.

00:10:28.000 --> 00:10:30.620
До таблиці у Warehouse можна отримати доступ із блокнота SPA.

00:10:30.620 --> 00:10:34.060
Дані, завантажені в Авентhouse, можуть бути представлені як Delta-таблиці для PAWA BI.

00:10:34.240 --> 00:10:37.460
Це не окремі бази даних, це різні представлення одного і того самого озера даних.

00:10:37.620 --> 00:10:38.940
Багато хто помиляється в цьому.

00:10:39.140 --> 00:10:42.700
Вони думають, що Lakehouse, Warehouse та Авентhouse – це конкуруючі продукти, але це не так.

00:10:42.800 --> 00:10:45.860
Ви насправді використовуєте всі три, тому що кожен вирішує свою задачу.

00:10:45.860 --> 00:10:51.060
Lakehouse для інженерії даних, Warehouse для BI, Авентhouse для реального часу, і всі вони використовують одне сховище.

00:10:51.220 --> 00:10:54.420
OnLake відповідає за зберігання, а сховище даних – за доступ.

00:10:54.420 --> 00:10:56.080
Але хто і що може бачити?

00:10:56.300 --> 00:10:57.940
Безпека та управління в OnLake.

00:10:58.120 --> 00:11:01.700
Оскільки всі ваші дані знаходяться в одному місці, безпека стає простішою.

00:11:01.880 --> 00:11:05.140
Ви керуєте доступом в одному місці, а не в десятьох різних системах.

00:11:05.300 --> 00:11:09.520
Більше не потрібно налаштовувати дозволи в CRM, потім знову у Warehouse, а потім у PAWA BI.

00:11:09.720 --> 00:11:12.200
OnLake надає вам єдину модель безпеки для всього.

00:11:12.380 --> 00:11:16.820
На верхньому рівні у вас є ролі робочої області – адміністратор, учасник, розробник, переглядач.

00:11:16.960 --> 00:11:19.500
Вони контролюють, хто може працювати в певній робочій області.

00:11:19.500 --> 00:11:22.640
Якщо хтось є переглядачем, він може бачити елементи, але не змінювати їх.

00:11:22.780 --> 00:11:24.860
Якщо це адміністратор, він контролює все.

00:11:25.060 --> 00:11:27.320
Досить просто. Але ви можете піти далі.

00:11:27.460 --> 00:11:32.580
Ролі безпеки OnLake дозволяють контролювати доступ на рівні папок, таблиць, стовпців і навіть рядків.

00:11:32.720 --> 00:11:37.460
Наприклад, безпека на рівні стовпців означає, що ви можете приховати інформацію про зарплату від усіх, крім HR.

00:11:37.660 --> 00:11:41.260
Безпека на рівні рядків означає, що менеджер з продажу бачить дані лише свого регіону.

00:11:41.260 --> 00:11:45.040
І це працює однаково для всіх сховищ даних, оскільки всі вони розташовані на одному OnLake.

00:11:45.160 --> 00:11:49.300
Також є каталог OnLake – централізоване представлення, де можна побачити всі дані в усіх робочих областях.

00:11:49.460 --> 00:11:54.100
Ви можете знаходити сертифіковані набори даних, перевіряти власників і керувати управлінням з одного місця.

00:11:54.260 --> 00:11:59.440
Він інтегрується з Microsoft Perview для класифікації, міток конфіденційності та запобігання втраті даних.

00:11:59.560 --> 00:12:03.100
Тож, якщо вам потрібно позначити певні дані як конфіденційні або суворо обмежені,

00:12:03.100 --> 00:12:05.920
ви можете зробити це на рівні озера, і це застосується всюди.

00:12:06.060 --> 00:12:09.760
Також є діагностика OnLake, яка фіксує, хто і коли отримував доступ до даних.

00:12:09.840 --> 00:12:14.480
Це корисно для аудитів, перевірок відповідності та відповіді на питання, хто працював із цими даними минулого тижня.

00:12:14.620 --> 00:12:19.100
Він записує кожну операцію читання та запису та зберігає ці журнали як JSON-файли в LakeHouse.

00:12:19.280 --> 00:12:22.500
Ви можете аналізувати їх за допомогою SPAC, SQL або PAVA BI.

00:12:22.500 --> 00:12:28.480
Загальна картина така – єдина модель безпеки для всіх ваших даних замість керування окремими правилами для кожного інструмента.

00:12:28.600 --> 00:12:31.260
Це значне спрощення для будь-якої організації.

00:12:31.480 --> 00:12:32.620
Практичні висновки.

00:12:32.860 --> 00:12:34.180
Що це означає для вас?

00:12:34.300 --> 00:12:37.520
Отже, що це насправді означає, якщо ви починаєте свій шлях у Fabric сьогодні?

00:12:37.680 --> 00:12:38.800
Давайте розберемося.

00:12:38.940 --> 00:12:43.560
Якщо ви будуєте нову платформу даних, OnLake усуває потребу в проєктуванні складного переміщення даних.

00:12:43.560 --> 00:12:48.200
Вам не потрібно планувати, як дані переходять з озера у сховище, а потім у семантичну модель.

00:12:48.200 --> 00:12:51.180
Просто розмістіть їх у OnLake, і кожен інструмент считуватиме дані звідти.

00:12:51.300 --> 00:12:52.480
OnLake – одна копія.

00:12:52.640 --> 00:12:53.740
Це вся архітектура.

00:12:53.920 --> 00:12:59.680
Якщо ви мігруєте зі старої системи, ярлики та дзеркалювання дозволяють залишити дані там, де вони є, поступово переносячи робочі навантаження.

00:12:59.860 --> 00:13:01.400
Масштабна міграція не потрібна.

00:13:01.560 --> 00:13:07.620
Створіть ярлик до існуючого озера даних, віддзеркальте свою базу даних SQL-серва і почніть використовувати Fabric, поки ваші старі системи продовжують працювати.

00:13:07.980 --> 00:13:09.320
Вирухаєтеся у власному темпі.

00:13:09.320 --> 00:13:10.480
Ось зміна мислення.

00:13:10.600 --> 00:13:12.820
Припиніть думати про сховище для кожного проєкту окремо.

00:13:12.900 --> 00:13:15.480
Припиніть створювати нове озеро даних для кожної нової ініціативи.

00:13:15.560 --> 00:13:18.540
Почніть думати про одне спільне озеро, до якого мають доступ усі проєкти.

00:13:18.720 --> 00:13:21.620
Дані вашої команди з продажу, фінансової команди, інженерної команди.

00:13:21.720 --> 00:13:23.200
Усе це знаходиться в одному місці.

00:13:23.380 --> 00:13:24.980
Вони просто бачать різні його частини.

00:13:25.140 --> 00:13:27.580
Для користувачів Pava BI звіти считуються безпосередньо з OnLake.

00:13:27.740 --> 00:13:30.160
Жодних окремих імпортів, жодних дублюваних семантичних моделей.

00:13:30.160 --> 00:13:33.380
Дані завжди свіжі, оскільки це ті самі дані, з якими працюють інженери даних.

00:13:33.520 --> 00:13:36.880
Для інженерів даних це означає менше конвейерів для створення, підтримки та налагодження.

00:13:37.060 --> 00:13:38.620
Ви завантажуєте дані лише один раз.

00:13:38.740 --> 00:13:40.320
Усі інші просто звертаються до них.

00:13:40.520 --> 00:13:42.980
Суть у тому, що OnLake – це не просто ще одне озеро даних.

00:13:43.080 --> 00:13:45.860
Це фундамент, який відрізняє фебрик від усього, що було раніше.

00:13:46.000 --> 00:13:49.160
Це причина, чому ви можете припинити копіювати дані і почати довіряти їм.

00:13:49.300 --> 00:13:50.260
Отже, ось і все.

00:13:50.260 --> 00:13:54.440
OnLake – це єдине озеро даних вашої організації, побудоване на принципі однієї копії.

00:13:54.600 --> 00:13:58.440
Одна фізична копія даних доступна для будь-якого інструмента, команди чи робочого навантаження.

00:13:58.640 --> 00:14:01.900
Більше ніяких дублювань, ніякої плутанини щодо того, яка версія є правильною.

00:14:02.060 --> 00:14:03.500
Ваше домашнє завдання просте.

00:14:03.660 --> 00:14:06.780
Почніть із ярлика до зовнішнього джерела або від дзеркалення бази даних.

00:14:06.900 --> 00:14:10.920
Побачте, наскільки це стає простіше, коли вам не потрібно будувати конвайери лише для того, щоб переміщати дані.

00:14:10.920 --> 00:14:13.340
Більшість організацій не зроблять цей перехід швидко.

00:14:13.520 --> 00:14:14.760
Будьте тими, хто зробить.

00:14:14.880 --> 00:14:20.660
Якщо цей епізод допоміг вам зрозуміти OnLake, підпишіться на Microsoft Knowledge Nuggets для отримання додаткового контенту про фебрік простою мовою.

00:14:20.800 --> 00:14:23.800
І поділіться цим із кимось, хто все ще керує п'ятьма окремими озерами даних.

00:14:23.920 --> 00:14:25.200
Вони подякують вам пізніше.
