企业运营中的一个重要挑战之一是数据生态系统中的复杂性和复杂性。不同平台上存在不同的数据源，以及使用各种提取、转换、加载（ETL）工具来接收和转换数据，这都创造了一个复杂的背景。需要有效地整合这些流程，确保业务用户可以方便地访问和利用数据，进行明智的决策。微软的Fabric是一个全面的数据分析平台，与Azure服务无缝集成，为企业提供强大、灵活和安全的数据工作负载和数据分析能力。
什么是微软的Fabric？
微软在大数据领域展示了强大的能力，通过Power BI、Azure Synapse Analytics、Azure Data Lake和Azure Data Factory等平台得到了充分体现。Fabric的功能就是将所有这些能力结合在一起，为企业和数据专业人员提供全方位的分析平台。该平台处理从数据科学和实时分析到数据存储和数据迁移的一切。为了理解Fabric的本质，最好从其最基本的目标出发：简化。这个工具使组织能够在一个统一的环境中无缝地整合来自多个来源的数据。
据微软首席执行官萨蒂亚·纳德拉表示，“这是自SQL Server以来最重要的数据平台创新。”
微软Fabric的构建模块
微软Fabric是一个软件即服务（SaaS）平台，将数据工程、数据工厂、数据科学、数据仓库、实时分析和Power BI等体验集合到一个统一的平台中。
数据工厂
数据工厂提供现代化的数据集成体验，能够从各种数据源中接收、准备和转换数据，支持200多种连接器。它有两个主要的高级功能：
1. 数据流让你可以在数据流设计器中利用300多种转换功能，采用Power Query体验，让你更轻松、更灵活地转换数据，包括智能的基于AI的数据转换。
2. 数据管道让你可以利用现成的丰富数据编排功能，组合灵活的数据工作流，满足企业的需求。
Synapse数据工程
微软Fabric中的数据工程使用户能够设计、构建和维护基础设施和系统，使其组织能够收集、存储、处理和分析大量数据。它提供了一个世界级的Spark平台，具有出色的编写体验，使数据工程师能够进行大规模的数据转换，并通过数据湖将数据民主化。微软Fabric Spark与数据工厂的集成使得可以安排和编排笔记本和Spark作业。
Synapse数据仓库
数据仓库体验提供了具有SQL性能的开放数据格式的汇合湖屋体验。数据仓库工作负载可从SQL引擎在开放数据格式上运行的强大功能中获益。这使得客户可以将注意力集中在数据准备、分析和报告上，所有这些都在Microsoft OneLake中的单个数据副本上进行优化。
Synapse数据科学
数据科学体验使数据科学家能够构建、训练、部署和操作机器学习模型。它与Azure机器学习集成，提供了内置实验跟踪和模型注册的功能。
Synapse实时分析
组织越来越意识到实时分析为明智决策和响应动作的价值，因此对实时分析的采用率正在上升。实时分析帮助数据工程师以高性能和低延迟分析海量半结构化数据，并具备随着数据和查询需求增加而无缝扩展的能力。
Power BI
这个经久不衰的微软商业智能工具被许多组织广泛接受。这种集成功能使用户能够进行直观和视觉化的数据探索，可创建交互式仪表板和报表，并将原始数据转化为可行动的洞察。它现在还配备了一款生成型AI副驾驶，旨在帮助业务分析师和用户浏览数据洞察力。直接湖（Direct Lake）模式是其中一项令人兴奋的特性，它提供了导入速度和直接查询的最佳结合，而无需复制数据。
Data Activator
Data Activator目前处于预览阶段，它是Microsoft Fabric中的无代码体验，可在检测到变化数据中的模式时自动采取行动。它使业务用户能够自助服务，并根据业务工作流程/条件启动通知、电子邮件、动力、自动化流程或调用某些第三方系统。
Microsoft Purview Hub
Microsoft Purview Hub位于Fabric内部，作为Fabric管理员和用户高效监督和管理其Fabric数据资源的集中平台。通过对敏感数据和项目认可的深入报告，它充当了进入Microsoft Purview治理和合规性门户的门户，其中包括数据目录、信息保护、数据丢失预防和审计等高级功能。
OneLake
OneLake是Microsoft Fabric生态系统的核心；它构建在Azure Data Lake Storage (ADLS) Gen2之上，可以支持任何类型的结构化或非结构化文件，并可被视为整个组织的单一统一逻辑数据湖。它以开放的Delta Parquet格式存储数据，以便您可以在多个引擎之间使用同一数据。
OneLake的设计目标是：
- 消除壁垒，减少管理工作量：所有组织数据都存储、管理和安全，保存在单一数据湖资源中，从而消除了额外的资源配置或管理需求，因为OneLake与您的Fabric租户集成。
- 减少数据移动和复制：OneLake的目标是仅存储一份数据副本。数据副本越少，数据移动过程越少，从而提高效率并减少复杂性。您可以选择创建一个快捷方式，统一跨域、云和账户的数据，而无需将其复制到OneLake。
- 与多个分析引擎一起使用：OneLake中存储的数据采用开放格式，允许各种分析引擎进行查询，例如Power BI使用的Analysis Services、T-SQL和Spark，而非Fabric应用可以通过API和SDK访问OneLake。
Lakehouse
Microsoft Fabric Lakehouse作为数据架构平台，将结构化和非结构化数据的存储、管理和分析统一在一个存储库中。这种灵活且可扩展的解决方案使组织能够有效管理大量数据，利用各种工具和框架进行数据处理和分析。
Microsoft Fabric的优势
迁移到Microsoft Fabric为希望增强数据管理和分析能力的组织带来了几个好处：
- 统一的数据管理：Microsoft Fabric提供了一个集中平台，用于存储、管理和分析结构化和非结构化数据。这种统一方法简化了数据管理任务，简化了信息访问，并促进了只保留数据的单一副本。
- 可扩展性和灵活性：Fabric被设计为一种灵活可扩展的解决方案，使组织能够处理大量数据。这种适应性对于数据需求随时间的演变和增长至关重要。
- 治理和合规性：Microsoft Fabric包括Purview Hub等功能，为管理员和用户提供管理和管理数据资源的工具。血统视图提供了一个工作区内所有项目和工作区外部数据源之间的血统关系视图。
- 开放数据格式：Fabric支持开放的数据格式，允许各种分析引擎如Analysis Services、T-SQL和Spark进行数据查询。这种开放性增强了互操作性，使组织能够使用最适合其分析需求的工具。
- 生成型AI副驾驶：对于业务分析师和用户，Fabric提供了一个生成型AI副驾驶，增强数据分析过程。这个功能有助于浏览数据洞察，提高生产力和效率。
- 成本效益：通过将数据管理和分析集中在Fabric中，组织可以优化资源利用，并可能降低与管理多个数据解决方案相关的成本。由于计算成本在所有Fabric服务间共享，因此使用多种服务的实验将更具经济性。
- 全面解决方案：Microsoft Fabric Lakehouse为数据工程和分析提供了全面的解决方案，涵盖了从数据存储和处理到高级分析和治理的各个方面。这种综合性的方法减少了对不同工具和解决方案的需求。
- 与微软生态系统的集成：作为微软解决方案，Fabric与微软生态系统中的其他工具和服务无缝集成。
- API和SDK访问：Fabric允许非Fabric应用通过API和SDK访问数据，促进互操作性，使外部系统更容易与存储在Fabric中的数据进行交互。
解读微软布料的价格之谜
微软布料采用基于容量的定价模型，使用从F2到F2048容量单元（CU）的库存保持单位（SKU）大小。容量单元（CU）是表示一组计算能力的度量单位。计算能力用于运行布料中的所有查询、作业或任务。
微软布料提供两种定价模型：按使用量付费和预留容量定价。选择通过一年的承诺进行布料容量预留可以节省大量费用，每月潜在节省约41%左右。重要提醒：预留容量不会自动续订。
OneLake的定价相当于Azure数据湖存储（ADLS）Gen2的定价，按照每GB每月定价。
根据存储访问的源/目标，可能会有数据传输网络费用。预计带宽费用与微软相同；但是，目前还没有发布计费信息。
采用和迁移考虑因素
- 当前基础设施评估：彻底分析现有基础设施，了解依赖关系、配置和潜在挑战。分析当前分析堆栈环境，并看看如何减少冗余并融入微软布料生态系统。
- 数据迁移策略：使用微软布料的一个好处是可以继续使用同一数据湖或源，并利用快捷方式。评估微软布料将如何与您的生态系统中的其他系统集成。评估所需的API、连接器和中间件，以便实现微软布料与其他应用程序之间的无缝通信。
- 了解成本模型：评估您独立使用的所有类似微软产品，统一解决方案将通过共享容量提供成本节约。
- 安全性和合规性和治理：优先考虑安全性问题，并确保微软布料符合相关的监管标准。实施诸如加密、访问控制和监控等安全措施。
- 功能评估：验证您的组织现在或将来是否会使用微软布料的所有功能，除OneLake和数据激活器外，所有其他功能已经可以作为独立服务使用。
- 供应商锁定：综合SaaS配置虽然提供了统一的解决方案，但也存在某些缺点。一个重要的关注点是供应商锁定的潜在问题。布料平台可能会限制用户根据其独特偏好选择和自定义个别工具的能力，这给组织的灵活性带来了挑战。
- 预览功能：某些功能，如数据激活器、清晰中心和与私有端点集成，目前尚未普遍推出。在对过渡到微软布料的决策做出之前，建议密切关注产品路线图。