12 concepts Fabric à connaître absolument

MYPE SAS
25 août
2 min de lecture

Visual Query Editor

Capitalisez sur vos compétences en Power Query grâce à cette interface no-code pour la transformation des données. Dans cet éditeur, vous pourrez filtrer et trier des données, fusionner des tables, renommer et modifier le type de colonnes...

KQL (Kusto Query Language)

Ce langage est dédié à l’analyse de logs, comme les données issues d’un capteur. En effet, il est optimié pour gérer de très gros volumes de données. Il permet aussi d'analyser des logs de formats différents les uns des autres, et de manipuler des séries chronologiques.

SQL Analytics Endpoint

Ce point de terminaison permet aux data engineers d’utiliser leurs connaissances en SQL pour interroger les données en lecture seule. Il est disponible sur les lakehouses.

Bloc-notes Apache Spark

Dans les bloc-notes Spark, vous pourrez exécuter du code d’ingestion, de transformation, de visualisation et d’analyse des données. PySpark et SparkSQL font partie des langages les plus utilisés dans Spark, mais les notebooks permettent aussi d'utiliser les langages R, Scala...

Pipelines

Orchestrez le processus Extract-Transform-Load grâce à ces outils no-code. Dans un pipeline, vous pourrez mettre une activité 'Copy data', une activité d'exécution d'un notebook, des conditions à vérifier, etc.

Pipelines de déploiement

Attribuez des permissions et des espaces de travail différents pour les phases de Développement, Test et Production des produits Fabric. Vous pourrez ainsi cloisonner les espaces de travail de chaque corps de métier, afin de fluidifier le workflow.

Dataflows

Utilisez cet outil no-code pour ingérer des données dans un data store Fabric. Grâce à une interface intuitive, vous pourrez sélectionner votre source de données pour ingérer rapidement des données.

Procédures stockées

Grâce à ces scripts SQL, automatisez des opérations complexes sur les données. Vous pourrez ensuite programmer l'exécution d'une procédure stockée.

Raccourcis

Les raccourcis vous permettent d’interroger des données sans les stocker dans votre data store local. Ils permettent donc une meilleure gestion de l'espace en mémoire.

SCD (Slowly Changing Dimension)

Choisissez votre mode de gestion des dimensions lentement changeantes (SCD) grâce aux paramètres dans Fabric. Les dimensions lentement changeantes sont des colonnes d’une base-de-données, dont les valeurs sont susceptibles de changer sur des temps longs. Par exemple, l'adresse d'un client est une SCD.

Voici les trois types principaux de SCD :

Type 1 : Les nouvelles valeurs écrasent les anciennes valeurs.
Type 2 : Les nouvelles valeurs sont stockées dans de nouvelles lignes. On rajoute à la base de données une colonne qui indique une date de début, et une autre qui indique une date de fin, pour savoir quelle ligne est dans sa période de validité.
Type 3 : Les nouvelles valeurs sont stockées dans des colonnes supplémentaires.

Modèles sémantiques

Les modèles sémantiques définissent les interactions entre les tables, les mesures et hiérarchies, et permettent d’identifier les éventuelles tables de faits et de dimensions. Un modèle sémantique est une abstraction construite sur les données.

Tabular Editor

Dans le Tabular Editor, visualisez et optimisez vos modèles sémantiques, à l’aide de code DAX ou simplement en naviguant dans l’outil. Cet outil est utilisable par les spécialistes de DAX, ainsi que par les spécialistes de Power Query.