Microsoft Fabric Eventhouse ha ampliado sus capacidades de federación de consultas SQL al admitir la federación de consultas en más puntos de conexión del protocolo Tabular Data Stream (TDS), como almacenes de datos de Fabric y puntos de conexión de SQL Analytical. A través del comando Create and Alter Azure SQL External Tables , los usuarios ahora pueden conectarse a los puntos de conexión y almacenes de Fabric SQL Analytical, además de a Azure SQL Database, SQL Server y otras bases de datos compatibles con TDS que ya eran compatibles.
Si bien todos los datos en Microsoft Fabric se almacenan en OneLake utilizando el formato abierto Delta Parquet , lo que los hace inherentemente accesibles para todos los motores, esta nueva capacidad permite una federación de consultas sin inconvenientes en puntos finales de SQL, lo que permite a las organizaciones aprovechar sus inversiones en código SQL existentes, incluidas funciones y procedimientos almacenados.
Capacidades clave de la federación de consultas T-SQL en Fabric Eventhouse
Análisis de datos integral: cree conexiones de tablas externas a fuentes de datos SQL para unificar sus análisis en diferentes tipos y fuentes de datos. Esto le permite combinar datos operativos de alta granularidad de Eventhouse con objetos comerciales de almacenes de datos, almacenes de datos y bases de datos reflejadas. Todos los datos se pueden consultar mediante KQL o SQL. Por ejemplo, puede analizar datos de sensores de IoT en tiempo real junto con datos comerciales de la empresa para obtener información más detallada.
Integración de lógica SQL: acceda a su lógica empresarial SQL existente a través de vistas, que incluyen:
- Vistas basadas en procedimientos almacenados, que le permiten aprovechar transformaciones de datos prediseñadas.
- Vistas que incorporan funciones SQL, lo que permite realizar cálculos complejos y reglas de negocio.
- Lógica SQL personalizada que se puede llamar directamente desde sus consultas KQL.
- Arquitectura de datos simplificada: elimine la necesidad de mover datos o duplicar el almacenamiento consultando las fuentes de datos SQL directamente dentro de su canal de análisis de KQL. Esto reduce la latencia de los datos, los costos de almacenamiento y los gastos generales de mantenimiento.