Daten vorbereiten2 / 5
Du implementierst eine Medallion-Architektur in einem Fabric lakehouse. Rohdaten landen als CSV-Dateien im Bronze-Layer. Du musst die Daten mit PySpark bereinigen, deduplizieren und in Delta tables im Silver-Layer umwandeln. Welches Fabric-Item solltest du verwenden?
RichtigFalsch
Alex
Für Transformationen von Bronze nach Silver, die PySpark erfordern, ist ein Spark notebook die richtige Wahl. Notebooks geben dir die volle programmatische Kontrolle über Bereinigung, Deduplizierung, Typkonvertierung, Schema-Enforcement und das Schreiben von Delta tables. Warum nicht die anderen? Eine gespeicherte SQL-Prozedur läuft im Warehouse, nicht im Lakehouse. Dataflow Gen2 ist Low-Code und unterstützt PySpark nicht nativ. Ein KQL queryset ist für Real-Time Intelligence gedacht, nicht für Lakehouse-ETL. In der Medallion-Architektur von Fabric sind Notebooks das primäre Werkzeug für komplexe Transformationen zwischen den Layern. Ref: learn.microsoft.com/fabric/onelake/onelake-medallion-lakehouse-architecture
Quellelearn.microsoft.com
Antworten auf Rückfragen bekommst du in der App. Erstelle ein kostenloses Konto — ohne Kreditkarte.
Frage 2 von 5
Kostenloses Konto erstellen