Vad är spegling i nätverk?

Spegelning i Fabric är en lösning med låg kostnad och låg latens som sammanställer data från olika system till en enda analysplattform. Du kan kontinuerligt replikera din befintliga dataegendom direkt till Fabrics OneLake från olika Azure-databaser och externa datakällor.

Med de mest uppdaterade uppgifterna i ett frågbart format i OneLake kan du använda alla olika tjänster i Fabric, till exempel utföra analyser med Spark, köra notebook-program, dataingenjörskap, visualisera via Power BI-rapporter och mer.

Genom att använda spegling i Fabric får du en mycket integrerad, heltäckande och lätthanterad produkt som förenklar dina analysbehov. Spegling är byggd för öppenhet och samarbete mellan Microsoft och tekniklösningar som kan läsa Delta Lake-tabellformatet med öppen källkod. Det är en nyckelfärdig lösning med låg kostnad och låg svarstid som skapar en replik av dina data i OneLake för alla dina analytiska behov.

Du kan använda Delta-tabellerna överallt i Fabric, vilket hjälper dig att påskynda din resa inom Fabric.

Du aktiverar spegling genom att skapa en säker anslutning till din driftdatakälla. Du väljer om du vill replikera en hel databas eller enskilda tabeller och Spegling håller automatiskt dina data synkroniserade. När de har konfigurerats replikeras data kontinuerligt till OneLake för analysförbrukning.

Varför använda spegling i nätverksstruktur?

Idag har många organisationer verksamhetskritiska drifts- eller analysdata i silor.

För att komma åt och arbeta med dessa data krävs komplexa ETL-pipelines (Extrahera, Transformera, Ladda), affärsprocesser och beslutssilon, vilket skapar:

• Begränsad och begränsad åtkomst till viktiga, ständigt föränderliga data
• Friktion mellan människor, processer och teknik
• Långa väntetider för att skapa pipelines och processer till kritiskt viktiga data
• Ingen frihet att använda de verktyg du behöver för att analysera och dela insikter bekvämt
• Brist på en lämplig grund för folk att dela och samarbeta om data
• Inga vanliga öppna dataformat för alla analysscenarier – BI, AI, integrering, teknik och till och med appar

Spegling i Fabric ger en enkel upplevelse för att påskynda tiden till värdeskapande av insikter och beslut och bryta ner datasilor mellan tekniklösningar.

• Replikering i nära realtid av data och metadata till en SaaS-datasjö med inbyggd analys för BI och AI

Den Microsoft Fabric plattformen bygger på en grund av SaaS (Software as a Service), som tar enkelhet och integrering till en helt ny nivå. Mer information om Microsoft Fabric finns i Vad är Microsoft Fabric?

Följande är grundläggande grundsatser för spegling:

• Aktivera spegling i Fabric är enkelt och intuitivt, utan att behöva skapa komplexa ETL-pipelines, allokera ytterligare beräkningsresurser eller hantera dataflytt.

• Spegling i Fabric är en fullt hanterad tjänst, så du behöver inte bekymra dig om att hantera hosting, underhålla eller hantera replikering av den speglade anslutningen.

Objekt för spegling

Spegling skapar dessa objekt i din Fabric-miljö:

• En process som hanterar replikering av data och metadata till OneLake och konvertering till Parquet, i ett analysklart format. Den här processen möjliggör nedströmsscenarier som datateknik, datavetenskap med mera.
• En SQL-analysslutpunkt

Förutom SQL-frågeredigeraren finns det ett brett ekosystem med verktyg, inklusive SQL Server Management Studio (SSMS),MSSQL-tillägget för Visual Studio Code och till och med GitHub Copilot.

Delning gör det enkelt att styra åtkomst och hantera behörigheter, så att du kan skydda känslig information. Delning möjliggör även säkert och demokratiserat beslutsfattande i hela organisationen.

Typer av spegling

Microsoft Fabric erbjuder tre olika metoder för att föra in data i OneLake via spegling.

• Databasspegling – Databasspegling i Fabric replikerar hela databaser och tabeller för att samla data från olika system till en enda analysplattform.
• Metadataspegling – Metadataspegling i Infrastruktur synkroniserar metadata (till exempel katalognamn, scheman och tabeller) i stället för att fysiskt flytta data. Den här metoden använder genvägar, och säkerställer att datan finns kvar i källan samtidigt som den är lättillgänglig i Fabric.
• Öppen spegling – Öppen spegling i Fabric är utformad för att utöka spegling baserat på öppet Delta Lake-tabellformat. Med den här funktionen kan vilken utvecklare som helst skriva ändringsdata för sin applikation direkt till ett speglat databasobjekt i Fabric, baserat på den öppna speglingsmetoden och offentliga API:er.

För närvarande är följande externa databaser tillgängliga:

Replikering i nära realtid

Replikering i nära realtid kan bero på olika faktorer, bland annat:

• Plats eller region för källan
• Plats eller region för målet
• Volym av ändringar
• Ändringsfrekvens
• Nätverksbandbredd och svarstid från källan
• Beräkningsresurser som allokerats till den lokala datagatewayen

Hur fungerar databasspegling?

Deltafiler anländer stegvis i Fabric-plattformen från datakällan. Metoden för att identifiera inkrementellt ändrade data varierar i varje datakälla. I SQL Server 2025 genomsöker till exempel SQL-Database Engine källdatabasens transaktionslogg med hög frekvens. SQL Server publicerar ändringar för varje tabell till motsvarande filer i Fabric-landningszonen.

Inom Fabric körs replikatormotorn alltid och genomsöker med hög frekvens efter nyligen publicerade filer. Fabric integrerar omedelbart inkommande ändringar i måldeltatabellen. Ändringar kan publiceras så snabbt som var 15:e sekund.

Backoff-logik som upptäcker låg aktivitet undviker överarbetning på datakällmotorer utanför Fabric och minskar svarstiden genom att anpassa sig till frekvensen av inkommande dataändringar.

Hur fungerar metadataspegling?

Spegling möjliggör inte bara datareplikering utan kan också uppnås genom genvägar eller metadataspegling i stället för fullständig datareplikering, vilket gör att data kan vara tillgängliga utan att fysiskt flytta eller duplicera dem. Spegling i den här kontexten avser replikering av endast metadata, till exempel katalognamn, scheman och tabeller, snarare än själva faktiska data. Med den här metoden kan Fabric göra data från olika källor tillgängliga utan att duplicera dem, vilket förenklar datahanteringen och minimerar lagringsbehoven.

När du till exempel använder data som registrerats i Unity Catalog speglar Fabric endast katalogstrukturen från Azure Databricks vilket gör att underliggande data kan nås via genvägar. Den här metoden säkerställer att alla ändringar i källdata omedelbart återspeglas i Infrastruktur utan att kräva dataflytt, upprätthålla synkronisering i realtid och förbättra effektiviteten vid åtkomst till up-to-date-information.

Hur fungerar öppen spegling?

Förutom att aktivera datareplikering genom att skapa en säker anslutning till datakällan kan du med spegling välja en befintlig dataprovider eller skriva ett eget program för att landa data i en speglad databas. När du skapar en öppen speglad databas via det offentliga API:et eller Infrastrukturportalen får du en URL för landningszonen i OneLake där du kan landa ändringsdata per öppen speglingsspecifikation.

När data är i landningszonen med rätt format börjar replikeringen köras och hanterar komplexiteten i att sammanfoga ändringarna med uppdateringar, infoga och ta bort som ska återspeglas i deltatabeller. Den här metoden säkerställer att all data som skrivs in i landningszonen omedelbart återspeglas, vilket håller data i Fabric uppdaterad.

Delning

Delning gör åtkomstkontroll och hantering enklare. Säkerhetskontroller som säkerhet på radnivå (RLS), säkerhet på objektnivå (OLS) och mer kontrollerar att du kan styra åtkomsten till känslig information. Delning möjliggör även säkert och demokratiserat beslutsfattande i hela organisationen.

Genom att dela ger användarna andra användare eller en grupp användare åtkomst till en speglad databas utan att ge åtkomst till arbetsytan och resten av dess objekt. När någon delar en speglad databas beviljar de också åtkomst till SQL-analysslutpunkten.

Mer information finns i Dela din speglade databas och hantera behörigheter.

Frågor mellan databaser

Med data från den speglade databasen som lagras i OneLake kan du skriva frågor mellan databaser, koppla data från speglade databaser, lager och SQL-analysslutpunkterna för Lakehouses i en enda T-SQL-fråga. Mer information finns i Skriva en fråga mellan databaser.

Du kan till exempel referera till tabellen från speglade databaser och lager med hjälp av namngivning i tre delar. I det följande exemplet använder du det tredelade namnet för att komma åt ContosoSalesTable i lagret ContosoWarehouse. Från andra databaser eller datavaruhus är den första delen av den vanliga trepartsnamngivningskonventionen i SQL namnet på den speglade databasen.

SELECT *
FROM ContosoWarehouse.dbo.ContosoSalesTable AS Contoso
INNER JOIN Affiliation
ON Affiliation.AffiliationId = Contoso.RecordTypeID;

Kostnad för spegling

För databasspegling och öppen spegling frigörs Fabric-beräkningen och OneLake-lagringen upp till en kapacitetsbaserad gräns.

• Lagring för repliker är kostnadsfri upp till en gräns baserat på kapacitetsstorleken. Spegling erbjuder en kostnadsfri terabyte speglingslagring för varje kapacitetsenhet (CU) som du köper. Om du till exempel köper en F64-kapacitet får du 64 kostnadsfria terabyte lagringsutrymme, som uteslutande används för spegling. Du betalar för OneLake-lagring om du överskrider lagringsgränsen för kostnadsfri spegling eller när kapaciteten har pausats. Mer information finns i Microsoft Fabric Pris.
• Background Fabric-beräkning som används för att replikera dina data till Fabric OneLake är kostnadsfri och förbrukar inte kapacitet. Begäranden direkt till OneLake för speglad data förbrukar kapacitet som vid normal OneLake-beräkningsförbrukning. Beräkningen för att fråga efter data med hjälp av SQL, Power BI eller Spark debiteras enligt normala priser.
• En aktiv Fabrickapacitet krävs endast för den initiala uppsättningen av spegling.

Datateknik med dina speglade databasdata

Microsoft Fabric tillhandahåller olika funktioner för datateknik för att säkerställa att dina data är lättillgängliga, välorganiserade och av hög kvalitet. Från Fabric Data Engineering kan du:

• Skapa och hantera dina data som Spark med hjälp av ett sjöhus
• Utforma pipelines för att kopiera data till ditt lakehouse
• Använda Spark-jobbdefinitioner för att skicka batch- eller direktuppspelningsjobb till Spark-kluster
• Använda notebook-filer för att skriva kod för datainmatning, förberedelse och transformering

Datavetenskap med dina speglade databasdata

Microsoft Fabric erbjuder Fabric Data Science för att ge användarna möjlighet att slutföra datavetenskapsarbetsflöden från slutpunkt till slutpunkt för databerikning och affärsinsikter. Du kan utföra en mängd olika aktiviteter i hela datavetenskapsprocessen, från datautforskning, förberedelse och rensning till experimentering, modellering, modellbedömning och servering av förutsägelseinsikter till BI-rapporter.

Microsoft Fabric användare kan komma åt Data Science-arbetsbelastningar. Därifrån kan de identifiera och komma åt olika relevanta resurser. De kan till exempel skapa maskininlärningsexperiment, modeller och notebook-filer. De kan också importera befintliga notebook-filer på startsidan för Data Science.

Direct Lake med dina speglade databasdata

Du kan använda Direct Lake-läge med speglade databaser i Microsoft Fabric för att aktivera högpresterande frågor över speglade data utan att behöva flytta data eller duplicera data. När du skapar en speglad databas lagras dess data i Delta Lake-format i OneLake. Med det här interna formatet kan Power BI och andra analysverktyg ansluta via Direct Lake-läge, vilket ger insikter i nära realtid genom att direkt komma åt de underliggande filerna. Den här integrationen kombinerar enkelheten i spegling med hastigheten och skalbarheten hos Direct Lake, vilket möjliggör snabb och uppdaterad rapportering av driftdata.

Kvarhållning för speglade data

Spegling i Fabric replikerar kontinuerligt din befintliga dataegendom till OneLake i Delta Lake-tabellformat. För att hålla data som speglas effektivt lagrade och alltid redo för analys kör spegling automatiskt en rengöringsprocess för att ta bort gamla filer som inte längre refereras av en Delta-logg.

Du kan anpassa kvarhållningsinställningen enligt dina krav. Du kan till exempel välja en kortare kvarhållningsperiod för att minska speglingens lagringsförbrukning eller förlänga kvarhållningsperioden för att använda Deltas tidsresefunktioner för analys.

För speglade databaser som skapats från Fabricportalen efter mitten av juni 2025 är standardkvarhållningen en dag. För gamla speglade databaser är standardvärdet sju dagar. Om du vill kontrollera eller uppdatera kvarhållningsinställningen, navigera till din speglade databas i Fabric-portalen ->Inställningar ->Delta-tabellhantering-fliken och ange kvarhållningströskelvärdet. Du kan också konfigurera det via offentligt API genom att retentionInDays ange egenskapen.

SQL-databas i Fabric

Du kan också direkt skapa och hantera en SQL-databas i Microsoft Fabric i Infrastrukturportalen. Baserat på Azure SQL Database speglar SQL Database i Fabric automatiskt data i analyssyfte och du kan enkelt skapa din driftdatabas i Fabric. SQL Database är startsidan i Fabric för OLTP-arbetsbelastningar och kan integreras med Fabrics källkontrollintegrering.

Relaterat innehåll

• Vad är Microsoft Fabric?
• Vad är SQL-analysslutpunkten för ett lakehouse?
• Översikt över Direct Lake