Transcription
Приветствую всех, добро пожаловать на канал Cloud Knowledge. Сегодня мы будем изучать онтологию Microsoft Fabric IQ. Итак, в рамках документации Microsoft Fabric здесь вы можете увидеть Fabric IQ, который сам по себе находится в предварительной версии. Он предоставляет вам самообслуживаемый граф знаний, который связывает бизнес-сущности, отношения и бизнес-логику в единую согласованную структуру для принятия мер по всем корпоративным данным. Итак, в этом IQ мы начнем с онтологии, и что такое онтология? Мы кратко изучим ее и перейдем к введению и настройке среды в этом видео. Объем работы заключается в том, чтобы сделать это не очень долгим. Мы просто сделаем первый шаг, а в последующих видео мы перейдем к другим шагам создания онтологии. Теперь давайте сначала разберемся, что это такое. Итак, здесь есть PBD, созданный Copilot от Microsoft. Он гласит: "Онтология Microsoft Fabric IQ — это то, что это такое. Она добавляет слой бизнес-контекста поверх необработанных данных. Таким образом, команды и ИИ могут рассуждать о клиентах, заказах, активах, процессах и отношениях вместо таблиц и столбцов. Здесь вы видите семантические модели, онтологию, графы, агенты данных, операционные агенты. Это часть Fabric IQ, и здесь находится только онтология. Хорошо. Теперь далее — основные моменты. Общий бизнес-язык, ИИ, основанный на бизнес-контексте, более быстрое получение информации и принятие мер. Это преимущества. IQ помогает сместить разговор с "где находятся данные" на "что означает бизнес?". Что происходит сейчас и что нам следует делать дальше? Вот почему это интеллектуальный коэффициент IQ. Затем, почему онтология? Теперь без нее в Fabric IQ, что происходит? Это важно. Если мы это поймем, то узнаем, почему онтология существует, ее существование. Бизнес-смысл фрагментирован по таблицам, отчетам, системам и командам, и с этим у нас есть типы сущностей, свойства и отношения, которые создают понятную для машины модель. Правильно? Одна и та же концепция может быть определена по-разному в разных местах. ИИ должен выводить смысл из схем, что увеличивает двусмысленность. Междоменное рассуждение затруднено без явного контента. И здесь, если у нас есть онтология Fabric IQ, то связывание соединений связывает определения с фактическими данными в одном озере, возможности графа позволяют перемещаться по связанному смыслу между доменами, агенты данных и операций рассуждают, используя тот же управляемый контекст, более последовательный анализ вместо двусмысленности и более сильное обоснование ИИ, снижение трения, поэтому онтология помогает. Теперь далее — что такое онтология: типы сущностей, отношения, свойства, ограничения, правила и привязки, где она находится, мы уже видели, что она находится в рабочей нагрузке IQ как одна часть, верно? Это семантический каркас, который связывает идеи, агентов и действия. Далее — бизнес-ценность, которая разблокируется. Каковы преимущества? Последовательные междоменные решения, надежный опыт работы с ИИ, более быстрая навигация и анализ первопричин, лучшее согласование между аналитикой и операциями от семантики до действий. Как онтология связывает поток. Хорошо, существующие семантические модели и данные One Lake. Онтология определяет бизнес и концепции, отношения, граф, перемещается по связанному контексту в масштабе, затем есть операционные агенты и агенты данных для рассуждения и действий. Хорошо. Итак, сейчас мы не поймем это полностью, пока не перейдем к созданию онтологии. Но это просто краткое введение. Предлагаемый подход к использованию. Начните с домена с высокой ценностью. Определите общий словарь. Свяжите с живыми данными и проверьте, расширьте для сценариев агентов. И вся эта часть взята компилятором из документации Microsoft Learn об онтологии в предварительной версии, Fabric IQ в предварительной версии и документации. Правильно. Итак, позвольте мне перенести вас обратно на официальную страницу. Здесь первая страница — это онтология в предварительной версии. И именно из этой предварительной версии сгенерирован тот PPT, который уже дал нам основные концепции типа сущности, экземпляра, свойства, отношения, привязки, графа, как мы его запрашиваем. Теперь давайте быстро перейдем к странице введения и настройки среды. Теперь это также находится в предварительной версии, настройка среды. Здесь есть два сценария. Генерация онтологии или процесс настройки среды с использованием семантической модели или напрямую из Pun. В этом руководстве мы будем рассматривать генерацию из семантической модели. Правильно. Эта функция находится в предварительной версии и развивается. Поэтому мы будем видеть все больше и больше изменений и обновлений. Выбранный нами метод онтологии — генерация из семантической модели с этими инструкциями. Мы используем семантическую модель для автоматической генерации онтологии, которую вы можете использовать и расширять. Выберите этот вариант, чтобы увидеть работу. Выберите этот вариант, чтобы увидеть, как работать с онтологией, когда у вас уже есть хорошо структурированная семантическая модель PowerBI, представляющая ваш бизнес-домен. Теперь предварительные требования, это важно. У вас должно быть рабочее пространство с включенной емкостью Fabric, а другие элементы упомянуты здесь на официальной странице Microsoft Fabric IQ. Вам нужно включить онтологию, затем агент данных графа, Copilot и другие вещи, которые вы можете прочитать в этой документации. Убедитесь, что все эти предварительные требования выполнены. Вы можете увидеть в портале администратора в настройках клиента, что у нас включена опция "Включить онтологию". Хорошо. Теперь следующая часть — загрузка образца данных. Загрузите содержимое этой папки GitHub. Итак, мы откроем эту страницу образцов онтологии и попытаемся их скачать. Итак, в моем случае все они загружены. Итак, мы вернемся. Вы можете скачать, подготовить Lakehouse. Следуйте инструкциям. Следуйте этим инструкциям, чтобы подготовить образец данных для руководства в Lakehouse. Начните в вашем рабочем пространстве Fabric. Используйте кнопку "Элемент плюс", то есть "Новый элемент", чтобы создать новый Lakehouse. Итак, позвольте мне перенести вас на портал Fabric. Итак, здесь у меня есть рабочее пространство PC, и внутри рабочего пространства PC мы находимся в папке cersore PC. Здесь мы собираемся создать новый элемент. Нажмите "Новый элемент" и найдите Lakehouse. Вот Lakehouse. Мы назовем его ck_lh. Создать. Загрузка вашего нового дома. Название появляется вверху, а здесь в разделе "Проводник" будут показаны таблицы и раздел "Файлы". Хорошо. Далее, новый Lakehouse открывается, когда он готов, когда из кнопки Lakehouse "Получить данные" и "Загрузить файлы". Итак, вот кнопка "Получить данные", "Загрузить файлы", и мы собираемся загрузить эти CSV-файлы. Файлы содержат сведения о сущностях бизнес-объектов в сценарии розничной торговли Lakehouse. Не загружайте данные телеметрии морозильной камеры. Итак, мы импортируем четыре CSV-файла. Dim Products, Dim Store, Fact Sales, Freezer CSV. Freezer Telemetry мы загрузим позже. Итак, получить данные. Мы нажмем "Загрузить файлы". Итак, здесь, в этой папке, у меня есть мои файлы. Мы выберем файлы, кроме данных телеметрии морозильной камеры. Это будет показано здесь, разделено точкой с запятой. Мы нажмем "Загрузить". Загрузка происходит. Она только что завершилась. Мы закроем ее, а затем сможем обновить. Итак, давайте обновим страницу. В разделе "Файлы" мы можем увидеть все четыре CSV-файла здесь. Теперь следующий шаг — разверните папку "Файлы" в проводнике, чтобы просмотреть загруженные файлы. Загрузите каждый файл в таблицу Delta. Для каждого файла выберите рядом с именем файла и "Загрузить данные в файлы" — "Новая таблица". Правильно. Итак, если я попытаюсь увеличить здесь, когда мы нажмем на три точки, это даст нам возможность загрузить в таблицы. Итак, давайте нажмем на три точки рядом с первым CSP, который является Dim Products. Опция "Загрузить в таблицы" здесь, и мы нажмем "Новая таблица". Это даст нам возможность выбрать схему, существующая — dbo уже есть, а имя таблицы — dim product, как оно должно быть разделено. Итак, разделено запятыми, мы нажимаем "Загрузить". Загрузка в таблицу. Хорошо. Итак, эти данные из CSV, где раздел "Файлы", загружаются в таблицу. Это займет свое собственное время. Мы подождем, пока это не завершится, а затем сделаем то же самое для остальных CSV-файлов. Итак, в уведомлении говорится, что таблица успешно создана. Итак, мы перейдем к следующей, которая является Dim Store, то же самое. Нажмите на три точки. Загрузить таблицы. Новая таблица. Оставим настройки по умолчанию и нажмем "Загрузить". Загрузка в процессе. Вы видите, что Dim Products видна под таблицами. Схема DPU Store также загружена. Теперь мы нажимаем на третью. Настройки те же. И если мы нажмем на четвертую, пока третья еще загружается, она будет отключена. Теперь, поскольку она загружена, она будет включена. Итак, мы загрузим последнюю. Теперь вернемся к документации. Она говорит, что после завершения загрузки. Она говорит, да, настройки по умолчанию, Lakehouse выглядит как следующее изображение. Когда вы закончите, у нас есть все четыре таблицы, имена файлов в нижнем регистре, имена таблиц по умолчанию. Теперь подготовьте семантическую модель PowerBI. Этот раздел готовит вас к генерации онтологии из семантической модели. Если вы не следуете сценарию семантической модели и хотите создать онтологию вручную из One Lake, используйте селектор в начале. Правильно, из ленты Lakehouse выберите "Новая семантическая модель". Итак, здесь, наверху, мы видим, что есть включенная опция "Новая семантическая модель". Мы должны нажать на нее. В панели "Новая семантическая модель" нам нужно установить следующие детали. Семантическая модель Direct Lake, имя — Retail Sales Model. Затем рабочее пространство, выбранное по умолчанию, и выберите или отмените выбор таблиц из семантической модели. Итак, мы выберем три таблицы: Dim Products, Store и Fact Sales. Мы не будем выбирать таблицу Freezer. Мы создадим ее вручную на следующем этапе. Итак, давайте нажмем "Новая семантическая модель". Это открывает новую страницу. Вам нужно ее назвать. Итак, она просит вас назвать ее Retail Sales Model. Мы сделаем ее CK Retail Sales Model. Далее — нам нужно выбрать таблицу. Итак, мы выберем из представленных здесь опций: Products, Dim Store и Fact Sales. Мы нажмем "Подтвердить". Вас попросят подождать. Наконец, страница загрузилась для CK Retail Sales Model, которую мы создали. Там мы видим здесь Product, Store и Fact Sales на холсте. Теперь следующий шаг — открыть семантическую модель в режиме редактирования. Когда она будет готова, на ленте выберите "Управление отношениями". Итак, здесь, наверху, у нас есть различные опции. Нам нужно выбрать "Управление отношениями". Когда вы нажмете "Управление отношениями", вас попросят создать новое отношение. Итак, в панели "Управление отношениями" говорится, что нужно нажать кнопку "+ Новое отношение". И мы собираемся создать два отношения со следующими деталями. Детали содержат столбцы из таблицы в таблицу. Кардинальность, направление перекрестной фильтрации, сделать это отношение активным или нет. Хорошо. Итак, это по умолчанию. Да. И это один ко многим. Теперь из таблицы "В" мы должны рассмотреть. Итак, Fact Sales, мы должны выбрать столбец Store ID. Из Dim Store мы должны выбрать столбец Store ID. Fact Sales, Dim Store. Итак, нажмите "Новое отношение" здесь. Fact Sales, Store ID, Dim Store, Store ID, верно, мы выбрали правильный столбец, и один ко многим, один, остальное выглядит так же, нажмите "Сохранить". Одно отношение отображается здесь, оно активно. Теперь другое отношение, которое является Fact Sales, из Fact Sales, на этот раз мы выбираем столбец Product ID, Dim Products, столбец Product ID. Итак, столбец Product ID из Fact Sales и столбец Product ID из Products. Поскольку это выбрано, теперь оно отображается как выбранный столбец из таблицы "Из" и таблицы "В". Нажмите "Сохранить". Далее. Теперь семантическая модель готова к импорту или онтологии. Итак, этот шаг, который мы здесь сделали, был подготовкой семантической модели PowerBI. Сначала у нас были данные CSV в файлах. Мы загрузили их в таблицы. Затем из таблицы мы создали новую семантическую модель, где мы определили отношения здесь. Хорошо. Теперь следующий шаг — подготовка в вашем рабочем пространстве Fabric. Создайте так же, как мы создали Lakehouse. Здесь мы собираемся использовать кнопку "+ Новый" и создать Eventhouse. Название будет Telemetry Data EH. Правильно. Итак, отношения созданы. Мы нажмем "Закрыть". Мы попробуем дублировать нашу вкладку. Итак, вкладка дублирована. Мы находимся в нашем рабочем пространстве. Итак, мы находимся в папке c_p нашего рабочего пространства, где мы создали наш Lakehouse. Теперь нам нужно нажать "Новый элемент" и найти Eventhouse. Это Eventhouse. Мы нажмем на него. Название, которое мы должны дать, — Telemetry Data EH. Мы назовем его CK Telemetry Data EH. Нажмите "Создать". Итак, здесь Eventhouse создан, появится баннер. Итак, мы увидим через баннер, что здесь нужно загрузить данные в KQL Database. Мы закроем его и будем следовать инструкциям из официальной документации. Она говорит, что Eventhouse открывается, когда он готов. Откройте KQL Database, выбрав ее имя в проводнике. Хорошо. CK Telemetry.h PH Далее нам нужно создать новую таблицу под названием Freezer Telemetry, которая использует CSV-образец Freezer Telemetry в качестве источника в ленте меню "Получить данные" — "Локальный файл". Итак, что нам нужно сделать, это выбрать KQL Database. Как только мы выберем, у нас есть эта опция наверху "Получить данные". Мы нажимаем "Получить данные". Данные должны быть взяты из локального файла. Итак, мы выберем "Локальный файл". Теперь говорится, что нужно создать новую таблицу под названием Freezer Telemetry и найти файл Freezer Telemetry.csv. Итак, мы нажмем "Создать новую таблицу", Freezer Telemetry. Как только мы введем здесь имя таблицы, эта опция станет доступной для поиска файлов. Хорошо. Обратите внимание на это, верно, и просто выберите Freezer Telemetry. Дайте ей загрузиться. Она загружена. Нажмите "Далее". Вы увидите содержимое CSV. Нажмите "Завершить". Итак, данные из локального файла загружаются в Eventhouse. Статус в настоящее время ожидающий. Дайте ему завершиться. Тем временем мы перейдем к документации. Итак, она говорит, что продолжайте через диалоговое окно создания таблицы, сохраняя настройки по умолчанию. И когда вы закончите, KQL Database покажет таблицу с данными. Правильно. Итак, это успешно принято. Мы нажимаем "Закрыть". И в KQL Databases у нас теперь есть Freezer Telemetry, которая содержит данные. Правильно. Теперь говорится "Следующие шаги". Следующий шаг — что нам нужно создать онтологию, это вторая часть. Итак, для объема этого видео мы рассмотрели введение и настройку среды, где мы прошли вариант генерации через семантическую модель. Итак, для семантической модели мы импортировали данные в раздел файлов Lakehouse. Мы сначала создали Lakehouse, импортировали. Затем мы загрузили его в раздел таблиц, вы видите здесь, а затем создали семантическую модель PowerBI, используя опцию там в Lakehouse. Мы установили отношения с помощью опции "Управление отношениями". Затем мы создали Eventhouse для данных, связанных с телеметрией. Freezer Telemetry, и в следующем видео мы перейдем ко второму шагу создания онтологии. Итак, спасибо за просмотр этого видео. Счастливого обучения. Пока.