Microsoft Fabric 그래프 작동 방식

Microsoft Fabric 그래프는 OneLake에 저장된 구조화된 데이터를 모델링되고 쿼리 가능한 그래프로 변환합니다. 공통 엔진을 통해 실행되는 시각적 또는 GQL 기반 도구를 사용하여 그래프를 쿼리하여 시각적, 테이블 형식 또는 프로그램 방식의 결과를 생성합니다.

이 문서에서는 그래프 아키텍처를 설명하고 원본에서 인사이트로의 엔드 투 엔드 데이터 흐름을 설명합니다.

다음 다이어그램은 원본에서 인사이트로의 엔드 투 엔드 데이터 흐름을 보여 줍니다.

스토리지, 그래프 모델링, 쿼리 작성, 실행 및 결과를 통해 데이터 원본의 그래프 데이터 흐름을 보여 주는 다이어그램.

데이터 원본

데이터는 Azure 서비스, 다른 클라우드 플랫폼 또는 온-프레미스 원본과 같은 외부 시스템에서 시작됩니다. Microsoft Fabric 그래프는 데이터를 OneLake에 수집한 후, 그곳에서 그래프가 읽을 수 있는 이러한 원본 데이터를 사용하여 작동합니다.

OneLake의 스토리지

수집된 데이터를 OneLake 에 레이크하우스의 테이블 형식 원본 테이블로 저장합니다. Graph는 모델을 저장할 때 레이크하우스 테이블에서 데이터를 수집하므로 별도의 ETL 파이프라인을 설정하거나 데이터를 외부 데이터베이스로 이동할 필요가 없습니다.

그래프 모델링

그래프 모델링 단계에서 다음을 지정하여 그래프 스키마를 정의합니다.

  • 노드 형식: 고객, 제품, 주문과 같은 데이터의 엔터티입니다.
  • 에지 형식: "구매", "포함" 또는 "생성"과 같은 엔터티 간의 관계 유형입니다.
  • 테이블 매핑: 노드 및 에지 정의가 기본 원본 테이블에 매핑되는 방식

레이블이 지정된 속성 그래프 구조를 만듭니다. 그래프를 쿼리하기 전에 그래프 모델링을 완료합니다. 이러한 모델링 결정을 내리는 방법에 대한 지침은 그래프 스키마 디자인을 참조하세요.

비고

그래프는 현재 스키마 진화를 지원하지 않습니다. 새 속성 추가, 레이블 수정 또는 관계 유형 변경과 같은 구조적 변경을 수행해야 하는 경우 업데이트된 원본 데이터를 새 모델로 다시 수집합니다.

쿼리 가능한 그래프

모델을 저장하면 그래프가 기본 레이크하우스 테이블에서 데이터를 수집하고 읽기 최적화 쿼리 가능한 그래프를 생성합니다. 이 그래프 구조는 순회 및 패턴 일치에 최적화되어 빠르고 효율적인 그래프 쿼리를 대규모로 사용할 수 있습니다.

쿼리 작성

다음 두 가지 환경 중 하나를 사용하여 쿼리 가능한 그래프에 대한 쿼리를 작성합니다.

두 옵션 모두 동일한 기본 그래프를 대상으로 지정합니다. 워크플로에 맞는 제작 환경을 선택합니다.

쿼리 실행

다음을 지원하는 일반적인 실행 계층을 통해 쿼리를 실행합니다.

팁 (조언)

쿼리 경로를 선택합니다. 쿼리 구조를 완전히 제어하는 그래프 데이터에 직접 프로그래밍 방식으로 액세스하려면 GQL 또는 REST를 사용합니다. 자연어 액세스가 필요한 경우 Fabric 데이터 에이전트를 통해 NL2GQL(미리 보기)을 사용합니다. 대화형 AI 및 지식 도우미 시나리오에 적합합니다.

이 계층은 쿼리 가능한 그래프에 대해 쿼리 논리를 실행하고 결과를 반환합니다.

쿼리 결과

그래프를 쿼리하는 방법에 따라 다음 형식 중 하나 이상의 결과를 받습니다.

  • 시각적 그래프 다이어그램: 노드 및 관계의 대화형 시각화입니다.
  • 테이블 형식 결과 집합: 행 및 열의 구조화된 데이터입니다.
  • 프로그래밍 방식 응답: REST 또는 다운스트림 사용에 대한 JSON 출력입니다.

대화형으로 결과를 탐색하거나, 읽기 전용 쿼리 세트로 공유하거나, 다른 도구 및 애플리케이션에서 사용합니다.

관련 콘텐츠

  • Last updated on