Fabrics Data Factory bietet eine Umgebung, die Datenaufnahme-, Vorbereitungs- und Transformations-Workflows mithilfe einer grafischen BenutzeroberflE4che zur ProzessfFChrung erleichtert. Diese Workflows kF6nnen manuell ausgefFChrt oder als Teil der Pipeline geplant werden. In diesem Beitrag werden wir die Data pipelines erkunden, die innerhalb von Data Factory erstellt werden kF6nnen, und wie Sie mit Arc GIS GeoAnalytics for Microsoft Fabric raumbezogene Analysen integrieren kF6nnen. <\/P>
Einige der großartigen Dinge, die Sie mit einem GeoAnalytics for Fabric-Notebook in Fabrics Data Factory unter Verwendung von Data pipelines tun kF6nnen, sind:<\/P>
- Automatisierung der Datenmigration zwischen Esri- und Fabric-Datenspeichern<\/LI>
- Transformation von Geometrien zur Anpassung von Koordinatensystemen oder Geometrietypen<\/LI>
- ErmF6glichung raumbezogener Anreicherung zur Hinzuf00gung soziodemografischer Details zu DatensE4tzen basierend auf dem Standort<\/LI>
- Aggregation von PunktdatensE4tzen in quadratische oder hexagonale Bins zur Verwendung in Power BI<\/LI>
- 026;und vieles mehr mit den mehr als 180 raumbezogenen Funktionen und Tools in der GeoAnalytics-Bibliothek<\/LI><\/UL>
<\/P>
Wie kF6nnen Sie GeoAnalytics for Fabric in Data Factory verwenden?<\/H2>Fabrics Data Factory ermF6glicht die Erstellung von Data pipelines zum Aufbau komplexer ETL-Workflows. Sie enthE4lt eine Reihe vordefinierter Aktivit2ten, beispielsweise zum Kopieren von Daten aus Cloud-Warehouses in OneLake. Zudem besteht die MF6glichkeit, Spark-Notebooks als Teil des Workflows einzubinden – und genau so kF6nnen wir GeoAnalytics for Fabric nutzen!<\/P>In diesem Beitrag geben wir Beispiele f5Cr GeoAnalytics-Notebooks in einer Data pipeline, aber weitere Details zu Notebook-Aktivit2ten<\/A> im Allgemeinen finden Sie in der Fabric Data Factory-Dokumentation<\/A>.<\/P> <\/P>
Was macht ein gutes GeoAnalytics for Fabric-Notebook in einer Data pipeline aus?<\/H3>GeoAnalytics for Fabric verf5Ft 5Cber einen gro
Fen Funktionsumfang fr die Erstellung komplexer Workflows. Fr die Verwendung in Data pipelines funktioniert es meiner Erfahrung nach am besten, einfache Notebooks zu erstellen, die ein oder zwei verwandte Aufgaben ausfhren. Zum Beispiel ein Notebook, das nur einen spatial join durchfhrt, um Daten anzureichern, oder das den spatial join durchfhrt und aggregiert, wobei die Ergebnisse zurCCk nach OneLake geschrieben werden.<\/P>
<\/span><\/P>Was macht ein gutes Notebook fr die Verwendung in einer Data pipeline aus?<\/H3>Wie oben bereits erw4hnt, ist ein gutes Notebook fr die Verwendung in einer Data pipeline darauf ausgelegt, eine spezifische Aufgabe auszufhren. Dies kann mehrere Schritte im Analyseworkflow umfassen, fhrdert aber typischerweise ein einzelnes Ergebnis zutage. Einige Beispiele knnten sein:<\/P>Datenmigration.<\/STRONG> Verschieben raumbezogener Datens4tze zwischen Esri Feature Services und OneLake; oder von OneLake zu Esri Feature Services.<\/LI>Datenanreicherung.<\/STRONG> Verwendung von spatial joins zum Kombinieren mehrerer Datenquellen zur georauemlichen Anreicherung eines Datensatzes f\u025Cr die anschlie\u025Cende Nutzung in raumbezogenen Analysen oder einem ML-Modell. Zum Beispiel das Einlesen von Kundendaten und Anreichern jedes Kundenstandorts mit soziodemografischen Details basierend auf dessen Standort.<\/LI>Datenaggregation.<\/STRONG> Vereinfachung eines gro\u025Cen Datensatzes zu einer aggregierten Version f\u025Cr Business Intelligence, Reporting oder nachgelagerte Analysen der aggregierten Daten. Zum Beispiel Aggregation eines gro\u025Cen Punktdatensatzes in hexagonale Bins.<\/LI><\/UL> <\/P>F\u025Cr unser Beispiel verwenden wir ein Notebook, das einen spatial join durchf\u025Chrt, um Schnittstellen zwischen \u0246l- und Gaspipelines sowie kritischer Infrastruktur oder interessanten Umgebungen zu finden. Die Ergebnisse werden dann aggregiert und zur Nutzung in einem Power BI-Dashboard ausgegeben. Beim Erstellen des Notebooks f\u025Cgen wir einige Funktionen hinzu, damit es f\u025Cr die Fabric-Nutzer in unserer Organisation \u003Cem\u003Ebeyond\u003C/em\u003E diejenigen n\u0228tzlich ist, die direkt mit Fabric-Notebooks arbeiten. Die Idee ist im Wesentlichen, ein sch\u0246nes "Tool" f\u025Cr Geoverarbeitung zu schaffen, das von jedem ausgef\u025Chrt werden kann – selbst wenn sie nicht mit Notebooks arbeiten oder wissen, wie man den Analyseworkflow selbst erstellt.<\/P>Einer der Schl\u025Cssel dazu ist es, Parameter im Notebook einzubauen. Parameter k\u0246nnen verwendet werden, um externe Werte an eine Data pipeline zu \u025Bbergeben. Das bedeutet, dass ein Benutzer mit Zugriff auf die Data pipeline diese Parameter bearbeiten kann und sie sich auf die Ergebnisse auswirken, die vom Notebook erzeugt werden, wenn dieser Code ausgef\u025Chrt wird. Schauen wir uns das an...<\/P> <\/P>Verwendung von Parametern zur schnellen Anpassung der Analyse<\/H3>Um Parameter beim Ausf\u025Chren eines Notebooks in einer Data pipeline zu verwenden, muss zun\u0228chst festgelegt werden, welche Variablen im Notebook als "Parameter" definiert sind. Dann m\u0246ssen sie nur noch in der Data pipeline angesprochen und ihre Werte aktualisiert werden.<\/P>Innerhalb eines Notebooks. Innerhalb des Fabric-Notebooks ben\u0246tigen Sie eine Zelle, die die Parameter f\u025Cr das Notebook definiert. Diese sieht aus wie jede andere Zelle, wurde aber als "Parameterzelle" gekennzeichnet. In den folgenden Beispielen haben wir eine Reihe von Parametern definiert, mit denen festgelegt wird, welche Analysen durchgef\u025Chrt werden (z.B. Schnittstellen von Pipelines mit Stra\u022Fen, kritischen Habitaten oder Konkurrenzpipelines), welche Aufl\u0246sung f\u025Cr aggregierte Ergebnisse verwendet wird und wo die Ausgabedatei gespeichert wird.<\/P>
<\/span><\/P>Jeder dieser Parameter hat einen Standardwert gesetzt; wenn also keine Aktualisierungen in der Data pipeline vorgenommen werden, läuft das Notebook trotzdem und verwendet diese Standardwerte. Wenn jedoch ein Benutzer sie in der Data pipeline aktualisiert, passt das Notebook den Ablauf der Analyse entsprechend an.<\/P>Innerhalb der Data pipeline. Sehen wir uns an, wie diese innerhalb der Data pipeline erscheinen und vom Benutzer bearbeitet werden können. Innerhalb der Data pipeline kann nach dem Hinzufügen eines Notebooks zum Canvas als Teil eines Workflows dieses ausgewählt werden, um seine Einstellungen zu aktualisieren. Unter "Einstellungen" für das Notebook können neue Werte eingegeben werden, um die Parameter zu aktualisieren.<\/P>Im folgenden Beispiel stellen wir das Notebook so ein, dass bei Ausführung Schnittstellen zwischen Pipelines und Straßen sowie Schnittstellen mit Konkurrenzpipelines berechnet werden sollen; jedoch nicht Schnittstellen mit kritischen Habitaten. Es verwendet h3-Bins mit Auflösung 4 sowie eine "Nahe-Distanz" (zur Identifikation von Straßen oder Konkurrenzpipelines innerhalb dieses Interessensabstands) von 100 Metern und gibt das aggregierte Ergebnis an eine Datei namens "output_aggregated_results" zurück.<\/P>
<\/span><\/P>Sobald die Einstellungen aktualisiert sind und die Pipeline ausgeführt wird, ersetzt sie diese Werte im Notebook anstelle der Standardwerte. Überall dort wo diese Werte im Notebook verwendet werden spiegelt sich dies wider und läuft entsprechend ab. Vom Benutzer wird innerhalb der Data pipeline nur erwartet zu wissen welche Parameter er bearbeiten kann.<\/P>In diesem Beispiel liefert das Notebook bei Ausführung als Teil der Data pipeline Ergebnisse an OneLake zur weiteren Nutzung in einem Power BI-Dashboard zur Analyse unserer Öl- und Gaspipelines bezogen auf nahegelegene Infrastruktur.<\/P>![\](https:\/\/us.v-cdn.net\/6038851\\uploads\\images\\134570iC887FF230298F517\\SBattersby_3-1750254632049.png "\")
Schlussfolgerung
This ist nur eine der großartigen Möglichkeiten, wie Sie GeoAnalytics for Fabric nutzen können, um Ihre georäumlichen Workflows in Microsoft Fabric voranzutreiben. Wir werden hier auf der GeoAnalytics for Fabric Community-Seite weitere Inhalte veröffentlichen, um Ihnen zu helfen, das Beste aus den georäumlichen Funktionen herauszuholen, die Teil der Partnerschaft zwischen Esri und Microsoft in Fabric sind. Bitte lassen Sie uns wissen, welche Themen Sie gerne näher kennenlernen möchten!<\/P>
