Copy Files From Source Repo (2024-06-25 03:32)

MicrosoftLearning · Jun 25, 2024 · a76430c · a76430c
1 parent eb89016
commit a76430c
Show file tree

Hide file tree

Showing 105 changed files with 1,019 additions and 129 deletions.
diff --git a/Allfiles/Labs/00-Setup/DatabaseBackup/AdventureWorksDW2022-DP500.bacpac b/Allfiles/Labs/00-Setup/DatabaseBackup/AdventureWorksDW2022-DP500.bacpac
diff --git a/Allfiles/Labs/00-Setup/DatabaseBackup/AdventureWorksDW2022-DP500.bak b/Allfiles/Labs/00-Setup/DatabaseBackup/AdventureWorksDW2022-DP500.bak
diff --git a/Allfiles/Labs/00-Setup/VM-Setup.txt b/Allfiles/Labs/00-Setup/VM-Setup.txt
@@ -0,0 +1,11 @@
+## Machine requirements
+
+In order to complete certain labs, you need access to a SQL Server instance to restore the sample database. 
+
+- Use SQL Server Management Studio (SSMS) to connect to "localhost" 
+
+Restore AdventureWorksDW2022.bak database to SQL Server localhost.
+
+Install the most recent version of Power BI Desktop application. 
+
+
diff --git a/Allfiles/Labs/01/Assets/01-Snippets.txt b/Allfiles/Labs/01/Assets/01-Snippets.txt
@@ -0,0 +1,6 @@
+>> Use SQL to query tables
+==================================================
+SELECT Item, SUM(Quantity * UnitPrice) AS Revenue
+FROM sales
+GROUP BY Item
+ORDER BY Revenue DESC;
diff --git a/Instructions/Labs/01-lakehouse.md b/Instructions/Labs/01-lakehouse.md
@@ -43,7 +43,7 @@ lab:
 
 ## 上传文件
 
-Fabric 提供了多种将数据加载到湖屋的方法，包括对复制数据外部源和可以基于 Power Query 使用可视化工具定义的数据流 (Gen 2) 的管道的内置支持。 但是，引入少量数据的最简单方法之一是从本地计算机（或实验室 VM，如果适用）上传文件或文件夹。
+Fabric 提供了多种将数据加载到湖屋的方法，包括对从外部源复制数据的管道和可以基于 Power Query 使用可视化工具定义的数据流 (Gen 2) 的内置支持。 但是，引入少量数据的最简单方法之一是从本地计算机（或实验室 VM，如果适用）上传文件或文件夹。
 
 1. 从 `https://raw.githubusercontent.com/MicrosoftLearning/dp-data/main/sales.csv` 下载 sales.csv 文件，在本地计算机（或实验室 VM，如果适用）上将其保存为 sales.csv。
 
@@ -98,6 +98,7 @@ Fabric 提供了多种将数据加载到湖屋的方法，包括对复制数据
    GROUP BY Item
    ORDER BY Revenue DESC;
     ```
+> **注意**：如果你位于实验室 VM 中并且输入 SQL 查询时出现问题，则可以从 `https://github.com/MicrosoftLearning/mslearn-fabric/raw/main/Allfiles/Labs/01/Assets/01-Snippets.txt` 下载 01-Snippets.txt[](https://github.com/MicrosoftLearning/mslearn-fabric/raw/main/Allfiles/Labs/01/Assets/01-Snippets.txt) 文件，并将其保存在 VM 上。 然后，你可以从该文本文件复制查询。
 
 3. 使用 &#9655;（“运行”）按钮运行查询并查看结果，结果应显示每个产品的总收入。
 
@@ -134,9 +135,11 @@ Fabric 提供了多种将数据加载到湖屋的方法，包括对复制数据
 
 1. 在“SQL 终结点”页底部，选择“模型”选项卡。**** 显示语义模型的数据模型架构。
 
-    ![语义模型的屏幕截图。](./Images/data-model.png)
+    ![屏幕截图 2024-04-29 155248](https://github.com/afelix-95/mslearn-fabric/assets/148110824/ba9bd67d-8968-4c46-ac7a-f96a9f697f4c)
 
-    > **注意**：在本练习中，数据模型由单个表组成。 在实际场景中，你可能会在湖屋中创建多个表，每个表都将包含在模型中。 然后，可以在模型中定义这些表之间的关系。
+    > **说明 1**：在本练习中，数据模型由单个表组成。 在实际场景中，你可能会在湖屋中创建多个表，每个表都将包含在模型中。 然后，可以在模型中定义这些表之间的关系。
+
+    > 备注 2****：视图 `frequently_run_queries`、`long_running_queries`、`exec_sessions_history` 和 `exec_requests_history` 是 Fabric 自动创建的 `queryinsights` 架构的一部分。 此功能提供 SQL 分析终结点上历史查询活动的整体视图。 由于此功能已超出本练习的范围，因此暂时应当忽略这些视图。
 
 2. 在菜单功能区中，选择“报告”选项卡。然后选择“新建报表” 。 此时会打开一个新的浏览器选项卡，你可以在其中设计报表。
 
@@ -169,4 +172,4 @@ Fabric 提供了多种将数据加载到湖屋的方法，包括对复制数据
 
 1. 在左侧栏中，选择工作区的图标以查看其包含的所有项。
 2. 在工具栏上的“...”菜单中，选择“工作区设置” 。
-3. 在“其他”部分中，选择“删除此工作区” 。
+3. 在“常规”部分中，选择“删除此工作区”。********
diff --git a/Instructions/Labs/02-analyze-spark.md b/Instructions/Labs/02-analyze-spark.md
@@ -270,11 +270,11 @@ Apache Spark 是用于分布式数据处理的开放源代码引擎，广泛用
 
     > 注意：对于用于进一步分析或引入到分析存储的数据文件，通常首选 Parquet 格式。 Parquet 是一种非常高效的格式，大多数大规模数据分析系统都支持这种格式。 事实上，有时数据转换要求可能只是将数据从其他格式（如 CSV）转换为 Parquet！
 
-2. 运行单元格并等待数据已保存的消息。 然后在左侧的“湖屋”窗格中，在“Files”节点的“...”菜单中，选择“刷新”；然后选择 transformed_orders 文件夹以验证它是否包含名为 orders 的新文件夹，该文件夹是否又包含一个或多个 Parquet 文件************************。
+2. 运行单元格并等待数据已保存的消息。 然后在左侧的“湖屋”窗格中，在“Files”节点的“...”菜单中选择“刷新”；然后选择 transformed_data 文件夹以验证它是否包含名为 orders 的新文件夹，该文件夹是否又包含一个或多个 Parquet 文件************************。
 
     ![包含 parquet 文件的文件夹的屏幕截图。](./Images/saved-parquet.png)
 
-3. 添加包含以下代码的新单元格，以从 transformed_orders/orders 文件夹中的 parquet 文件加载新的数据帧：
+3. 添加包含以下代码的新单元格，以从 transformed_data/orders 文件夹中的 parquet 文件加载新的数据帧****：
 
     ```Python
    orders_df = spark.read.format("parquet").load("Files/transformed_data/orders")
@@ -358,7 +358,7 @@ Spark 元存储中的表是数据湖中文件的关系抽象。 表可以管理
    GROUP BY YEAR(OrderDate)
    ORDER BY OrderYear;
     ```
-
+ 
 2. 运行单元格并查看结果。 观察以下情况：
     - 单元格开头的 `%%sql` 行（称为 magic）指示应使用 Spark SQL 语言运行时来运行此单元格中的代码，而不是 PySpark。
     - SQL 代码引用以前创建的 salesorders 表。
@@ -587,4 +587,4 @@ Spark 元存储中的表是数据湖中文件的关系抽象。 表可以管理
 
 1. 在左侧栏中，选择工作区的图标以查看其包含的所有项。
 2. 在工具栏上的“...”菜单中，选择“工作区设置” 。
-3. 在“其他”部分中，选择“删除此工作区” 。
+3. 在“常规”部分中，选择“删除此工作区”。********
diff --git a/Instructions/Labs/03-delta-lake.md b/Instructions/Labs/03-delta-lake.md
@@ -324,4 +324,4 @@ Delta Lake 支持流式处理数据。 Delta 表可以是接收器，也可以
 
 1. 在左侧栏中，选择工作区的图标以查看其包含的所有项。
 2. 在工具栏上的“...”菜单中，选择“工作区设置” 。
-3. 在“其他”部分中，选择“删除此工作区” 。
+3. 在“常规”部分中，选择“移除此工作区”********。
diff --git a/Instructions/Labs/03b-medallion-lakehouse.md b/Instructions/Labs/03b-medallion-lakehouse.md
@@ -612,4 +612,4 @@ lab:
 
 1. 在左侧栏中，选择工作区的图标以查看其包含的所有项。
 2. 在工具栏上的“...”菜单中，选择“工作区设置” 。
-3. 在“其他”部分中，选择“删除此工作区” 。
+3. 在“常规”部分中，选择“移除此工作区”********。
diff --git a/Instructions/Labs/04-ingest-pipeline.md b/Instructions/Labs/04-ingest-pipeline.md
@@ -39,7 +39,7 @@ Fabric 还支持 Apache Spark，使你能够编写和运行代码以大规模处
 
 引入数据的一种简单方法是使用管道中的“复制数据”活动从源中提取数据并将其复制到湖屋中的文件。
 
-1. 在湖屋的主页上，选择“新建数据管道”，并创建名为“引入销售数据”的新数据管道  。
+1. 在湖屋的“主页”上，选择“获取数据”，再选择“新建数据管道”，并创建名为“引入销售数据”的新数据管道****************。
 2. 如果“复制数据”向导未自动打开，请在管道编辑器页中选择“复制数据” 。
 3. 在“复制数据”向导的“选择数据源”页上的“数据源”部分中，选择“通用协议”选项卡，然后选择“HTTP”    。
 
@@ -49,8 +49,9 @@ Fabric 还支持 Apache Spark，使你能够编写和运行代码以大规模处
     - **URL**：`https://raw.githubusercontent.com/MicrosoftLearning/dp-data/main/sales.csv`
     - 连接：创建新连接
     - 连接名称：指定一个唯一名称
-    - 身份验证类型：基本（将用户名和密码留空）
-5. 选择“**下一页**”。 然后确保已选择以下设置：
+    - 数据网关：（无）****
+    - 身份验证类型：匿名
+5. 选择**下一步**。 然后确保已选择以下设置：
     - 相对 URL：留空
     - 请求方法：GET
     - 其他标题：留空
@@ -64,7 +65,7 @@ Fabric 还支持 Apache Spark，使你能够编写和运行代码以大规模处
     - 首行用作标题：已选择
     - 压缩类型：无
 7. 选择“预览数据”，查看要引入的数据的示例。 然后关闭数据预览并选择“下一步”。
-8. 在“选择数据目标”页上，选择现有湖屋。 然后，选择“下一步”。
+8. 在“连接到数据目标”页上，选择现有湖屋****。 然后，选择“下一步”。
 9. 设置以下数据目标选项，然后选择“下一步”：
     - 根文件夹：Files
     - 文件夹路径名称：new_data
@@ -148,8 +149,7 @@ Fabric 还支持 Apache Spark，使你能够编写和运行代码以大规模处
     - 常规：
         - 名称：删除旧文件
     - **Source**
-        - 数据存储类型：工作区
-        - 工作区数据存储：湖屋
+        - 连接****：你的湖屋**
         - 文件路径类型：通配符文件路径
         - 文件夹路径：Files/new_data
         - 通配符文件名：*.csv        
@@ -181,6 +181,8 @@ Fabric 还支持 Apache Spark，使你能够编写和运行代码以大规模处
 
     ![包含“数据流”活动的管道的屏幕截图。](./Images/pipeline-run.png)
 
+> 注意：如果收到错误消息 *只能在湖屋的上下文中执行 Spark SQL 查询。请附加湖屋以继续操作*：请打开笔记本，在左侧窗格中造择已创建的湖屋，选择“移除所有湖屋”，然后再次添加它。**** 返回到管道设计器并选择“&#9655; 运行”****。
+
 8. 在门户左边缘的中心菜单栏中选择湖屋。
 9. 在“资源管理器”窗格中，展开“Tables”，选择“new_sales”表以预览其包含的数据  。 此表是在管道运行笔记本时由笔记本创建的。
 
@@ -194,4 +196,4 @@ Fabric 还支持 Apache Spark，使你能够编写和运行代码以大规模处
 
 1. 在左侧栏中，选择工作区的图标以查看其包含的所有项。
 2. 在工具栏上的“...”菜单中，选择“工作区设置” 。
-3. 在“其他”部分中，选择“删除此工作区” 。
+3. 在“常规”部分中，选择“删除此工作区”。********
diff --git a/Instructions/Labs/05-dataflows-gen2.md b/Instructions/Labs/05-dataflows-gen2.md
@@ -93,7 +93,7 @@ lab:
 
 6. 选择“发布”以发布数据流。 然后等待在工作区中创建 Dataflow 1 数据流。
 
-7. 发布后，可以右键单击工作区中的数据流，选择“属性”，然后重命名数据流。
+7. 发布后，可以在工作区中单击数据流旁边的省略号 (...)，选择“属性”，然后重命名数据流。********
 
 ## 将数据流添加到管道
 
@@ -136,5 +136,4 @@ lab:
 1. 在浏览器中导航到 Microsoft Fabric。
 1. 在左侧栏中，选择工作区的图标以查看其包含的所有项。
 1. 在工具栏上的“...”菜单中，选择“工作区设置” 。
-1. 在“其他”部分中，选择“删除此工作区” 。
-1. 不要保存对 Power BI Desktop 所做的更改，也不要删除 .pbix 文件（如果已保存）。
+1. 在“常规”部分中，选择“移除此工作区”********。
diff --git a/Instructions/Labs/06-data-warehouse.md b/Instructions/Labs/06-data-warehouse.md
@@ -243,4 +243,4 @@ Microsoft Fabric 中的数据仓库具有许多可能在关系数据库中使用
 
 1. 在左侧栏中，选择工作区的图标以查看其包含的所有项。
 2. 在工具栏上的“...”菜单中，选择“工作区设置” 。
-3. 在“其他”部分中，选择“删除此工作区” 。
+3. 在“常规”部分中，选择“移除此工作区”********。
diff --git a/Instructions/Labs/06a-data-warehouse-load.md b/Instructions/Labs/06a-data-warehouse-load.md
@@ -29,7 +29,7 @@ lab:
 
 1. 在“Synapse 数据工程”主页中，新建湖屋并为其指定名称 。
 
-    大约一分钟后，一个新的空湖屋创建完成。 需要将一些数据引入数据湖屋进行分析。 有多种方法可以执行此操作，但在本练习中，需要把 CVS 文件下载到本地计算机（或实验室 VM，如果适用），然后上传到湖屋。
+    大约一分钟后，一个新的空湖屋创建完成。 需要将一些数据引入数据湖屋进行分析。 有多种方法可以执行此操作，但在本练习中，需要把 CSV 文件下载到本地计算机（或实验室 VM，如果适用），然后上传到湖屋。
 
 1. 从 `https://github.com/MicrosoftLearning/dp-data/raw/main/sales.csv` 下载本练习的文件。
 
@@ -249,4 +249,4 @@ lab:
 
 1. 在左侧栏中，选择工作区的图标以查看其包含的所有项。
 2. 在工具栏上的“...”菜单中，选择“工作区设置” 。
-3. 在“其他”部分中，选择“删除此工作区” 。
+3. 在“常规”部分中，选择“删除此工作区”。********
diff --git a/Instructions/Labs/06b-data-warehouse-query.md b/Instructions/Labs/06b-data-warehouse-query.md
@@ -184,4 +184,4 @@ SQL 查询编辑器支持 IntelliSense、代码完成、语法突出显示、客
 
 1. 在左侧栏中，选择工作区的图标以查看其包含的所有项。
 2. 在工具栏上的“...”菜单中，选择“工作区设置” 。
-3. 在“其他”部分中，选择“删除此工作区” 。
+3. 在“常规”部分中，选择“移除此工作区”********。
diff --git a/Instructions/Labs/06c-monitor-data-warehouse.md b/Instructions/Labs/06c-monitor-data-warehouse.md
@@ -130,4 +130,4 @@ Microsoft Fabric 数据仓库提供查询见解，这是一组特殊的视图，
 
 1. 在左侧栏中，选择工作区的图标以查看其包含的所有项。
 2. 在工具栏上的“...”菜单中，选择“工作区设置” 。
-3. 在“其他”部分中，选择“删除此工作区” 。
+3. 在“常规”部分中，选择“移除此工作区”********。