Fabric novinky | ČERVEN 2025

Červnové Fabric novinky se vylouply až ke konci měsíce – společně projdeme témata v Data Engineeringu, Data Science a Data Warehouse. Podíváme se na téma notebooků a knihoven proměnných (variable libraries), které umožňují uživatelům centralizovaný přístup k vývoji.

Také se mrkneme na Real-Time Intelligence a Data Factory, které jdou ruku v ruce s novými AI funkcemi, real-time možnostmi a obecně prací s daty.

Data Engineering

Variable libraries (preview)

Nová funkcionalita knihoven proměnných (anglicky Variable libraries) umožňuje centrální a modulární vývoj bez nutnosti zásahů do kódu. Už není nutné vypisovat hodnoty přímo v kódu – místo toho se odkazujeme na hodnoty v referencované knihovně proměnných.

Ke knihovně přistoupíme pomocí příkazu getLibrary().

Příklad:

• Vydefinování si proměnných v knihovně

• Získání nadefinovaných proměnných z knihovny

• Tvorba dynamické cesty pomocí proměnných

• Vylistování Lakehouse na základě aktivních hodnot z knihovny

Notebook Copilot auto-completion (Preview)

V Preview režimu nově přichází automatické vyplňování Python kódu pomocí Copilota. V čem nám může daná funkcionalita pomoct:

• Psát rychleji
• Snižovat chybovost
• Využití/Naučení se nových knihoven
• Soustředit se na dokumentaci

Jak funkcionalitu aktivovat

Ve spodní části notebooku je potřeba zapnout volbu “Copilot completions”.

Copilot analyzuje okolní kód a nabízí kontextově relevantní nápovědu. S postupným používáním se učí a zlepšuje na základě tvé zpětné vazby.

T-SQL Notebook a monitoring (Generally Available)

Monitoring T-SQL notebooků je nyní obecně dostupný. Nově vznikl T-SQL panel, který umožňuje zobrazit historii notebooku s těmito sloupci:

T-SQL a Python v kombinaci (Preview)

Microsoft v rámci novinek oznámil, že je nově možné v Notebooku v jazyce Python využít přímo T-SQL jazyk s dotazy oproti Fabric Datawarehouse nebo SQL databázi přímo v jedné buňce v kombinaci s jazykem Python.

Výsledky je možné uložit např. do Pandas DataFrame, kde můžeme pokračovat v transformacích pomocí Python kódu stále ve stejné buňce.

Pro využití je nutné v buňce na začátku nastavit `%%tsql`.

V příkaze v přiloženém obrázku jsou vidět parametry, které se pro zavolání T-SQL kódu volají.

• Artifact = název Data Warehouse
• Type = typ artefaktu (např. Warehouse)
• Bind = název proměnné, do které se uloží výsledek z T-SQL dotazu

Notebook version history (Generally available)

Historie notebooků je nově obecně dostupná a nabízí pokročilou správu verzí

Historie je dostupná pod tlačítkem vpravo nahoře.

Možnosti historizace:

• Automatické checkpointy = Checkpointy každých 5 minut na základě času editace.
• Manuální checkpointy = Manuálně vytvořené checkpointy uživatelem.
• Trackování historie změn = Kontrola předchozích verzí, kde a kým byly změny provedeny.
• Porovnání různých verzí = Jednoduché porovnávání různých verzí v čase.
• Obnovení předchozích verzí = V případě chyby je možné se vrátit k předchozím verzím.

Notebook creation dialog

Nově dostupný dialog umožňuje při tvorbě Notebooku:

• Upravit název Notebooku
• Výběr umístění Notebooku
• Výběr task flow

Materialized Lake Views (Preview)

Jedná se o pokročilou funkcionalitu pro nasazování a management medailonové architektury v Lakehouse.

Umožňuje uživatelům tvorbu SQL materizalizovaných Lake Views, které jsou zároveň automaticky udržovány systémem, namísto manuálně nezpracovaných nebo napůl zpracovaných dat.

Zároveň umožňuje monitoring, detekci chyb a sledování změny v kvalitě data, takže je možné nastavit i upozornění na základě definovaných podmínek

Data Science

Aktualizované AI funkce pro zlepšení výkonu a snížení nákladů

Po představení AI funkcí došlo na základě zpětné vazby od uživatelů k jejich vylepšení.

• Novým výchozím modelem je GPT-4o-mini – rychlejší, přesnější, levnější
• Nová verze runtime prostředí: Fabric 1.3, kde jsou AI knihovny předinstalované
• AI funkce nyní dostupné i při použití Pythonu bez Spark (např. v Pandas)
• Zjednodušené UI, které umožňuje:
  • Vybrat funkci
  • Zvolit aktivní DataFrame (Pandas nebo Spark)
  • Vyplnit parametry
  • Vygenerovat kód pomocí AI

Data Warehouse

Result set caching (Preview)

Novinka zlepšující výkonnost opakovaných SQL dotazů. Po zapnutí Result set caching se výsledek dotazu uloží do paměti, a při dalším spuštění se vrací rychleji, aniž by se znovu spouštěl celý dotaz.

Podporováno pro Data Warehouse a Lakehouse SQL analytics endpoint.

Real-Time Intelligence

Real-Time Intelligence in a Day

Microsoft připravil nové školící sessions pro ty, kteří chtějí lépe pochopit a využít real-time zpracování dat.

Query Azure Monitor data in KQL Queryset

Místo dřívější nutnosti použití connection stringu je nyní možné připojit Azure Monitor data přímo díky vestavěnému konektoru.

Sdílení KQL dotazů kolegům

Nové uživatelské rozhraní umožňuje snadné sdílení:

• Samotného dotazu
• Odkazu na Fabric
• Výsledků

Copilot v Real-Time Dashboards

Copilot je nově dostupný i v Real-Time Dashboards a umožňuje např.:

• Pomoc s tvorbou KQL dotazů pomocí přirozeného jazyka
• Efektivnější práci s dashboardy

SQL operator ve Fabric Eventstream

Novinka v podobě SQL operátora přímo v Eventstreamu umožňuje uživatelům se znalostí SQL nové možnosti transformačních scénárů.

Hlavní funkcionality:

• Transformační logika podle potřeb uživatele dle znalosti jazyka SQL
• Testovací scénáře v reálném čase
• IntelliSense pro nápovědu při psaní
• Výsledky dat do jakékoliv dostupné destinace v rámci Real-Time Intelligence

Multi-schema support

Eventstream nyní podporuje více schémat v rámci jednoho streamu, což zvyšuje flexibilitu při transformacích dat v reálném čase.

Managed Private Endpoint pro Eventstream (Generally Available)

Nově je obecně dostupná (GA) možnost připojení k Eventstreamu pomocí Private Endpointu, čímž se zajišťuje, že data nejsou přístupná veřejně, ale jen přes interní zabezpečené připojení.

Data Factory

Azure Data Factory item (Generally Available)

Také obecně dostupná funkcionalita, která uživatelům umožňuje existující Azure Data Factory (ADF) pipelines přenést do Fabric prostředí bez nutnosti manuální migrace.